3.2 Analisi
Langkah p membuat p
membuat p apakah pol
pola tertent
Gam is Plot Data
ertama yan plot dat terh
plot data me a data men
tu.
bar 3.2.1 P a Awal
ng perlu dil hadap waktu
entah, yaitu ngandung un
Plot Kecepa
lakukan unt u dan mela
data yang a nsure trend,
atan Angin
tuk mengan akukan inter
akan diolah , siklik, mu
Kota Med
nilisis data rpretasi sec
dan dianali usiman atau
an Tahun 2
time series cara visual.
isis, dapat d u tidak meng
2005-2009
s adalah
Dengan dideteksi
gandung
Universitas Sumatera Utara
Gam
Tabe mbar 3.2.2
el 3.2.1 Nila
Lag 1
2 3
4 5
6 7
8
Autokore
ai Autokor
Autokor
elasi Kecep 2
relasi Kecep
relasi 0.382
0.355 0.061
-0.001 -0.055
-0.002 -0.079
0.057
atan angin 2009
patan Angi
Lag 9
10 11
12 13
14 15
16
Kota Med
in Kota Me
Autokore
dan Tahun
edan 2005 -
elasi 0.03
0.112 0.059
0.139 0.106
-0.057 -0.06
-0.221
2005 -
-2009
Universitas Sumatera Utara
Gam
T mbar 3.2.3
Tabel 3.2.2 N
Lag 1
2 3
4 5
6 7
8
Autokorel
Nilai Autok
Autokorelasi
lasi Parsial 200
korelasi Pa Tahun
Parsial 0.382
0.245 -0.169
-0.078 0.009
0.065 -0.098
0.101
l Kecepatan 5-2009
arsial Kecep 2005-2009
Lag 9
10 11
12 13
14 15
16
n Angin Ko
patan Angi
Autokorelasi P
ota Medan
in Kota Me
Parsial 0.045
0.047 -0.022
0.102 0.065
-0.237 -0.01
-0.121
Tahun
edan
Universitas Sumatera Utara
Plot data diatas memperlihatkan deret data yang tidak stasioner, maka perlu diadakan pembedaan pertama dengan persamaan :
= -
t
W
=
2
X
-
1 2
X
Tabel 3.2.3 Nilai –nilai Pembedaan Pertama
No. Wt No. Wt No. Wt 1
21 -1
41 1
2 0 22
42 -1
3 0 23
43 4 -3
24 44
-1 5 3
25 45
6 0 26
1 46
-1 7 1
27 47
1 8 0
28 48
-1 9 -1
29 49 2
10 0 30
50 11 0
31 -1
51 1
12 0 32
1 52
-1 13 0
33 53
14 0 34
-1 54
15 1 35
55 16 0
36 56
17 -1 37
57 0 18 1
38 1
58 19 -1
39 59 0
20 1 40
-1 60
-1
Universitas Sumatera Utara
Gambar 3
Gamb 3.2.4 Plot K
bar 3.2.5 Au Kecepatan A
utokorelasi Angin deng
i Kecepatan Perta
gan menggu
n Angin M ma
unakan pem
enggunaka mbedaan p
an Pembed pertama
aan
Universitas Sumatera Utara
Tabel 3
Gambar 3 3.2.4 Nilai A
Lag 1
2 3
4 5
6 7
8
.2.6 Autok Autokorela
Autokor
korelasi Par asi Dari Ke
Perta
relasi -0.467
0.222 -0.199
-0.089 0.111
-0.178 0.133
rsial Kecep Perta
ecepatan A ma
Lag 9
10 11
12 13
14 15
16
patan Angi ma
ngin Denga
Autokore
n Menggun an Pembed
elasi -0.066
0.089 -0.111
0.044 0.133
-0.157 0.155
-0.223
nakan Pem daan
mbedaan
Universitas Sumatera Utara
Tabel 3.2.5 Nilai Autokorelasi Parsial Kecepatan Angin Dengan Menggunakan Pembedaan Pertama
Lag Autokorelasi Parsial
Lag Autokorelasi Parsial
1
-0.466848888
9
-0.057608547
2
0.005556275
10
-0.014874132
3
-0.119138319
11
-0.151491636
4
-0.177478957
12
-0.144490426
5
-0.185771529
13
