Model ARIMA Musiman dengan Outlier untuk Peramalan Penumpang Pesawat Tujuan Domestik dari Bandara Soekarno Hatta di Masa Pandemi Covid-19

Article Sidebar

PDF (Indonesian)
Published: 2021-09-22
DOI: https://doi.org/10.25104/wa.v47i1.409.17-26
Keywords:
ARIMA, Pencilan, Penumpang, Peramalan Pesawat Terbang

Main Article Content

Siti Puji Utami
Badan Pengawas Obat dan Makanan
Gama Putra Danu Sohibien
Politkenik Statistika STIS

Abstract

Pemodelan deret waktu sangat rentan akibat adanya data outlier. Kehadiran data outlier bisa menyebabkan tidak terpenuhinya asumsi error berdistribusi normal. Penelitian ini bertujuan untuk mengaplikasikan ARIMA musiman dengan outlier untuk peramalan penumpang pesawat terbang domestik dari Bandara Soekarno-Hatta di masa pandemi Covid-19. Model yang terbentuk bermanfaat untuk meramal jumlah penumpang pesawat terbang ke depannya. Hasil penelitian didapatkan bahwa model ARIMA (0,1,1)(0,1,0)12 dengan variabel outlier terpilih karena sudah memenuhi asumsi white noise dan dapat mengatasi masalah pelanggaran asumsi error berdistribusi normal yang terjadi pada ARIMA biasa. Peramalan penumpang pesawat terbang domestik dari Bandara Soekarno Hatta pada bulan Juni 2021 adalah 858.112 dan Desember 2021 adalah 792.124

Downloads

Download data is not yet available.

Article Details

Issue

Vol. 47 No. 1 (2021)

Section

Article
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

References

Ahmar, dkk. (2018). Modeling Data Containing Outlier using ARIMA Additive Outlier (ARIMA-AO). IOP Conf. Series: Journal of Physics: Conf. Series 954 (2018) 012010

Data Penumpang Pesawat Terbang Domestik dari Bandara Soekarno Hatta

(https://www.bps.go.id/indicator/52/289/1/-seri-2010-distribusi-pdrb-terhadap-jumlah-pdrb-34-provinsi-atas-dasar-harga-berlaku-menurut-provinsi.html, diakses tanggal 5November 2020)

Durrah,dkk. (2018). Peramalan Jumlah Penumpang Pesawat Di Bandara Sultan Iskandar Muda Dengan Metode SARIMA (Seasonal Autoregressive Integrated Moving Average). Journal of Data Analysis, Vol.1, No.1, Juni 2018, p.01-11

Hayoto, dkk. (2019). Peramalan Jumlah Penumpang Peswat Terbang di Pintu Kedatangan Bandar Udara Internasional Pattimura Ambon dengan menggunakan Metode ARIMA Box-Jenkins. Barekeng, Vol 13. No.3, P135-144.

Kurniawan, Robert & Sohibien, Gama & Rahani, Rini. (2019). Cara Mudah Belajar Statistik: Analisis Data dan Eksplorasi, Prenada Media Group

Ruamianan,dkk. (2018). Aplikasi Forecasting Jumlah Frekuensi Penumpang Pesawat Terbang Lion Air pada Bandar Udara Halu Oleo dengan Menggunakan Metode Least Square. Semantik, Vol.4, No.1, pp 151-160.

Saki,dkk (2018). Forecasting U.S. Textile Comparative Advantage Using Autoregressive Integrated Moving Average Models and Time Series Outlier Analysis. JSM 2018-Business and Economic Statistics Section, p 1996-2006.

Sohibien, G. P. D. (2018, September). Analysis of the effect of fuel price policy on Jakarta inflation by using multi-input intervention model. In AIP Conference Proceedings (Vol. 2014, No. 1, p. 020125). AIP Publishing LLC.

Wei, W.W.S.(2006), Time Series Analysis, Addison-W esley Publishing Company, Inc, United States