68
2
2
ke
kiri,
sedangkan pada
grafik
di
atas
tidak
terlihat
bentuk
seperti
itu.
Dengan
demikian
data
yang
ada
nilai-nilainya berturut-turut
tidak
berkorelasi satu dengan lainnya karena tidak adanya suatu trend.
Sedangkan
untuk
pengenalan
musiman,
harus
dilihat
autokorelasi
yang cukup besar dan diidentifikasi koefisien autokorelasi lebih dari 2 atau
3
time
lags
yang
berbeda
nyata
dari
nol.
Pada
gambar
di
atas,
terlihat
2
time
lags
yang
berbeda nyata
dari
nol.
Namun
itu
belum
cukup
untuk
mengetahui periode
(jangka
waktu)
pola
musiman
pada
data
tersebut.
Untuk mengetahuinya dapat dihitung autokorelasi lebih dari 10 time lags.
5.2.3
Statistik Uji d Durbin Watson
Berikut
ini
adalah
hasil
uji
apakah
ada
autokorelasi negatif
atau
positif atau bahkan tidak ada autokorelasi. Uji d Durbin Watson ini
menguji error
pada periode t dan periode t-1 (1 time
lag) pada peramalan
dengan nilai ß = 0.2.
Hipotesis:
Ho : Tidak ada autokorelasi negatif
H1 :
Adanya autokorelasi negatif
Statistik Uji :
n
?
(e
t
-
e
t
-1
)
d
=
t ==²
n
?
e
t
t
=1
d
=
54418398 .2
24604011
=
2.21
 |