LAMPIRAN
Lampiran 1. Tabel penentuan Nilai Ordo Pada Proses ARIMA Berdasarkan Plot ACF dan PACF No
Kemungkinan plot ACF dan PACF
Model ARIMA
1
ACF nyata pada lag ke-1,2,3,....,q dan terpotong setelah lag q (cuts off) , PACF menurun cepat membentuk pola exponensial atau sinus(tails off)
MA(q)
2
ACF tails off , PACF nyata pada lag ke-1,2,....,p dan cuts off setelah lag ke-p
AR(p)
3
ACF nyata pada lag ke-1,2,...q lalu cuts off, PACF nyata pada lag ke-1,2,3...,p dan cuts off
MA(q) jika ACF cuts off lebih tajam , AR(p) jika PACF cuts off lebih tajam
4
Tidak ada autokorelasi yang nyata pada plot ACF dan PACF
ARMA(0,0)
5
ACF tail off, PACF tail off
ARMA(p,q)
Lampiran 2. Uji Kestasioneran Ragam Data Suhu Udara Per Hari
Lampiran 3. Uji kehomogenan nilai tengah
adf.test(data_hri) Augmented Dickey-Fuller Test data: data_hri Dickey-Fuller = -8.26, Lag order = 11, p-value = 0.01 alternative hypothesis: stationary
Lampiran 4. Plot Autocorrelation FunctionUntuk Suhu Perhari Tanpa Pembedaan
0.0
0.2
0.4
ACF
0.6
0.8
1.0
suhu_hari
0
5
10
15
20
25
30
Lag
18
Lampiran 5. Plot Parsial Autocorrelation FunctionUntuk Suhu Perhari Tanpa Pembedaan
0.2 0.0
0.1
Partial ACF
0.3
Series data_hri
0
5
10
15
20
25
30
Lag
Lampiran 6. Tabel Nilai Parameter Dugaan Model - Model Sementara Pemodelan Data Suhu Perhari Model AR (5)
MA(29)
Tipe AR 1
Koef. 0,2712
Se. 0,0242
t-hit 11,20661
AR 2
0,1409
0,025
5,636
AR 3
0,0753
0,0252
2,988095
AR 4
0,0626
0,025
2,504
AR 5
0,0554
0,0242
2,289256
MA 1
0,2608
0,0242
10,77686
MA 2
0,2033
0,0249
8,164659
MA 3
0,1502
0,0254
5,913386
MA 4
0,1337
0,0256
5,222656
MA 5
0,1267
0,0258
4,910853
MA 6
0,0763
0,0262
2,912214
MA 7
0,0759
0,0266
2,853383
MA 8
0,1106
0,0267
4,142322
MA 9
0,0863
0,0268
3,220149
MA 10
0,0408
0,0268
1,522388
MA 11
0,0504
0,027
1,866667
MA 12
0,0457
0,0272
1,680147
MA 13
0,0144
0,0273
0,527473
MA 14
0,0314
0,0272
1,154412
MA 15
0,0271
0,0267
1,014981
MA 16
0,0423
0,0269
1,572491
MA 17
0,075
0,0274
2,737226
MA 18
0,0536
0,0272
1,970588
MA 19
0,0912
0,0257
3,548638
MA 20
0,0295
0,0245
1,204082
MA 21
0,0233
0,0255
0,913725
MA 22
0,0237
0,0258
0,918605
MA 23
0,0392
0,0266
1,473684
19
ARMA(5,29)
MA 24
0,0376
0,0263
1,429658
MA 25
0,0453
0,0272
1,665441
MA 26
0,1018
0,0265
3,841509
MA 27
0,0209
0,0265
0,788679
MA 28
0,0407
0,0263
1,547529
MA 29
0,052
0,0246
2,113821
AR 1
0,4076
0,0263
15,4981
AR 2
-0,0735
NaN
AR 3
0,0455
NaN
AR 4
0,4109
0,047
8,742553
AR 5
-0,7542
0,0873
8,639175
MA 1
-0,1495
0,0373
4,008043
MA 2
0,1679
0,0339
4,952802
MA 3
0,0429
NaN
MA 4
-0,333
0,0724
4,599448
MA 5
0,7237
0,077
9,398701
MA 6
0,1477
0,0369
4,00271
MA 7
0,1322
0,0354
3,734463
MA 8
0,1445
0,034
4,25
