1. Residual peramalan bersifat acak. Untuk memastikan apakah model sudah memenuhi syarat ini dapat digunakan indikator Box-Ljung Statistic. Dari
output yang diperoleh diketahui bahwa P-value 0,05 yang berarti residual sudah acak.
2. Model Parsimonius. Model tentatif yang diperoleh yang dapat ditulis sebagai ARIMA 1,1,0 menunjukkan model relatif sudah dalam bentuk
yang paling sederhana. 3. Parameter yang diestimasi berbeda nyata dengan nol. Ini dapat dilihat dari
P-value koefisien yang kurang dari 0,05. Terlihat pada output bahwa P-
value koefisien AR= 0,001
4. Kondisi invertibilitas ataupun stasioneritas harus terpenuhi. Dalam output model di atas terlihat jumlah koefisien AR = 0,3339 kurang dari 1. Hal ini
berarti kondisi invertibilitas sudah terpenuhi. Persamaan tidak mengandung koefisien MA.
5. Proses iterasi harus convergence. Pada output sudah terdapat pernyataan relatife change in each estimate less than
0,0010. 6. Model harus memiliki MSE terkecil. Pada model ARIMA didapatkan
MSE = 5.810, yang relatif kecil dibandingkan output metode peramalan sebelumnya.
5.2.8.3 ARIMA Kota Yogyakarta
Identifikasi pola data sebelumnya menunjukkan sebaran data harga beras IR II di Yogyakarta masih belum stasioner. Data sudah stasioner setelah dilakukan
pembedaan pertama. Plot ACF menunjukkan pola dying down Damped sine wave
, sedangkan plot PACF menunjukkan pola cut off. Sehingga model tentatif
Box Jenkins adalah AR. Alternatif model ARIMA untuk Yogyakarta yang mungkin, dapat dilihat pada Tabel 11.
Tabel 11 Model-model Tentatif ARIMA untuk Yogyakarta Model
ARIMA Iterasi
Konvergen Parameter Estimasi Berbeda
Nyata dengan nol P ≤0,05
MSE
0,1,1 Terpenuhi Terpenuhi
11.260 1,1,0 Terpenuhi
Terpenuhi 10.958
1,1,1 Terpenuhi Tidak
terpenuhi 10.925
2,1,0 Terpenuhi Tidak
terpenuhi 10.868
2,1,1 Terpenuhi Tidak
terpenuhi 10.980
Untuk menentukan apakah model diatas sudah merupakan model terbaik maka dilakukan uji dianostik. Terdapat enam kriteria dalam evaluasi model Box-
Jenkins. Uji dianostik Kota Yogyakarta adalah sebagai berikut : 1. Residual peramalan bersifat acak. Untuk memastikan apakah model sudah
memenuhi syarat ini dapat digunakan indikator Box-Ljung Statistic. Dari output yang diperoleh diketahui bahwa P-value 0,05 yang berarti
residual sudah acak. 2. Model Parsimonius. Model tentatif yang diperoleh yang dapat ditulis
sebagai ARIMA 1,1,0 menunjukkan bentuk yang paling sederhana. 3. Parameter yang diestimasi berbeda nyata dengan nol. Ini dapat dilihat dari
P-value koefisien yang kurang dari 0,05. Terlihat pada output bahwa P-
value koefisien = 0,001
4. Kondisi invertibilitas ataupun stasioneritas harus terpenuhi. Dalam output model di atas terlihat jumlah koefisien AR = 0,3225. Koefisien AR kurang
dari satu berarti kondisi invertibilitas terpenuhi.
5. Proses iterasi harus convergence. Pada output sudah terdapat pernyataan relative change in each estimate less than
0,0010. 6. Model harus memiliki MSE terkecil. Pada model ARIMA didapatkan
MSE sebesar 10.958, yang relatif kecil dibandingkan output metode
peramalan sebelumnya. 5.2.8.4 ARIMA untuk Kota Surabaya
Pengamatan terhadap sebaran ACF dan PACF dari harga beras IR II di Surabaya menunjukkan bahwa data sudah stasioner setelah dilakukan pembedaan
pertama. Plot ACF menunjukkan pola dying down Damped sine wave, sedangkan plot PACF menunjukkan pola cut off. Sehingga model tentatif Box
Jenkins adalah AR. Alternatif model ARIMA untuk Surabaya yang mungkin, dapat dilihat pada Tabel 12.
Tabel 12 Model-model Tentatif ARIMA untuk Surabaya Model
ARIMA Iterasi
Konvergen Parameter Estimasi Berbeda
Nyata dengan nol P ≤0,05
MSE
0,1,1 Terpenuhi Terpenuhi
2.195 1,1,0 Terpenuhi
Terpenuhi 2.195
1,1,1 Terpenuhi Tidak
terpenuhi 2.215
2,1,0 Terpenuhi Tidak
terpenuhi 2.216
2,1,1 Tidak terpenuhi
Tidak terpenuhi 2.200
Untuk menentukan apakah model diatas sudah merupakan model terbaik maka dilakukan uji dianostik. Terdapat enam kriteria dalam evaluasi model Box-
Jenkins. Uji dianostik Surabaya adalah sebagai berikut : 1. Risidual peramalan bersifat acak. Untuk memastikan apakah model sudah
memenuhi syarat ini dapat digunakan indikator Box-Ljung Statistic. Dari
output yang diperoleh diketahui bahwa P-value 0,05 yang berarti residual sudah acak.
2. Model Parsimonius. Model tentatif yang diperoleh yang dapat ditulis sebagai ARIMA 1,1,0 menunjukkan bentuk yang paling sederhana.
3. Parameter yang diestimasi berbeda nyata dengan nol. Ini dapat dilihat dari P-value
koefisien yang kurang dari 0,05. terlihat pada output bahwa P- value
koefisien = 0,003 4. Kondisi invertibilitas ataupun stasioneritas harus terpenuhi. Dalam output
model di atas terlihat jumlah koefisien AR = 0,2921. Jumlah koefisien tersebut kurang dari satu berarti kondisi invertibilitas terpenuhi.
5. Proses iterasi harus convergence. Pada output sudah terdapat pernyataan relative change in each estimate less than
0,0010. 6. Model harus memiliki MSE terkecil. Pada model ARIMA didapatkan
MSE sebesar 2.195, yang relatif kecil dibandingkan output metode peramalan sebelumnya.
5.2.8.5 ARIMA untuk Kota Denpasar