Kestasioneran dan Pembedaan

Sebagian besar model prakiraan mengasumsikan deret berperilaku konsisten dari waktu ke waktu. Sifat ini memiliki nama: stasioneritas. 🎯

Deret stasioner memiliki mean dan sebaran yang stabil serta tidak bergeser seiring waktu. Karakteristik statistiknya tetap sama.

Tren yang meningkat berarti mean terus naik, sehingga deret tersebut tidak stasioner. Banyak model akan kesulitan sampai Anda mengatasinya.

Perubahan musiman yang berulang membuat rata-rata naik dan turun dalam suatu siklus. Pola yang berubah ini juga dianggap tidak stasioner.

Anda tidak perlu menebak. Uji ADF memeriksa stasioneritas dan menghasilkan nilai-p yang dapat Anda baca.

Jika nilai-p ADF di bawah 0,05, deret tersebut kemungkinan stasioner. Jika di atasnya, kemungkinan masih ada tren yang perlu dihapus.

Pembedaan mengganti setiap nilai dengan besarnya perubahan dari langkah sebelumnya. Langkah sederhana ini sering kali menghapus tren.

Dengan melihat perubahan, bukan tingkat nilainya, kenaikan yang stabil berubah menjadi garis datar yang berosilasi di sekitar nol, sehingga menjadi stasioner.

Baris pertama tidak memiliki nilai untuk dikurangkan, sehingga diff menghasilkan NaN pada baris tersebut. Hapus baris itu sebelum melakukan pengujian atau pemodelan.

Jika satu putaran belum cukup, lakukan pembedaan terhadap hasilnya untuk kali kedua. Jumlah putaran tersebut menjadi suku d dalam ARIMA.

Untuk menghilangkan siklus tahunan, kurangkan nilai 12 langkah sebelumnya. diff musiman ini secara langsung menargetkan pola yang berulang.

Uji ADF pada deret mentah Anda menghasilkan nilai-p 0,40. Apa yang ditunjukkan oleh hasil tersebut?

Anda belajar menguji stasioneritas dengan ADF serta menghapus tren dan siklus menggunakan pembedaan sebelum melakukan pemodelan.