1.0 0.8
0.6 0.4
0.1
0.0 -0.2
-0.4 -0.6
-0.8 -1.0
2 4 6 8 10 12 Lag
Gambar 3.2 Plot Autokorelasi Pemutihan deret Input
1.0 0.8
0.6 0.4
0.1
0.0 -0.2
-0.4 -0.6
-0.8 -1.0
2 4 6 8 10 12 Lag
Gambar 3.3 Plot Autokorelasi Pemutihan deret Output
3.3 Pendugaan Langsung Bobot Respons Impuls
Cara menaksir bobot respons impuls adalah dengan mengkonversikan nilai korelasi silang kedalam bobot respons impuls sebagai berikut :
α β
αβ
S S
k r
v
k
= Untuk nilai v
,. .. , v
12
dapat dilihat pada tabel berikut :
Universitas Sumatera Utara
Tabel 3.11 Pendugaan Langsung Bobot Respons Impuls v
Nilai v
Nilai
-0.013721 7
0.38803
1 -0.04540
8 0.16445
2 -0.37330
9 0.01432
3 0.01493
10 -0.13721
4 -0.02219
11 -0.88482
5 -0.30671
12 0.03682
6 -0.07869
3.4 Penetapan Parameter r,s,b
Dari hasil korelasi silang dan pendugaan bobot respons impuls, maka nilai yang signifikan dari nol adalah lag ke 7, artinya terdapat 7 bulan penundaan sebelum x
t
mempengaruhi y
t
. dengan demikian nilai b=7 ; s =1 ; r =1 Sehingga bentuk persamaannya menjadi :
t t
t
n x
B B
y +
− −
=
−7 1
1
1 δ
ω ω
3.5 Pendugaan Deret Gangguan n
t
Dengan nilai taksiran bobot respons impuls dapt dihitung dugaan deret gangguan dengan rumus :
12 12
2 2
1 1
...
− −
−
− −
− −
− =
t t
t t
t t
x v
x v
x v
x v
y n
Nilai atau bobot yang digunakan untuk mencari deret gangguan adalah dari 13 pembedaan dengan
v sampai
12
v telah hilang, maka terdapat nilai
t
n menjadi 47, karena adanya kehilangan 13 nilai sehingga terjadi 13 penundaan time lag .
Universitas Sumatera Utara
Dengan demikian dugaan awal deret gangguan
t
n dimulai dari nilai
14
n , sehingga rumusnya menjadi :
=
14
n 2.95279 – 0.01372141 – -0.045038 - … - 0.0368221
Untuk nilai selanjutnya dibuat pada tabel dibawah ini :
Tabel 3.12 Pendugaan Deret Gangguan n
t
No n
t
No n
t
No n
t
No n
t
1 -0.0381
14 0.00724
27 0.0273
40 -0.02051
2 0.02266
15 -0.10050 28 -0.09146
41 -0.03669
3 0.01985
16 -0.00438 29 0.0365
42 0.01184
4 0.04311
17 -0.02569 30 -0.06768
43 0.04324
5 0.04534
18 0.02788
31 0.02259
44 -0.01528
6 0.01384
19 -0.06456 32 0.00359
45 0.02888
7 -0.01985
20 0.02741
30 -0.06768
46 0.00464
8 0.04322
21 -0.01719 34 0.02785
9 -0.00141
22 0.03593
35 -0.03016
10
-0.01649
23
-0.0119
36
-0.05633
11 -0.05729
24 0.00726
37 -0.04604
12 0.01715
25 -0.01186 38 0.01716
13 0.05729
26 0.06352
39 0.01337
3.6 Pendugaan awal parameter model