Model SARIMA

Model ARIMA di Python

James Fulton

Climate informatics researcher

Model SARIMA

ARIMA musiman = SARIMA

Orde non-musiman
- p: orde autoregresif
- d: orde pembedaan
- q: orde rata-rata bergerak

SARIMA(p,d,q)(P,D,Q)$_S$

Orde musiman
- P: orde autoregresif musiman
- D: orde pembedaan musiman
- Q: orde rata-rata bergerak musiman
- S: jumlah langkah waktu per siklus

Model SARIMA

Model ARIMA(2,0,1): $$y_t = a_1 y_{t-1} + a_2 y_{t-2} + m_1 \epsilon_{t-1} + \epsilon_t$$

Model SARIMA(0,0,0)(2,0,1)$_7$: $$y_t = a_7 y_{t-7} + a_{14} y_{t-14} + m_7 \epsilon_{t-7} + \epsilon_t$$

Melatih model SARIMA

# Imports
statsmodels.tsa.statespace.sarimax import SARIMAX

# Instantiate model
model = SARIMAX(df, order=(p,d,q), seasonal_order=(P,D,Q,S))

# Fit model
results = model.fit()

Pembedaan musiman

Kurangi nilai deret dari satu musim sebelumnya

$$\Delta y_t = y_t - y_{t-S}$$

# Ambil selisih musiman
df_diff = df.diff(S)

Pembedaan untuk model SARIMA

Deret waktu

Pembedaan untuk model SARIMA

Selisih pertama deret waktu

Pembedaan untuk model SARIMA

Selisih pertama dan selisih musiman pertama deret waktu

Menentukan p dan q

Menentukan P dan Q

Memplot ACF dan PACF musiman

# Create figure
fig, (ax1, ax2) = plt.subplots(2,1)

# Plot seasonal ACF
plot_acf(df_diff,  lags=[12,24,36,48,60,72], ax=ax1)

# Plot seasonal PACF
plot_pacf(df_diff, lags=[12,24,36,48,60,72], ax=ax2)

plt.show()

Ayo berlatih!

Model ARIMA di Python