19
Metode ini memisahkan 3 komponen yaitu trend, siklis, dan musiman.
Metode ini cocok bagi rencana jangka pendek dan semakin banyak data
yang tersedia akan semakin baik hasil peramalannya.
ARIMA (Autoregressive Integrated Moving average)
Metode ARIMA adalah metode peramalan yang tidak menggunakan teori
atau pengaruh antar variabel seperti pada model regresi; dengan demikian metode
ARIMA tidak memerlukan penjelasan mana variabel dependen dan inde[penden.
Metode ini tidak memerlukan pemecahan pola menjadi komponen trend,
seasonal, siklis atau irregular seperti pada data time series
pada umumnya.
Metode ini secara murni melakukan prediksi hanya berdasarkan data-data historis
yang ada. Hampir mustahil menerapkan ARIMA secara manual. Selain dikenal
dengan nama ARIMA, metode ini popular dengan sebutan metode Box-Jenkins,
karena dikembangkan oleh dua statistikawan Amerika Serikat, yakni G.E.P Box
dan G.M Jenkins pada tahun 1970. (Santoso, 2009, p. 152)
This chapter introduces a class of models that can produce accurate
forecasts based on a description of historical patterns in the data. Autoregressive
integrated moving average (ARIMA) models are a class of linear models that is
capable of representing stationary as well as non-stationary time series. Recall
that stationary process, vary about fixed level and non-stationary process have no
natural constant mean level. ARIMA models do not involve independent variable
in their constriction. Rather, they make use of the information in the series itself
to generate forecasts. For example an ARIMA model for monthly sales would
 |