Uji Stasioner Data Perbandingan Model Autoregressive Dan Model Analisis Path Untuk Data Suhu Minimum Pondok Betung Tangerang Tahun 2007

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