Anda di halaman 1dari 9

Tugas Analisis Runtun Waktu

Disusun oleh:

Mella Apriliani (3125120211)


Sharah Annisa (3125121986)

PROGRAM STUDI MATEMATIKA


JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI JAKARTA
2015

Data Besar Jumlah Pemakaian Listrik di Kota Bandung dan Banten pada Bulan
Januari 2003 Februari 2009
(Sumber : PLN Distribusi Jawa Barat dan Banten)
Bulan
ke1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

Besar Pemakaian Listrik


(Juta Kwh)
234.418
239.608
241.279
255.864
246.843
254.603
261.657
266.787
268.296
265.864
265.595
255.341
244.328
264.007
251.591
257.364
266.021
265.547
262.225
263.954
271.681
267.474
262.378
256.695
269.190
252.443
244.847
270.076
259.303
272.313
269.630
272.968
268.499
264.012
248.468
257.153
262.361

Bulan
ke38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74

Besar Pemakaian Listrik


(Juta Kwh)
253.221
263.481
258.770
254.363
260.901
266.878
272.169
269.812
273.850
262.719
278.563
276.111
270.293
246.616
269.030
264.519
269.839
268.046
275.680
268.594
265.703
257.883
276.718
277.103
278.913
265.956
272.257
274.499
275.006
269.655
278.597
277.081
261.169
263.022
267.889
272.120
274.200

Lakukan simulasi model IMA (1,1). Hitung ACF dan PACF, lalu gambar grafiknya (Theta>1)

Plot Data Besar Jumlah Pemakaian Listrik di Kota Bandung dan Banten

Perhitungan ACF menggunakan software Minitab


Autocorrelation Function: Besar Pemakaian Listrik
Lag
ACF
T
LBQ
1
0.493412
4.24 18.76
2
0.347652
2.45 28.20
3
0.219842
1.44 32.03
4
0.216178
1.38 35.78
5
0.049566
0.31 35.98
6
0.063207
0.39 36.31
7
0.065786
0.41 36.67
8
0.136096
0.84 38.25
9
0.094425
0.58 39.02
10
0.133360
0.81 40.59
11
0.275534
1.66 47.36
12
0.335302
1.95 57.56
13
0.176639
0.98 60.44
14
0.193709
1.06 63.96
15
0.032494
0.18 64.06
16
0.086577
0.47 64.78
17 -0.011113 -0.06 64.80
18 -0.010120 -0.05 64.81
19 -0.043165 -0.23 65.00

Grafik Auto Correlation Function (ACF) dari Besar Pemakaian Listrik

Perhitungan PACF menggunakan software Minitab


Partial Autocorrelation Function: Besar Pemakaian Listrik
Lag
PACF
T
1
0.493412
4.24
2
0.137727
1.18
3
0.005356
0.05
4
0.098462
0.85
5 -0.142706 -1.23
6
0.049353
0.42
7
0.049065
0.42
8
0.099152
0.85
9
0.004072
0.04
10
0.051049
0.44
11
0.238176
2.05
12
0.129819
1.12
13 -0.130843 -1.13
14
0.070493
0.61
15 -0.207685 -1.79
16
0.113934
0.98
17 -0.033099 -0.28
18 -0.065620 -0.56
19 -0.009369 -0.08

Grafik Partial Auto Correlation Function (PACF) dari Besar Pemakaian Listrik

Menguji Stasioner Data

Berdasarkan sketsa ketiga

grafik di atas, dapat disimpulkan bahwa

runtun waktu untuk data Jumlah Pemakaian Listrik bulanan merupakan runtun
waktu yang stasioner karena memenuhi ciri berikut :
1) Plot data berpluktuasi (tidak ada trend untuk selang yang cukup
lebar).

