meningkat. Dekomposisi multiplikatif memberikan nilai MSE lebih kecil dibandingkan dengan dekomposisi aditif. Perbedaan nilai MSE tersebut tidak
terlalu tinggi. Penerapan teknik ini kurang baik dibandingkan dengan teknik- teknik sebelumnya.
5.2.8 Teknik Box-Jenkins ARIMA-SARIMA
Identifikasi plot ACF dan PACF untuk data harga beras IR II di masing- masing kota belum stasioner sehingga perlu dilakukan pembedaan. Setelah
dilakukan pembedaan pada data asli maka data harga beras IR II setiap kota sudah stasioner. Data yang telah stasioner, kemudian ditentukan model tentatif dengan
melakukan pengamatan terhadap sebaran ACF dan PACF. Apabila plot ACF menghilang kearah nol secara ekponensial atau sine wave dan Plot PACF
terpotong cut off, modelnya akan memerlukan bentuk auto-regresif AR. Jika plot ACF menghilang dan Plot PACF menghilang, modelnya akan memerlukan
bentuk rata-rata bergerak MA. Jika plot ACF dan Plot PACF keduanya menghilang, bentuk auto-regresif dan rata-rata bergerak terindikasi. Penerapan
model ARIMA untuk masing-masing kota adalah sebagai berikut:
5.2.8.1 ARIMA untuk Kota Jakarta
Berdasarkan identifikasi terhadap data harga beras IR II di Jakarta menunjukkan data yang belum stasioner. Data deret harga pada pembedaan
regular pertama sudah stasioner. Pengamatan terhadap plot ACF menunjukkan pola dying down Damped sine wave, sedangkan plot PACF menunjukkan pola
cut off , sehingga model tentatif Box Jenkins adalah AR. Perilaku ACF untuk
bagian musiman sudah stasioner tanpa dilakukan pembedaan, dimana ACF dying down
dan PACF cut off setelah lag musiman L = 4, maka model tentatif
SARIMA adalah seasonal auto-regresif SAR. Alternatif model ARIMA atau SARIMA untuk Kota Jakarta yang mungkin, dapat dilihat pada Tabel 9.
Tabel 9 Model-model Tentatif ARIMA atau SARIMA untuk Jakarta Model
ARIMA Iterasi
Konvergen Parameter Estimasi
Berbeda Nyata dengan nol P
≤0,05 MSE
0,1,1 Terpenuhi Terpenuhi
4.730 1,1,0 Terpenuhi
Terpenuhi 4.849
0,1,2 Terpenuhi Tidak
terpenuhi 4.779
2,1,0 Terpenuhi Tidak
terpenuhi 4.810
1,1,01,0,0
4
Terpenuhi Terpenuhi 4.478
Untuk menentukan apakah model diatas sudah merupakan model terbaik maka dilakukan uji dianostik. Terdapat enam kriteria dalam evaluasi model Box-
Jenkins. Uji dianostik Jakarta 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 SARIMA 1,1,01,0,0
4
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 AR
1
= 0,000 dan SAR
4
= 0,003. 4. Kondisi invertibilitas ataupun stasioneritas harus terpenuhi. Dalam output
model di atas terlihat jumlah koefisien AR
1
= 0,3720 dan jumlah Koefisien
SAR
4
= 0,2964. Jumlah koefisien AR
1
dan SAR
4
kurang dari satu menunjukkan bahwa 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 SARIMA didapatkan
MSE sebesar 4.478, yang relatif kecil dibandingkan output metode peramalan sebelumnya.
5.2.8.2 ARIMA untuk Kota Bandung