dan arimax - digilib.its.ac.id · motor mpm jenis. cub. supra 126 cc di kawasan waru, sidoarjo...

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor “X” Di Propinsi Jawa

Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX

Oleh: Novita Dwi R.(131010027)

1

Dosen Pembimbing: Dr. Setiawan, M.Si

AGENDA

PENDAHULUAN

TINJAUAN PUSTAKA

METODOLOGI PENELITIAN

ANALISIS DAN PEMBAHASAN

KESIMPULAN DAN SARAN

2

3

LATAR BELAKANG

Definisi Transportasi Menurut Sukarto (2006):Perpindahan dari suatu tempat ke tempatyang lain dengan menggunakan alatpengangkutan.

4

LATAR BELAKANG

5

LATAR BELAKANG

Liputan 6 (2013), menyatakanbahwa Jawa Timurmerupakan propinsi yangpaling banyak menjualsepeda motor pada tahun2012 yaitu sebesar 1,12 jutaunit kendaraan roda dua.Jumlah tersebut telahmendistribusikan penjualansepeda motor sebesar15,69% dari total penjualansecara nasional sebesar 7,14juta unit.

6

LATAR BELAKANG

Menurut Investor Daily (2013),penjualan sepeda motor merek"X" meningkat 26% pada periodeJanuari-April 2013 dibandingkanperiode yang sama pada tahun2012. Penjualan sepeda motor"X" telah menguasai pangsapasar di Propinsi Jawa Timur lebihdari 50%.

7

LATAR BELAKANG

Menurut Guiltinan dan Paul (2001) dalamWahyuni (2008) menyatakan bahwakonsumen akan menjatuhkan pilihannyaterhadap barang yang dibeli didorongoleh lingkungan, teknologi, budaya, danekonomi yang terjadi.

8

LATAR BELAKANG

PT.”Y” merupakan dealer utama pemasaransepeda motor “X” di wilayah Propinsi JawaTimur dan NTT. Tingginya permintaan sepedamotor “X”, sebaiknya pihak distributor yaituPT. “Y” melakukan antisipasi denganmeramalkan permintaan sepeda motorsampai beberapa periode waktu kedepan.Hal ini diperlukan untuk menjaga persediaandalam kondisi optimal

• Menganalisis mengenai penjualan sepedamotor MPM jenis cub supra 126 cc dikawasan Waru, Sidoarjo denganmenggunakan ARIMA Box-Jenkins

Nursita(2010)

• Meramalkan penjualan sepeda motorHonda pada dealer PT. Daya AnugerahMandiri menggunakan metode MovingAverage (MA) dan Weight MovingAverage (WMA).

Ameilia(2012)

9

LATAR BELAKANG

1• Bagaimana karakteristik total market sepeda motor dan

penjualan sepeda motor "X" serta pola data penjualan diPropinsi Jawa Timur?

2• Bagaimana pemodelan menggunakan model ARIMA

terhadap total market sepeda motor dan penjualansepeda motor "X" di Propinsi Jawa Timur?

3• Bagaimana pemodelan menggunakan model ARIMAX

terhadap total market sepeda motor dan penjualansepeda motor "X" di Propinsi Jawa Timur?

4• Bagaimana perbandingan hasil kebaikan model

antara model ARIMA Box-Jenkins dan ARIMAXterhadap total market sepeda motor dan penjualansepeda motor "X" di Propinsi Jawa Timur?

10

RUMUSAN MASALAH

1• Untuk mengetahui dan memahami karakteristik total

market sepeda motor dan penjualan sepeda motor "X"serta pola data penjualan di Propinsi Jawa Timur.

2• Untuk mengetahui dan memahami pemodelan serta hasil

peramalan berdasarkan model ARIMAM terhadap totalmarket sepeda motor dan penjualan sepeda motor "X" diProvinsi Jawa Timur.

3• Untuk mengetahui dan memahami pemodelan serta hasil

peramalan berdasarkan model ARIMAX terhadap total market sepeda motor dan penjualan sepeda motor "X" diProvinsi Jawa Timur.

