dan MAq. Dilihat dari plot autocorrelation ACF dan plot partial autocorrelation
PACF data deret waktu ekspor batubara pada lampiran 3. Dari plot PACF tedapat satu autokorelasi parsial yang signifikan yaitu
pada lag pertama, dengan kata lain ordo maksimal ARp untuk ekspor batubara yaitu bernilai satu. Pada plot ACF ordo maksimal MAq sebanyak lima.
Sementara ordo yang digunakan untuk derajat pembedaan d adalah sebesar nol, hal ini dikarenakan data deret waktu ekspor stasioner pada level.
Kombinasi model yang dapat diestimasi dari data ekspor adalah sebanyak sebelas. Yang terdiri dari model-model sebagai berikut ARIMA 1,0,0, ARIMA
1,0,1, ARIMA 1,0,2, ARIMA 1,0,3, ARIMA 1,0,4, ARIMA 1,0,5, ARIMA 0,0,1, ARIMA 0,0,2, ARIMA 0,0,3, ARIMA 0,0,4, dan ARIMA
0,0,5. Dari kesebelas kombinasi model yang diperoleh tersebut maka
dilakukanlah estimasi pada setiap model-model ARIMA, dengan tujuan untuk mencari model-model yang memenuhi persyaratan yang dapat digunakan dalam
langkah selanjutnya. Sementara itu pengujian persamaan masing-masing model ARIMA di atas beserta residual testnya yang dilakukan pada data deret waktu
ekspor batubara dapat dilihat pada Lampiran 4 sampai dengan Lampiran 14.
c. Pemilihan Model Terbaik
Pada tahap ini perlu diperhatikan bahwa model terbaik dipilih sesuai dengan acuan model terbaik yaitu memenuhi ketiga kriteria berikut pertama,
memiliki koefisien yang signifikan secara statistik atau p-value dari t-statistic yang dimiliki model tersebut haruslah lebih kecil dari 0,05
α yang digunakan
pada penelitian ini adalah 5 persen. Kedua, memiliki error yang random terlihat dari nilai probabilitas Q statistik lebih besar dari
α 5 persen atau 0,05. Terakhir, kriteria yang harus dipenuhi suatu model adalah memiliki standar error of
regression yang paling kecil jika kriteria pertama dan kedua di atas telah
terpenuhi terlebih dahulu. Dari kriteria seperti yang tersebut di atas, ternyata hanya diperoleh satu model
yang memenuhi ketiga kriteria tersebut yaitu ARIMA 1,0,1. Hal ini dikarenakan kesepuluh model-model ARIMA lainnya dari data ekspor batubara yang telah
diestimasi, ada yang hanya mampu memenuhi kriteria pertama saja yaitu seperti yang dimiliki oleh model ARIMA 0,0,1, ARIMA 0,0,2, ARIMA 0,0,3,
ARIMA 0,0,4, dan ARIMA 0,0,5. Namun, ada juga yang sama sekali tidak mampu memenuhi salah satu dari kedua kriteria tersebut, yang menjadi
persyaratan utama untuk dapat dimodelkan dalam tahap selanjutnya, seperti yang dialami oleh model ARIMA 1,0,0, ARIMA 1,0,2, ARIMA 1,0,3, ARIMA
1,0,4, dan model ARIMA 1,0,5. Tabel 5.2. Hasil Estimasi Model ARIMA 1,0,1 Data Ekspor
Variabel Probabilitas-value C 0,0069
AR 1 0,0000
MA 1 0,0000
Sumber : Lampiran 5 diolah
Dari keluaran hasil pengujian yang tampak di atas, untuk kriteria pertama dapat dipenuhi oleh model ARIMA 1,0,1 dengan memiliki koefisien yang
signifikan secara statistik yaitu sebesar 0,0000 untuk AR1 dan 0,0000 untuk MA1. Dari nilai yang diperoleh tersebut terlihat bahwa semua koefisien
signifikan berbeda dari nol atau lebih kecil daripada nilai α 5 persen 0,05 yang
digunakan dalam penelitian. Model ini juga memiliki error yang random dengan nilai probabilitas yang
diperoleh secara keseluruhan lebih besar dari α 5 persen. Dimulai dari lag
pertama hingga lag terakhir yang terlihat pada Gambar 5.1. Sehingga kriteria kedua juga dapat dipenuhi oleh model ARIMA 1,0,1 ini.
Dikarenakan kedua kriteria sebelumnya dapat dipenuhi oleh model ARIMA 1,0,1 ini dan hanya model inilah satu-satunya yang mampu memenuhi
kriteria pertama dan kedua, maka dengan kata lain model ini juga dapat dikatakan memenuhi kriteria yang terakhir. Dengan standar error of regression yang
dimiliki oleh model ARIMA 1,0,1 ini juga bernilai kecil yaitu sebesar 1276006.
Sumber : Lampiran 5 diolah
Gambar 5.1. Residual Test Q Statistik Model ARIMA 1,0,1 Data Ekspor Dari uraian di atas mengenai hasil estimasi model ARIMA 1,0,1 dari
data ekspor batubara, yang memenuhi ketiga kriteria yang menjadi persyaratan
utama dalam pemodelan ARIMA ini. Dengan demikian telah diperoleh model terbaik untuk ekspor batubara yaitu ARIMA 1,0,1. Maka tahap selanjutnya
dalam pemodelan ARIMA yaitu peramalan dapat dilakukan dari model ARIMA 1,0,1 ini, untuk mengetahui berapa besar ekspor batubara Indonesia pada
triwulan pertama sampai triwulan keempat di tahun 2006.
d. Peramalan Jumlah Ekspor Batubara Tahun 2006
