ARIMA Musiman atau Seasonal Autoregressive Integrated Moving Average (SARIMA) merupakan pengembangan dari model Autoregressive Integrated Moving Average (ARIMA) pada data deret waktu yang memiliki pola musiman. Metode ini dipopulerkan oleh George Box dan Gwilym Jenskins sekitar tahun 1970-an. Model ARIMA musiman menggabungkan faktor-faktor non-musiman (regular) dan musiman dalam model multiplikasi, dengan notasi sebagai berikut : ARIMA(p,d,q)×(P,D,Q)s dengan : - p = non-seasonal AR order, - d = non-seasonal differencing, - q = non-seasonal MA order, - P = seasonal AR order, - D = seasonal differencing, - Q = seasonal MA order, dan - s = time span of repeating seasonal pattern. Contoh : ARIMA(0,0,1)×(0,0,1)12 Model ini terdiri dari non-musiman MA(1), musiman MA(1), tanpa pembedaan d=0,D=0 dan s=12 Tahapan Identifikasi Model ARIMA Musiman sama halnya seperti yang dilakukan pada model ARIMA regular atau model ARIMA tanpa musiman, yaitu : 1. Plot time series 2. Identifikasi model 3. Pendugaan parameter model 4. Seleksi Model 5. Melakukan peramalan menggunakan model terbaik

saya menggunakan model desicion tree karena menurut saya bisa untuk menujukan keberpengaruhan dari semua variabel yang ada.dibersihkan dari nilai-nilai yang hilang (missing values) menggunakan fungsi na.omit.

membuat klasifikasi untuk memprediksi level resiko inverstasi. degan resiko 81%

contoh syantax dari Model Regresi Linera Berganda secara sederhana