4• Untuk mengetahui dan memahami perbandingan hasil

kebaikan model antara model ARIMA Box-Jenkins danARIMAX terhadap total market sepeda motor danpenjualan sepeda motor "X" di Propinsi Jawa Timur.

11

TUJUAN PENELITIAN

12

MANFAAT

Penelitian mengenai total market sepeda motor danpenjulan sepeda motor "X" di Propinsi Jawa Timurdiharapkan dapat memberikan manfaat, bagi PT. “Y”selaku distributor sepeda motor "X". Hasil peramalandapat digunakan pihak PT. “Y” untuk mengetahuiperkiraan market share penjulan sepeda motor "X"terhadap total market sepeda motor di Jawa Timur,sehingga dapat digunakan oleh PT. “Y” dalammenyusun strategi pemasaran agar dapat menguasaidan meningkatkan pangsa pasar sepeda motor.Selainitu, dapat digunakan untuk mengantisipasi penjualansepeda motor "X" di Jawa Timur pada masa yang akandatang, sehingga permintaan konsumen dapatterpenuhi.

13

BATASAN MASALAH

Batasan dalam penelitian ini difokuskan padatotal market sepeda motor dan penjulansepeda motor "X" baru di wilayah PropinsiJawa Timur secara univariate denganmelakukan pendekatan model ARIMA Box-Jenkins dan ARIMAX dengan inputnyamerupakan variansi kalender.

AGENDA

PENDAHULUAN

TINJAUAN PUSTAKA




14

Statistika deskriptif merupakan metode-metode yang berkaitan denganpengumpulan dan penyajian suatu gugusdata sehingga memberikan informasi yangberguna (Walpole, 1995). Analisis statistikadeskriptif yang digunakan pada penelitian inimeliputi rata-rata (mean), standar deviasi,nilai maksimum, dan nilai minimum.

15

STATISTIKA DESKRIPTIF

Analisis time series merupakan metodeperamalan (forecasting) serangkaian atauderetan data pengamatan yang didasarkanpada indeks deret waktu t dengan intervalwaktu tetap dan bersifat acak atau random(Wei, 2006). Data pengamatan yang bersifatacak atau disebut sebagai variabel randomdengan selang pengamatan pada waktu tdisimbolkan dengan .

tZ

16

ANALISIS TIME SERIES

ProsesStasioner

Dalam Mean

Dalam Varians

ttd aZB =− )1(

λ

λ 1)(

−= t

tZ

ZT

17

PROSES STASIONER

Nilai (lambda) Transformasi

-1,0

-0,5

0,0

0,5

1,0 (tidak dilakukan tranformasi)

tZ1

tZ1

tZln

tZ

tZ

18

Transformasi Box-Cox

19

MODEL ARIMA

Model ARIMA menjelaskan analisis time series yang nonstasioner. Model ARIMA non musiman (non seasonal)atau ARIMA (p,d,q) memiliki persamaan sebagaiberikut.

Apabila menunjukkan pola musiman (seasonal), makapemodelan multiplikatif Seasonal ARIMA (p,d,q)(P,D,Q)S

sebagai berikut .

tqtd

p aBZBB )()1)(( 0 θθφ +=−

tS

QqtDSd

pS

P aBBZBBBB )()()1()1)(()( Θ=−−Φ θφ

20

MODEL ARIMAX

Berdasarkan Cryer dan Chan (2008) dalam Lee,Suhartono, dan Hamzah menyatakan bahwamodel ARIMAX merupakan model ARIMA denganvariabel tambahan. Model ARIMAX terbagimenjadi dua, yaitu model ARIMAX dengan trenstokastik dan model ARIMAX dengan trendeterministik. Berikut merupakan model ARIMAXdengan tren deterministik.

tp

DSP

SQq

tppttt aBB

BBVVVtZ

)()()()(

... ,,22,11 φ

θβββγ

Φ

Θ+++++=

ACF PACF

∑

∑

=

−

=+

−

−−==

n

tt

kn

tktt

k

ZZ

ZZZZk

1

2_

1

__

^

0

^^

)(

))((

γ

γρ

∑

∑

=

=−++

++

−

−= k

jjkj

k

jjkkjk

kk

1

^^

11

^^

1

^

1,1

^

1 ρφ

ρφρφ

dan

kjjkkkkkjjk ,...,1;1,

^

1,1

^^

,1

^=−= −++++ φφφφ

21

IDENTIFIKASI MODEL

Uji L-Jung BoxHipotesisnya sebagai berikut.

0...: 210 ==== kH ρρρ

H1 : Paling sedikit ada satu kjj ,...,2,1;0 =≠ρ

Statistik Uji:

2

1

^1)()2(

k

K

kknnnQ ∑

=

−−+= ρ

22

DIAGNOSTIC CHECKING

Uji Residual Berdistribusi NormalHipotesisnya sebagai berikut.

Statistik Uji:

)()(: 00 xFxFH =

)()(: 01 xFxFH ≠

|)()(| 0 xFxSSupD −=

23

DIAGNOSTIC CHECKING

Kriteria out sample yang dapat digunakan padapemilihan model terbaik yaitu sMAPE (SymmetricMean Absolute Percentage Error). Rumus sMPAEdidefinisikan sebagai berikut (Makridakis &Hibbon, 2000). sMAPE didefinisikan sebagaiberikut.

24

Kriteria Out-Sample

∑= +

−=

n

itt

tt

ZZ

ZZn

sMAPE1

^

^

2/)(

||1

AGENDA

PENDAHULUAN

TINJAUAN PUSTAKA




25

Data yang digunakan dalam penelitian iniadalah data bulanan total market sepedamotor dan jumlah penjualan sepeda motor "X"di Jawa Timur periode 2003-2013. Datadiperoleh dari PT. “Y”. Data dibagi menjadidua yaitu data in-sample periode Januari2003 sampai dengan Desember 2013 sertadata out-sample periode Januari 2014 sampaidengan Maret 2014.

26

SUMBER DATA

No. Variabel Keterangan

1. Total market sepeda motor

2. Total penjualan "X"

tZ ,1

27

tZ ,2

VARIABEL PENELITIAN


1. bulan sebelum Hari Raya Idul Fitri

2. bulan terjadinya Hari Raya Idul Fitri

3. bulan setelah Hari Raya Idul Fitri

4. bulan Januari sampai dengan Desember

5. t tren deterministik

6. Periode bulan Januari sampai denganDesember tahun 2011

7. Tren periode bulan Januari sampaidengan Desember tahun 2011

8. Periode bulan Januari sampai denganDesember tahun 2012-2013

9. Tren Periode bulan Januari sampaidengan Desember tahun 2012-2013

28

VARIABEL DUMMY

1−tV

tV1−tV

tt SS 12,....,1

1D

1tD

2D2tD

1. Melakukan analisis deskriptif, yaitumencari nilai rata-rata (mean),standart deviasi, maksimum sertaminimum dari data total market danpenjualan sepeda motor "X".

29

LANGKAH ANALISIS

2. Melakukan pemodelan dengan menggunakan modelSeasonal ARIMA. Langkah-langkahnya sebagai berikut.a. Melakukan identifikasi pola data dengan melihat time

series plot.b.Melakukan uji stasioneritas data dalam varians dan

mean. c.Membuat plot ACF dan PACF.d.Pendugaan awal model ARIMA berdasarkan diihat dari

plot ACF dan PACF.e.Penaksiran parameter. Parameter signifikan apabila

kurang dari alpha 5% .f.Pengujian residual, asumsi yang harus terpenuhi yaitu

white noise dan berdistribusi normal.g.Melakukan pembandingan model terbaik berdasarkan

nilai dari kebaikan model out-sample.h.Melakukan peramalan pada periode berikutnya.

30

LANGKAH ANALISIS

3. Melakukan pemodelan dengan model ARIMAX denganinput adalah variansi kalender. Langkah-langkahnyaadalah.a.Melakukan identifikasi pola data dengan melihat time

series plot.b.Menentukan variabel dummy untuk variansi kalenderc.Meregresikan variabel respon dengan variabel dummy.

