fastha aulia pradhani (1312 105 022) -...
TRANSCRIPT
Air
-Sumber kehidupan - Kebutuhan pokok
Kualitas dan kuantitas air
bersih
Penduduk (+) maka Aktivitas
(+)
Bojonegoro
PDAM Bojonegoro
Sistem jaringan penyediaan air
bersih yang belum mampu menjangkau
seluruh wilayah
Produksi air di PDAM tidak
didasarkan pada periode
sebelumnya saja
Penelitian sebelumnya Aulia,
Fastha (2012) Peramalan distribusi
air menggunakan ARIMA
LATAR BELAKANG
Peramalan volume
produksi air menggunakan
fungsi transfer
LATAR BELAKANG
Produksi air di PDAM
Bojonegoro
Jumlah konsumsi air
Jumlah Pelanggan PDAM
Bojonegoro
FUNGSI TRANSFER
Jumlah produksi
faktor utama dalam
pelayanan penyaluran air
bersih
Rumusan
Masalah Tujuan Manfaat
1. Model paling tepat untuk meramalkan?
2. Hasil peramalan?
1. Menentukan pemodelan yang sesuai untuk meramalkan
2. Meramalkan volume produksi air beberapa periode ke depan
1. Untuk PDAM : memberi informasi
2. Peneliti : aplikasi metode fungsi transfer
Batasan Masalah
-Data volume produksi konsumsi air, dan jumlah
pelanggan periode bulan Januari 2007-Desember 2013
-Penelitian hanya untuk faktor yang berpengaruh secara
kuantitas
Tinjauan Pustaka
Prosedur ARIMA
(Makridakis,dkk,1999)
Identifikasi dugaan model
Penaksiran dan
Pengujian Parameter
Cek diagnosis
pada Residual
Peramalan
ARIMA BOX-
JENKINS
Proses ACF PACF
AR (p)
Turun cepat
secara
eksponensial
Cuts off setelah
lag p
MA (q) Cuts off setelah
lag q
Turun cepat
secara
eksponensial
ARIMA
(p,q)
Turun cepat
setelah lag (q-p)
Turun cepat
setelah lag (p-q)
Sumber: Wei, 2006
Tinjauan Pustaka
ARIMA BOX-
JENKINS
Tinjauan Pustaka
Maximum Likelihood Estimation
• Fungsi kondisional likelihood adalah
• Fungsi jumlah kuadrat bersyarat
• Setelah mendapatkan hasil estimasi para-
meter dari dan estimasi dari dapat
dihitung sebagai berikut.
S=jumlah derajat bebas, nilainya sama dengan
jumlah syarat yang digunakan pada
penjumlahan dari dikurangi jumlah
parameter yang distimasi
𝒁 𝒕 = 𝝓𝟏𝒁 𝒕−𝟏 +⋯+𝝓𝒑𝒁 𝒕−𝒑 + 𝒂𝒕 − 𝜽𝟏𝒂𝒕−𝟏 −⋯− 𝜽𝒒𝒂𝒕−𝒒
𝑺∗ 𝝓,𝝁, 𝜽 = 𝒂𝒕𝟐 𝝓,𝝁, 𝜽 𝒁∗, 𝒂∗ , 𝒁
𝒏
𝒕=𝟏
𝝈 𝒂𝟐 =
𝑺∗(𝝓 , 𝝁 , 𝜽 )
𝒅. 𝒇
ARIMA BOX-
JENKINS
Tinjauan Pustaka
ARIMA BOX-
JENKINS
1 • Uji Signifikansi Parameter
2 • Uji Residual White Noise
3 • Uji Kenormalan Residual
Tinjauan Pustaka
• Persamaan untuk model ARIMA:
• Fungi orde (p) untuk operator dari AR:
• Fungi orde (q) untuk operator dari AR
∅𝒑(𝑩)(𝟏 − 𝑩)𝒅𝒁𝒕 = 𝜽𝟎 + 𝜽𝒒(𝑩)𝒂𝒕
∅𝒑(𝑩) = (𝟏 − ∅𝟏𝑩−⋯− ∅𝒑𝑩𝒑)
𝜽𝒒(𝑩) = (𝟏 − 𝜽𝟏𝑩−⋯− 𝜽𝒒𝑩𝒒)
ARIMA BOX-
JENKINS
Tinjauan Pustaka
ARIMA BOX-
JENKINS
𝑨𝑰𝑪 𝑴 : 𝒏 𝒍𝒏𝝈 𝒂𝟐 + 𝟐𝑴
(Alkaike’s Information Criterion) (Mean Square Error)
𝑴𝑺𝑬 = 𝒆𝒊
𝟐𝒏𝒊=𝟏
𝒏
Tinjauan Pustaka
• Fungsi transfer merupakan salah satu alter-
natif untuk menyelesaikan permasalahan
apabila terdapat lebih dari satu deret berkala,
dan salah satu variabel berpengaruh terhadap
keadaan yang lainnya (Bowerman & O’Connel,
1993).
