Nadiyah Khairana (60600113010)

Sri Nuwahyuni (60600113074)

Analisis Time Series
Berikut adalah data deret waktu tentang besarnya viscositas dari suatu produk
kimia yang diamati setiap hari selama 95 hari pengamatan (Bowerman &
Oconnell 1993: 471).
Tabel. Data viscositas harian suatu produk kimia XB-77-5
Ha Viscosi Ha Viscosi Ha Viscosi Ha Viscosi
ri

tas

ri

25

25

27

26

3
4
5
6
7
8
9
10
11
12
13

33.514
2
35.496
2
36.902
9
37.835
9
34.265
4
31.897
8
33.756
7
36.629
8
36.351
8
40.076
2
38.092
8

27
28
29
30
31
32
33
34
35
36
37

tas
38.583
1
34.618
4
33.974
1
30.207
2
30.542
9
34.868
6
35.889
2
35.203
5
34.433
7
35.484
4
33.238
1
36.168
4
34.411
6

ri
49
50
51
52
53
54
55
56
57
58
59
60
61

tas
40.006
9
33.451
4
30.841
3
30.065
5
37.054
4
39.098
2
37.907
5
36.239
3
34.953
5
33.206
1
34.426
1
37.451
1
37.333
5

ri
73
74
75
76
77
78
79
80
81
82
83
84
85

tas
36.799
1
34.950
2
33.524
6
35.101
2
35.977
4
38.097
7
33.459
8
32.927
8
36.512
1
37.424
3
35.155
34.479
7
33.289
8

14
15
16
17
18
19
20
21
22
23
24

34.541
2
34.856
7
34.531
6
32.385
1
32.605
8
34.891
3
38.241
8
36.892
6
33.894
2
34.171
35.426

38
39
40
41
42
43
44
45
46
47

33.766
8
33.424
6
33.571
9
35.922
2
33.212
5
37.166
8
35.813
8
33.684
7
33.276
1
38.816
3
42.083

62
63
64
65
66
67
68
69
70
71

38.467
9
33.097
6
32.928
5
32.275
4
33.221
4
34.578
6
32.344
8
31.531
6
37.804
4
36.053
6
35.729

86
87
88
89
90
91
92
93
94
95

33.925
2
36.103
6
36.735
1
35.457
6
37.592
4
34.489
5
39.169
2
35.824
2
32.387
5
31.284
6

48
72
8
8
7
Langkah awal yang dilakukan untuk mendapatkan model ARIMA Box-Jenkins
terbaik adalah dengan melihat diagram data, nilai ACF dan PACF-nya, berikut.
a. Diagram Data
Langkah dalam membuat diagram data menggunakan minitab
1. Ketik data dalam worksheet minitab
2. Klik Stat Time Series Time Series Plots
3. Muncul kotak dialog Time Series Plots lalu pilih Simple dan klik OK,
berikut.

4. Lalu muncul kotak dialog Time Series Plots Simple lalu masukkan
viscositas pada kotak Series dan klik OK, seperti gambar berikut.

5. Sehingga diagram data viscositas dapat ditunjukkan sebagai berikut.

Time Series Plot of viscositas

42.5
40.0

viscositas

37.5
35.0
32.5
30.0
27.5
25.0
1

18

27

36

45
54
Index

63

72

81

90

b. Nilai ACF
1. Ketik data dalam worksheet minitab
2. Klik Stat Time Series Autocorrelation
3. Muncul kotak dialog Autocorrelation Function lalu masukkan viscositas
pada kotak Series, pilih Number of lags masukkan 95 dan klik OK, berikut.

4. Sehingga muncul nilai ACF dari data viscositas

Autocorrelation Function for viscositas

(with 5% significance limits for the autocorrelations)
1.0
0.8

Autocorrelation

0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1

10

20

30

40

50
Lag

60

70

80

90

c. Nilai PACF
1. Ketik data dalam worksheet minitab
2. Klik Stat Time Series Autocorrelation
3. Muncul kotak dialog Partial Autocorrelation Function lalu masukkan
viscositas pada kotak Series, pilih Number of lags masukkan 95 dan klik
OK, berikut.

4. Sehingga muncul nilai PACF dari data viscositas

Partial Autocorrelation Function for viscositas

(with 5% significance limits for the partial autocorrelations)
1.0

Partial Autocorrelation

0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1

10

20

30

40

50
Lag

60

70

80

90

Dari diagram deret waktu data viscositas harian produk kimia XB-77-5 dapat
dilihat bahwa data berfluktuasi di sekitar rata-rata yang konstan, sehingga dapat
dikatakan bahwa data tersebut stasioner. Berdasarkan diagram nilai ACF dan
PACF, dimana PACF-nya terpotong setelah lag 2, sehingga data viscositas ini
mengikuti model ARIMA (2,0,0) atau AR (2). Adapun model ARIMA BoxJenkins untuk data viscositas tersebut adalah:
Z t = 1 Z t 1 + 2 Z t 2+ at
Z t = 1( Z t 1 )+ 2 (Z t2)+a t
Z t = ( 11 2 ) + 1 Z t1 + 2 Z t2 +a t
Z t =0 + 1 Z t 1+ 2 Zt 2+ at
Dengan minitab dapat diperoleh model ARIMA Box-Jenkins berikut.
Langkah-langkah menemukan model ARIMA Box-Jenkins dengan minitab.
1. Ketik data dalam worksheet minitab
2. Klik Stat Time Series ARIMA
3. Muncul kotak dialog ARIMA lalu masukkan viscositas pada kotak Series,
masukkan 2 pada kotak Autoregressive, lalu klik forecasts berikut.