Setelah itu melakukan eliminasi dari variabel dummyyang tidak signifikan secara backward, sehinggadiperoleh residual dari parameter yang sudah signifikan.

d.Penentuan orde residual diperoleh dari pengamatanterhadap plot ACF dan PACF.

e.Pengujian residual, asumsi yang harus terpenuhi yaituwhite noise dan berdistribusi normal.

f.Melakukan pembandingan model terbaik berdasarkannilai dari kebaikan model out-sample.

g.Melakukan peramalan pada periode berikutnya.

31

LANGKAH ANALISIS

AGENDA

PENDAHULUAN

TINJAUAN PUSTAKA




32

YearMonth

20132012201120102009200820072006200520042003JanJanJanJanJanJanJanJanJanJanJan

160000

140000

120000

100000

80000

60000

40000

20000

TOTA

L M

AR

KET

26 Nov 03 14 Nov 04 4 Nov 05 24 Oct 06 13 Oct 07 2 Oct 08 21 Sep 09 10 Sep 10 31 Aug 11 19 Aug 12 8 Aug 13Dec/2010 Dec/2011

33


Slide 52

34


YearMonth


100000

80000

60000

40000

20000

0

Hon

da

26 Nov 03 14 Nov 04 4 Nov 05 24 Oct 0613 Oct 07 2 Oct 08 21 Sep 09 10 Sep 10 31 Aug 11 19 Aug 12 8 Aug 13Dec/2010 Dec/2011

Slide 56

DESNOVOKTSEPAGUSTJULIJUNIMEIAPRMARFEBJAN

160000

140000

120000

100000

80000

60000

40000

20000

Dat

a

68272

35


DESNOVOKTSEPAGUSTJULIJUNIMEIAPRMARFEBJAN

100000

80000

60000

40000

20000

0

Dat

a

37815

36


Tahun Jumlah Rata-Rata St. Dev Min Maks.2003 416.194 34.683 7.287,77 23.203 46.0462004 561.747 46.812 7.888,42 34.087 61.8822005 650.710 54.226 7.732,81 42.006 69.5772006 602.595 50.216 12.009,32 37.458 72.6092007 636.302 53.025 6.931,90 43.792 63.9382008 789.828 65.819 10.051,45 51.738 85.4002009 979.497 81.625 13.352,87 64.481 101.5732010 1.173.314 97.776 12.841,29 76.349 119.0142011 989.390 82.449 7.862,24 69.110 98.6292012 945.087 78.757 13.645,20 60.179 112.9692013 1.267.274 105.606 17.181,75 89.440 152.751

37


TOTAL MARKET PER TAHUN

Bulan Jumlah Rata-Rata St. Dev Min Maks.Januari 661.812 60.165 20.938,25 29.342 94.850Februari 615.244 55.931 21.897,85 23.203 92.560Maret 673.067 61.188 23.575,31 26.197 94.199April 687.336 62.485 23.398,86 29.435 102.856Mei 726.913 66.083 23.377,84 30.429 106.839Juni 752.528 68.412 24.967,71 31.778 111.228Juli 854.495 77.681 34.115,22 36.097 152.751Agustus 850.216 77.292 26.036,26 38.043 117.887September 840.067 76.370 22.174,99 42.220 116.778Oktober 822.454 74.769 18.150,43 46.046 103.115November 739.131 67.194 17.835,71 41.896 98.403Desember 788.675 71.698 28.041,47 41.508 119.014

38


TOTAL MARKET PER BULAN

Tahun Total "X" Total Market

Market Share (%)

2003 210.873 416.194 50,672004 276.790 561.747 49,272005 325.220 650.710 49,982006 317.919 602.595 52,762007 301.936 636.302 47,452008 395.941 789.828 50,132009 461.092 979.497 47,072010 602.374 1.173.314 51,342011 618.283 989.390 62,492012 630.516 945.087 66,722013 850.667 1.267.274 67,13

39


MARKET SHARE "X"

40


TOTAL "X" PER TAHUN

Tahun Jumlah Rata-Rata

St. Dev Min Maks.