MA 9
0,0911
0,0343
2,655977
MA 10
0,0724
0,0343
2,110787
MA 11
0,0745
0,0339
2,19764
MA 12
0,0293
0,0341
0,859238
MA 13
0,056
0,0332
1,686747
MA 14
0,0765
0,0331
2,311178
MA 15
0,0181
0,0332
0,545181
MA 16
0,0564
0,0329
1,714286
MA 17
0,0823
0,0318
2,58805
MA 18
0,0226
0,0327
0,691131
MA 19
0,0906
0,0335
2,704478
MA 20
-0,0056
0,0325
0,172308
MA 21
0,0165
0,0316
0,522152
MA 22
0,0496
0,0306
1,620915
MA 23
0,0277
0,0326
0,849693
MA 24
0,0778
0,0321
2,423676
MA 25
0,0448
0,0269
1,665428
MA 26
0,0652
0,0287
2,271777
MA 27
0,0066
0,0266
0,24812
MA 28
0,0482
0,029
1,662069
MA 29
0,0226
0,0251
0,900398
20
Time
0.4 0.0
ACF
0.8
ACF of Residuals
0
5
10
15
20
25
30
Lampiran 7. Ljung-Box Test Lag Sisaan model AR(5)
Lampiran 8. Shapiro-Wilk normality Test Sisaan model AR(5)
0.4
0.8
Shapiro-Wilk normality test
0.0
data: residuals(model1) W = 0.9932, p-value = 4.189e-0 2
4
6
8
10
lag
Lampiran 9. Plot Autocorrelation FunctionUntuk Suhu Udara Rata-rata Per Hari dengan PembedaanSatu Kali
0.5
1.0
suhu_hari
-0.5
0.0
ACF
0
5
10
15
20
25
30
Lag
Lampiran 10. Partial Autocorrelation Function Untuk Suhu Per Hari dengan PembedaanSatu Kali
-0.2 -0.3
Partial ACF
-0.1
0.0
Series data_hari.diff
-0.4
p value
p values for Ljung-Box statistic
0
5
10
15
20
25
30
Lampiran 11. TabelNilai Parameter Dugaan Model-model Sementara Pemodelan Data Suhu Perhari Dengan Pembedaan Pertama Lag
Model ARIMA(0,1,1) ARIMA(8,1,0)
ARIMA(8,1,1)
Tipe MA 1 AR 1 AR 2 AR 3 AR 4 AR 5 AR 6 AR 7 AR 8
Coef -0,7729 -0,684 -0,5066 -0,4036 -0,3203 -0,2505 -0,2248 -0,1724 -0,0718
Se. 0,0282 0,0242 0,029 0,031 0,032 0,0319 0,031 0,029 0,0241
t-hit 27,4078 28,26446 17,46897 13,01935 10,00938 7,852665 7,251613 5,944828 2,979253
21
-4
0 2
Standardized Residuals
AR 1 AR 2 AR 3 AR 4 AR 5 AR 6 AR 7 AR 8 MA 1
0.0 0 20.4 0.8 -4
ACF
0
0
0,2673 1000 0,1378 Time 0,0688 0,0538 ACF of Residuals 0,0411 Standardized -0,0035 Residuals 0,0211 0,0661 -1
500
5
10
15
20
0,0242 0,025 0,0252 0,0253 0,0253 0,0252 0,025 0,0242 0,0053
1500
25
Lag Lampiran 12. Ljung-Box Test Sisaan500 model ARIMA(0,1,1) 0 1000
11,04545 5,512 2,730159 2,126482 1,624506 0,138889 0,844 2,731405 188,6792
30
1500
Time
ACF of Residuals
0.00.80.4 0.8 0.0 0.4
ACF p value
p values for Ljung-Box statistic
2
0
4
5
10
6 lag 15
8
20
25
10
30
Lampiran 13.Ljung-BoxTest Sisaan model ARIMA(8,1,0) Lag
0.0 0.4 0.8
p value
p values for Ljung-Box statistic
2
4
6
8
10
lag
Lampiran 14.Tabel Nilai Ramalan Suhu Per Hari dengan Model AR(5) Hari ke1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Ramalan 26,75 26,76 26,76 26,75 26,75 26,76 26,77 26,78 26,77 26,77 26,77 26,77 26,77 26,77 26,78
