25
mengutamankan kesederhanaan sesuatu; dalam ARIMA. Konsep tersebut
menekankan lebih baik memilih model dengan parameter sedikit daripada
parameter banyak, serta mengutamakan lag yang paling sedikit. (Santoso, 2009)
Stasioner dan Non-stasioner
Ciri-ciri stasioner dalam time series adalah nilai rata-rata (mean) dan varian
selalu konstan untuk setiap periode. Data time series
yang tidak memeiliki tren
disebut stasioner. Stasioner berarti tidak terdapat pertumbuhan atau penurunan
pada data. Data secara kasarnya harus horizontal
sepanjang sumbu waktu.
Dengan kata lain, fluktuasi data berada di sekitar suatu nilai rata-rata yang
konstan, tidak tergantung pada waktu dan varians
dari fluktuasi tersebut pada
pokoknya tetap konstan setiap waktu. Sebaliknya, data time series
yang memiliki
tren disebut non-stasioner. Indikasi adanya non-stasioner pada data time series
ditunjukan dengan menurunnya koefisien auto korelasi mendekati nol (0) setelah
lag 2 atau lag 3. (Rangkuti, 2005, p. 67)
Hal yang perlu diperhatikan adalah bahwa kebanyakan deret berkala bersifat
non-stasioner dan bahwa aspek-aspek AR dan MA dari model ARIMA hanya
berkenaan dengan deret berkala yang stasioner. Jadi suatu deret waktu yang tidak
stasioner harus diubah menjadi data stasioner dengan melakukan differencing.
Yang dimaksud dengan differencing
adalah menghitung perubahan atau selisih
nilai observasi. Nilai selisih yang diperoleh dicek kembali apakah stasioner atau
tidak. Jika belum stasioner maka dilakukan tranformasi logaritma. (Administrator,
2009)
 |