2003 210.873 17.573 3.330,59 11.739 22.2242004 276.790 23.066 4.257,19 15.646 30.9912005 325.220 27.102 3.984,37 21.396 33.9702006 317.919 26.493 7.921,11 19.518 42.6502007 301.936 25.161 4.087,56 18.795 32.9282008 395.941 32.995 6.835,02 24.390 47.3542009 461.092 38.424 6.945,26 30.096 49.8642010 602.374 50.198 7.571,69 37.073 64.6552011 618.283 51.524 5.498,50 40.121 60.8412012 630.516 52.543 9.013,62 38.637 74.8622013 850.667 70.889 11.599,07 59.928 102.719

41


TOTAL "X" PER BULAN

Bulan Jumlah Rata-Rata St. Dev Min Maks.Januari 368.367 33.488 13.618,44 15.602 59.928Februari 338.661 30.787 15.771,62 11.739 61.700Maret 368.534 33.503 16.370,24 14.044 62.357April 371.335 33.758 16.266,07 15.476 67.402Mei 396.041 36.004 17.212,51 15.802 70.436Juni 408.502 37.137 18.244,60 15.805 74.032Juli 475.431 43.221 24.600,89 18.101 102.719Agustus 465.640 42.331 17.207,09 19.058 72.812September 470.516 42.774 16.959,91 21.089 78.590Oktober 465.113 42.283 14.153,32 22.224 71.508November 416.165 37.833 14.239,03 21.826 68.088Desember 447.306 40.664 20.107,99 20.107 74.862

42

PEMODELAN

ARIMA TOTAL MARKET

5.02.50.0-2.5-5.0

35000

30000

25000

20000

15000

10000

5000

Lambda

StD

ev

Lower CL Upper CL

Limit

Estimate -0.33

Lower CL -0.72Upper CL 0.09

Rounded Value -0.50

(using 95.0% confidence)

Lambda

5.02.50.0-2.5-5.0

0.00034

0.00032

0.00030

0.00028

0.00026

0.00024

0.00022

0.00020

Lambda

StD

ev

Lower CL Upper CL

Limit

Estimate 0.66


Rounded Value 0.50


Lambda

43

PEMODELAN

ARIMA TOTAL MARKET

302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

PLOT ACF PLOT PACF

302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

44

PEMODELAN

ARIMA TOTAL MARKET


1. ARIMA(1,1,0)(1,0,0)12 Residual white noisedan berdistribusi normal

45

PEMODELAN

ARIMA TOTAL MARKET

1009080706050403020101

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

12 24 36 48

1009080706050403020101

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

LagPa

rtia

l Aut

ocor

rela

tion

12 24 36 48

PLOT ACF PLOT PACF

46

PEMODELAN

ARIMA TOTAL MARKET




47

PEMODELAN

ARIMA TOTAL "X"

5.02.50.0-2.5-5.0

40000

30000

20000

10000

0

Lambda

StD

ev

Lower CL Upper CL

Limit

Estimate -0.14


Rounded Value 0.00


Lambda

5.02.50.0-2.5-5.0

0.0504

0.0502

0.0500

0.0498

0.0496

0.0494

0.0492

0.0490

LambdaSt

Dev

Lower CL Upper CL

Limit

Estimate -0.47


Rounded Value -0.50


Lambda

48

PEMODELAN

ARIMA TOTAL "X"

PLOT ACF PLOT PACF

302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

49

PEMODELAN

ARIMA TOTAL "X"


1. ARIMA([1,8],1,0) (1,0,0)12 Residual white noisedan berdistribusi normal

2. ARIMA(0,1,[1,8])(0,0,1)12 Residual white noisedan berdistribusi normal

50

PEMODELAN

ARIMA TOTAL "X"

PLOT ACF PLOT PACF

1009080706050403020101

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

12 24 36 48

1009080706050403020101

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

12 24 36 48

51

PEMODELAN

ARIMA TOTAL "X"