• Tujuan pemodelan fungsi transfer adalah
untuk menetapkan model yang sederhana,
yang menghubungkan yt dengan xt dan nt.
FUNGSI
TRANSFER
Tinjauan Pustaka
yt = nilai Yt yang telah ditransformasikan dan
differencing xt = nilai Xt yang telah ditransformasikan dan
differencing
at = eror
r, s, p, q dan b adalah konstanta
ω(B) = ω0 -ω1B - ω2B2-….-ωsBs δ(B) = 1- δ1B- δ2B2-……..- δrBr θ(B) = 1- θ1B- θ2B2-……..-θqBq
𝝓(𝑩) = 𝟏 − 𝝓𝟏𝑩−𝝓𝟐𝑩𝟐 −⋯𝝓𝒑𝑩
𝒑
FUNGSI
TRANSFER
𝜔𝑗 𝐵 = operator 𝑚𝑜𝑣𝑖𝑛𝑔 𝑎𝑣𝑒𝑟𝑎𝑔𝑒 order sj untuk deret
ke − j
𝛿𝑗 𝐵 = operator 𝑎𝑢𝑡𝑜𝑟𝑒𝑔𝑟𝑒𝑠𝑠𝑖𝑣𝑒 𝑜𝑟𝑑𝑒𝑟 rj untuk deret
ke − j
𝜃 𝐵 = operator 𝑚𝑜𝑣𝑖𝑛𝑔 𝑎𝑣𝑒𝑟𝑎𝑔𝑒 𝑜𝑟𝑑𝑒𝑟 𝑞
𝜙 𝐵 = operator 𝑎𝑢𝑡𝑜𝑟𝑒𝑔𝑟𝑒𝑠𝑠𝑖𝑣𝑒 𝑜𝑟𝑑𝑒𝑟 𝑝
Tinjauan Pustaka
𝒚𝒕 = 𝝎𝒋(𝑩)
𝜹𝒋(𝑩) 𝒙𝒋𝒕−𝒃𝒋 +
𝜽(𝑩)
𝝓(𝑩)𝒂𝒕
𝒌
𝒋=𝟏
FUNGSI
TRANSFER
Tinjauan Pustaka
Mempersiap-kan Deret Input dan
Output
Prewhite-ning
Deret Input
Prewhite-ning
Deret Output
Perhitung-an Korelasi
Silang & Autokorela
-si Penetap-an r,s,b
Pengujian noise series
Penetapan (pn,qn)
FUNGSI
TRANSFER
• Tujuan untuk menguji asumsi bahwa residual merupakan
white noise dan bebas terhadap deret input yang telah diprewhitening dan disesuaikan, αt telah terpenuhi .
• Terdapat 2 tahapan pengujian yaitu pemeriksaan korelasi silang dan pemeriksaan autokorelasi
Tinjauan Pustaka FUNGSI TRANSFER
Estimasi parameter-parameter dari fungsi transfer yaitu 𝜔, 𝛿 dengan menggunakan metode Maximum Likelihood.
Tinjauan Pustaka
AIR BAKU BAK PRASEDIMENTASI
PROSES PENGADUKAN, KLARIFIKASI,
SEDIMEN
TRAIT-
MENT
PLANT
MASUK KE TRAITMENT PLANT
INJEKSI BAHAN KIMIA
INJEKSI BAHAN KIMIA (2)
GRAND
RESEVO
-IR
DIPOMPA KE SAND FILTER
INTAKE
Tinjauan Pustaka
Persyaratan dalam Penyediaan Air Bersih
• Persyaratan kuantitas dalam penyediaan air
bersih ditinjau dari standart debit air bersih
yang dialirkan ke konsumen sesuai dengan
jumlah kebutuhan air bersih
• Bertambahnya jumlah pelanggan juga
mempengaruhi pertambahan dalam penyediaan
air bersih
Sumber Data & Langkah Analisis
Sumber Data
-Data sekunder me-ngenai volume pro-duksi air
sebagai vari-abel yt dan data kon-sumsi air
serta jum-lah pelanggan seba-gai variabel xt
-Data dalam bentuk data bulanan
-Data dibagi menjadi data in sample sejum-lah
72 data mulai Januari 2007 Desem-ber 2012
dan out sample sejumlah 12 data terakhir,
mulai bulan Januari – Desember 2013.
