20. C. Metode Penentuan Sampel

42 dapat korelasi serial dari residual, yang dapat dilihat dengan lag yang masih signifikan dalam model regresi ADF Rosadi, 2012: 42. 2 Transformasi Data dan Identifikasi Model Apabila data tidak stationer dalam level, maka diperlukan transformasi untuk membentuk data yang staioner. Salah satu cara melakukan tranformasi data untuk membuang komponen trend dengan metode diferensiasi terhadap data dan dilakukan uji akar unit dengan PACF, ACF dan uji ADF dengan melihat apakah terdapat akar unit atau tidak dengan cara mengamati nilai satistik uji ADF memiliki nilai kurang lebih negatif dibandingkan nilai daerah kritik nilai kritik ini ditabelkan, jika hipotesis nol ditolak, maka data stationer dan dapat dilakukan indetifikasi dari model Autoregressivce Moving Average ARMA Autoregressivce Moving Integrated Average ARIMA, Rosadi, 2012:151. 3 Estimasi Parameter dari Model Untuk menggambarkan data hasil diferensiasi menggunakan plot ACFPACF yang akan membentuk grafik ACF dan PACF dengan melihat hasil estimasi korelogram data yang akan menampilkan nilai stasioneritas untuk pembentukan model ARIMA dengan memban dingkan nilai AC dan PAC dengan ±1.96√1n yang berarti signifikan keluar dari batas interval, apabila AC dan PAC diantara Se maka datanya sationer, selanjutnya dapat dilakukan pembemtukan 43 model ARIMA adapun ketentuannya menurut Juanda 2012: 76 yang ditunjukkan pada tabel 3.1 sebagai berikut: Tabel 3.1 Pola ACF dan PACF Pembentukan Model Model Pola ACF Pola PACF ARp Exponential, exponential- Oscillation atau sinewave Menurun drastis pada lag tertentu cut off MAq Menurun drastis pada lag tertentu cut off Exponential, exponential- Oscillation atau sinewave ARMAp,q Exponential, exponential- Oscillation atau sinewave Exponential, exponential- Oscillation atau sinewave Sumber: Rosadi, Dedi. “Ekonometrika dan Analisis Runtun Waktu Terapan dengan Eviews”. Yogyakarta: ANDI, 2012. setelah dilakukan pembentukan model, maka mengestimasi parameter-parameter dari model dengan menggunakan metode Least Square Rosadi, 2012:151-153 4 Diagnostic ChekingEvaluasi Model. Untuk melakukan diagnostic cheking dengan menggunakan beberapa kriteria sebagai berikut Rosadi, 2012:155-158: a Dengan melakukan uji t, Uji F, maupun nilai koefesien determinasi R 2 hasil estimasi untuk parameterkoefesien dari model yang dibuat dengan melihat tingkat signifikasi α=5 koefesien dari semua model.