Klik labels pada kotak dialog time series plot-simple, muncul kotak dialog
time series plot-labels IHK. Ketik pada kotak Title dengan PLOT DATA
IHK, lalu klik OK.
IHK
130
125
120
115
110
1
12
18
24
30
Index
36
42
48
54
60
Pilih model type linear, Klik Options, pada bagian kotak Title ketik
TREND IHK ASLI
Klik pada storage, muncul kotak dialog trend analysis-storage. Piih Fits (trend
line) lalu klik OK.
Variable
Actual
Fits
140
Accuracy Measures
MAPE
6,4395
MAD
7,9510
MSD
95,0783
135
IHK
130
125
120
115
110
1
12
18
24
30
36
Index
42
48
54
60
Gambar 2. Grafik Trend Data Asli IHK Kabupaten Semarang bulan anuari
2010 - Desember 2015
3. Fungsi Autokorelasi Data IHK asli
Langkah-langkahnya sebagai berikut:
Stat Time Series Autocorrelation
Pindahkan data IHK ke kolom series, pilih default number of lags, dan
select semua check box seperti store AFC, store t statistic, store Ljung-box
Q Statistics. Klik OK.
Autocorrelation
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
1
8
Lag
10
11
12
13
14
15
Gambar 3. Grafik ACF Data Asli IHK Kabupaten Semarang bulan Januari
2010-Desember 2015
Nilai-nilai autokorelasi untuk masing-masing lag
Autocorrelation Function: IHK
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
ACF
0,880805
0,756669
0,631714
0,499907
0,368399
0,247818
0,158305
0,076541
-0,004538
-0,085498
-0,148971
-0,191183
-0,186437
-0,182029
-0,180634
T
6,82
3,67
2,54
1,83
1,28
0,84
0,53
0,25
-0,02
-0,28
-0,49
-0,63
-0,61
-0,59
-0,59
LBQ
48,92
85,64
111,68
128,28
137,46
141,69
143,45
143,87
143,87
144,42
146,10
148,93
151,69
154,36
157,06
Pindahkan data IHK ke kolom series, pilih default number of lags, dan
select semua check box seperti store PAFC, store t statistic. Pada kotak
title ketik PACF DATA ASLI IHK. Klik OK.
Partial Autocorrelation
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
1
8
Lag
10
11
12
13
14
15
PACF
0,880805
-0,085414
-0,073947
-0,107424
-0,085612
-0,045901
0,045867
-0,049780
-0,083675
-0,098025
-0,017256
0,017207
0,158468
-0,050574
-0,075833
T
6,82
-0,66
-0,57
-0,83
-0,66
-0,36
0,36
-0,39
-0,65
-0,76
-0,13
0,13
1,23
-0,39
-0,59
Untuk memberi model sementara pada data asli indeks harga konsumen
kabupaten semarang diatas serta untuk mengetahui apakah data diatas stasioner
SE rk =
1
n
karena banyaknya data diatas adalah 60 data berarti n=60, sehingga nilai
SE rk =
1
=0,129198966
.
60
Batas koefisien autokorelasi dikatakan tidak berbeda secara signifikan dari nol
atau tidak signifikan adalah:
s
Z SErk Z SErk
d 2
2
( )
Z 0,95 0,129198966
2
s
Z
0,129198966
d 0,95
2
( )
s
(1,96 )( 0,129198966 ) ( 1,96 ) ( 0,129198966 )
d
0,253229974
s
0,253229974
d
Suatu data dapat dikatakan stasioner jika nilai koefisien autokorelasi pada lag 2
dan lag 3 tidak berbeda secara signifikan dari nol atau berada diantar rentang batas
koefisien autokorelasi, pada fungsi autokorelasi diatas, diperoleh koefisien
autokorelasi lag 2 sebesar 0,756669 dan lag 3 sebesar 0,631714. Karena nilai lag
2 dan nilai lag 3 berada diluar batas koefisien autokorelasi, maka nilai koefisien
dari lag 2 dan lag 3 berada secara signifikan dari nol atau signifikan, artinya data
asli indeks harga konsumen kabupaten semarang belum stasioner.
Karena data asli IHK diatas belum stasioner maka diperlukan differences, agar
dapat dilakukan peramalan.
