Menurut Makridakis, dkk(1999: 351) stasioneritas
mempunyai makna bahwa tidak terdapat pertumbuhan atau penurunan pada data. Artinya, fluktuasi data berada di
sekitar suatu nilai rata-rata yang konstan, tidak tergantung pada waktu dan
varians dari fluktuasi tersebut.
Bentuk visualisasi dari suatu plot data time
series sering kali cukup untuk mengetahui bahwa data tersebut stasioner
atau non-stasioner. Plot ACF dan PACF juga mendukung untuk digunakan
dalam pemeriksaan ketidakstasioneran dari suatu data. Plot
ACF yang cenderung lambat atau turun
secara linear mengindikasikan data belum stasioner dalam rata-rata.
Menurut Makridakis dkk (1999:351) nilai-nilai dari autokorelasi data stasioner
akan turun sampai nol sesudah lag kedua atau ketiga, sedangkan untuk data yang
non-stasioner, nilai-nilai autokorelasi berbeda signifikan dari nol untuk
beberapa periode waktu.
Pengujian kestasioneran data sangat diperlukan pada
metode data time series. Peramalan
dapat dilakukan apabila kondisi data sudah stasioner. Data yang tidak stasioner
mempunyai 3 kondisi, yaitu tidak stasioner dalam variansi, tidak stasioner
dalam rata-rata, ataupun tidak stasioner keduanya.
Pada data yang tidak
stasioner dalam variansi dapat dilakukan transformasi untuk membuat data tersebut
stasioner. Data yang tidak stasioner dalam rata-rata perlu dilakukan pembedaan
(differencing) untuk
menstasionerkannya. Data yang tidak stasioner keduanya, dilakukan transformasi
dan pembedaan (differencing) untuk
membuatnya stasioner.