25
BAB IV HASIL DAN PEMBAHASAN
4.1 Uji Stasioner Data
Sebelum melakukan pemodelan dan peramalan suhu minimum, terlebih dahulu diuji kestasioneran data. Uji stasioneritas dilakukan menggunakan uji
correlogram dan uji akar unit dengan menggunakan lag sebanyak 30 hari. Secara umum, deskripsi data yang akan diuji adalah sebagai berikut :
Tabel 4.1. Deskripsi Data Suhu Minimum
N Minimum
Maximum Mean
Std. Deviation Xt
Valid N Listwise 366
366 21,40
25,90 23,8355
0,78761
Selanjutnya dilakukan plot data curah hujan dengan banyak data 366 yang menunjukkan bahwa data yang diuji adalah stasioner. Dapat kita lihat dari
gambar 4.1 bahwa plot dari data suhu rata-rata tidak mengalami trend yang terlalu mencolok dan data bergerak disekitar rata-rata yaitu 23,8355 tabel 4.1,
hal ini menunjukkan bahwa data tersebut stasioner.
Case Number
362 343
324 305
286 267
248 229
210 191
172 153
134 115
96 77
58 39
20 1
V a
lu e
X t
27 26
25 24
23 22
21
Gambar 4.1 Plot Data Suhu Minimum Tahun 2007
26 Untuk mendukung pengamatan berdasarkan plot suhu minimum tahun
2007, maka akan dilakukan uji stasioneritas dengan menggunakan uji correlogram dan uji akar unit.
Berikut ada hasil pengolahan ACF dan Correlogram dari data asli : Tabel 4.2 Hasil Pengolahan ACF dan Correlogram dari Data Suhu Minimum
Autocorrelation Partial Auto Correlation
AC PAC
Q-Stat Prob
1 0,393
0,393 57,056
0,000 2
0,191 0,043
70,540 0,000
3 0,118
0,035 75,706
0,000 4
0,067 0,004
77,363 0,000
5 -0,018 -0,064
77,483 0,000
6 -0,071 -0,061
79,392 0,000
7 0,002
0,066 79,393
0,000 8
0,007 0,004
79,411 0,000
9 0,027
0,032 79,680
0,000 10 -0,036
-0,069 80,158
0,000 11
0,026 0,056
80,424 0,000
12 -0,012 -0,046
80,483 0,000
13 0,029
0,060 80,793
0,000 14
0,022 -0,001
80,970 0,000
15 0,036
0,027 81,462
0,000 16
0,003 -0,040
81,465 0,000
17 -0,047 -0,045
82,303 0,000
18 -0,069 -0,053
84,155 0,000
19 -0,072 -0,009
86,181 0,000
20 0,000
0,054 86,181
0,000 21 -0,041
-0,038 86,853
0,000 22 -0,055
-0,050 88,055
0,000 23 -0,042
-0,010 88,794
0,000 24 -0,119
-0,128 94,332
0,000 25 -0,153
-0,063 103,560 0,000
26 -0,047 0,082 104,430
0,000 27 -0,045
-0,031 105,250 0,000
28 0,015
0,059 105,340 0,000
29 0,029
0,001 105,680 0,000
30 -0,009 -0,058 105,710
0,000
27 Tabel di atas menunjukkan hasil pengolahan uji correlogram, dari
output tersebut diperoleh bahwa nilai koefisien ACF Autocorrelation Function mulai dari lag 1 0,393 menurun secara eksponensial sampai pada lag 4 0.067
lalu kembali naik ke arah negatif pada lag 5 -0,018 dan seterusnya. Sehingga dapat disimpulkan bahwa data suhu minimum harian ini bersifat stasioner.
Uji stasioneritas selanjutnya dilakukan dengan uji akar-akar unit. Metode yang digunakan adalah Augmented Dickey Fuller, dapat dilihat pada
tabel 4.3.
Tabel 4.3 Hasil Uji Akar-akar Unit
t-Statistic Prob.
Augmented Dickey-Fuller test statistic
-12,593450 0,000
Test critical values: 1 level
-3,448062
5 level
-2,869241
10 level
-2,570940
Dari hasil uji akar-akar unit di atas tabel 4.3 dapat dilakukan uji t dan uji probabilitas, yaitu sebagai berikut:
H : Data memiliki akar unit atau data bersifat tidak stasioner
H
1
: Data tidak memiliki akar unit atau data bersifat stasioner Dengan
5
28 Dari tabel diatas nilai t-statistic -12.59345 lebih kecil dari nilai kritis
5 yaitu -2.869241 sehingga dapat disimpulkan bahwa H
ditolak. Apabila keputusan ditentukan dengan menggunakan nilai probabilitas
maka nilai probabilitas tersebut dibandingkan dengan nilai .
Dari gambar 4.3 terlihat bahwa nilai probabilitas = 0.00 lebih kecil dari pada
= 0.05 sehingga disimpulkan bahwa Ho ditolak. Dari fakta yang diberikan oleh uji correlogram dan uji akar-akar unit
maka dapat disimpulkan bahwa data bersifat stasioner. Untuk itu tidak perlu dilakukan pembedaan differencing pada data yang ada.
4.2 Analisis Model Autoregressive