Sumber Data & Langkah Analisis
Model ARIMA
a.Membuat time series plot data in
sample
b. Mengecek kestasioneran varians dan mean
c. Pembuatan plot ACF dan PACF untuk melakukan dugaan model
d. Pengujian asumsi e. Pemilihan model terbaik berdasarkan
kriteria AIC
i. Menguji signifikansi parameter dari model yang ditambahkan komponen noise
j. Menguji residual white noise dan kenormalan model yang ditambahkan komponen noise
k. Menguji crosscorrelation antara residual dengan deret input
l. Memilih model terbaik berdasarkan kriteria AIC
Multi Input
a. Menetapkan orde b,r,s yang didapat dari hasil model fungsi transfer single input
b. Menguji signifikansi parameter c. Identifikasi deret noise jika asumsi white
noise tidak terpenuhi dilanjutkan dengan penentuan model ARMA.
e. Menguji signifikansi parameter dari model yang telah ditambah komponen noise
f. Uji white noise dan residual normal dari model fungsi transfer multi input akhir
g. Pengujian crosscorrelation antara residual model fungsi tranfser multi input
h. Memilih model terbaik berdasarkan AIC
Pemilihan model terbaik dengan kriteria MSE Out
Sample
a. Menentukan model ARIMA yang sesuai untuk data input X
b. Prewhitening deret input sehingga diperoleh αt c. Prewhitening deret ouput untuk mendapatkan
βt d. Menghitung korelasi silang (CCF) antara α1t
dan βt e. Menentukan orde b,r,s f. Menaksir parameter model fungsi transfer
single input sementara g. Menguji signifikansi parameter dari hasil
model yang terbentuk h. Identifikasi deret noise
Single Input
Analisis & Pembahasan
Model Volume Produksi Air di PDAM Bojonegoro dengan Menggunakan Univariate Time Series
70635649423528211471
310000
300000
290000
280000
270000
260000
250000
240000
Index
in s
am
ple
Time Series Plot of in sample
Belum Stasioner Mean dan Varians
ARIMA Box-Jenkins
www.themegallery.com LOGO
5,02,50,0-2,5-5,0
0,02910
0,02905
0,02900
0,02895
0,02890
0,02885
0,02880
Lambda
StD
ev
Estimate 5,00
Lower CL *
Upper CL *
Rounded Value 5,00
(using 95,0% confidence)
Lambda
Box-Cox Plot of trans
Stasioner terhadap varians
7065605550454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Au
toco
rre
lati
on
Autocorrelation Function for trans(with 5% significance limits for the autocorrelations)
Turun Cepat, Tidak Perlu DIfferencing
Analisis & Pembahasan ARIMA Box-Jenkins
www.themegallery.com LOGO
Cut off lag 4 Cut off lag 1,11,dan 13
7065605550454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Pa
rtia
l A
uto
co
rre
lati
on
Partial Autocorrelation Function for trans(with 5% significance limits for the partial autocorrelations)
7065605550454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Au
toco
rre
lati
on
Autocorrelation Function for trans(with 5% significance limits for the autocorrelations)
ARIMA([1,11,13],0,[4]), ARIMA([1,13],0,[4]), ARIMA-([1,11],0,0).