1. ARIMA([1,13],1,0)(1,1,0)12 Residual white noisedan berdistribusi normal


Model ARIMAX deterministik adalah

52

PEMODELAN

ARIMAX TOTAL MARKET

ttttt

ttttttt

tttt

SSSSSSSSSSSStDtDDDVVVtZ

,1212,1111,1010,99,88

,77,66,55,44,33,22,11

24132211132111

βββββ

βββββββγγγγαααδ

+++++

++++++++++++++= +−

Slide 33

Parameter Estimasi653,5429312.949,6

-155.684,1-130,91472

1.164,225.417,620.330,824.734,225.178

27.922,629.398

34.282,734.217,631.264,428.809,923.913,527.564,2

1δ1α 2α3α1γ 2γ 3γ 4γ 1β 2β3β 4β5β 6β 7β8β 9β 10β11β

1δ1α2γ

3γ4γ1β2β3β4β

6β5β

8β7β

9β

11β10β

12β

PEMODELAN

Uji asumsi White NoiseP-value: <0,0001

53

54

PEMODELAN

PLOT ACF PLOT PACF

ARIMAX TOTAL MARKET

1009080706050403020101

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

1009080706050403020101

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

Model yang sesuai yaituARIMA

o Persamaan model yang terbentuk yaitu

55

PEMODELAN

ARIMAX TOTAL MARKET

121110987654321211 ,,,,,,,,,,,,,,([1],0,0), ββββββββββββγαδ

t

tttt

ttttt

ttttt

aB

II

ISSSSSSSSS

SSSDVtZ

)75739,01(16,590.401,083.44

8,156.363,272.243,996.276,237.347,402.363,529.386,591.359,089.329,370.308,394.27

8,733.26131.226,040.273,224.156,902.643156,594

12096

127,12,11,10,9

,8,7,6,5,4

,3,2,121

−+++

+++++

+++++

+++−+= −

Parameter Estimasi344,40922

6740,3-103.542,8913.0606112.213,69.002,711.208

10.952,212.687,813.310,217.046

16.258,215.578,214.576,711.454,713.775,3

1δ1α2γ

4γ1β2β3β4β

6β5β

8β7β

9β

11β10β

12β

PEMODELAN

Uji asumsi White NoiseP-value: <0,0001

56

ARIMAX TOTAL "X"

Slide 34

57

PEMODELAN

PLOT ACF PLOT PACF

ARIMAX TOTAL "X"

1009080706050403020101

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

1009080706050403020101

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

Model yang sesuai yaituARIMA

o Persamaan model yang terbentuk yaitu

58

PEMODELAN

TOTAL "X"

1211109876543214211 ,,,,,,,,,,,,,,,0),([1,14],0, ββββββββββββγγαδ

tt

ttttt

ttttt

ttt

aBB

IIS

SSSSSSSSSSStDDVtZ

)24457,049327,01(10,193.177,632.251,721.13

9,086.135,889.168,965.178,216.188,820.161,401.145,614.132,849.112,937.116,839.9

6,510.1214393,8323,868.967,625.396636,341

1496127,12

,11,10,9,8,7

,6,5,4,3,2

,1221

−−++++

+++++

+++++

++−+= −

59

KEBAIKAN MODEL

TOTAL MARKET

Model Out-Sample(Nilai sMAPE)

ARIMA(1,1,0)(1,0,0)12 12,8697%ARIMA(1,1,0)(1,1,0)12 11,4259%ARIMA(0,1,1)(0,1,1)12 3,5314%

ARIMAX 11,5623%

60

KEBAIKAN MODEL

RAMALAN 2014

Bulan Ramalan Batas Bawah Batas AtasJanuari 81.622 60.062 103.182Februari 81.886 60.326 103.446Maret 86.949 65.389 108.510April 83.029 61.468 104.589Mei 88.889 67.328 110.449Juni 92.428 70.867 113.988Juli 109.029 87.469 130.590Agustus 95.353 73.793 116.913September 95.397 73.836 116.957Oktober 88.673 67.113 110.233November 79.865 58.305 101.425Desember 97.188 75.628 118.748

61

KEBAIKAN MODEL

PLOT

YearMonth


160000

140000

120000

100000

80000

60000

40000

20000

Dat

a

DATARAMALAN

Variable

YearMonth

2014DecNovOctSepAugJulJunMayAprMarFebJan

200000

175000

150000

125000

100000

75000

50000

Dat

a

OUTSAMPLERAMALANBATAS BAWAHBATAS ATAS

Variable

62

KEBAIKAN MODEL

TOTAL "X"

