Metode ARIMA dibagi kedalam tiga kelompok model time series linier, yaitu: autoregressive model (AR), moving average model (MA) dan model campuran yang memiliki karakteristik kedua model di atas yaitu autoregressive integrated moving average (ARIMA).
1) Autoregressive Model (AR)
Suatu persamaan linier dikatakan sebagai autoregressive model jika model tersebut menunjukan Zt sebagai fungsi linier dari sejumlah Zt aktual kurun waktu sebelumnya bersama dengan kesalahan sekarang. Bentuk model ini dengan ordo p atau AR (p) atau model ARIMA (p,d,0) secara umum adalah:
Zt = b0 + b1Zt-1 + b2Zt-2 + .... + bpZt-p + et
dimana :
Zt = data time series sebagai variabel dependen pada waktu ke-t
Zt-p = data time series pada kurun waktu ke- (t-p)
b0 = konstanta
b1 ... bp = parameter-parameter autoregressive
et = nilai kesalahan pada kurun waktu ke- t
2) Moving Average Model (MA)
Berbeda dengan moving average model yang menunjukkan Zt sebagai fungsi linier dari sejumlah Zt aktual kurun waktu sebelumnya, moving average model menunjukkan nilai Zt berdasarkan kombinasi kesalahan linier masa lalu (lag). Bentuk model ini dengan ordo q atau MA (q) atau model ARIMA (0,d,q) secara umum adalah:
