H :
tidak ada korelasi beruntun H
a
: ada korelasi beruntun
Ketentuan pengujiannya adalah: H
ditolak, jika χ-hitung χ –tabel H
diterima, jika χ-hitung ≤ χ –tabel Jika, H
ditolak, berarti terdapat autokolerasi. Jika H diterima berarti tidak
terdapat autokolerasi.
7. Proyeksi Model ARIMA untuk Peramalan
Peramalan forecasting merupakan proses untuk memperkirakan kejadian di masa yang akan datang. Tujuan dilakukannya peramalan adalah untuk
mengurangi ketidakpastian tentang kejadian di masa yang akan datang sekaligus menyediakan tolok ukur untuk memonitor kinerja yang sebenarnya.
Pengujian koreksi peramalan yaitu dengan menggunakan RMSE Roots Mean Square Error yang berguna untuk mengukur keakuratan pramalan.
Adapun rumus RMSE :
Keterangan : Xt = nilai aktual periode ke t
Xt’ = nilai Peramalan forecasting periode ke t n = jumlah data
H. Proses Seasonal Adjustment X13-ARIMA
Menurut Badan Pusat Statistik 2010 dalam penelitian “Seasonal Adjustment
dan Peramalan PDB Triwulanan, berikut ini beberapa tahap yang harus dilakukan ketika dilakukan proses seasonal adjustment sebagai berikut :
1. Pemeriksaan Efek Musiman
a Pemeriksaan Efek Musiman Stabil
Pemeriksaan terhadap adanya efek musiman stabil dilakukan melalui analisis variansi satu arah terhadap rasio selisih SI. Nilai rasio F
merupakan hasil pembagian antara variansi antar bulan yang berkaitan dengan komponen musiman terhadap variansi residual yang berkaitan
dengan komponen irregular. Jika beberapa asumsi dasar dari uji F dilanggar maka nilai rasio F akan digunakan untuk menolak Hipotesis nol,
yaitu terdapat efek musiman stabil yang signifikan. Uji ini dilakukan pada tingkat signifikansi 0.1.
Hipotesis : Ho: Unsur musiman data IHK_Adjustment bersifat stabil
Ha: Unsur musiman data IHK_Adjustment bersifat tidak stabil
b Pemeriksaan Efek Moving Holiday
Pemeriksaan terhadap adanya efek musiman moving holiday dilakukan melalui analisis variansi dua arah terhadap rasio selisih SI. Variansi total
dari rasio selisih SI adalah penjumlahan dari variansi antar bulan ,