ARIMA Box-Jenkins
Analisis & Pembahasan
www.themegallery.com LOGO
Model Parameter t value P_value Keputusan
ARIMA
([1,11,13],0,
[4])
𝜙1
𝜙11
𝜙13
𝜃4
503,56
-1,04
5,28
3,81
-0,73
0,0001
0,2971
0,0001
0,0001
0,4652
Signifikan
Tidak
Signifikan
Signifikan
Signifikan
Signifikan
ARIMA
([1,13],0,[4]
)
𝜙1
𝜙13
𝜃4
803,28
-1,51
5,42
0,36
0,0001
0,1306
0,0001
0,7216
Signifikan
Tidak
Signifikan
Signifikan
Signifikan
ARIMA
([1,11],0,0)
𝜙1
𝜙11
473,90
5,99
3,75
0,0001
0,0001
0,0002
Signifikan
Signifikan
Signifikan
Analisis & Pembahasan ARIMA Box-Jenkins
www.themegallery.com LOGO
Model Lag Chi_Square P_value Keputusan
ARIMA
([1,11],0,0)
6
12
18
24
3,11
13,03
17,40
26,05
0,5400
0,2222
0,3599
0,2497
White noise
White noise
White noise
White noise
Model D P_value Keputusan
ARIMA
([1,11],0,0)
0,092262 0,1316 Berdistribusi
normal
Analisis & Pembahasan ARIMA Box-Jenkins
Uji White Noise
Uji Kenormalan Residual
www.themegallery.com LOGO
∅𝒑(𝑩)(𝟏 − 𝑩)𝒅𝒀𝒕 = 𝜽𝟎 + 𝜽𝒒(𝑩)𝒂𝒕
𝟏 − 𝝓𝟏𝑩 −𝝓𝟐𝑩𝟏𝟏 𝒚𝒕 = 𝜽𝟎 + 𝒂𝒕
⇔ 𝒚𝒕 −𝝓𝟏𝒚𝒕−𝟏 −𝝓𝟐𝒚𝒕−𝟏𝟏 = 𝜽𝟎 + 𝒂𝒕 ⇔ 𝒚𝒕= 𝜽𝟎 +𝝓𝟏𝒚𝒕−𝟏 +𝝓𝟐𝒚𝒕−𝟏𝟏 + 𝒂𝒕
𝒚𝒕 = 𝟏𝟐, 𝟓𝟓𝟐𝟎𝟔 + 𝟎, 𝟓𝟐𝟐𝟖𝟓𝒚𝒕−𝟏 + 𝟎, 𝟑𝟓𝟔𝟒𝟕𝒚𝒕−𝟏𝟏 + 𝒂𝒕
volume produksi air bulan ini dipengaruhi oleh volume produksi air pada 1 dan 11 bulan sebelumnya.
Analisis & Pembahasan Model ARIMA ([1,11],0,0)
70635649423528211471
11000
10500
10000
9500
9000
8500
Index
in s
am
pe
l
Time Series Plot of in sampel
Analisis & Pembahasan
Model Volume Produksi Air di PDAM Bojonegoro dengan Menggunakan Multivariate Time Series
Belum Stasioner
Mean
7065605550454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Au
toco
rre
lati
on
Autocorrelation Function for in sampel(with 5% significance limits for the autocorrelations)
5,02,50,0-2,5-5,0
45
44
43
42
41
40
Lambda
StD
ev
Lower CL Upper CL
Limit
Estimate 1,49
Lower CL -1,66
Upper CL 4,77
Rounded Value 1,00
(using 95,0% confidence)
Lambda
Box-Cox Plot of in sampel
www.themegallery.com LOGO
Stasioner terhadap varians
Turun Lambat, Perlu DIfferencing
Analisis & Pembahasan Single Input (Pelanggan)
www.themegallery.com LOGO
Cut off lag 1 Cut off lag 1 dan 33
ARIMA([1,33],1,1, ARIMA([1,33],1,0), ARIMA-([33],1,0).
Analisis & Pembahasan
7065605550454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Pa
rtia
l A
uto
co
rre
lati
on
Partial Autocorrelation Function for trans_diff(with 5% significance limits for the partial autocorrelations)
7065605550454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Au
toco
rre
lati
on
Autocorrelation Function for trans_diff(with 5% significance limits for the autocorrelations)
Single Input (Pelanggan)
Model Parameter t value P_value Keputusan
ARIMA
([1,33],1,1)
𝜙1
𝜙33
𝜃1
-2,17
-2,69
-1,37
0,0300
0,0071
0,1712
Signifikan
Signifikan
Tidak
Signifikan
ARIMA
([1,33],1,0)
𝜙1
𝜙33
-1,39
-2,50
0,1639
0,0124
Tidak
Signifikan
Signifikan
ARIMA
([33],1,0) 𝜃33 -2,48 0,0131 Signifikan
www.themegallery.com LOGO
Analisis & Pembahasan
Single Input (Pelanggan)