Output Eviews

1. Plot data penumpang

PENUMPANG
28,000

26,000

24,000

22,000

20,000

18,000

16,000

14,000

12,000
2009 2010 2011 2012 2013 2014 2015

2. Di cek dulu apakah stasioner dalam varians atau tidak, dengan klik view-descriptive statistics and
test- histogram and stats.
12
Series: PENUMPANG
Sample 2009M01 2015M03
10
Observations 75

8 Mean 18348.09
Median 17281.00
Maximum 27267.00
6 Minimum 13869.00
Std. Dev. 3004.731
4 Skewness 1.155522
Kurtosis 3.520511

2 Jarque-Bera 17.53705
Probability 0.000156
0
14000 16000 18000 20000 22000 24000 26000
 Hipotesis:
H0 : data berdistribusi normal
H1 : data tidak berdistribusi normal
 Tingkat signifikansi: α = 5%
 Daerah kritis: tolak H0 jika sig. < α
 Statistik uji: sig. = 0,000
 Keputusan: sig. < α maka tolak H0
  Kesimpulan: dengan menggunakan tingkat kepercayaan 95% dapat disimpulkan bahwa data tidak
berdsitribusi normal. Maka dari itu perlu dilakukan transformasi data ke bentuk logaritma.
3. Cek kembali apakah telah stasioner dalam varians atau belum.

16
Series: LOGPENUMPANG
14 Sample 2009M01 2015M03
Observations 75
12
Mean 9.805215
10 Median 9.757363
Maximum 10.21343
8 Minimum 9.537411
Std. Dev. 0.153024
6
Skewness 0.882416
Kurtosis 3.008888
4

Jarque-Bera 9.733463
2
Probability 0.007698
0
9.6 9.7 9.8 9.9 10.0 10.1 10.2

4. Karena belum stasioner dalam varians maka akan dilakukan differencing agar secara rata-rata
stasioner
Output seasonal

Null Hypothesis: DSLOGPENUMPANG has a unit root

Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.309512 0.6199

Test critical values: 1% level -3.542097
5% level -2.910019
10% level -2.592645

*MacKinnon (1996) one-sided p-values.

Karena nilai statistik ADF > t-tabel pada tingkat signifikansi 5%, maka
dapat dikatakan bahwa data tidak stasioner. Maka dari itu perlu dicoba
differencing non-musiman. Dari differencing non-musiman, didapat
output berikut

5. Dilakukan differencing terhadapo data non seasonal

Null Hypothesis: DLOGPENUMPANG has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -12.79375 0.0001

 Test critical values: 1% level -3.522887
5% level -2.901779
10% level -2.588280

*MacKinnon (1996) one-sided p-values.

 Hipotesis:
H0 : data mengandung unit root (tidak stasioner)
H1 : data tidak mengandung unit root (data stasioner)
 Tingkat signifikansi: α = 5%
 Daerah kritis: tolak H0 jika ADF < t-tabel
 Statistik uji: ADF = -12,793 ; t-tabel = -2,901
 Keputusan: ADF < t-tabel, maka tolak H0
 Kesimpulan: dengan menggunakan tingkat kepercayaan 95% dapat disimpulkan bahwa data tidak
mengandung unit root atau data stasioner dalam mean.

6. Melihat ACF dan PACF dlogpenumpang

berdasarkan correlogram diatas, nilai p dilihat dari PACF, q dilihat dari ACF. Diketahui bahwa pada ACF
terdapat 1 lag pertama (q=1), begitu juga dengan PACF terdapat 1 lag pertama (p=1). Kemudian nilai P dilihat
dari nilai ACF yang terdapat musiman dan kelipatannya, maka dalam hal ini adalah lag 24 dan lag 12 (P=2).
dslogpenumpang

Sedangkan nilai Q didapat dari nilai PACF yang terdapat musiman dan kelipatannya, maka dalam hal ini adalah
lag 12 (Q=1). Berdasarkan informasi tersebut, didapatkan model SARIMA (1,1,1) (2,1,1)12. Model yang
mungkin adalah:

Model Signifikan
SARIMA (1,1,1) (2,1,1)12 + C Tidak
SARIMA (1,1,1) (2,1,1)12 Tidak
SARIMA (1,1,0) (1,1,1)12 Ya
6. Plot data penumpang setelah dilakuukan transformasi

LOGPENUMPANG
10.3

10.2

10.1

10.0

9.9

9.8

9.7

9.6

9.5
2009 2010 2011 2012 2013 2014 2015