LAMPIRAN
0 5 10 15 20 25 30
0.00.20.40.60.81.0
Lag
ACF
suhu_hari
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
Lampiran 4. Plot Autocorrelation FunctionUntuk Suhu Perhari Tanpa Pembedaan 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
0 5 10 15 20 25 30
0.00.10.20.3
Lag
Partial ACF
Series data_hri
Lampiran 5. Plot Parsial Autocorrelation FunctionUntuk Suhu Perhari Tanpa Pembedaan
Lampiran 6. Tabel Nilai Parameter Dugaan Model - Model Sementara Pemodelan Data Suhu Perhari
Model Tipe Koef. Se. t-hit
AR (5) AR 1 0,2712 0,0242 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(29) 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
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
ARMA(5,29) 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
0 5 10 15 20 25 30
-0.4-0.3-0.2-0.10.0
Lag
Partial ACF
Series data_hari.diff
Standardized Residuals
Time
0 500 1000 1500
-4-202
0 5 10 15 20 25 30
0.00.40.8
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
Lampiran 7. Ljung-Box Test Sisaan model AR(5) Lampiran 8. Shapiro-Wilk normality Test Sisaan model AR(5)
Lampiran 9. Plot Autocorrelation FunctionUntuk Suhu Udara Rata-rata Per Hari dengan PembedaanSatu Kali
Lampiran 10. Partial Autocorrelation Function Untuk Suhu Per Hari dengan PembedaanSatu Kali
Lampiran 11. TabelNilai Parameter Dugaan Model-model Sementara Pemodelan Data Suhu Perhari Dengan Pembedaan Pertama
Model Tipe Coef Se. t-hit
ARIMA(0,1,1) MA 1 -0,7729 0,0282 27,4078
ARIMA(8,1,0) AR 1 -0,684 0,0242 28,26446
AR 2 -0,5066 0,029 17,46897
AR 3 -0,4036 0,031 13,01935
AR 4 -0,3203 0,032 10,00938
AR 5 -0,2505 0,0319 7,852665
AR 6 -0,2248 0,031 7,251613
AR 7 -0,1724 0,029 5,944828
ARIMA(8,1,1) AR 8 -0,0718 0,0241 2,979253
0 5 10 15 20 25 30
-0.50.00.51.0
Lag
ACF
suhu_hari
Shapiro-Wilk normality test data: residuals(model1) W = 0.9932, p-value = 4.189e-0
AR 1 0,2673 0,0242 11,04545
AR 2 0,1378 0,025 5,512
AR 3 0,0688 0,0252 2,730159
AR 4 0,0538 0,0253 2,126482
AR 5 0,0411 0,0253 1,624506
AR 6 -0,0035 0,0252 0,138889
AR 7 0,0211 0,025 0,844
AR 8 0,0661 0,0242 2,731405
MA 1 -1 0,0053 188,6792
Lampiran 12. Ljung-Box Test Sisaan model ARIMA(0,1,1)
Lampiran 13.Ljung-BoxTest Sisaan model ARIMA(8,1,0)
Lampiran 14.Tabel Nilai Ramalan Suhu Per Hari dengan Model AR(5)
Hari ke- Ramalan Batas Atas Batas Bawah
1 26,75 25,01 28,49
2 26,76 24,97 28,55
3 26,76 24,93 28,59
4 26,75 24,90 28,60
5 26,75 24,88 28,62
6 26,76 24,87 28,65
7 26,77 24,87 28,66
8 26,78 24,87 28,67
9 26,77 24,87 28,67
10 26,77 24,86 28,68
11 26,77 24,86 28,68
12 26,77 24,86 28,68
13 26,77 24,86 28,68
14 26,77 24,86 28,69
15 26,78 24,86 28,69
Standardized Residuals
Time
0 500 1000 1500
-402
0 5 10 15 20 25 30
0.00.40.8
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
Standardized Residuals
Time
0 500 1000 1500
-402
0 5 10 15 20 25 30
0.00.40.8
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
5 10 15 20
0.00.20.40.60.81.0
ACF
ACF
ACF Suhu Per Minggu
16 26,78 24,86 28,69
17 26,77 24,87 28,69
18 26,77 24,87 28,69
19 26,77 24,87 28,69
20 26,78 24,87 28,69
21 26,78 24,87 28,69
22 26,78 24,87 28,69
23 26,78 24,87 28,69
24 26,78 24,87 28,69
25 26,78 24,87 28,69
26 26,78 24,87 28,69
27 26,78 24,87 28,69
28 26,78 24,87 28,69
29 26,78 24,87 28,69
30 26,78 24,87 28,69
31 26,78 24,87 28,69
Lampiran 15. Uji Kestasioneran Ragam Data Suhu Udara Per Hari
Lampiran 16. Hasil Uji Augmented Dickey Fuller Data Suhu Udara Per Minggu
Lampiran 17. Plot Autocorrelation FunctionUntuk Suhu Rata-rata Per MingguTanpa Pembedaan Augmented Dickey-Fuller Test data: datasuhu.m.tran Dickey-Fuller = -5.1312, Lag order = 5, p-value = 0.01 alternative hypothesis:
stationary
5 10 15
-0.10.00.10.20.3
Lag
Partial ACF
PACF Data Perminggua Suhu Udara di Sekitar Palangkaraya
Standardized Residuals
Time
0 50 100 150 200
-4-2012
0 5 10 15 20
0.00.40.8
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
Time
V1
0 50 100 150 200
-2-101
Lampiran 18. Plot Parsial Autocorrelation Function untuk Suhu Per Minggu Tanpa Pembedaan
Lampiran 19. Ljung-Box Test Sisaan model MA(2)
Lampiran 20. Plot Data Suhu Udara Rata-rata Per Minggu Setelah Proses Pembedaan Satu Kali
Lampiran 21. Plot Autocorrelation FunctionUntuk Suhu Rata-rata PerMinggu dengan PembedaanSatu Kali
Lampiran 22. Plot PartialAutocorrelation FunctionUntuk Suhu Rata-rata Per Minggu dengan PembedaanSatu Kali
Lampiran 23. Ljung-Box Test Sisaan model ARIMA(0,1,1)
Lampiran 24. Ljung-Box Test Sisaan model ARIMA(1,1,0)
5 10 15 20
-0.4-0.20.00.20.40.60.81.0
Lag
ACF
ACF Dif.Data Perminggua Suhu Udara di Sekitar Palangkaraya
5 10 15 20
-0.4-0.3-0.2-0.10.00.1
Lag
Partial ACF
PACF Dif.Data Perminggua Suhu Udara di Sekitar Palangkaraya Standardized Residuals
Time
0 50 100 150 200
-3-1012
0 5 10 15 20
0.00.40.8
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
Standardized Residuals
Time
0 50 100 150 200
-3-1012
0 5 10 15 20
-0.20.20.61.0
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
Lampiran25. Ljung-Box Test Sisaan model ARIMA(2,1,0)
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 Model
overfitting
Signifikasi semua parameter
Kebebasan sisaan
Kenormalan sisaan
AIC ARIMA (0,1,1) ARIMA(1,1,1)
ARIMA(0,1,2)
Signifikan Signifikan
Bebas Tidak bebas
Normal Normal
337.77 343.7 ARIMA (2,1,0) ARIMA(3,1,0)
ARIMA(2,1,1)
Tidak Tidak
- -
- -
Lampiran 29. Tabel Nilai Ramalan Suhu Udara Rata-rata Per Minggu dengan Model ARIMA(0,1,1)
Minggu ke- Ramalan Batas Atas Batas Bawah
314 26,7565 25,6568 27,8562
315 26,7594 25,5955 27,9234
316 26,7624 25,5375 27,9872
317 26,7653 25,4824 28,0482
318 26,7682 25,4299 28,1066
319 26,7712 25,3795 28,1628
320 26,7741 25,3311 28,2171
321 26,7771 25,2845 28,2696
322 26,78 25,2395 28,3205
323 26,7829 25,1959 28,37
324 26,7859 25,1537 28,4181
325 26,7888 25,1126 28,465
326 26,7918 25,0727 28,5108
327 26,7947 25,0338 28,5556
328 26,7976 24,9959 28,5993
329 26,8006 24,959 28,6422
Standardized Residuals
Time
0 50 100 150 200
-3-10123
0 5 10 15 20
0.00.40.8
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
330 26,8035 24,9228 28,6842
331 26,8065 24,8875 28,7255
332 26,8094 24,8529 28,7659
333 26,8123 24,819 28,8057
Lampiran 30. Hasil Uji Augmented Dickey Fuller Data Suhu Udara Per Minggu
Lampiran 31. Uji Kestasioneran Ragam Data Suhu Udara Per Bulan
Lampiran 32. Plot Autocorrelation FunctionUntuk Suhu Udara Rata-Rata Per Bulan Tanpa Pembedaan
Lampiran 33. Plot Partial Autocorelation Function Untuk Suhu Udara Rata-rata Suhu Per Bulan Tanpa Pembedaan
5 10 15
-0.20.00.20.40.60.81.0
Lag
ACF
suhu
5 10 15
-0.3-0.2-0.10.00.10.20.3
Lag
Partial ACF
Series datasuhu.b.tran
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 34. Ljung-Box TestSisaan model AR(1)
Lampiran 35. Ljung-Box Test Sisaan model MA(1)
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 Ramal Batas Atas Batas Bawah
Jul-05 26,76 25,79 27,72
Agust-05 26,84 25,84 27,84
Sep-05 26,84 25,84 27,84
Okt-05 26,84 25,84 27,84
Nov-05 26,84 25,84 27,84
Des-05 26,84 25,84 27,84
Standardized Residuals
Time
0 10 20 30 40
-2-1012
0 5 10 15
-0.40.00.40.8
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
Standardized Residuals
Time
0 10 20 30 40
-2-1012
0 5 10 15
-0.20.20.61.0
Lag
ACF
ACF of Residuals
2 4 6 8 10
0.00.40.8
p values for Ljung-Box statistic
lag
p value
