6. Kemudahan dalam penerapan Dalam penggunaaan metode peramalan untuk manajemen dan analisis
adalah metode-metode yang dapat dimengerti dan mudah diaplikasikan yang akan dipergunakan dalam pengambilan keputusan dan analisa.
2.5 Kestasioneran Data Deret Berkala
Dalam tahap identifikasi model ARIMA sementara, hal pertama yang harus dilihat apakah suatu deret berkala sudah stasioner baik dalam rataan maupun ragam. Hal ini
dikarenakan bahwa syarat utama dalam pembuatan model ARIMA adalah deret berkala yang stasioner.
2.5.1 Pembedaan Differencing
Untuk melihat apakah suatu deret berkala X
1
, X
2
,..., X
n
sudah stasioner, dapat dilihat plot nilai deret waktu terhadap waktu t
1
, t
2
,..., t
n
Jika n buah nilai tersebut berfluktuasi sekitar ragam yang konstan dan nilai tengah yang konstan, maka dapat
dikatakan deret tersebut konstan.
Data deret berkala yang tidak stasioner dalam nilai tengah dapat distasionerkan dengan pembedaan difference drajat d. Notasi yang bermamfa’at adalah operator
shift mundur backward shift B, yang penggunaannya adalah sebagai berikut : Misalakan ada suatu deret data X
1
, X
2
,..., X
t
maka untuk memperkirakan X
1
dilakukan dengan mengurangi satu periode kebelakangnya dengan cara :
Universitas Sumatera Utara
X
1
X
1
t t
t
B X
t
= X
t −1
Dengan kata lain, notasi B yang dipasang pada X
t
, mempunyai pengaruh menggeser data 1 periode kebelakang.
Pembedaan pertama dapat dirumuskan
t
= X
t −1
2.1 Menggunakan operator shift mundur persamaan dapat menjadi
t
= X
t
- B X
t
= 1-B X
t
Sedang pembedaan kedua adalah X
11 1
1 t
= X
t
- X
t −1
= X
t
- X
t −1
– X
t −1
- X
t −2
= X
t
- 2 X
t −1
+ X
t −2
= 1 - 2B + B
2
X = 1 – B
2
X Secara umum pembedaan d dirumuskan
X = 1 – B
d
X
t
2.2
2.6 Koefisien Autokorelasi
Dalam analisis deret berkala, salah satu statistik kunci adalah koefisien autokorelasi, autokorelasi dapat diartikan sebagai korelasi linier deret berkala dengan deret berkala
itu sendiri dengan selisih waktu lag 0, 1, 2 periode atau lebih. Koefisien autokorelasi deret X
t
yang stasioner untuk lag ke-k, dihitung dengan rumus sebagai berikut :
Universitas Sumatera Utara
r
k
=
n =k
∑
X
t
− X X
t +k
− X
i =1
2.3
∑
X
t
− X
2
Dengan : r
k
= Autokorelasi pada lag ke-k X
t
= Nilai pengamatan ke-t X
t +k
= Nilai pengamatan saat ke-t+k X
= Rata-rata pengamatan
2.7 Koefisien Autokorelasi Parsial