58
Dari Gambar 3.8 plot autokorelasi ACF dan Gambar 3.9 plot autokorelasi parsial PACF menunjukkan bahwa pola ACF cenderung terpotong cut off pada lag 1
dan 2 sementara pola PACF cenderung perlahan-lahan menghilang dies down sehingga estimasi yang diperoleh adalah model ARIMA 1,3,10,3,0
12
, ARIMA 1,3,11,3,0
12
, ARIMA 1,3,10,3,1
12
, ARIMA 1,3,11,3,1
12
, ARIMA 1,3,20,3,0
12
, ARIMA 1,3,21,3,0
12
, ARIMA 1,3,20,3,1
12
, ARIMA 1,3,21,3,1
12
, ARIMA 2,3,10,3,0
12
, ARIMA 2,3,1 1,3,0
12
, ARIMA 2,3,10,3,1
12
, ARIMA 2,3,11,3,1
12
, ARIMA 2,3,20,3,0
12
, ARIMA 2,3,21,3,0
12
, ARIMA 2,3,20,3,1
12
, ARIMA 2,3,21,3,1
12
.
3.2.3 Estimasi Parameter Model
Dalam penelitian ini Model ARIMA dapat diterima hanya dengan Model ARIMA yang ditetapkan ada enam belas yaitu model ARIMA 1,3,10,3,0
12
, ARIMA 1,3,11,3,0
12
, ARIMA 1,3,10,3,1
12
, ARIMA 1,3,11,3,1
12
, ARIMA 1,3,20,3,0
12
, ARIMA 1,3,21,3,0
12
, ARIMA 1,3,20,3,1
12
, ARIMA 1,3,21,3,1
12
, ARIMA 2,3,10,3,0
12
, ARIMA 2,3,11,3,0
12
, ARIMA 2,3,10,3,1
12
, ARIMA 2,3,11,3,1
12
, ARIMA 2,3,20,3,0
12
, ARIMA 2,3,2 1,3,0
12
, ARIMA 2,3,20,3,1
12
, ARIMA 2,3,21,3,1
12
maka tahap selanjutnya adalah melakukan estimasi terhadap parameter ke enam belas model. Dalam mencari
nilai estimasi parameter model ARIMA ini sangat rumit sehingga digunakan bantuan program komputer yaitu software Minitab 17,0. Berikut adalah estimasi parameter-
parameter untuk keseluruhan model ARIMA:
Tabel 3.10 Final Estimates of Parameters ARIMA
Model Parameter Koefisien
SE Koefisien
T P
ARIMA 1,3,1,0,3,0
12
AR1 0,4627
0,1653 2,80 0,008 MA1
0,9171 0,0734 12,49 0,000
ARIMA 1,3,1,1,3,0
12
AR1 0,3052
0,2329 1,31 0,197 SAR12
-0,6861 0,1245
-5,51 0,000 MA1
0,7745 0,1541 5,03 0,000
ARIMA 1,3,1,0,3,1
12
AR1 0,2465
0,2743 0,90 0,374
MA1 0,6775
0,2113 3,21 0,003
SMA12 0,7169
0,1607 4,46 0,000
59
Lanjutan Tabel Final Estimates of Parameters ARIMA
Model Parameter Koefisien
SE Koefisien
T P
ARIMA 1,3,1,1,3,1
12
AR1 0,3136
0,2723 1,15 0,256
SAR12 -0,2353
0,2080 -1,13 0,264
MA1 0,7143
0,2055 3,48 0,001
SMA12 0,6918
0,2371 2,92 0,006
ARIMA 1,3,2,0,3,0
12
AR1 -0,3416
1,0479 -0,33 0,746
MA1 0,1209
1,0164 0,12 0,906
MA2 02957
0,5099 0,58 0,565
ARIMA 1,3,2,1,3,0
12
AR1 0,7975
0,1285 6,21 0,000
SAR12 -0,6105
0,1304 -4,68 0,000
MA1 1,3341
0,0508 26,26 0,000
MA2 -0,3887
0,0591 -6,58 0,000
ARIMA 1,3,2,0,3,1
12
AR1 0,3732
0,5395 0,69 0,493
MA1 0,8276
0,5681 1,46 0,152
MA2 -0,0048
0,3952 -0,01 0,990
SMA12 0,7421
0,1649 4,50 0,000
ARIMA 1,3,21,3,1
12
AR1 0,3806
0,5379 0,71 0,483
SAR12 -0,2442
0,2032 -1,20 0,236
MA1 0,8023
0,5675 1,41 0,165
MA2 0,0124
0,3843 0,03 0,974
SMA12 0,7355
0,2234 3,29 0,002
ARIMA 2,3,1,0,3,0
12
AR1 -0,3296
0,4990 -0,66 0,512
AR2 -0,2503
0,2298 -1,09 0,282
MA1 0,1200
0,5146 0,23 0,817
ARIMA 2,3,1,1,3,0
12
AR1 0,3409
0,2473 1,38 0,175
AR2 0,1676
0,2017 0,83 0,410
SAR12 -0,7108
0,1255 -5,66 0,000
MA1 0,8484
0,1792 4,74 0,000
ARIMA 2,3,1,0,3,1
12
AR1 0,2744
0,3216 0,85 0,398
AR2 0,0385
0,2261 0,17 0,866
MA1 0,7146
0,2967 2,41 0,020