4. Muncul kotak dialog ARIMA Forecasts lalu masukkan 95 pada kotak lead,
masukkan viscositas pada kotak Forecasts dan klik OK, lalu klik OK pada
kotak dialog ARIMA, seperti berikut.

5. Hasil minitab
Hasil. Hasil minitab untuk kesesuaian model data viscositas
ARIMA Model: viscositas
Estimates at each iteration
Iteration

SSE

Parameters

0 638.336 0.100 0.100 28.024

1 549.107 0.250 -0.026 27.154
2 484.646 0.400 -0.155 26.394

3 445.301 0.550 -0.289 25.800

4 432.402 0.667 -0.401 25.642
5 431.686 0.687 -0.429 25.938
6 431.602 0.690 -0.438 26.148
7 431.587 0.690 -0.442 26.266
8 431.583 0.690 -0.443 26.326
9 431.582 0.690 -0.444 26.356
10 431.582 0.690 -0.444 26.371
Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type

Coef SECoef

AR 1

0.6899 0.0930

7.42 0.000

AR 2

-0.4444 0.0931 -4.77 0.000

Constant 26.3705 0.2176 121.20 0.000

Mean

34.9485 0.2884

Number of observations: 95
Residuals: SS = 413.639 (backforecasts excluded)
MS = 4.496 DF = 92

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag

12

Chi-Square
DF

24

36

48

6.0 10.0 15.9 31.3

9

21

33

45

P-Value

0.740 0.979 0.995 0.939

Forecasts from period 95

95% Limits
Period Forecast Lower

Upper Actual

96 33.5591 29.4023 37.7159

97 35.6183 30.5683 40.6682
98 36.0280 30.9764 41.0797
99 35.3956 30.2070 40.5841
100 34.7772 29.5153 40.0390
Sehingga model ARIMA Box-Jenkins dari data viscositas yaitu ARIMA (2,0,0)
dapat ditulis menjadi
Z t =0 + 1 Z t 1+ 2 Zt 2+ at
0= ( 1 1 2 )
0=34,9485 ( 10,6899(0,4444 ) )
0=26,3705
Z t =0 + 1 Z t 1+ 2 Zt 2+ at
Z t =26,3705+0,6 899 Z t1 , 4444 Z t 2+ at
Tahapan diagnostic checking
Yang diawali dengan uji signifikansi parameter. Dengan tahapan berikut.
1. Hipotesis
^
H0: =0
^
H1: 0
2. Statistik Uji
Final Estimates of Parameters

Type

Coef SECoef

AR 1

0.6899 0.0930

7.42 0.000

AR 2

-0.4444 0.0931 -4.77 0.000

Constant 26.3705 0.2176 121.20 0.000

Mean
34.9485 0.2884
3. Daerah Penolakan
Taksiran parameter model AR(2) tersebut signifikan berbeda dari nol dengan
tingkat keyakinan 95%. Hal ini dapat dilihat pada nilai t hitung atau nilai-p.
Untuk parameter AR(1) yaitu
parameter AR(2) yaitu

parameter konstanta yaitu

Dimana nilai p

, nilai t = 7,42 dengan nilai p = 0,000,

, nilai t = -4,77 dengan nilai p = 0,000 dan

0

, nilai t = 121,20 dengan nilai p = 0,000.

=0,05 , maka H dit

0

Selanjutnya dilakukan uji kesesuaian mdel menggunakan uji Ljung-Box. Dengan

tahapan berikut.
1. Hipotesis
H0: P1=P2=...=Pk=0

(residual memenuhi syarat white noise)

H1:minimal ada satu Pi 0, i=1,2,3,...,k (residual tidak memenuhi syarat

white noise)
2. Statistik Uji
Modified Box-Pierce (Ljung-Box) Chi-Square statistic
Lag

12

Chi-Square
DF

24

36

48

6.0 10.0 15.9 31.3

9

21

33

45

P-Value 0.740 0.979 0.995 0.939

3. Daerah penolakan
Tolak H jika P value > =0,05
0

Dimana dalam hasil uji statistik Ljung-Box manunjukkan bahwa nilai P value
dari lag 12, lag 24, lag 36 dan lag 48 lebih besar dari nilai

=0,05 ,

sehingga kesimpulan menunjukkan untuk menerima H0. Maka data tersebut

sudah memenuhi syarat residual white noise.