Kembali ke Beranda
Classical Models
MODUL PERKULIAHAN MINGGU KE-6
Model Regresi Dinamik Eksogen: SARIMAX & VAR
Fungsi Korelasi Silang (CCF), Model Transfer Function, dan Vector AutoRegression (VAR)
Berkas & Bahan Ajar
Sub-CPMK 6: Mampu mengintegrasikan variabel eksogen cuaca pada SARIMAX dan memodelkan sistem multivariat VAR.
Pengaruh variabel eksogen cuaca (temperatur, kelembaban, iradiasi surya) terhadap konsumsi daya listrik, Pre-whitening pada CCF, formulasi SARIMAX, identifikasi keterlambatan distributed lag, serta pengantar model multivariat VAR.
$$y_t = \mathbf{X}_t \boldsymbol{\beta} + \eta_t, \quad \Phi_P(B^s)\phi_p(B)(1-B)^d(1-B^s)^D \eta_t = \Theta_Q(B^s)\theta_q(B)\epsilon_t$$
C1–C2 (Mengingat & Memahami)
Tujuan prosedur pre-whitening sebelum menghitung fungsi korelasi silang (CCF).
C3–C4 (Menerapkan & Menganalisis)
Analisis koefisien elastisitas suhu beta terhadap MW beban dan deteksi efek saturasi termal.
C5–C6 (Mengevaluasi & Berkreasi)
Evaluasi ketergantungan model terhadap akurasi ramalan cuaca BMKG dan perancangan model VAR multi-gardu.
from statsmodels.tsa.statespace.sarimax import SARIMAX
model = SARIMAX(df['load_mw'], exog=df[['temp_c', 'humidity']],
order=(1,1,1), seasonal_order=(1,1,0,24))
res = model.fit(disp=False)
print(res.summary())