Estimasi Model Arima Non Musiman Untuk Memprediksi Data Minyak Dunia
Abstract
Mod el ARIMA Non Musiman adalah model Auto Regressive Integrated Moving Average yang merupakan gabungan dari model AR (Autoregressive), MA (Moving Average), dan ARMA (Autoregressive and Moving Average). ARIMA non musiman sering disebut metode runtun waktu Box-Jenkins. metodologi Box-Jenkins, dalam pemodelan ARIMA terdiri atas empat langkah. Pertama langkah preprocessing data dan identifikasi model stasioner. Kedua Estimasi Model. Ketiga adalah diagnostic pengecekan dan pemilihan model terbaik. Dan yang terakhir adalah aplikasi model untuk simulasi, peramalan dan lain-lain. Estimasi model adalah langkah ketiga dari metodologi box-Jenkins. Dengan estimasi model ini akan menentukan hasil prediksi yang terbaik. Jika dalam pemilihan model yang dipilih kurang tepat, maka akan mempengaruhi hasil prediksi yang diperoleh. Dimana hasil prediksi yang diperoleh juga kurang tepat. Oleh karena itu sangat penting untuk mengestimasi model yang terbaik, sehingga hasil prediksi yang diperoleh juga yang terbaik. Prediksi pada penelitian ini, menggunakan data runtun waktu yang mengandung pola non musiman yaitu data harga minyak dunia WTI. Dan diperoleh model estimasi ARIMA(1,1,0) yang merupakan model yang tepat, karena memiliki kriteria SBC/ BIC yang paling minimum yaitu sebesar -390,67. Model ARIMA(1,1,0) ini digunakan untuk prediksi data harga minyak dunia WTI. Dan setelah dibandingkan data hasil prediksi dengan data aktual pada data harga miyak dunia WTI.References
Rosadi Dedi. Pengantar Analisis Runtun Waktu. Yogyakarta : UGM. 2006.
Rakhmawati Desty. Estimasi Jumlah Produksi Beras Menggunakan Algoritma Backpropagation pada Metode Algoritma Adaptive Neuro-Fuzzy Inference System (ANFIS). Skripsi. Purwokerto: UNSOED. 2010.
Purnomo Febi Satya. Penggunaan metode ARIMA (Autoregressive Integrated Moving Average) untuk Prakiraan Beban Konsumsi Listrik Jangka Pendek (Short Term Forecasting). Skripsi. Semarang: UNS. 2015.
Rosadi Dedi. Ekonometrika & Analisis Runtun Waktu Terapan dengan Eviews. Aplikasi untuk Bidang Ekonomi. Bisnis. dan Keuangan. Yogyakarta: C.V Andi Offset. 2012.
Widyatmiko. Endang Dwi Siswani. Makalah Aspek Manajemen Industri dalam Pabrik Pengilangan Minyak Bumi. Yogyakarta: UNY. 2007.
Nandi. Handouts Geologi Lingkungan Minyak Bumi dan Gas. Jakarta: Fakultas pendidikan ilmu pengetahuan sosial UPI. 2006.
Fauzannissa R, Yasin H, Ispriyanti D. Peramalan Harga Minyak Mentah Dunia Menggunakan Metode Radial Basis Function Neural Network. Jurnal Gaussian. 2015; 5(1): 193-202.
Rahayu D, Wihandika R, Perdana R. Implementasi Metode Backpropagation untuk Klasifikasi Kenaikan Harga Minyak Kelapa Sawit. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. April 2018; 2(4): 1547-1552.
Faozy S, Sulistijanti W. Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA. Seminar Nasional Pendidikan, Sains dan Teknologi Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Muhammadiyah Semarang. 2016 ; 6 : 308- 316.
Rosadi. Dedi. Analisis Ekonometrika & Runtun Waktu Terapan Dengan R. Aplikasi untuk Bidang Ekonomi. Bisnis. dan Keuangan. Yogyakarta: C.V Andi Offset. 2011.
