27
korelasi antar pengamatan dengan jeda k, sedangkan PACF mengukur korelasi
antar pengamatan dengan jeda k dan dengan mengontrol korelasi antar dua
pengamatan dengan jeda kurang dari k. Untuk memilih berapa p dan q dapat
dibantu dengan mengamati pola fungsi autocorrelation dan partial
autocorrelation
(correlogram)
dari series yang dipelajari, dengan acuan sebagai
berikut :
Tabel 2.1 Pola Autokorelasi dan Autokorelasi Parsial
Autocorrelation
Partial autocorrelation
ARIMA
tentatif
Menuju nol setelah lag q
Menurun secara
bertahap/bergelombang
ARIMA
(0,d,q)
Menurun secara
bertahap/bergelombang
Menuju nol setelah lag q
ARIMA
(p,d,0)
Menurun secara
bertahap/bergelombang
(sampai lag q masih
berbeda dari nol)
Menurun secara
bertahap/bergelombang
(sampai lag p masih
berbeda dari nol)
ARIMA
(p,d,q)
Sumber: (Hanke & Wichern, 2003)
Dalam praktik pola autocorrelation
dan partial autocorrelation
seringkali
tidak menyerupai salah satu dari pola yang ada pada tabel itu karena adanya
variasi sampling. Jika sudah terbiasa atau berpengalaman pemilihan p dan q
diharapkan dekat dengan yang benar. Perhatikan bahwa kesalahan memilih p dan
q bukan merupakan masalah, dan akan dimengerti setelah tahap diagnostic
checking. Pada umumnya, analis harus mengindentifikasi autokorelasi yang
secara eksponensial menjadi nol. Jika autokorelasi secara eksponensial melemah
menjadi nol berarti terjadi proses AR. Jika autokorelasi parsial melemah secara
 |