Deteksi pencilan dalam data deret waktu model arima menggunakan prosedur iteratif
Abstract
Data deret waktu memiliki kemungkinan terdapat pencilan yaitu nilai data yang berbeda dari polanya. Pencilan dalam data deret waktu tidak dapat dihilangkan karena memiliki korelasi antar amatannya. Pengaruh dari pencilan menyebabkan nilai dugaan parameter maupun ramalan model menjadi menyimpang. Solusi kasus ini adalah dengan cara mereduksi efek dari pencilan tersebut. Pada penelitian ini akan dikaji penerapan prosedur iteratif untuk mendeteksi dan memodifikasi pencilan aditif (AO) dan pencilan inovatif (10) untuk model ARIMA. Data yang digunakan berupa data simulasi dan data ekspor minyak mentah Indonesia (dalam rihu barrel). Simulasi data bertujuan untuk mengetahui keefektifan prosedur iteratif dalam mendeteksi adanya pencilan aditif dan inovatif. Hasil yang diperoleh menyatakan bahwa parameter dugaan data yang pencilannya sudah dimodifkasi mendekati nilai parameter awal data hasil bangkitan. Dalam data ekspor minyak mentah terdeteksi adanya empat pencilan yaitu 1 pencilan inovatif dan 3 pencilan aditif. Pemodelan ARIMA dalam data ekspor minyak mentah dengan mereduksi efek pencilan memiliki hail yang lebih baik daripada model ARIMA tanpa modifikasi, ha1 ini dapat dilihat dari nilai ramalannya yang memiliki nilai MAPE yang lebih kecil daripada model ARIMA tanpa modifikasi.