Nama : Arismansyah
Nim : 16.9026
Kelas : 3D31
Berikut adalah data NTP Provinsi Riau selama periode Januari 2014 sampai Oktober
2018:
1. Menggunakan Grafik
NTP Riau
106
104
102
100
98
96
94
92
5 10 15 20 25 30 35 40 45 50 55
Berdasarkan grafik di atas maka dapat dilihat bahwa data NTP Provinsi Riau tidak stasioner.
2. Menggunakan Correlogram
Date: 12/03/18 Time: 21:09
Sample: 1 58
Included observations: 58
Berdasarkan Correlogram diatas terlihat bahwa data masih belum stasioner pada level. Hal ini
ditunjukkan dengan masih adanya balok yang melewati garis putus-putus.
3. Menggunakan uji akar unit
t-Statistic Prob.*
Berdasarkan uji akar unit diatas terlihat bahwa probability nya sebesar 0,9343 > 0,05
sehingga keputusannya terima H0. Sehingga dapat disimpulkan bahwa data masih belum
stasioner pada level.
Untuk merubah data menjadi stasioner maka digunakan difference. Berikut adalah
hasil diferensiasi pertama:
a. Collerogram
Berdasarkan Correlogram diatas terlihat bahwa semua balok tidak ada yang melewati garis
putus-putus, sehingga data tersebut sudah dapat dikatakan stasioner pada first difference.
b. Uji akar unit
t-Statistic Prob.*
Pengujian Model
1. ARIMA (10,1,10)
Dari correlogram diatas terlihat bahwa residual sudah whitenose yaitu balok-
baloknya berada didalam garis putus-putus. Sehingga data non migas tersebut sudah
stasioner.
Dependent Variable: D(NTP_RIAU)
Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/04/18 Time: 07:13
Sample: 2 58
Included observations: 57
Convergence achieved after 15 iterations
Coefficient covariance computed using outer product of gradients
2. ARIMA (16,1,16)
Dari correlogram diatas terlihat bahwa residual sudah whitenose yaitu balok-baloknya
berada didalam garis putus-putus. Sehingga data tersebut sudah stasioner.
Dependent Variable: D(NTP_RIAU)
Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/04/18 Time: 07:17
Sample: 2 58
Included observations: 57
Convergence achieved after 13 iterations
Coefficient covariance computed using outer product of gradients
3. ARIMA(17,1,17)
Date: 12/04/18 Time: 07:20
Sample: 1 58
Included observations: 57
Q-statistic probabilities adjusted for 2 ARMA terms
Dari correlogram diatas terlihat bahwa residual sudah whitenose yaitu balok-baloknya
berada didalam garis putus-putus. Sehingga data tersebut sudah stasioner.
Dependent Variable: D(NTP_RIAU)
Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/04/18 Time: 07:20
Sample: 2 58
Included observations: 57
Convergence achieved after 25 iterations
Coefficient covariance computed using outer product of gradients
Tahap Selanjutnya yaitu pilih model terbaik dengan mempertimbangkan keempat hal
berikut:
1. Nilai Schwarz criterion yang kecil
2. Nilai Akaike Info criterion yang kecil
3. Nilai Sum Square residual yang kecil
4. Nilai Adjusted R Squared yang terbesar
Berdasarkan persamaan regresi diatas maka model terbaik yang digunakan yaitu
ARIMA (17,1,17) . hal ini dikarenakan ARIMA (17,1,17) memiliki nilai Akaike Info
Criterion terkecil, begitu juga nilai Schwarz criterion yang terkecil, nilai SSE terkecil dan
nilai adjusted R squared terbesar dibandingkan ARIMA (10,1,10) dan ARIMA (16,1,16).