0.187522728
6
-0.006678315
14
-0.098579516
7
-0.199644791
15
0.002943912
8
-0.113287977
16
-0.146922417
Dari plot korelasi diatas terlihat bahwa ada satu koefisien korelasi diri berbeda nyata dari nol sehingga diduga ordo dari proses MA adalah 1 q = 1. Dari plot fungsi
korelasi diri parsial, ditentukan ordo dari regresi diri. Dari plot tersebut dilihat bahwa ada satu koefisien korelasinya Berbeda nyata dari nol, sehingga diduga bahwa ordo
dari AR adalah 1 p =1. Sesuai dengan keterangan model diatas sementara data yang dibedakan adalah ARIMA 1,1,1. Plot data diatas masih memperlihatkan deret data
yang tidak stasioner, maka perlu diadakan pembedaan kedua dengan persamaan :
= -
t
W
=
2
X
-
1 2
X
= 0-0 = 0
Universitas Sumatera Utara
Tabel 3.2.6 Nilai-Nilai Pembedaan Kedua
No. Wt No. Wt No. Wt 1
21 -2
41 2
2 22
1 42
-2 3
0 23 43
1 4
-3 24 44
-1 5
6 25 45
1 6
-3 26 1
46 -1
7 1 27
-1 47
2 8
-1 28 48
-2 9
-1 29 49
3 10
1 30 50
-2 11
0 31 -1
51 1
12 0 32
2 52
-2 13
0 33 -1
53 1
14 0 34
-1 54
15 1 35
1 55
16 -1 36
56 17
-1 37 57
18 2 38
1 58
19 -2 39
-1 59
20 2 40
-1 60
-1
Universitas Sumatera Utara
Gambar 3
Gambar 3. 3.2.7 Plot K
.2.8 Autoko Kecepatan
orelasi Kec Angin den
cepatan An gan Meng
ngin Mengg gunakan P
gunakan Pe Pembedaan
embedaan K Kedua
Kedua
Universitas Sumatera Utara
Tabel
Gambar 3 l 3.2.7 Nila
.2.9 Autok
Lag 1
2 3
4 5
6 7
8
i Autokore P
korelasi Par
Autoko
elasi Kecep Pembedaan
rsial Kecep Kedu
orelasi -0.733
0.382 -0.214
0.099 -0.099
0.168 -0.206
0.168
atan Angin n Kedua
patan Angi ua
Lag 9
10 11
12 13
14 15
16
n Dengan m
n Menggun
Autokor
menggunak
nakan Pem
relasi -0.107
0.114 -0.107
0.145 -0.222
0.244 -0.252
kan
mbedaan
Universitas Sumatera Utara
Tabel 3.2.8 Nilai Autokorelasi Parsial Kecepatan Angin Dengan Menggunakan Pembedaan Kedua
Lag Autokorelasi Parsial
Lag Autokorelasi Parsial
1 -0.733
9 -0.132
2 -0.335
10 0.047
3 -0.209
11 0.051
4 -0.184
12 -0.21
5 -0.289
13 0.15
6 -0.05
14 0.026
7 -0.138
15 0.116
8 -0.169
16 -0.058
Dari plot korelasi diatas terlihat bahwa ada satu koefisien korelasi diri berbeda nyata dari nol sehingga diduga ordo dari proses MA adalah 1 Q = 1. Dari plot fungsi
korelasi diri parsial, ditentukan ordo dari regresi diri. Dari plot tersebut dilihat bahwa ada satu koefisien korelasinya berbeda nyata dari nol, sehingga diduga bahwa ordo
dari AR adalah 1 P = 1. Sesuai dengan keterangan diatas model sementara data yang dibedakan adalah ARIMA 1,1,1. Pendugaan parameter-parameter model ARIMA
dari Box-Jenkins untuk model ARIMA 1,1,1 adalah :
Parameter Taksiran
Standart Error Nilai – t
-0,464 0,255 -1,822
-0,07 0,289 0,023
Universitas Sumatera Utara
3.3 Pengecekan Model
Kategori