PERAMALAN TINGKAT EKSPOR INDONESIA MENGGUNAKAN

TIME SERIES ANALISIS DENGAN MODEL ARIMA

MAKALAH

OLEH :

Galang Eka Firmansyah 150810201025

Ghaida Inas Pranoto 150810201030
Masruro Alintiana 150810201040

TEKNIK PROYEKSI BISNIS KELAS E

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS JEMBER

2018
 PRAKATA

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena
dengan rahmat, karunia, dan taufik serta hidayah-Nya kami dapat menyelesaikan
makalah tentang Peramalan Tingkat Ekspor Indonesia Menggunakan Time Series
Analisis Dengan Model Arima ini dengan baik meskipun banyak kekurangan
didalamnya. Dan juga kami berterima kasih kepada dosen pengampuh mata kuliah
Teknik proyeksi bisnis yang telah memberikan tugas ini kepada kami.
Kami sangat berharap makalah ini dapat berguna dalam rangka menambah
wawasan serta pengetahuan kita mengenai time series anlisis model ARIMA.
Kami juga menyadari sepenuhnya bahwa di dalam makalah ini terdapat
kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kami berharap adanya
kritik, saran dan usulan demi perbaikan makalah yang telah kami buat di masa
yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa adanya saran
yang membangun.
Semoga makalah sederhana ini dapat dipahami bagi siapapun yang
membacanya. Sekiranya laporan yang telah disusun ini dapat berguna bagi kami
sendiri maupun orang yang membacanya. Sebelumnya kami mohon maaf apabila
terdapat kesalahan kata-kata yang kurang berkenan dan kami memohon kritik dan
saran yang membangun demi perbaikan di masa depan.

Jember, 30 April 2018

Anggota Kelompok 2

2
 BAB 1. PENDAHULUAN

1.1 Latar Belakang

Setiap Negara memiliki kekayaan alam atau sumber daya alam yang
berbeda beda satu sama lain, oleh karena itu dibutuhkan komoditi yang tidak
tersedia antara Negara satu dengan Negara yang lain. Dengan adanya komoditi
tersebut akan terjadi perdagangan atau pertukaran komoditi antara Negara satu
dengan yang lain. Terjadilah kegiatan ekspor dan impor tiap Negara.
Terbatasnya persediaan di suatu Negara juga menjadi salah satu alasan
terjadinya kegiatan ekspor impor.
Pengutamaan ekspor bagi Indonesia sudah digalakkan sejak tahun 1983.
Sejak saat itu, ekspor menjadi perhatian dalam memacu pertumbuhan ekonomi
seiring dengan berubahnya strategi industrialisasi dari penekanan pada
industry substitusi impor ke industry promosi ekspor. Konsumen dalam negeri
membeli barang impor atau konsumen luar negeri membeli barang domestic,
menjadi suatu yang sangat lazim. Persaingan tajam antar berbagai produk.
Selain harga, kualitas atau mutu barang menjadi factor penentu daya saing
suatu produk.
Kementerian perdagangan selalu melakukan pembukuan dan evaluasi
proyeksi laju kegiatan ekspor Indonesia. Proyeksi ini dilakukan dengan
sejumlah model dan sejumlah informasi yang mampu menggambarkan kondisi
laju ekspor kedepan. Proyeksi laju inflasi kedepan dapat juga dilakukan
dengan menggunakan model peramalan time-series. Dalam peramalan time-
series dapat diketahui bagaimana proses suatu estimasi dan hasil dari
peramalan dapat diperoleh dengan baik. Untuk itu, dalam analisis ini
dibutuhkan berbagai macam informasi atau data yang cukup banyak dan
diamati dalam periode waktu yang relative cukup panjang.
Untuk mendapatkan informasi-informasi yang dibutuhkan mengenai laju
ekspor impor tersebut metode yang digunakan adalah Autoregressive
Integrated Moving Average (ARIMA). Karena ARIMA merupakan suatu

3
 statistic yang cocok digunakan untuk meramal sejumlah variable secara tepat,
sederana, murah dan akurat karena hanya membutuhkan data variable yang
akan diramal. Metode ARIMA menggunakan pendekatan iterative dalam
identifikasi terhadap suatu model yang ada. Model yang dipilih diuji lagi
dengan data masa lampau, untuk melihat apakah model tersebut
meggambarkan keadaaa data secara akurat atau tidak.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan, terdapat rumusan masalah

diantaranya :

1.2.1 Bagaimana cara melakukan peramalan mengenai laju ekspor di

Indonesia menggunakan time-series analisis dengan model ARIMA?