2) Nilai ACF turun secara eksponensial atau terputus setelah lag ke-1.
3) Nilai PACF turun secara eksponensial atau terputus setelah lag ke-1.
Karena runtun waktu untuk data Jumlah Pemakaian Listrik bulanan sudah
stasioner, maka dapat dilakukan identifikasi model.
Model ARIMA (0,1,1) atau IMA (1,1) dengan < 1 ( = 0.05)
ARIMA Model: Besar Pemakaian Listrik
Estimates at each iteration
Iteration
0 5908.91
1 5436.11
2 5141.18
3 5019.45
4 5000.16
5 4994.42
6 4992.25
7 4991.32
8 4990.89
9 4990.69
10 4990.59
11 4990.54
12 4990.51
13 4990.50
14 4990.50
15 4990.49

SSE
0.100
0.250
0.400
0.521
0.563
0.584
0.596
0.604
0.609
0.613
0.616
0.617
0.619
0.620
0.620
0.621

Parameters
0.645
0.574
0.519
0.474
0.452
0.442
0.435
0.431
0.429
0.427
0.426
0.425
0.424
0.424
0.423
0.423

Relative change in each estimate less than 0.0010


Final Estimates of Parameters
Type
MA
1
Constant

Coef
0.6209
0.4230

SECoef
0.0927
0.3734

T
6.70
1.13

P
0.000
0.261

Differencing: 1 regular difference


Number of observations: Original series 74, after differencing 73
Residuals:
SS = 4947.36 (backforecasts excluded)
MS = 69.68 DF = 71

Modified Box-Pierce (Ljung-Box) Chi-Square statistic


Lag
Chi-Square
DF
P-Value

12
14.6
10
0.147

24
25.9
22
0.256

36
35.7
34
0.388

48
42.2
46
0.633

Grafik Residual ACF MA(1,1)

Grafik Residual PACF MA(1,1)

Selanjutnya akan dilakukan verifikasi terhadap model ARIMA (0,1,1)


di atas. Adapun langkah yang dilakukan adalah sebagai berikut:
Keberartian koefisien
Hipotesis yang harus diuji adalah:
H0 : koefisien tidak berbeda secara signifikan dengan nol.
H1 : koefisien berbeda secara signifikan dengan nol.

Karena

||=|0,6209|> 2|0,0927|=0,1854 , maka

H0

ditolak. Jadi, koefisien

berbeda secara signifikan terhadap model.


Karena koefisien tidak berbeda secara signifikan terhadap model, maka model ARIMA
(0,1,1) ini sesuai.
Peramalan Besar Jumlah Pemakaian Listrik di Kota Bandung dan Banten selama 1
Tahun ke Depan
Forecasts from period 74
Period
75
76
77
78
79
80
81
82
83
84
85
86

Forecast
272.277
272.700
273.123
273.546
273.969
274.393
274.816
275.239
275.662
276.085
276.508
276.931

95% Limits
Lower
Upper
255.913 288.642
255.200 290.201
254.556 291.691
253.970 293.123
253.434 294.505
252.940 295.845
252.484 297.147
252.062 298.415
251.669 299.654
251.303 300.866
250.962 302.054
250.642 303.219

Actual

Plot Data Ramalan Besar Jumlah Pemakaian Listrik di Kota Bandung dan Banten
Time Series Plot for ramalan Besar Pemakaian Listrik selama 1 tahun
(with forecasts and their 95% confidence limits)
310000

besar pemakaian listrik

300000
290000
280000
270000
260000
250000
240000
230000
1

10

20

30

40
50
Time

60

70

80

Berdasarkan hasil peramalan untuk 1 tahun kedepan atau 12 bulan dengan model ARIMA
(0,1,1) dapat dilihat besar jumlah pemakaian listrik di Kota Bandung dan Banten berada pada
kisaran antara 272,277 (pada saat bulan ke-75) sampai 276,931 (pada saat bulan ke-86). Data
ramalan tersebut bersifat relatif naik setiap bulannya. Hal ini sesuai dengan pola data asli
jumlah pemakaian listrik di kota Bandung dan Banten yang cenderung meningkat pada tiap
bulannya.