Perpustakaan Digital ITB

Dalam kehidupan sehari-hari, banyak kejadian yang mempunyai korelasi dengan dirinya sendiri di masa lampau. Secara lebih kompleks, beberapa kejadian mempunyai hubungan sebab-akibat, sehingga suatu kejadian tidak hanya dipengaruhi oleh dirinya sendiri di masa lampau, tetapi dipengaruhi juga oleh kejadian lain. Konsep ini dikenal dengan regresi deret waktu. Ada dua model regresi deret waktu yang digunakan dalam pemodelan ini, yaitu Autoregressive Distributed Lag (ADL) untuk respon univariat dan Vector Autoregressive with Exogenous Variable (VARX) untuk respon multivariat. Di sisi lain, kebutuhan pengambilan keputusan berdasarkan data meningkat. Data perlu diolah secara cepat oleh model yang tepat. Oleh karena itu, penelitian ini bertujuan untuk meninjau karakteristik data yang baik untuk dimodelkan dengan model ADL maupun VARX, sehingga mempermudah seseorang menentukan model secara cepat untuk mengolah suatu data deret waktu. Kebaikan suatu model diukur dengan kemampuan model untuk memprediksi nilai beberapa lag waktu ke depan. Penelitian ini membandingkan hasil prediksi data deret waktu respon multivariat menggunakan ADL dan VARX. Hasil studi kasus menunjukkan bahwa model ADL cocok dengan data yang stasioner level maupun stasioner orde satu, data yang berfluktuasi, dan data dengan pencilan pada satu atau dua titik. Namun model ADL kurang baik apabila pencilan pada data tersebar di berbagai titik. Sementara itu, model VARX cocok dengan data stasioner level maupun stasioner orde satu, data yang berfluktuasi dan mempunyai tren naik. Terakhir, untuk data respon multivariat, apabila tren yang ada pada data tidak drastis, maka model VARX dan ADL mempunyai kemampuan prediksi yang sama baiknya. Namun untuk data dengan tren naik drastis, maka model VARX mempunyai kemampuan prediksi yang lebih baik. Oleh karena itu, untuk data deret waktu respon multivariat, lebih efektif jika langsung dimodelkan dengan model VARX.