Model Out-Sample(Nilai sMAPE)

ARIMA([1,8],1,0)(1,0,0)12 8,8339%ARIMA(0,1, [1,8])(0,0,1)12 9,0026%ARIMA([1,13],1,0)(1,1,0)12 3,2002%ARIMA(0,1,1)(0,1,1)12 9,9516%

ARIMAX 19,97129%

63

KEBAIKAN MODEL

RAMALAN 2014

Bulan Ramalan Batas Bawah Batas AtasJanuari 54629 40346 68913Februari 54626 40343 68909Maret 59578 45294 73861April 56998 42715 71282Mei 60773 46489 75056Juni 65684 51400 79967Juli 76010 61727 90294Agustus 56887 42604 71170September 65274 50991 79557Oktober 57292 43009 71576November 50470 36187 64753Desember 67847 53564 82131

64

KEBAIKAN MODEL

PLOT

YearMonth


100000

80000

60000

40000

20000

0

Dat

a

DATARAMALAN

Variable

YearMonth

2014DecNovOctSepAugJulJunMayAprMarFebJan

140000

120000

100000

80000

60000

40000

20000

Dat

a

OUTSAMPLERAMALAN2BATAS BAWAHBATAS ATAS

Variable

Hasil dari analisis dan pembahasan dapatdisimpulkan beberapa poin sebagai berikut.

1. Penjualan sepeda motor, baik total market maupunpenjualan sepeda motor merek "X" di Jawa Timurterus mengalami kenaikan tiap tahunnya. Satu bulansebelum Hari Raya Idul Fitri, penjualan sepeda motorcenderung mengalami peningkatan yang signifikan.Selain itu, pada bulan-bulan tertentu cenderungmengalami peningkatan penjualan yang cukuptinggi. Pada total market sepeda motor, penjualan diatas rata-rata, yaitu terjadi pada bulan Juli, Agustus,September, dan Oktober. Sedangkan pada total "X",pada bulan yang sama, yaitu Juli, Agustus,September, dan Oktober juga mengalami penjualanyang tinggi di atas rata-rata.

65

KESIMPULAN

2.Hasil pemodelan dengan ARIMAX diketahui bahwavariabel-variabel yang mempengaruhi sebagaiberikut.A. Pada penjualan sepeda motor total market

diperoleh variabel-variabel yang mempengaruhiyaitu variabel tren, bulan sebelum Hari Raya IdulFitri, periode 2 (dua), serta bulan Januari sampaidengan Desember.

B. Pada penjualan total sepeda motor "X" diperolehvariabel-variabel yang mempengaruhi yaituvariabel tren, bulan sebelum Hari Raya Idul Fitri,periode 2 (dua), tren periode 2(dua), serta bulanJanuari sampai dengan Desember.

66

KESIMPULAN

3.Hasil identifikasi berdasarkan kriteria kebaikan model yangtelah memenuhi white noise dan berdistribusi normalterhadap variabel total market dan total "X" sepeda motordi Jawa Timur sebagai berikut.

A. Pada penjualan sepeda motor total market diperolehnilai peramalan total pada tahun 2014 sebesar 1.080.308unit sepeda motor. Nilai peramalan pada tahun 2014sebesar 1.080.308 lebih rendah dibandingkan tahun 2013sebesar 1.264.274 unit. Sedangkan penjualan tertinggisepeda motor terjadi pada bulan Juli dan Desember,diperkirakan penjualan pada bulan Juli mencapai 109.029unit sepeda motor dan pada bulan Desember mencapai97.188 unit sepeda motor.

67

KESIMPULAN

B. Pada penjualan sepeda motor total "X"diperoleh peramalan total penjualan sepedamotor "X" pada tahun 2014 sebesar 726.069.Hasil peramalan pada tahun 2014 sebesar726.069 unit lebih rendah dibandingkan tahun2013 sebesar 850.667. Sedangkan penjualantertinggi sepeda motor merek "X" terjadi padabulan Juli dan Desember, diperkirakanpenjualan pada bulan Juli mencapai 76.010unit sepeda motor dan pada bulan Desembermencapai 67.847 unit sepeda motor.

