Langkah-langkah metode ARIMAX menggunakan Eviews dan Minitab

1. Uji Stasioner Ragam

Uji stasioner ragam dilakukan dengan menggunakan software minitab dengan langkah-langkah
sebagai berikut:

1. Copy data yang akan digunakan kedalam lembar kerja minitab.

2. Klik Stat > Control Charts > Box-Cox Transformation pada Menu

3. Pilih nama kolom yang akan di lakukan uji stasioner ragam dan subgroup sizes sesuai dengan
jumlah data. Lanjutkan dengan klik Option
 4. Pada tampilan BoxCox Transformation: Options, pilih Optimal or Rounded lalu klik OK

5. Maka akan muncul hasil seperti berikut. Apabila didapatkan 𝛌=1,maka data teah stasioner
dalam ragam.

2. Transformasi Data
Tranformasi data dilakukan menggunakan software Eviews dengan langkahlangkah sebagai berikut:

1. Klik Object > New Object pada menu Workfile.

2. Pada tampilan New Object, pilih Series pada Type of Object dan beri nama data. Kemudian
Klik OK

3. Nama object baru akan muncul pada workfile. Kemudian klik dua kali pada object baru
tersebut.

4. Pilih Proc > Generate by Equation pada menu Workfile.

 5. Ketik formula nama object baru = log (nama object awal)
Log digunakan apabila transformasi menggunakan transformasi 𝛌=0

6. Object baru akan berisi data hasil dari transformasi

3. Uji Stasioner Rataan

Uji stasioner rataan dilakukan dengan menggunakan software Eviews dengan langkah—langkah
sebagai berikut:

1. Pada object / series hasil transformasi klik View > Unit Root Test pada menu Workfile
2. Pada tampilan Unit Root test, pilih test type: ADF, Level pada Unit Root in, dan Trend and
Intercept untuk Test Equation.

3. Kemudian akan muncul tampilan seperti dibawah. Data dapat dikatakan stasioner dalam
rataan apabila probabilitas ≤ 0,05 dan|t-statistic|>|t-critical value|. Pada gambar di bawah
ini data belum stasioner dalam rataan karena probabilitas > 0,05
4. Differencing
Proses differencing (pembedaan) dilakukan dengan software Eviews dengan langkah-langkah
sebagai berikut:

1. Pada object / series hasil transformasi klik View > Unit Root Test pada menu Workfile

2. Pada tampilan Unit Root test, pilih test type: ADF, Level pada Unit Root in, dan Trend and
Intercept untuk Test Equation.

3. Kemudian akan muncul tampilan seperti dibawah. Data dapat dikatakan stasioner dalam
rataan apabila probabilitas ≤ 0,05 dan|t-statistic|>|t-critical value|. Pada gambar di bawah
ini data telah stasioner dalam rataan, sehingga tidak perlu dilakukan differencing 2.
5. Pemodelan ARIMA
Seluruh proses pemodelan ARIMA dilakukan dengan menggunakan software Eviews dengan
langkah—langkah sebagai berikut:

a. Estimasi Parameter
Estimasi parameter dilakukan berdasarkan fungsi ACF dan PACF, pada data yang telah dilakukan
differencing.

1. Pada series data trasnformasi, klik View > Correlogram

2. Pilih 1st difference pada correlogram of, kemudian klik OK

3. Maka akan muncul tampilan ACF dan PACF seperti pada gambar berikut:
Estimasi parameter AR = 0,1,2,3 (ACF), MA = 0,1,2,3 dan I == 1. Model tebakan ARIMA yaitu
ARIMA (0,1,1), ARIMA (0,1,2). ARIMA (0,1,3) dan seterusnya hingga ARIMA (3,1,3)
 b. Uji Signifikansi
Pengujian uji signifikansi dilakukan pada seluruh model tebakan ARIMA, dengan langkah langkah:

1. Klik Quick > Estimation Quation pada tampilan utama

2. Tulis persamaan ARIMA yang akan diuji , contoh ARIMA (3,1,0) maka penulisannya d(ttb)
ar(3). Pada method pilih LS – Least Squares (NLS and ARIMA). Kemudian klik OK

3. Maka akan muncul tampilan seperti dibawah ini. Data dapat dikatakan lolos dalam uji
signifikansi apabila probabilitas seluruh variabel≤ 0,05 dan|t-statistic|seluh variabel>|t-
critical value|.