1.3. Tujuan

Berdasarkan rumusan masalah yang telah dijelaskan terdapat tujuan yakni :

1.3.1 Untuk mengetahui prediksi mengenai pergerakan laju ekspor di

Indonesia dengan menggunakan time-series analisis dengan mode
ARIMA

1.4 Manfaat

Dapat bermanfaat sebagai sumber referensi bagi mahasiswa dan khalayak

umum makalah terkait dengan materi Peramalan Tingkat Ekspor Indonesia
Menggunakan Time Series Analisis Dengan Model Arima

4
 BAB 2. PEMBAHASAN

Didalam melakukan peramalan jumlah ekspor di Indonesia digunakan

metode analisis deskriptif dan kuantitatif. Metode analisis deskriptif digunakan
untuk menjelaskan dan menggambarkan tingkat inflasi yang terjadi di Indonesia
secara umum. Analisis deskriptif menggunakan metode pertumbuhan dengan
tujuan untuk menganalisis apakah tingkat ekspor di Indonesia mengalami
kenaikan atau penurunan.
Analisis kuantitatif digunakan untuk meramalkan tingkat ekspor di
indonesia pada tahun-tahun selanjutnya. Analisis kuantitatif menggunakan model
ARIMA akan dijelaskan pada bab selanjutnya.
Autoregressive integrated moving average (ARIMA) sering juga disebut
metode runtun waktu. Untuk peramalan dan prediksi jangka pendek, ARIMA
mempunya validitas dan ketepatan yang sangat baik, namun kekurangan ARIMA
adalah tidak cocok untuk peramalan jangka panjang karena validitasnya kurang
baik dan cenderung datar (flat) dan konstan.
Model Arima dibagi ke dalam 3 kelompok yaitu model autoregressive
(AR), moving Average (MA), dan model campuran ARIMA (autoregressive
moving regressive) yang mempunyai karakteristik dari dua model pertama (Sena
dan Nagwani, 2015)
Studi kasus dilakukan terhadap laju pergerakan kegiatan ekspor di
Indonesia. Data yang digunakan merupakan data bulanan dari Januari tahun 2009-
Desember 2017. Berikut adalah data tingkat ekspor Indonesia tahun 2009-2017
Tanggal Yt yt-1
1 Jan-09 7,280
2 Feb-09 7,134 7,280
3 Mar-09 8,615 7,134
4 Apr-09 8,454 8,615
5 May-09 9,209 8,454
6 Jun-09 9,382 9,209
7 Jul-09 9,684 9,382
8 Aug-09 10,544 9,684
9 Sep-09 9,843 10,544
10 Oct-09 12,243 9,843

5
11 Nov-09 10,775 12,243
12 Dec-09 13,348 10,775
13 Jan-10 11,596 13,348
14 Feb-10 11,166 11,596
15 Mar-10 12,774 11,166
16 Apr-10 12,035 12,774
17 May-10 12,619 12,035
18 Jun-10 12,330 12,619
19 Jul-10 12,487 12,330
20 Aug-10 13,727 12,487
21 Sep-10 12,182 13,727
22 Oct-10 14,400 12,182
23 Nov-10 15,633 14,400
24 Dec-10 16,830 15,633
25 Jan-11 14,606 16,830
26 Feb-11 14,415 14,606
27 Mar-11 16,366 14,415
28 Apr-11 16,554 16,366
29 May-11 18,287 16,554
30 Jun-11 18,387 18,287
31 Jul-11 17,419 18,387
32 Aug-11 18,648 17,419
33 Sep-11 17,543 18,648
34 Oct-11 16,958 17,543
35 Nov-11 17,236 16,958
36 Dec-11 17,078 17,236
37 Jan-12 15,568 17,078
38 Feb-12 15,695 15,568
39 Mar-12 17,252 15,695
40 Apr-12 16,173 17,252
41 May-12 16,830 16,173
42 Jun-12 15,442 16,830
43 Jul-12 16,085 15,442
44 Aug-12 14,047 16,085
45 Sep-12 15,898 14,047
46 Oct-12 15,320 15,898
47 Nov-12 16,317 15,320
48 Dec-12 15,394 16,317
49 Jan-13 15,376 15,394
50 Feb-13 15,016 15,376
51 Mar-13 15,025 15,016
52 Apr-13 14,761 15,025
53 May-13 16,133 14,761

