Tutorial Permodelan ARIMA
Langkah-langkah melakukan analisis data dengan model ARIMA adalah sebagai berikut.

Contoh
Data yang digunakan dalam tutorial permodelan ARIMA kali ini adalah data Indeks Harga Konsumen Indonesia tahun 2005 sampai dengan Mei 2008 dengan 2000=100.

Gambar 1

IHK Indonesia tahun 2005 sampai dengan Mei 2008 memiliki pola yang mengikuti trend kenaikan. Selisih kenaikan terbesar terjadi September sampai oktober 2005.

Gambar 2

Nilai lambda pada transformasi box telah menunjukkan lambda=1 untuk selang kepercayaan 95% (Gambar 2) sehingga tidak perlu ditransformasi dan dapat dikatakan bahwa data telah stasioner dalam varians.

Gambar 3

ACF dan PACF pada Gambar 3 menunjukkan bahwa series tidak stasioner dalam rata-rata karena pada grafik ACF tidak dies down meskipun pada PACF terdapat 1 lag yang cut off sehingga series perlu didifference. ACF dan PACF setelah didifference pada lag 1 dapat dilihat pada Gambar 4.

Gambar 4

ACF dan PACF menunjukkan bahwa tidak ada satu pun lag yang keluar sehingga tidak bisa untuk menduga
parameter ARIMA dengan demikian perlu dilakukan diffirence series IHK pada lag 2 yang dapat dilihat berdasarkan Gambar 5.

Gambar 5

Berdasarkan ACF dan PACF dapat diduga series IHK mengikuti model ARIMA (0,2,1) karena didifference pada lag 2 dan ACF pada lag 1 cut off. Pendugaan model ARIMA (0,2,1) dapat dilihat seperti pada Tabel 1.

 Tabel 1 menunjukkan bahwa estimasi dari model ARIMA (0,2,1) telah signifikan pada selang kepercayaan 95% (p-value = 0.000). Sedangkan untuk pengujian residual telah white noise dapat dilihat bahwa residual memang telah white noise karena p value pada Ljung Box menunjukkan angka yang lebih dari 0.05.