Klik data yang ingin dicari selisihnya, kemudian pilih select, ketik kolom
mana yang akan ditempati hasil selisih dari data pada store differences in,
untuk lag selalu diisi dengan angka 1. Jika kita ingin mencari data selisih
ke n maka data yang dipilih dalam series adalah data ke n untuk kotak
disebelah lag diisi dengan angka 1.
C8
-10
-20
-30
12
18
24
30
Index
36
42
48
54
60
Pilih model type linear, Klik Options, pada bagian kotak Title ketik
TREND IHK SELISIH SATU, klik OK.
Klik pada storage, muncul kotak dialog trend analysis-storage. Piih Fits
(trend line) lalu klik OK.
Hasil output dari trend difference (Data Selisih Satu) IHK Kabupaten
Semarang
Variable
Actual
Fits
C8
Accuracy Measures
MAPE
245,188
MAD
1,420
MSD
20,556
-10
-20
-30
1
12
18
24
30
36
Index
42
48
54
60
Gambar 6. Grafik Trend Data Selisih Satu IHK Kabupaten Semarang bulan
Januari 2010 Desember 2015
7. Fungsi Autokorelasi data selisih satu IHK
Langkah-langkahnya sebagai berikut:
Stat Time Series - Autocorrelation
Pindahkan data C8 (Data Selisih Satu) ke kolom series, pilih default number
of lags, dan select semua check box seperti store AFC, store t statistic, store
Ljung-box Q Statistics. Klik OK.
Autocorrelation
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
1
8
Lag
10
11
12
13
14
15
Gambar 8. Grafik ACF Data Selisih Satu IHK kabupaten Semarang Bulan
Januari 2010-Desember 2014
Autocorrelation Function: C8
Lag
1
2
3
4
5
ACF
0,009628
-0,007111
0,031529
-0,002844
-0,046971
T
0,07
-0,05
0,24
-0,02
-0,36
LBQ
0,01
0,01
0,07
0,07
0,22
6
7
8
9
10
11
12
13
14
15
-0,134038
-0,036287
0,004912
0,000597
-0,077224
-0,093531
-0,013264
-0,001858
0,009791
0,006705
-1,03
-0,27
0,04
0,00
-0,58
-0,70
-0,10
-0,01
0,07
0,05
1,44
1,53
1,53
1,53
1,97
2,63
2,64
2,64
2,65
2,65
statistic,
store
Ljung-box
Statistics.
Klik
OK.
Partial Autocorrelation
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
1
8
Lag
10
11
12
13
14
15
PACF
0,009628
-0,007204
0,031672
-0,003519
-0,046500
-0,134601
-0,035671
0,006406
0,009004
-0,079390
-0,109742
-0,038500
-0,007751
0,016331
-0,000090
T
0,07
-0,06
0,24
-0,03
-0,36
-1,03
-0,27
0,05
0,07
-0,61
-0,84
-0,30
-0,06
0,13
-0,00
Untuk memberi model sementara pada data asli indeks harga konsumen
kabupaten semarang diatas serta untuk mengetahui apakah data diatas stasioner
SE rk =
1
n
karena banyaknya data diatas adalah 60 data berarti n=60, sehingga nilai
SE rk =
1
=0,129198966
.
60
Batas koefisien autokorelasi dikatakan tidak berbeda secara signifikan dari nol
atau tidak signifikan adalah:
s
Z SErk Z SErk
d 2
2
( )
(Z ) 0,129198966 d ( Z ) 0,129198966
0,95
2
0,95
2
s
(1,96 )( 0,129198966 ) ( 1,96 ) ( 0,129198966 )
d
0,253229974
s
0,253229974
d
Suatu data dapat dikatakan stasioner jika nilai koefisien autokorelasi pada lag 2
dan lag 3 tidak berbeda secara signifikan dari nol atau berada diantar rentang
batas koefisien autokorelasi, pada fungsi autokorelasi diatas, diperoleh
koefisien autokorelasi lag 2 sebesar -0,007111 dan lag 3 sebesar 0,031529
Karena nilai lag 2 dan nilai lag 3 berada didalam batas koefisien autokorelasi,
maka nilai koefisien dari lag 2 dan lag 3 berada secara signifikan dari nol atau
signifikan, artinya data asli indeks harga konsumen kabupaten semarang
stasioner.
