25
Prosedur analisisnya untuk mendapatkan output Minitab adalah sebagai berikut:
Membuat Plot Data
1. Masukkan data ke kolom C1 seperti pada Gambar. Ubah nama kolom C1 dengan data
pengganguran
2. Klik Stat>Time Series >Time Series Plot > Simple lalu pilih OK maka akan tampak kotak
dialog seperti berikut.
26
Time Series Plot of Data viscositas
42.5
40.0
37.5
35.0
C23
32.5
30.0
27.5
25.0
1 10 20 30 40 50 60 70 80 90
Index
27
Tahap-tahap membuat FAKP sebagai berikut:
1. Pilih stat > Time Series > Partial Autocorrelation.
Layar monitor akan memperlihatkan kotak dialog Autocorrelation Function seperti pada
gambar
Autocorrelation Function for data viscositas Partial Autocorrelation Function for data viscositas
(with 5% significance limits for the autocorrelations) (with 5% significance limits for the partial autocorrelations)
1.0 1.0
0.8 0.8
0.6 0.6
Partial Autocorrelation
0.4 0.4
Autocorrelation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24
Lag Lag
28
PRAKTIKUM 6
Tahapan identifikasi model pada ARIMA adalah membandingkan pola autokorelasi dengan
pola autokorelasi parsial pada data yang stasioner dan melihat signifikansi nilai lag pada FAK dan
FAKP (Lampiran 1). Melalui FAK dan FAKP-nya, kita dapat menentukan model autoregressive
(AR) atau model moving average (MA) orde ke beberapa data yang telah dianalisis. Kemungkinan
terdapat pengkaburan dalam penentuan model ARIMA yang tepat sehingga identifikasi model
dapat dilakukan dengan mencoba-coba (trial and error).
1.0
0.8
0.6
0.4
Autocorrelation
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2 4 6 8 10 12 14 16 18 20 22 24
Lag
29
Partial Autocorrelation Function for data viscositas
(with 5% significance limits for the partial autocorrelations)
1.0
0.8
0.6
Partial Autocorrelation
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2 4 6 8 10 12 14 16 18 20 22 24
Lag
30