Identifikasi model
Setelah data time series yang akan diolah langkah berikutnya adalah penetapan model ARIMA (p,d,q) yang sekiranya cocok. Jika data tidak mengalami differencing, maka d bernilai 0, jika data menjadi stasioner setelah differencing ke- 1 maka d bernilai 1 dan seterusnya. Dalam memilih dan menetapkan p dan qdapat dibantu dengan mengamati pola Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF) dengan acuan sebagai berikut:
Kesalahan yang sering terjadi dalam penentuan p dan q bukan merupakan masalah besar pada tahap ini, karena hal ini akan diketahui pada pemeriksaan diagnosa selanjutnya.
Tidak ada komentar:
Posting Komentar