68

KESIMPULAN

Data penjualan sepeda motor total marketdan sepeda motor "X" di Jawa Timur memilikikorelasi yang tinggi, sehingga pada penelitianselanjutnya dapat menggunakan metodeperamalan secara multivariate. Selain itu,apabila menggunakan metode peramalanSeasonal ARIMA dibandingkan denganmenggunakan 3 (tiga) model data, yaitu datasubset, additive, dan multiplicative.

69

SARAN

Aswi & Sukarna. (2006). Analisis Deret Waktu. Makassar: AndiraPublisher.

Cryer, J.D., & Chan, K.S. (2008). Time Series Analysis (2nd ed.).New York: Springer Science & Business Media.

Hurvich, C.M. & Tsai, C. (1991). A Corrected Akaike InformationCriterion for Vector Autoregressive Model Selection. Journal ofTime Series Analysis, 14(3), 271-279.

Investor Daily. (2013). Meningkat Jualan Motor "X" di Jatim danNTT. Diakses pada tanggal 5 Februari 2014 di www.bisnis.investor.co.id.

Kartikasari,P. & Suhartono. (2013). Prediksi Penjualan diPerusahaan Ritel dengan Metode Peramalan HirarkiBerdasarkan Model Variasi Kalender. Jurnal Sains dan SeniPOMITS, 2(1), 54-59.

Lee, M.h., Suhartono, & Hamzah, N.A. (2010). Calendar VariationModel Based On Arimax for Forecasting Sales Data withRamadhan Effect. Proceedings of the Regional Conference onStatitical Sciences: 349-361.

70

DAFTAR PUSTAKA

Liputan 6. (2013). Jualan Sepeda Motor Paling laris di JawaTimur. Diakses pada tanggal 5 Februari 2014 di www.bisnis.liputan6.com.

Makridakis, S. & Hibbon, M. (2000). The M3-Competition: Results,Conclusions and Implications. International Journal ofForecasting, 16, 451-476.

Nursita, L. (2010). Analisis Peramalan Penjualan Sepeda Motor DiMitra Pinasthika Mustika (MPM) "X" Motor dengan PendekatanArima Box-Jenkins. Tugas akhir S1 yang tidak dipublikasikan,Jurusan Statistika, Institut Teknologi Sepuluh Nopember.

Sukarto, H. (2006). Transportasi Perkotaan dan Lingkungan.Jurnal Teknik Sipil 2(3), 93-99.

Tarigan, F. & Saputra, E. (2013). Analisis Pertumbuhan ModaTransportasi dan Infrastruktur Jalan di Kabupaten Sleman danKota Yogyakarta Tahun 2000-2010. Jurnal Bumi Indonesia, 2(2).

71

DAFTAR PUSTAKA

Teresia, A. (2014). Apa Penyebab Pasar Bebek Menciut?.Diakses pada tanggal 31 Maret 2014 dihttp://www.tempo.co/read/news/2014/03/02/171558681/Apa-Penye- bab-Pasar-Motor-Bebek-Menciut-.

Walpole, R.e. (1995). Pengantar Metode Statistika. Edisi Ketiga.Jakarta: Gramedia Pustaka Utama

Wahyuni, D.U. (2008). Pengaruh Motivasi, Persepsi dan SikapKonsumen Terhadap Keputusan Pembelian Sepeda MotorMerek "X" di Kawasan Surabaya Barat. Jurnal Manajemen danKewirausahaan, 10(1), 30-37.

Wei, W.W.S. (2006). Time Series Analysis Univariate andMultivariate Methods. New York: Pearson Education, Inc.

72

DAFTAR PUSTAKA

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor "X" Di Propinsi Jawa

Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX

Oleh: Novita Dwi R.(131010027)

73

Dosen Pembimbing: Dr. Setiawan, M.Si

dan arimax - digilib.its.ac.id · motor mpm jenis. cub. supra 126 cc di kawasan waru, sidoarjo...

Documents