�
hitung
= �
SE �
dengan � adalah estimator dari � , sedangkan SE� adalah
standar eror yang diduga dari � .
Kriteria keputusan untuk menolak �
adalah jika � �
2
,
, =
− , dengan adalah banyaknya pengamatan dan
adalah banyaknya parameter. Hasil keputusan yang diharapkan adalah
� ditolak, atau MA signifikan dalam model.
3. Pemeriksaan Diagnostik pada Model
Tahap pemeriksaan diagnostik bertujuan untuk memeriksa apakah model penduga sudah sesuai, yaitu model sudah memenuhi syarat
white noise untuk galat residual. Hal tersebut dapat dilakukan menggunakan analisis galat untuk otokorelasi. Pengujian auokorelasi
untuk galat menggunakan hipotesis sebagai berikut: �
: otokorelasi pada deret galat tidak signifikan �
1
: otokorelasi pada deret galat tidak signifikan dengan statistik uji sebagai berikut:
� =
2 =1
dengan :
� − � : jumlah pengamatan
: derajat pada transformasi differencing : lag maksimum
: nilai otokorelasi deret galat pada lag Hasilnya dibandingkan dengan tabel distribusi
�
2
dengan derajat bebas − − . dan merupakan derajat untuk proses autoregressive
dan moving average pada model ARIMA. Kriteria pengambilan keputusannya adalah
� ditolak jika
� �
2
. Hasil yang diharapkan adalah
� diterima, artinya otokorelasi pada deret galat tidak
signifikan. Secara grafik, lag-lag otokorelasi dari galat tidak signifikan atau mendekati nol. Dengan kata lain otokorelasi dari galat memenuhi
proses white noise. Biasanya dalam pemodelan ARIMA dibentuk lebih dari satu model, kemudian dilakukan perbandingan untuk mengetahui
model mana yang lebih baik.
4. Kriteria Pemilihan Model
Tahap selanjutnya adalah penentuan kriteria pemilihan model apabila terdapat dua atau lebih model penduga. Tujuannya adalah untuk
memilih model terbaik yang layak digunakan dalam peramalan. Salah satu pendekatan yang dapat digunakan dalam pemilihan model yaitu
pendekatan AIC Akaike’s Information Criterion. Nilai AIC semakin
kecil maka model yang didapatkan semakin baik.
Definisi 2.12 Akaike’s Information Criterion AIC
Berikut adalah persamaan AIC Wei, 1990: 153:
AIC M = ln �
2
+ 2M 2-48
dengan : banyaknya pengamatan
�
2
: penduga dari �
2
M : banyaknya parameter pada model Selain memperhatikan nilai AIC, dalam pemilihan model yang terbaik
juga perlu dipertimbangkan besarnya rata-rata kuadrat galat dan kesederhanaan model. Model akan semakin baik apabila rata-rata
kuadrat galatnya semakin kecil dan model semakin sederhana.
K. Deret Geometri Tak Berhingga
