Simulasi Perbandingan Metode Peramalan Model Generalized Seasonal Autoregressive Integrated Moving Average (GSARIMA) dengan Seasonal Autoregressive Integrated Moving Average (SARIMA)

Salah satu topik utama dalam kajian pemodelan peramalan deret waktu (time series) pada tiga dekade terakhir ini adalah peramalan data jumlahan (count data). Peramalan data jumlahan berbasis model stokastik masih belum banyak dilakukan dan menggunakan distri-busi Gaussian (normal). Salah satu model stokastik dan non-Gaussian (negatif binomial) untuk peramalan data jumlahan adalah model generalized autoregressive moving average (GARMA). Model GARMA menghubungkan komponen ARMA dengan variabel pred-iktor ke transformasi parameter rata-rata dari distribusi data dengan menggunakan fungsi link (link function) tetapi tidak melibatkan efek stasioner dan musiman. Model generalized seasonal autoregressive integrated moving average (GSARIMA) merupakan model pengembangan dari GARMA dengan melibatkan efek stasioner dan musiman (seasonal). Model GSARIMA diterapkan pada data simulasi dengan membandingkan tingkat akurasi peramalan model tersebut dengan model seasonal autoregressive integrated moving aver-age (SARIMA). Berdasarkan analisis yang dilakukan dengan menggunakan simulasi hasil model dan peramalan dengan menggunakan model GSARIMA relatif lebih baik dibandingkan dengan model SARIMA dengan menggunakan nilai AIC dan Maref