Gambar 3.13 Autokorelasi Pemutihan Deret Output
3.7 Pendugaan langsung Bobot Respon
Persamaan 2.22 digunakan untuk mengkonversi korelasi silang antara α
t
dan β
t
kedalam bobot impuls sebagai berikut :
Tabel 3.12 Pendugaan Langsung Bobot Respon Impuls
V Nilai
v Nilai
-0.149122865 11
-0.07842318 1
0.000594115 12
-0.04396451 2
-0.011288185 13
0.00356469 3
-0.037429245 14
0.012476415 4
0.035052785 15
0.012476415
Universitas Sumatera Utara
Universitas Sumatera Utara
5 0.065946765
16 0.07367026
6 0.04871743
17 0.057629155
7 0.039805705
18 0.03089398
8 -0.005347035
19 -0.004158805
9 -0.06297619
20 -0.046935085
10 -0.069511455
21 -0.095652515
3.8 Penetapan r, s, b untuk Model Fungsi Transfer
Dari hasil analisis korelasi silang atau penaksiran langsung bobot respon impuls, nilai yang signifikan dari nol adalah pada lag ke-16 artinya enam belas bulan penundaan
sebelum tekanan udara mempengaruhi kecepatan angin bulanan di Medan. Oleh kerana itu b = 16 dan diikuti oleh satu lag selanjutnya maka nilai s = 1 dan r =1 dilihat
dari korelasi silang yang tidak menunjukkan pola yang jelas.
Peubah r
s b
Tekanan Udara
1 1
16
Bentuk Persamaannya adalah sebagai berikut : y
t
= ω
− ω
t
β 1
− δβ
x
t −16
+ n
t
Universitas Sumatera Utara
3.9 Pengamatan awal Deret Noise
Dengan menggunakan persamaan 2.25, maka akan dapat dihitung nilai dari noise n
t
dengan rumus : n
t
= y
t
− ν
x
1
− ν
1
x
t −1
− ν
2
x
t −2
− ... − ν
21
x
t −21
Bila kita menggunakan 22 pembobot v dan v
21
maka akan terdapat 38 nilai n
t
. Terdapat59 nilai y
t
dan x
t
dan akan kehilangan 22 nilai akibat adanya 22 waktu penundaan time lags.
Perhatikan n
22
:
n
22
= 0.0000 –-0.149122865 -1.37 –0.000594115 0.7 -…--0.0956525150.48 = -0.18165
Untuk nilai n
23
, n
24, …,
n
38
cdapat dilihat pada tabel 3.13
Tabel 3.13 Perkiraan Awal Deret Komponen Gangguan Noise
No. n
t
No. n
t
1 -0.18165
20 -0.23965
2 -0.18165
21 -0.18165
3 -0.18165
22 -0.24855
4 -0.12365
23 -0.18165
5 -0.18165
24 -0.26085
6 -0.18165
25 -0.10245
7 -0.18165
26 -0.26085
8 -0.18165
27 -0.03555
9 -0.23965
28 -0.18165
10 -0.12365
29 -0.12365
11 -0.18165
30 -0.23965
12 -0.23965
31 -0.18165
13 -0.18165
32 -0.18165
14 -0.18165
33 -0.18165
15 -0.18165
34 -0.18165
Universitas Sumatera Utara
16 -0.12365
35 -0.18165
17 -0.18165
36 -0.18165
18 -0.23965
37 -0.18165
19 -0.12365
38 -0.24855
Gambar 3.14 Plot Deret Noise n
t
Awal
Gambar 3.15 Autokorelasi Noise n
t
Awal
Universitas Sumatera Utara
Gambar 3.16 Autokorelasi Parsial Noise n
t
Awal
3.10 Penaksiran Parameter-parameter Model Fungsi Transfer 3.10.1 Taksiran Awal Parameter Model
Kategori