c. Uji Diagnostik
Pada uji diagnostik terdapat dua pengujian ARIMA, yaitu uji keacakan dan homogenitas sisaan.
Model dapat dinyatakan lolos uji diagnostik apabila model telah lolos dalam uji keacakan sisaan dan
uji homogenitas. Pengujian diagnostik dilakukan untuk model tebakan ARIMA yang telah lolos uji
signifikansi.
1. Pada tampilan workfile, klik View > Residual Diagnostics > Correlogram – Q – Statistics

2. Masukan lag yang di inginkan pada lag to include, kemudian klik OK

3. Rata-rata nilai probabilitas > 0,05 sehingga sisaan bersifat acak, dan dapat dinyatakan telah
lolos dalam uji keacakan sisaan

4. Untuk melakukan uji homogenitas, pada tampilan workfile klik View > Residual Diagnostics
> Correlogram Squared Residual
5. Masukan lag yang di inginkan pada lag to include, kemudian klik OK

6. Rata—rata nilai probabilitas > 0,05 sehingga model telah bersifat homogen dan lolos dalam
uji homogenitas.

d. Pemilihan Model Terbaik ARIMA

Pemilihan model ARIMA terbaik dilakukan apabila model ARIMA yang telah lolos
dalam uji Signifikansi dan Uji Diagnostik lebih dari satu. Untuk memilih model dapat
dilakukan dengan membandingkan nilai SIC dan AIC. Nilai SIC dan AIC trkecil akan
dipilih menjadi model ARIMA terbaik. Untuk mendapatkan nilai SIC dan AIC, langkah
yang harus dilakukan sama dengan uji signifikansi.
6. Pemodelan ARIMAX
Pemodelan ARIMAX dilakukan pada model ARIMA terbaik, dengan menggunakan software Eviews

a. Estimasi Parameter
Estimasi parameter dilakukan dengan memasukkan variabel berpengaruh kedalam model ARIMA
yang telah dipilih. Sehingga apabila model ARIMA terbaik adalah ARIMA (3,1,0) maka estimasi model
ARIMAX yaitu ARIMAX(3,1,0)

b. Uji Signifikansi

4. Klik Quick > Estimation Quation pada tampilan utama

5. Tulis persamaan ARIMA yang akan diuji , contoh ARIMA (3,1,0) maka penulisannya d(ttb)
ar(3) lembab suhu. Pada method pilih LS – Least Squares (NLS and ARIMA). Kemudian klik
OK

6. Maka akan muncul tampilan seperti dibawah ini. Data dapat dikatakan lolos dalam uji
signifikansi apabila probabilitas ≤ 0,05 dan|t-statistic| >|t-critical value|.
 c. Uji Diagnostik
Pada uji diagnostik pada ARIMAX sama dengan tahapan yang dilakukan pada uji diagnostik ARIMA,
yaitu uji keacakan dan homogenitas sisaan. Model dapat dinyatakan lolos uji diagnostik apabila
model telah lolos dalam uji keacakan sisaan dan uji homogenitas. Pengujian diagnostik dilakukan
untuk model tebakan ARIMA yang telah lolos uji signifikansi.

1. Pada tampilan workfile, klik View > Residual Diagnostics > Correlogram – Q – Statistics

2. Masukan lag yang di inginkan pada lag to include, kemudian klik OK

3. Rata-rata nilai probabilitas > 0,05 sehingga sisaan bersifat acak, dan dapat dinyatakan telah
lolos dalam uji keacakan sisaan
4. Untuk melakukan uji homogenitas, pada tampilan workfile klik View > Residual Diagnostics
> Correlogram Squared Residual

5. Masukan lag yang di inginkan pada lag to include, kemudian klik OK

6. Rata—rata nilai probabilitas > 0,05 sehingga model telah bersifat homogen dan lolos dalam
uji homogenitas.
7. Peramalan
Peramaln dilakukan apabila model ARIMAX telah dinyatakan lolos dalam uji signifikansi dan
diagnostik, dengan langkah-langkah:

1. Pada tampilan workfile, klik pada menu forecast

2. Berikan nama hasil peramalan pada Forecast name, dan pilih Statics forecast pada Method.
Pada Forecast sample inputkan range data yang ingin di ramalkan. Lanjutkan dengan klik
OK.
3. Berdasarkan hasil peramalan menggunakan model ARIMAX (3,1,0) maka didapatkan MAPE
sebesar 1,22%