INTERPRETASI MODEL DAN UJI SYARAT MODEL UNTUK PERAMALAN/FORECASTING CONTOH KASUS ANALISIS ARIMA PADA DATA FOREX/NILAI TUKAR BULANAN MATA UANG KUNA KROASIA TERHADAP DOLAR AS TAHUN 2006-2010

INTERPRETASI MODEL DAN UJI SYARAT MODEL UNTUK PERAMALAN/FORECASTING CONTOH KASUS ANALISIS ARIMA PADA DATA FOREX/NILAI TUKAR BULANAN MATA UANG KUNA KROASIA TERHADAP DOLAR AS TAHUN 2006-2010

Siang sobat semuaaaa,, Apa kabarnya neeeh? Moga baik, sehat, semangat dan sukses selalu yaa.. Amiiiin hehehe.. Oke deh sob kali ini kita akan sampai kepada bagian terakhir untuk analisis Autoregressive Moving Average (ARIMA) untuk contoh kasus data forex Kuna Kroasia.. 

Nah, postingan kali ini adalah terusan dari beberapa postingan sebelumnya.. Jadi, sebelum masuk ke postingan ini, sangat saya sarankan sobat semua kunjungi dulu bahasan tentang ARIMA pada postingan sebelumnya..

Nah, berikut saya tampilkan kembali tabulasi perbandingan pemilihan model terbaik diantara ketiga kandidat model ARIMA (1,1,0) atau AR(1); ARIMA (0,1,1) atau MA(1); dan ARIMA (1,1,1). 

INTERPRETASI HUBUNGAN/ARAH ANTARA VARIABEL TERIKAT DAN BEBAS PADA PEMODELAN DENGAN ARIMA (1,1,1)

“Besarnya perubahan nilai kurs nominal mata uang Kuna Kroasia terhadap US Dollar pada periode t secara positif dipengaruhi oleh besarnya nilai kurs nominal pada satu periode sebelumnya (periode t-1). Selanjutnya, perubahan nilai kurs nominal pada periode t juga secara positif dipengaruhi oleh nilai residual (selisih nilai aktual dengan fitted kurs nominal dari pemodelan) pada satu periode sebelumnya (t-1)”

INTERPRETASI BESARNYA PENGARUH VARIABEL BEBAS TERHADAP VARIABEL TERIKAT PADA PEMODELAN DENGAN ARIMA (1,1,1)

“Jika terjadi peningkatan nilai kurs nominal pada satu periode sebelumnya (t-1) sebesar satu Kuna per Dolar AS (kurs terdepresiasi sebesar satu Kuna per Dolar AS), maka akan terjadi pula peningkatan perubahan nilai kurs nominal pada periode t sebesar 0,76 Kuna per US Dolar”

“Jika terjadi peningkatan nilai residual (selisih nilai aktual dengan fitted kurs nominal dari pemodelan) sebesar satu satu Kuna per Dolar AS, maka akan terjadi pula peningkatan perubahan nilai kurs nominal pada periode t sebesar 0,5091 Kuna per US Dolar”

Naaaah, sekarang kita masuk ke uji syarat peramalan model ARIMA artinya begini, apakah model ARIMA yang kita pakai akan baik dipakai untuk meramalkan nilai kurs pada periode mendatang (Arima Modelling and Forecasting) atau model ARIMA kita hanya bisa sebatas berperan sebagai ARIMA Modelling Only. 

Langkah pertama adalah kita harus merubah kembali dulu setting datanya pada specify estimatenya untuk menentukan berapa periode (bulan) ke depan kurs diramalkan. Nah, katakanlah dalam kasus ini saya ingin meramalkan kurs untuk 12 bulan mendatang. Berikut gambarannya:

Nah, silahkan pada kolom Equation Spesification, sobat tuliskan kembali model penelitian ARIMA yang terpilih (terbaik dari sisi Adjusted R Square, Akaike dan Schwarz Criterion serta Sum Square Residual/JKE). Pada sample silahkan ganti menjadi 2006m01 2011m12. Berikut ilustrasinya:

  

Sekarang, kita siapkan perintah untuk forecasting.. Caranya dengan klik Forecast dan silahkan sobat berikan saja nama hasil forecastingnya misalnya dkursf.. Lalu untuk forecast sample disesuaikan dengan Sample.. Nah, ini saya berikan gambarannya:

Selanjutnya akan tampil hasil sebagai berikut:

  

Nah, seperti yang sudah pernah saya utarakan pada postingan sebelumnya yaitu pemahaman konsep ARIMA (klik disini untuk melihat), syarat forecasting ARIMA adalah jika nilai Bias Proportionnya di bawah 0,2 dan nilai Covariance Proportion cukup besar (semakin baik jika nilainya mendekati 1).. Sekarang, lihat bahwa nilai Bias Proportion kita memang kecil yaitu 0,0006 artinya peramalan yang kita lakukan dengan model ARIMA menghasilkan nilai estimasi (Ykept) yang sangat mendekati nilai sebenarnya (Ytrue). 

Akan tetapi, kalau kita lihat dari nilai Covariance Proportionnya (menjelaskan keragaman bersama nilai observasi dengan nilai estimasi) sangat kecil yaitu hanya sebesar 17,68% sehingga dengan demikian model ARIMA yang kita pergunakan hanya baik dan mentok sebatas modelling saja, tidak bagus untuk melakukan forecasting sebab keragaman pada data observasi tidak bisa tercatch up dengan baik oleh hasil estimasi model ARIMA hehehe..

Oke deeeeh sooob, sampai disini dulu penjelasan tentang interpretasi model dan uji syarat peramalan/forecasting.. Ayooo semangat belajarnya yaaa sooob,,, Ingeet harus ada semangat untuk bisa.. Semoga postingan ini bermanfaat.. Kurang lebihnya saya mohon maaf yaaa.. Salam damai, salam supeeer, salam sukses dan salam hangat terdahsyat dari saya :-)