Dwi Risky Arifanti, Asrirawan Asrirawan
{"title":"Peramalan Volume Debit Air Kota Palopo Menggunakan Model ARIMA Deteksi Pencilan","authors":"Dwi Risky Arifanti, Asrirawan Asrirawan","doi":"10.30605/27458326-50","DOIUrl":null,"url":null,"abstract":"Penelitian ini bertujuan untuk menentukan model peramalan yang sesuai untuk mengatasi adanya pencilan pada debit air Kota Palopo menggunakan model ARIMA deteksi pencilan. Penelitian ini menggunakan data debit air di Kota Palopo periode bulan Januari 2010 sampai dengan bulan Desember 2015 dengan jumlah data 72 yang diperoleh dari PT. PDAM Kota Palopo. Penelitian dimulai dengan mengindentifikasi model ARIMA dengan membuat plot data deret waktu, plot ACF, dan plot PACF, apabila pada tahap ini terlihat bahwa data masih belum stasioner pada varians, hal ini dapat diatasi dengan menggunakan transformasi box-cox, namun apabila data masih belum stasioner pada mean, maka perlu untuk dilakukan differencing pada data, kemudian dilanjutkan dengan mengestimasi parameter dengan Maximum Likelihood Estimation, menguji kenormalan galat menggunakan statistik uji Kolmogorov-Smirnov serta menguji kecukupan model menggunakan statistik uji Q, memilih model terbaik, hasil uji normalitas residual menunjukkan bahwa residual model ARIMA belum white noise, dan mengindikasikan adanya outlier pada data. Sehingga, langkah selanjutnya yang dilakukan adalah deteksi outlier untuk mengeliminasi efek outlier dan memperbesar ketepatan prediksi dari model ARIMA. Implementasi pemodelan ARIMA dan deteksi outlier dilakukan dengan menggunakan SAS. Peramalan dengan model ARIMA menghasilkan ARIMA (1,1,1,) sebagai model terbaik, dengan nilai MSE 9579. Sedangkan model ARIMA dengan penambahan pencilan yaitu 64, 72, 70, 58, 52, 50, 61.","PeriodicalId":34754,"journal":{"name":"Infinity Jurnal Matematika dan Aplikasinya","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2021-03-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Infinity Jurnal Matematika dan Aplikasinya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30605/27458326-50","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

摘要

本研究旨在确定帕洛波市自来水供应的配送模型,该模型使用的是检测喷头的ARIMA模型。本研究采用了2010年1月至2015年12月在帕洛波市的水流量数据,从帕洛波市PT. PDAM获得的72个数据。研究始于识别ARIMA模型,使情节的时间序列数据,ACF,情节情节PACF数据表明,如果在这个阶段还没有静止的方差,这可以通过使用box-cox转变,但当数据还没做文具的平均值,那么需要differencing与参数估计的数据,随后Maximum Likelihood Estimation,用kolmogorov smirnov测试结果来测试模型的完整性,使用Q测试数据,选择最好的模型,剩余正常性测试结果表明ARIMA模型的剩余状态不是白色的noise,并表明数据中存在异常值。因此,下一步采取的是外部检测,以消除外部效果,增强ARIMA模型的预测准确性。阿里玛建模和异常探测的执行是利用SAS。与ARIMA模型相对应的结果是ARIMA(1.1,)作为最好的模型,得分为MSE 9579。而ARIMA模型的加入是64 72 70 58,55,61。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Peramalan Volume Debit Air Kota Palopo Menggunakan Model ARIMA Deteksi Pencilan
Penelitian ini bertujuan untuk menentukan model peramalan yang sesuai untuk mengatasi adanya pencilan pada debit air Kota Palopo menggunakan model ARIMA deteksi pencilan. Penelitian ini menggunakan data debit air di Kota Palopo periode bulan Januari 2010 sampai dengan bulan Desember 2015 dengan jumlah data 72 yang diperoleh dari PT. PDAM Kota Palopo. Penelitian dimulai dengan mengindentifikasi model ARIMA dengan membuat plot data deret waktu, plot ACF, dan plot PACF, apabila pada tahap ini terlihat bahwa data masih belum stasioner pada varians, hal ini dapat diatasi dengan menggunakan transformasi box-cox, namun apabila data masih belum stasioner pada mean, maka perlu untuk dilakukan differencing pada data, kemudian dilanjutkan dengan mengestimasi parameter dengan Maximum Likelihood Estimation, menguji kenormalan galat menggunakan statistik uji Kolmogorov-Smirnov serta menguji kecukupan model menggunakan statistik uji Q, memilih model terbaik, hasil uji normalitas residual menunjukkan bahwa residual model ARIMA belum white noise, dan mengindikasikan adanya outlier pada data. Sehingga, langkah selanjutnya yang dilakukan adalah deteksi outlier untuk mengeliminasi efek outlier dan memperbesar ketepatan prediksi dari model ARIMA. Implementasi pemodelan ARIMA dan deteksi outlier dilakukan dengan menggunakan SAS. Peramalan dengan model ARIMA menghasilkan ARIMA (1,1,1,) sebagai model terbaik, dengan nilai MSE 9579. Sedangkan model ARIMA dengan penambahan pencilan yaitu 64, 72, 70, 58, 52, 50, 61.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
17
审稿时长
8 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信