ANALISIS INTERVENSI FUNGSI STEP DALAM MODEL SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) PADA DATA YANG MENGANDUNG OUTLIER
| Main Author: | DWI MEI VITALIA, 1617031018 |
|---|---|
| Format: | Bachelors NonPeerReviewed Book Report |
| Terbitan: |
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
, 2020
|
| Subjects: | |
| Online Access: |
http://digilib.unila.ac.id/61956/1/ABSTRAK.pdf http://digilib.unila.ac.id/61956/2/SKRIPSI%20FULL.pdf http://digilib.unila.ac.id/61956/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf http://digilib.unila.ac.id/61956/ |
Daftar Isi:
- ABSTRAK: Analisis intervensi merupakan salah satu metode deret waktu yang digunakan untuk memodelkan dan meramalkan data deret waktu yang dipengaruhi oleh intervensi baik dari faktor eksternal maupun faktor internal. Secara umum, terdapat dua variabel yang digunakan dalam model intervensi, yaitu fungsi step dan pulse. Penelitian ini bertujuan untuk memodelkan dan meramalkan data jumlah penumpang keberangkatan domestik di Bandara Soekarno Hatta yang dipengaruhi oleh kejadian intervensi fungsi step yaitu kenaikan harga tiket pesawat pada Januari 2014. Dikarenakan data memperlihatkan pola periodik yang jelas pada internal waktu tertentu, yaitu kenaikan setiap bulan Desember, maka dilakukan pemodelan SARIMA sebagai model identifikasi awal. Berdasarkan hasil penelitian didapatkan model ARIMA(0,1,1)(1,1,1)12 sebagai model terbaik sebelum terjadinya intervensi dan orde intervensi b=1,s=0,r=1 yang memenuhi uji signifikansi parameter. Berdasarkan deteksi outlier yang dilakukan, diketahui terdapat tiga outlier. Namun, hanya dua outlier yang signifikan masuk kedalam model intervensi dengan nilai MAPE sebesar 6.1%. Sehingga model intervensi fungsi step dengan penambahan dua outliers dapat dikatakan sangat baik sebagai model peramalan jumlah penumpang keberangkatan domestik di Bandara Soekarno Hatta. Adapun model dugaan yang terbentuk sebagai berikut: (Z_t ) ̂=0.1815548/(1〖+0.6657768〗_1 B) S_(t-1)+Z_(t-12)+Z_(t-1)-Z_(t-13)+0.5482068Z_(t-12)-0.5482068Z_(t-24) -0.5482068Z_(t-13)+0.5482068Z_(t-25)+〖0.7842815α〗_(t-12)-1/((1-B) ) 〖0.1928445I〗_t^((119) )+ 0.1815548/(1+0.6657768B) S_(t-1)+(((1+0.6836168B)(1+0.7842815B^12))/(1-0.5482068B^12 )(1-B^12-B+B^13 ) )0.3143305I_t^((79) ) Kata Kunci: SARIMA, Analisis Intervensi Fungsi Step, Deteksi Outlier ABSTRACT : Intervention analysis is one of the time series methods used to model and predict time series data which are affected by interventions from both external and internal factors. Generally, there are two variables used in the intervention model, namely step and pulse function. This study aims to model and to predict data on the number of the domestic departure passengers at Soekarno Hatta Airport, which is affected by the step function intervention, namely the increase in airplane ticket prices in January 2014. Since the data reflect a clear periodic pattern at a certain internal time, which is increasing every December, then the SARIMA modelling is done as an early identification model. Based on the results of the study, the model obtained was ARIMA(0,1,1)(1,1,1)12 as the best model before the intervention and order of intervention b=1,s=0,r=1 that meets the parameter significance test. And according to the outlier detection that was done, there are three outliers. However, only two significant outlier enters an intervention model with a MAPE value of 6.1%. So, the model of step function intervention with the addition of two outliers can be said to be very good as a model for forecasting domestic departure passengers at Soekarno Hatta Airport. The predictive model is as follows: (Z_t ) ̂=0.1815548/(1〖+0.6657768〗_1 B) S_(t-1)+Z_(t-12)+Z_(t-1)-Z_(t-13)+0.5482068Z_(t-12)-0.5482068Z_(t-24) -0.5482068Z_(t-13)+0.5482068Z_(t-25)+〖0.7842815α〗_(t-12)-1/((1-B) ) 〖0.1928445I〗_t^((119) )+ 0.1815548/(1+0.6657768B) S_(t-1)+(((1+0.6836168B)(1+0.7842815B^12))/(1-0.5482068B^12 )(1-B^12-B+B^13 ) )0.3143305I_t^((79) ) Keywords: SARIMA, Step Function Intervention Analysis, Outlier Detection.