9. DIFFERENCE (Data Selisih Dua)
Langkah-langkah memproses data selisih sebagai berikut:
Stat Time Series differences
Klik data yang ingin dicari selisihnya, kemudian pilih select, ketik kolom
mana yang akan ditempati hasil selisih dari data pada store differences in,
untuk lag selalu diisi dengan angka 1. Jika kita ingin mencari data selisih
ke n maka data yang dipilih dalam series adalah data ke n untuk kotak
disebelah lag diisi dengan angka 1.
C15
10
0
-10
-20
-30
-40
1
12
18
24
30
Index
36
42
48
54
60
Gambar 5. Grafik data selisih dua IHK Kabupaten Semarang bulan Januari
2014 - Desember 2015
10. Trend Analisis untuk data selisih dua IHK Kabupaten Semarang
Langkah-langkahnya sebagai berikut:
Stat Time Series Trend Analysis
Pilih model type linear, Klik Options, pada bagian kotak Title ketik
TREND IHK SELISIH DUA, klik OK.
Klik pada storage, muncul kotak dialog trend analysis-storage. Piih Fits
(trend line) lalu klik OK.
Variable
Actual
Fits
30
Accuracy Measures
MAPE
150,005
MAD
1,905
MSD
41,740
20
C15
10
0
-10
-20
-30
-40
1
12
18
24
30
36
Index
42
48
54
60
Gambar 6. Grafik Trend Data Selisih Dua IHK Kabupaten Semarang bulan
Januari 2010 Desember 2015
11. Fungsi Autokorelasi data selisih dua IHK
Langkah-langkahnya sebagai berikut:
Stat Time Series - Autocorrelation
Pindahkan data C15 (Data Selisih Satu) ke kolom series, pilih default
number of lags, dan select semua check box seperti store AFC, store t
statistic, store Ljung-box Q Statistics. Klik OK.
Autocorrelation
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
1
8
Lag
10
11
12
13
14
15
Gambar 8. Grafik ACF Data Selisih Dua IHK kabupaten Semarang Bulan
Januari 2010-Desember 2014
Autocorrelation Function: C15
Lag
1
2
3
4
5
6
7
8
ACF
-0,491595
-0,027037
0,037497
0,004430
0,021303
-0,093481
0,029321
0,023659
T
-3,74
-0,17
0,23
0,03
0,13
-0,58
0,18
0,15
LBQ
14,75
14,80
14,89
14,89
14,92
15,50
15,56
15,60
9
10
11
12
13
14
15
0,036710
-0,031187
-0,006849
-0,006490
-0,000298
0,009088
-0,011084
0,23
-0,19
-0,04
-0,04
-0,00
0,06
-0,07
15,70
15,77
15,77
15,78
15,78
15,78
15,79
12. Fungsi Korelasi Parsial data selisih dua IHK Kabupaten semarang
Langkah langkahnya sebagai berikut:
Stat Time Series Partial Autocorrelation
Pindahkan data C15 (Data Selisih Dua) ke kolom series, pilih default
number of lags, dan select semua check box seperti store AFC, store t
statistic, store Ljung-box Q Statistics. Klik OK.
Partial Autocorrelation
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
1
8
Lag
10
11
12
13
14
15
PACF
-0,491595
T
-3,74
2
3
4
5
6
7
8
9
10
11
12
13
14
15
-0,354333
-0,233278
-0,153044
-0,061775
-0,156208
-0,169448
-0,143291
-0,044684
-0,021747
-0,020607
-0,057003
-0,077500
-0,060024
-0,047235
-2,70
-1,78
-1,17
-0,47
-1,19
-1,29
-1,09
-0,34
-0,17
-0,16
-0,43
-0,59
-0,46
-0,36
Untuk memberi model sementara pada data asli indeks harga konsumen
kabupaten semarang diatas serta untuk mengetahui apakah data diatas stasioner
SE rk =
1
n
karena banyaknya data diatas adalah 60 data berarti n=60, sehingga nilai
SE rk =
1
=0,129198966
.
60
Batas koefisien autokorelasi dikatakan tidak berbeda secara signifikan dari nol
atau tidak signifikan adalah:
s
Z SErk Z SErk
d
2
2
(
(
( )
Z 0,95 0,129198966
2
s
Z
0,129198966
d 0,95
2
( )
s
(1,96 )( 0,129198966 ) ( 1,96 ) ( 0,129198966 )
d
0,253229974
s
0,253229974
d
Suatu data dapat dikatakan stasioner jika nilai koefisien autokorelasi pada lag 2
dan lag 3 tidak berbeda secara signifikan dari nol atau berada diantar rentang batas