Pada Tahap ini dilakukan penaksiran parameter atau estimasi parameter dengan menggunakan metode yang akan dijelaskan, juga akan dilakukan pengujian parameter secara parsial maupun serentak (overall)
1) Estimasi Parameter
Ada dua cara yang mendasar untuk mendapatkan parameter-parameter tersebut:
a. Dengan cara mencoba-coba (trial and error), menguji beberapa nilai yang berbeda dan memilih satu nilai tersebut (atau sekumpulan nilai, apabila terdapat lebih dari satu parameter yang akan ditaksir) yang meminimumkan jumlah kuadrat nilai sisa (sum of squared residual).
b. Perbaikan secara iteratif, memilih taksiran awal dan kemudian membiarkan program komputer memperhalus penaksiran tersebut secara iteratif.
Dari kedua cara yang ada pilih model ARIMA yang terbaik untuk mengestimasi parameter.Secara Umum estimasi parameter model ARIMA Box-Jenkins dapat dilakukan dengan menggunakan beberapa metode berikut ini (Cryer, 1986; Wei, 1991; Box dkk,Untuk mengestimasi model arima terdapat beberapa metodenya, yaitu:
a. Metode moment (Yule Walker)
b. Ordinary Least Square (OLS)
c. Metode Maksimum Likelihood
d. Conditional Least Square (CLS)
e. Non linear estimation.
Pada blog ini akan di jelaskan dua metode estimasi yang pertama, yaitu metode Moment dan Ordinary Least Square, sedangkan yang lainnya bias dilihat pada buku referensi diatas.
2) Pengujian Parameter Model
Tes diagnostic pada ARIMA meliputi uji asumsi distribusi normal pada residual yang di uji dengan menggunakan kolmogorov smirnov serta dua macam pengujian parameter lainnya yaitu:
a. Pengujian masing-masing parameter model secara parsial (t-test)
Model ARIMA yang baik yang dapat menggambarkan suatu kejadian adalah model yang salah satunya menunjukkan bahwa estimasi parameter-parameternya signifikan berbeda dengan nol. Misal ϴ adalah suatu parameter pada model ARIMA Box-Jenkins dan 
adalah nilai estimasi dari parameter, serta stdev () adalah standart error dari nilai taksiran . Maka dilakukan uji sebagai berikut :
adalah nilai estimasi dari parameter, serta stdev () adalah standart error dari nilai taksiran . Maka dilakukan uji sebagai berikut :Hipotesa
H0 : ϴ = 0
H1 : ϴ ≠ 0
Statistik Uji
Keputusan
Model dikatakan baik jika nilai error bersifat random, artinya sudah tidak mempunyai pola tertentu lagi. Dengan kata lain model yang diperoleh dapat menangkap dengan baik pola data yang ada. Untuk melihat kerandoman nilai error dilakukan pengujian terhadap nilai koefisien autokorelasi dari error, dengan menggunakan salah satu dari dua statistik berikut:
- Uji Q Box dan Pierce:
2. Uji Ljung-Box
Menyebar secara Khi Kuadrat (χ2) dengan derajat bebas (db)=(k-p-q-P-Q) dimana:
n’ : n-(d+SD)
d :ordo pembedaan bukan faktor musiman
D :ordo pembedaan faktor musiman
S :jumlah periode per musim
m :lag waktu maksimum
rk : autokorelasi untuk time lag 1, 2, 3, 4,..., k
Kriteria pengujian:
· Jika Q ≤ χ2 (α db) atau nilai P_value ≥ α , berarti nilai error bersifat random (model dapat diterima).
· Jika Q > χ2 (α db), atau nilai P_value < α berarti: nilai error tidak bersifat random (model tidak dapat diterima).