6
54 Jun-13 14,759 16,133
55 Jul-13 15,088 14,759
56 Aug-13 13,084 15,088
57 Sep-13 14,707 13,084
58 Oct-13 15,698 14,707
59 Nov-13 15,939 15,698
60 Dec-13 16,968 15,939
61 Jan-14 14,472 16,968
62 Feb-14 14,634 14,472
63 Mar-14 15,193 14,634
64 Apr-14 14,293 15,193
65 May-14 14,824 14,293
66 Jun-14 15,410 14,824
67 Jul-14 14,124 15,410
68 Aug-14 14,482 14,124
69 Sep-14 15,276 14,482
70 Oct-14 15,293 15,276
71 Nov-14 13,545 15,293
72 Dec-14 14,436 13,545
73 Jan-15 13,245 14,436
74 Feb-15 12,173 13,245
75 Mar-15 13,634 12,173
76 Apr-15 13,105 13,634
77 May-15 12,755 13,105
78 Jun-15 13,514 12,755
79 Jul-15 11,466 13,514
80 Aug-15 12,726 11,466
81 Sep-15 12,588 12,726
82 Oct-15 12,122 12,588
83 Nov-15 11,122 12,122
84 Dec-15 11,917 11,122
85 Jan-16 10,582 11,917
86 Feb-16 11,317 10,582
87 Mar-16 11,812 11,317
88 Apr-16 11,690 11,812
89 May-16 11,517 11,690
90 Jun-16 13,206 11,517
91 Jul-16 9,650 13,206
92 Aug-16 12,754 9,650
93 Sep-16 12,580 12,754
94 Oct-16 12,744 12,580
95 Nov-16 13,503 12,744
96 Dec-16 13,832 13,503

7
 97 Jan-17 13,402 13,832
98 Feb-17 12,614 13,402
99 Mar-17 14,679 12,614
100 Apr-17 13,279 14,679
101 May-17 14,345 13,279
102 Jun-17 11,656 14,345
103 Jul-17 13,611 11,656
104 Aug-17 15,229 13,611
105 Sep-17 14,560 15,229
106 Oct-17 15,242 14,560
107 Nov-17 15,320 15,242
108 Dec-17 14,873 15,320

Jenis data yang digunakan merupakan jenis data sekunder yang bersumber
dari website kementerian Perdagangan . Data time series yang digunakan adalah
data mengenai tingkat ekspor Indonesia dari 2009 sampai tahun 2017.

8
 Setelah dianalisis, menghasilkan data seperti berikut :
1. SUMMARY OUTPUT
Regression Statistics
Multiple R 0.862152329
R Square 0.743306638
Adjusted R
Square 0.740861939
Standard Error 1178.529955
Observations 107

2. ANOVA
Significance
Df SS MS F F
Regression 1 422302763.4 422302763.4 304.0484 8.8635E-33
Residual 105 145837949.8 1388932.855
Total 106 568140713.2

Standard Upper
Coefficients Error t Stat P-value Lower 95% 95% Low
Intercept 2386.837358 667.9812834 3.573209935 0.000534 1062.353867 3711.3208 106
X Variable 1 0.832095238 0.047720139 17.43698267 8.86E-33 0.737475018 0.9267155 0.7

Dari output tersebut akan diperoleh model AR (1) sebagai berikut :

Yt = 2386,837 + 0,832095 Yt-1

Interpretasi :
(diisi ya rek, aku gak ngerti)

9
 BAB 3. PENUTUP

3.1. Kesimpulan

Berdasarkan hasil analisis ARIMA mengenai peramalan pergerakan laju jumlah

ekspor Indonesia untuk bulan januari pada tahun 2018 diperoleh sebesar
14.267,66 juta US$. Dimana mempunyai arti bahwa diprediksi akan mengalami
penurunan dari ekspor pada bulan desember 2017 yang sebesar 14.873 juta US$
atau turun sebesar 605,34 juta US$.

10
 DAFTAR PUSTAKA

http://www.kemendag.go.id/id/economic-profile/economic-indicators/indonesia-
export-import

11