SMA12 0,7122
0,1638 4,35 0,000
ARIMA 2,3,1,1,3,1
12
AR1 0,3807
0,2267 1,68 0,101
AR2 0,0669
0,1986 0,34 0,738
SAR12 -0,2407
02070 -1,16 0,252
MA1 0,8352
0,1668 5,01 0,000
SMA12 0,7283
0,2312 3,15 0,003
ARIMA 2,3,20,3,0
12
AR1 -0,3456
1,2071 -0,29 0,776
AR2 -0,1296
0,3750 -0,35 0,731
MA1 0,1138
1,2101 0,09 0,926
MA2 0,1495
0,8102 0,18 0,854
60
Lanjutan Tabel Final Estimates of Parameters ARIMA
Model Parameter Koefisien
SE Koefisien
T P
ARIMA 2,3,21,3,0
12
AR1 0,3420
0,9740 0,35
0,727 AR2
0,1740 0,4060
0,43 0,670
SAR12 -0,7084
0,1283 -5,52 0,000
MA1 0,8494
0,9644 0,88
0,384 MA2
0,0042 0,7866
0,01 0,996
ARIMA 2,3,20,3,1
12
AR1 0,1977
1,8192 0,11
0,914 AR2
0,1786 0,7933
0,23 0,823
MA1 0,6598
1,8296 0,36
0,720 MA2
0,1903 1,5725
0,12 0,904
SMA12 0,7480
0,1687 4,43
0,000
ARIMA 2,3,21,3,1
12
AR1 0,1218
1,6570 0,07
0,942 AR2
0,2590 0,7746
0,33 0,740
SAR12 -0,2660
0,1931 -1,38 0,176
MA1 0,5455
1,6782 0,33
0,747 MA2
0,2980 1,4335
0,21 0,836
SMA12 0,7431
0,2133 3,48
0,001 3.2.4
Verifikasi Parameter Model
Setelah mendapatkan nilai-nilai parameter dari kedua model ARIMA maka langkah selanjutnya adalah melakukan verifikasi terhadap parameter-parameter kedua model
ARIMA tersebut dengan menggunakan uji distribusi t.
Adapun verifikasi yang dilakukan terhadap parameter-parameter model ARIMA 1,3,1 0,3,0
12
yaitu: �
: ∅
1
= 0 nilai parameter ∅
1
tidak signifikan �
1
: ∅
1
≠ 0 nilai parameter ∅
1
signifikan Selanjutnya adalah menghitung nilai
�
ℎ�����
dengan rumus sebagai berikut: �
ℎ�����
=
∅
1
� ��∅
1
3.8 �
ℎ�����
= 0,4627
0,9171 = 0,505
61
Keterangan: ∅
1
� = Koefisien parameter
∅
1
��∅
1
= Standard Error koefisien parameter ∅
1
Nilai parameter dikatakan signifikan apabila nilai ��
ℎ�����
� �
�����
. Artinya, �
ditolak dan �
1
diterima. Sebaliknya, jika nilai ��
ℎ�����
� ≤ �
�����
maka �
diterima dan �
1
ditolak. Ketika nilai � = 1 dan jumlah data produksi kernel PT. Eka Dura
Indonesia sebanyak 60 � = 60 maka diperoleh nilai �
����� =1;�−1
=
2,0010
lampiran 7 sehingga dapat ditarik kesimpulan bahwa nilai ��
ℎ�����
� = 5,18 �
����� =5;�−1
=
2,0010
, dengan kata lain, �
ditolak dan �
1
diterima atau parameter ∅
1
signifikan. Untuk menguji parameter model ARIMA selanjutnya dapat dilakukan dengan cara yang sama. Berikut adalah Uji signifikansi nilai parameter model ARIMA
yang disajikan dalam bentuk tabel 3.11.
Tabel 3.11 Uji Signifikansi Nilai-Nilai Parameter Model ARIMA 1,3,10,3,0
12
dan ARIMA 1,3,2 1,3,0
12
Model Parameter Koefisien
SE Koefisien
T P
Keputusan ARIMA
1,3,1,0,3,0
12
AR1 0,4627
0,1653 2,80 0,008 Signifikan MA1
0,9171 0,0734 12,49 0,000 Signifikan
ARIMA 1,3,2,1,3,0
12
AR1 0,7975
0,1285 6,21 0,000 Signifikan SAR12
-0,6105 0,1304 -4,68 0,000 Signifikan MA1
1,3341 0,0508 26,26 0,000 Signifikan
MA2 -0,3887 0,0591 -6,58 0,000 Signifikan
Dari Tabel 3.11 dapat dilihat bahwa hanya ada dua model yang parameternya signifikan yaitu ARIMA 1,3,10,3,0
12
dan ARIMA 1,3,2 1,3,0
12
. Selanjutnya adalah melakukan pemilihan kedua model ARIMA.
3.2.5 Pemilihan Model ARIMA