77
Dari grafik FAKP terlihat bahwa grafik tersebut sudah stasioner dan terputus pada lag-2. Sehingga perkiraaan model awalnya adalah
ARIMA 1,1,2 yang mempunyai bentuk umum:
2 2
1 1
2 1
1
− −
− −
+ +
+ −
+ =
t t
t t
t t
a a
a Z
Z Z
θ θ
φ φ
b. Estimasi Parameter
ARIMA Model
ARIMA model for selisih1 Estimates at each iteration
Iteration SSE Parameters 0 1164714 0.100 0.100 0.100 -2.284
1 1107944 0.204 0.250 0.138 -1.786 2 1054415 0.305 0.400 0.172 -1.327
3 984910 0.386 0.550 0.213 -0.858 4 896406 0.428 0.700 0.270 -0.307
5 803929 0.278 0.650 0.323 -0.115 6 728118 0.128 0.592 0.384 0.037
7 664482 -0.022 0.525 0.452 0.135 8 608487 -0.172 0.450 0.526 0.157
9 558867 -0.322 0.367 0.605 0.093 10 517690 -0.472 0.275 0.690 -0.042
11 486747 -0.622 0.175 0.779 -0.217 12 466733 -0.772 0.071 0.870 -0.409
13 463792 -0.913 -0.018 0.957 -0.647 14 455184 -0.877 -0.007 0.951 -0.514
15 454584 -0.858 -0.006 0.948 -0.468 16 454334 -0.859 -0.010 0.954 -0.515
17 454247 -0.855 -0.009 0.952 -0.496 Unable to reduce sum of squares any further
Final Estimates of Parameters Type Coef StDev T
AR 1 -0.8553 0.0962 -8.89 MA 1 -0.0090 0.1634 -0.06
MA 2 0.9515 0.1438 6.62 Constant -0.496 1.437 -0.35
Differencing: 1 regular difference Number of observations: Original series 59, after differencing 58
Residuals: SS = 451011 backforecasts excluded MS = 8352 DF = 54
Modified Box-Pierce Ljung-Box Chi-Square statistic Lag 12 24 36 48
Chi-Square 29.7DF= 9 46.5DF=21 58.7DF=33 72.9DF=45
78
Dari hasil perhitungan dengan program Minitab di atas diperoleh nilai error
atau MS Mean Square sebesar 8352, 8553
, −
= φ
, 0090
,
1
− =
θ ,
dan 9515
,
2
= θ
cukup signifikan, maka persamaan modelnya adalah:
2 2
1 1
2 1
1
− −
− −
+ +
+ −
+ =
t t
t t
t t
a a
a Z
Z Z
θ θ
φ φ
2 1
2 -
t 1
9515 ,
0090 ,
-0,8553Z 8553
, 1
− −
−
+ −
+ +
− −
+ =
t t
t t
t
a a
a Z
Z
2 1
2 1
9515 ,
0090 ,
8553 ,
1447 ,
− −
− −
+ −
+ +
=
t t
t t
t t
a a
a Z
Z Z
c. Verifikasi
