ρt =¿

Nilai FAKP dari model campuran musiman ini adalah sebagai berikut:

{
ρk ; untuk nilai k lainya .
k−1
ρ k −∑ ϕ k−1 , j ρ k− j
ϕ kk ¿ j−1
k−1
; untuk k=24 ,36 , 42, ...
1+ ∑ ϕ k−1 , j ρj
j−1
0 ; untuk nilai k lainya .

B. Model ARIMA (P, D, Q¿ s Musiman Non-multiplikatif Non-stasioner.

Suatu proses Ζ t mengikuti model ARIMA yang non-stasioner dalam rata-rata musiman
jika orde D berbeda dengan nol. Model umum untuk ARIMA(P, D, Q¿ s adalah

Φ p ( B s ) ¿ = Θ Q ( Bs ) α t ,

dimana
P, D, Q = orde AR musiman, differencing musiman dan MA musiman

Φ p( Bs) = 1−Φ 1 B s−Φ 2 B2 s−…−Φ p B PS

¿ = orde differencing musiman

Θ Q ( Bs ) = 1−Θ1 B s−Θ2 B 2 S−…−ΘQ B QS

Sebagai contoh, jika { Ζ t } mengikuti model ARIMA (1,1,0 ¿ ¿12 yang berarti musiman 12
dengan orde P = 1, orde D = 1 dan orde Q = 0, maka secara matematis { Ζ t } mengikuti

(1-Φ 1 B12)(1- B12) Ζ̇ t = α t

Ζ̇ t = Ζ̇ t−12 + Φ 1 Ζ̇t −12 - Φ 1 Ζ̇t −24 +α 1

Ζ̇ t=( 1−Φ1 ) Ζ̇ t −12 Φ 1 Ζ̇t −24 α 1

Differencing musiman untuk data yang dikumpulkan per kuartal dapat dihitung dengan rumus

W t =( 1−B 4 ) Ζ̇ t ¿ Ζ̇ t −Ζ̇ t −4

Untuk data yang di kumpulkan bulanan. Differening satu musiman penuh (tahun) dapat di
hitung sebagai berikut:

W t =( 1−B 12) Ζ̇ t ¿ ¿ Ζ̇ t˙−Ζ t −12

Secara singkat, dapat dijelaskan bahwa bentuk FAK dan FAKP dari model-model
ARIMA(P,D,Q¿12 non stasioner dalam rata-rata musiman adalah sebagai berikut.

1. Data asli (sebelum differencing) dinotasikan { Ζ t }.

Nilai FAK mendekati satu dan turun secara lambat pada lag-lag kelipatan periode
musimnya (12, 24, 36, …) dan penurunannya hampir menyerupai suatu garis lurus.
 Untuk menstasionerkannya dilakukan differencing musiman. Data hasil differencing
musiman dinotasikan { W t }

2. Setelah dilakukan differencing musiman, nilai FAK dan FAKP akan mengikuti nilai-
nilai FAK dan FAKP dari model ARIMA musiman yang stasioner, sesuai dengan
orde autoregressine danType equation here .