Batas Atas 25,01 24,97 24,93 24,90 24,88 24,87 24,87 24,87 24,87 24,86 24,86 24,86 24,86 24,86 24,86
Batas Bawah 28,49 28,55 28,59 28,60 28,62 28,65 28,66 28,67 28,67 28,68 28,68 28,68 28,68 28,69 28,69
22
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
26,78 26,77 26,77 26,77 26,78 26,78 26,78 26,78 26,78 26,78 26,78 26,78 26,78 26,78 26,78 26,78
24,86 24,87 24,87 24,87 24,87 24,87 24,87 24,87 24,87 24,87 24,87 24,87 24,87 24,87 24,87 24,87
Lampiran 15. Uji Kestasioneran Ragam Data Suhu Udara Per Hari
28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69 28,69
Lampiran 16. Hasil Uji Augmented Dickey Fuller Data Suhu Udara Per Minggu Augmented Dickey-Fuller Test data: datasuhu.m.tran Dickey-Fuller = -5.1312, Lag order = 5, p-value = 0.01 alternative hypothesis: stationary
Lampiran 17. Plot Autocorrelation FunctionUntuk Suhu Rata-rata Per MingguTanpa Pembedaan
0.0
0.2
ACF
0.4
0.6
0.8
1.0
ACF Suhu Per Minggu
5
10
15
20
ACF
23
0 1 2
Standardized Residuals
-2
Lampiran 18. Plot Parsial Autocorrelation Function untuk Suhu Per Minggu Tanpa Pembedaan -4
PACF Data Perminggua Suhu Udara di Sekitar Palangkaraya
0.3
0
50
100
150
200
0.2
Time
0.4 0.0
-0.1
ACF 0.0
0.8
0.1
Partial ACF
ACF of Residuals
5
0
10
5
10
15
15
Lag
20
Lampiran 19. Ljung-Box Test Sisaan model MA(2)Lag
0.4 0.0
p value
0.8
p values for Ljung-Box statistic
2
4
6
8
10
lag
0 -1 -2
V1
1
Lampiran 20. Plot Data Suhu Udara Rata-rata Per Minggu Setelah Proses Pembedaan Satu Kali
0
50
100
150
200
Time
24
Lampiran 21. Plot Autocorrelation FunctionUntuk Suhu Rata-rata PerMinggu dengan PembedaanSatu Kali
-0.4
-0.2
0.0
0.2
ACF
0.4
0.6
0.8
1.0
ACF Dif.Data Perminggua Suhu Udara di Sekitar Palangkaraya
5
10
15
20
Lag
Lampiran 22. Plot PartialAutocorrelation FunctionUntuk Suhu Rata-rata Per Minggu dengan PembedaanSatu Kali PACF Dif.Data Perminggua Suhu Udara di Sekitar Palangkaraya
-0.1
0
50
100
150
200
Time
-0.2
Partial ACF
-3
0.0
-1 0 1 2
0.1
Standardized Residuals
Standardized Residuals
0.4 -1 00.81 2
-0.4
ACF
-0.3
ACF of Residuals
10
15
0.0 -3
5
20
Lag
0 0
5 50
10
100
15
Lampiran 23. Ljung-Box Test Sisaan model ARIMA(0,1,1)
150
20
200
Lag Time
-0.2 0.00.2 0.4 0.6
ACFp value
0.8 1.0
p values for of Ljung-Box statistic ACF Residuals
2
4
6
8
10
lag
0
5
10
15
20
Lampiran 24. Ljung-Box Test Sisaan model ARIMA(1,1,0) Lag
0.4 0.0
p value
0.8
p values for Ljung-Box statistic
2
4
6
8
10
lag
25
0.8 0.4 0.0
ACF
0
5
10
15
20
Lag
Lampiran25. Ljung-Box Test Sisaan model ARIMA(2,1,0)
0.4 0.0
p value
0.8
p values for Ljung-Box statistic
2
4
6
8
10
lag
