41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
2013-04-30
2013-03-31
2013-02-28
2013-01-31
2012-12-31
2012-11-30
2012-10-31
2012-09-30
2012-08-31
2012-07-31
2012-06-30
2012-05-31
2012-04-30
2012-03-31
2012-02-29
2012-01-31
2011-12-31
2011-11-30
2011-10-31
2011-09-30
2011-08-31
2011-07-31
2011-06-30
2011-05-31
2011-04-30
2011-03-31
2011-02-28
2011-01-31
21,096
19,976
14,906
15,133
12,895
14,874
29,384
50,749
87,997
132,709
75,311
32,87
16,89
23,628
16,22
16,23
13,423
15,574
28,074
51,886
81,405
122,269
70,075
28,972
15,981
20,934
17,049
14,101
Dalam menentukan model dari suatu model, hal pertama yang harus dilakukan adalah mengecek
apakah data tersebut stationer ataupun tidak. Untuk melihat kestationeran data tersebut bisa menggunakan
grafik korelogram maupun uji unit root data tersebut. Berikut ini merupakan grafik korelogram dan uji unit
root dari data diatas
Dilihat dari hasil pengecekan kestationeran, data tersebut tidak stationer, menurut grafik korelogram
terlihat pola dies down yang periodik. Hal pertama yang dilakukan adalah melakukan seasonal differencing,
berikut merupakan kestasioneran data hasil dari seasonal differencing
Dilihat dari hasil unit root test diatas data sudah stationer sehingga data tersebut tidak perlu di
differencing unseasonal lagi. Dari output korelogram
seasonal differencing menghasil beberapa
kemungkinan model, antara lain :
1. SARIMA (1,0,0)(1,1,0)12
SARIMA (1,0,0)(1,1,0)
SARIMA (1,0,0)(4,1,0)12
SARIMA (1,0,0)(0,1,1)12
SARIMA (1,0,0)(0,1,2)12
SARIMA (0,0,1)(1,1,0)12
SARIMA (0,0,1)(4,1,0)12
SARIMA (0,0,1)(0,1,1)12
SARIMA (0,0,1)(0,1,2)12
SARIMA (0,0,2)(1,1,0)12
SARIMA (0,0,2)(4,1,0)12
SARIMA (0,0,2)(0,1,1)12
SARIMA (0,0,2)(0,1,2)12
AIC
6,004170
4,212038
6,004170
5,453334
6,002323
1,162598
5,988633
5,902827
6,005588
5,9346421
5,932894
5,457258
SIC
6,127044
4,188856
6,127044
5,562825
6,123972
1,192388
6,097134
6,011328
6,167787
6,077562
6,077562
5,601927
F probability
0,009521
0,014167
0,009521
0,000000
0,012802
0,000004
0,000445
0,000046
0,016073
0,000163
0,000163
0,0000000
Adj R2
0,168001
0,821465
0,168001
0,549587
0,152075
0,990739
0,224449
0,288221
0,166782
0,278619
0,278619
0,551668
Dari perbandingan nilai AIC, SIC, Probability F, dan adj R2 model terbaik merupakan model
SARIMA (0,0,1)(4,1,0)12, persamaan model yang dapat dibentuk antara lain
AR=MA
(14 B12 ) ( 1B12 ) Y t =+ ( 11 B ) e i