Kembali ke Beranda
Classical Models
MODUL PERKULIAHAN MINGGU KE-5
ARIMA Musiman (SARIMA) Metodologi Box-Jenkins
Siklus 4-Tahap Box-Jenkins: Identifikasi, Estimasi MLE, Diagnostik Ljung-Box, dan Peramalan
Berkas & Bahan Ajar
Sub-CPMK 5: Mampu merancang model SARIMA(p,d,q)(P,D,Q)_s untuk peramalan beban musiman PLN.
Integrasi diferensiasi non-musiman (d) dan musiman (D), formulasi lengkap SARIMA(p,d,q)(P,D,Q)_s, estimasi parameter MLE, uji diagnostik residu (Ljung-Box Q-test, plot normalitas), dan interval kepercayaan.
$$\Phi_P(B^s)\phi_p(B)(1-B)^d(1-B^s)^D y_t = \Theta_Q(B^s)\theta_q(B)\epsilon_t$$
C1–C2 (Mengingat & Memahami)
Penjelasan arti setiap notasi pada SARIMA(1,1,1)(1,1,1)_24 untuk sistem tenaga.
C3–C4 (Menerapkan & Menganalisis)
Interpretasi hasil uji Ljung-Box pada residu dan identifikasi pola underdifferencing/overdifferencing.
C5–C6 (Mengevaluasi & Berkreasi)
Evaluasi performa SARIMA saat transisi musim hujan-kemarau dan perancangan pipeline Auto-SARIMA.
import pmdarima as pm
auto_model = pm.auto_arima(train_load, seasonal=True, m=24,
start_p=1, max_p=3, start_q=1, max_q=3,
d=1, D=1, stepwise=True, trace=True)
print(auto_model.summary())
fc, conf_int = auto_model.predict(n_periods=24, return_conf_int=True)