Stationer Tingkat Diferensi Pertama
estimasi fungsi otokorelasi dan fungsi otokorelasi parsial ACF dan PACF
dalam correlegram berdasarkan tingkat data yang telah dinyatakan stasioner
sebagaimana uraian di bawah ini : Tabel 5.3.1
Tingkat level stasioner data
Variabel Tingkat stasioner
ARIMA p, d, q
Jumlah BPRS 1
1 Jumlah Rek. DPK
2 2
Jumlah Rek. Pemb. 1
1 Jumlah DPK
2 2
Jumlah Pemb. UMKM 1
1 Sumber : Data diolah
Dari tabel di 5.3.1 dapat diketahui bahwa nilai komponen d dari suatu model ARIMA yang akan digunkan di setiap variabelnya. Variabell
jumlah BPRS memiliki kemungkinan model ARIMAp,1,q, jumlah rekening DPK mempunyai model ARIMAp,2,q, jumlah rekening
pembiayaan mempunyai model ARIMAp,1,q, jumlah DPK mempunyai model ARIMAp,2,q, dan jumlah pembiayaan UMKM mempunyai model
ARIMAp,1,q Hasil correlegram lampiran 2 kelima variabel yang digunakan
menunjukkan pola yang bergelombang sinus sehingga dapat disimpulkan bahwa model yang digunakan yaitu ARIMAp,d,q bukan ARIMA0,d,q
ataupun ARIMAp,d,0. Sedangkan nilai p dan q yang digunakan mengacu pada model standar ARIMA1,d,1, ARIMA1,d,2, ARIMA1,d,3,
ARIMA2,d,1, dan ARIMA2,d,2,. Namun masih ada kemungkinan
model yang telah dipilih kurang sesuai dengan data yang digunakan. Model yang paling baik ditentukan pada langkah selanjutnya.