Lampiran 26.Shapiro-Wilk normality Test Sisaan model ARIMA(0,1,1) Shapiro-Wilk normality test data: residuals(arima.m.diff.1) W = 0.9921, p-value = 0.3268 Lampiran 27. Shapiro-Wilk normality Test Sisaan model ARIMA(0,1,1) Shapiro-Wilk normality test data: residuals(arima.m.diff.3) W = 0.99, p-value = 0.160 Lampiran 28. Overfitting Model untuk Data Suhu Udara Per Minggu dengan Pembedaan Satu Kali. Model ARIMA (0,1,1) ARIMA (2,1,0)
Model overfitting ARIMA(1,1,1) ARIMA(0,1,2) ARIMA(3,1,0) ARIMA(2,1,1)
Signifikasi semua parameter Signifikan Signifikan Tidak Tidak
Kebebasan sisaan Bebas Tidak bebas -
Kenormalan sisaan Normal Normal -
AIC 337.77 343.7
Lampiran 29. Tabel Nilai Ramalan Suhu Udara Rata-rata Per Minggu dengan Model ARIMA(0,1,1) Minggu ke314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329
Ramalan 26,7565 26,7594 26,7624 26,7653 26,7682 26,7712 26,7741 26,7771 26,78 26,7829 26,7859 26,7888 26,7918 26,7947 26,7976 26,8006
Batas Atas 25,6568 25,5955 25,5375 25,4824 25,4299 25,3795 25,3311 25,2845 25,2395 25,1959 25,1537 25,1126 25,0727 25,0338 24,9959 24,959
Batas Bawah 27,8562 27,9234 27,9872 28,0482 28,1066 28,1628 28,2171 28,2696 28,3205 28,37 28,4181 28,465 28,5108 28,5556 28,5993 28,6422
26
330 331 332 333
26,8035 26,8065 26,8094 26,8123
Lampiran 30. Hasil Uji Augmented Dickey Fuller Data Suhu Udara Per Minggu
24,9228 24,8875 24,8529 24,819
28,6842 28,7255 28,7659 28,8057
Lampiran 31. Uji Kestasioneran Ragam Data Suhu Udara Per Bulan
adf.test(datasuhu.b.tran) Augmented Dickey-Fuller Test data: datasuhu.b.tran Dickey-Fuller = -4.4731, Lag order = 3, p-value = 0.01 alternative hypothesis: stationary
Lampiran 32. Plot Autocorrelation FunctionUntuk Suhu Udara Rata-Rata Per Bulan Tanpa Pembedaan
0.4 -0.2
0.0
0.2
ACF
0.6
0.8
1.0
suhu
5
10
15
Lag
Lampiran 33. Plot Partial Autocorelation Function Untuk Suhu Udara Rata-rata Suhu Per Bulan Tanpa Pembedaan
0.0 -0.1 -0.2 -0.3
Partial ACF
0.1
0.2
0.3
Series datasuhu.b.tran
5
10
15
Lag
27
Standardized Residuals
-1 -0.4 0 10.0 2 0.4
ACF
0.8
ACF of Residuals
0
5
10
-2
Lampiran 34. Ljung-Box TestSisaan model AR(1) 0
10
15
Lag
20
30
40
ACF of Residuals
0.0 0.6 0.41.0 -0.2 0.2
ACF
p value
0.8
p values for Ljung-Box statistic Time
2
4
6
8
10
lag 0
5
10
Lampiran 35. Ljung-Box Test Sisaan model MA(1)
15
Lag
0.4 0.0
p value
0.8
p values for Ljung-Box statistic
2
4
6
8
10
lag
Lampiran 36. Shapiro-Wilk normalityTest Sisaan model MA(1) Shapiro-Wilk normality test data: residuals(arima.b.2) W = 0.9832, p-value = 0.714 Lampiran 37.Tabel Nilai Ramalan Suhu Udara Per Bulan dengan Model MA(1) Bulan Jul-05 Agust-05 Sep-05 Okt-05 Nov-05 Des-05
Ramal 26,76 26,84 26,84 26,84 26,84 26,84
Batas Atas 25,79 25,84 25,84 25,84 25,84 25,84
Batas Bawah 27,72 27,84 27,84 27,84 27,84 27,84
28
