10 Persamaan 2.6 menyatakan bahwa kovarian
pada kelambanan lag k adalah kovarian antara nilai
dan . Jika nilai k = 0 maka mendapatkan
yang merupakan varian dari Y. Bila k = 1 maka
merupakan kovarian antara dua nilai Y yang saling berurutan. Data time series dikatakan stasioner jika rata-rata, varian dan kovarian pada setiap lag adalah tetap sama
pada setiap waktu. Jika data time series tidak memenuhi kriteria tersebut maka data dikatakan tidak stasioner. Dengan kata lain data time series dikatakan tidak stasioner jika rata-ratanya
maupun variannya tidak konstan, berubah ubah sepanjang waktu.
2.4.1 Uji stasioner melalui correlogram ACF dan PACF
Dalam metode time series, alat utama untuk mengidentifikasi model dari data yang akan diramalkan adalah dengan menggunakan fungsi autokorelasiAutocorrelation Function
ACF dan fungsi Autokorelasi ParsialPartial Autocorrelation Function PACF. Metode tersebut digunakan untuk menguji stasioneritas data dengan melihat correlogram melalui
Autocorrelation Function ACF. ACF menjelaskan seberapa besar korelasi data yang berurutan dalam runtut waktu, yang merupakan perbandingan antara kovarian pada
kelambanan k dengan variannya. Jika nilai ACF pada setiap kelambanan mendekati atau sama dengan nol maka data adalah stasioner, dan jika sebaliknya nilai koefisien ACF relatif
tinggi dan mendekati 1 maka data tidak stasioner. Pengujian koefisien autokorelasi : H0 :
Koefisien autokorelasi tidak berbeda secara signifikan dengan nol H1 :
Koefisien autokorelasi berbeda secara signifikan dengan nol Dengan demikian ACF pada kelambanan
dapat ditulis sebagai berikut 2.7
dimana
∑ ̅
̅
2.8
∑ ̅
2.9
11 n adalah jumlah observasi
̅ adalah rata-rata. Secara formal stasioner tidaknya suatu data time series dapat dilakukan melalui uji statistik berdasarkan standar error se.
� √
Jika nilai koefisien ACF terletak di dalam interval tersebut maka menerima hipotesis nol
bahwa nilai sama dengan nol, berarti data stasioner. Tetapi jika nilai
terletak diluar interval maka menolak hipotesis
bahwa sama dengan nol atau dengan kata lain data
tidak stasioner.
Pemeriksaaan Kestasioneran: Correlogram
Gambar 2.1 Pola Autokolerasi tidak stasioner dan stasioner
2.4.2 Uji Stasioner melalui Uji Augmented Dickey Fuller ADF
Uji ini merupakan salah satu uji yang sering digunakan dalam pengujian stasioneritas data, yakni dengan melihat apakah terdapat akar unit dalam model atau tidak. Pengujian
dilakukan dengan menguji hipotesis terdapat akar unit dalam persamaan regresi
� ∑
2.10 Hipotesis nol ditolak jika nilai statistik uji ADF memiliki nilai kurang lebih negative
dibandingkan dengan nilai daerah kritik. Jika hipotesis nol ditolak, data bersifat stasioner.
2.5. Identifikasi Model
