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