Naufal Majid K (10611600000052) Kristiana (10611600000072)

Siti Afiah (10611600000063) Alfin Niam H (10611600000115)

PERAMALAN JUMLAH KEDATANGAN PESAWAT BANDARA

INTERNASIONAL JUANDA BULAN JANUARI - JUNI 2017
MENGGUNAKAN METODE ARIMA BOX-JENKINS

1. Variabel Penelitian
Data yang digunakan pada tugas ini merupakan data sekunder, yang diambil
pada saat melakukan kerja praktek pada tanggal 14 Agustus 2017 oleh Diza Fahira
dan Churiyatun Nafisah di Angkasa Pura I Cabang Bandar Udara Internasional
Juanda Surabaya.
Variabel yang digunakan adalah jumlah pesawat keberangkatan domestik di
terminal 1 Bandara Juanda selama 1 semester awal tahun 2017, yang dapat dilihat di
lampiran. Metode yang digunakan adalah Arima Box-Jenkins dengan langkah seperti
berikut.

Mulai

Membuat Time Series Plot Transformasi

Ya

Tidak
Apakah Data
Stasioner dalam
Varians?
Ya Differencing

Apakah Data Tidak

Stasioner dalam
Mean?

Identifikasi Model ARIMA

dengan ACF dan PACF

Selesai

Gambar 1. Diagram Alir

2. Analisis dan Pembahasan
Langkah pertama adalah mengidentifikasi pola data untuk memeriksa apakah
data sudah stasioner dalam mean dan varians atau tidak. Berikut ini adalah time
series plot dari data.

Gambar 2 Time Series Plot dari Data

Untuk memeriksa apakah data telah stasioner dalam varians, digunakan
transformasi Box-Cox, sebagai berikut.

Box-Cox Plot of Jumlah Kedatangan

Lower CL Upper CL
12000 Lambda
(using 95.0% confidence)
Estimate 0,55

11500 Lower CL -1,38

Upper CL 2,64

Rounded Value 0,50

11000
StDev

10500

10000 Limit

-5,0 -2,5 0,0 2,5 5,0

Lambda

Gambar 3 Transformasi Box Cox Pertama

Berdasarkan Gambar 3, dapat dilihat bahwa nilai rounded value sebesar 0,5,
masih jauh dari nilai 1 artinya masih belum stasioner dalam varians sehingga perlu
dilakukan transformasi kedua dari data hasil transformasi pertama.
 Box-Cox Plot of Jumlah Kedatangan 2
Lower CL
Lambda
15,50 (using 95.0% confidence)
Estimate 1,11

Lower CL -2,72
Upper CL *
15,25
StDev Rounded Value 1,00

Limit
15,00

14,75

14,50
-5,0 -2,5 0,0 2,5 5,0
Lambda

Gambar 4 Transformasi Box Cox Kedua

Berdasarkan gambar 4, dapat dilihat bahwa nilai rounded value sebesar 1 yang
artinya data sudah stasioner dalam varians. Kemudian dilanjutkan pada pemeriksaan
stasioner dalam mean atau rata-rata.

Gambar 5 ACF
Berdasarkan gambar 5, dapat dilihat bahwa garis pada lag 1 dan 2 melewati
garis lag sehingga data telah stasioner dalam rata-rata. Selain itu itu dilakukan
pemeriksaan menggunakan partial autocorrelation function.
 Partial Autocorrelation Function for Differences c5
(with 5% significance limits for the partial autocorrelations)

1,0
0,8
0,6

Partial Autocorrelation
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0

1 5 10 15 20 25 30 35 40 45 50 55
Lag

Gambar 6 PACF
Berdasarkan gambar 5 dan 6, dapat dilakukan identifikasi model ARIMA sesuai
dengan tabel berikut ini.
Tabel 1 Identifikasi Model ARIMA
AR (p) MA (q) ARMA (p, q)
Cuts off, after lag
ACF Tails off Tails off
q
Cuts off after lag
PACF Tails off Tails off
p
1. Cuts Off : ACF dan PACF dikatakan Cuts Off apabila digambar terhadap sumbu
waktu akan stasioner pada lags yang cukup kecil. Gambar 5 merupakan contoh
dari ACF cuts off pada lag ke-2
2. Tails off : apabila plot ACF atau PACF mencapai nilai lag yang cukup besar >5
atau dikatakan turun lambat, maka dikatakan mengalami tails off. Gambar 5
merupakan contoh tails off
Dari data yang sudah stasioner terhadap varians, diperoleh lamda sebesar 1 dan
grafik plot ACF pada gambar pada gambar 5 menunjukkan Zt telah stasioner pada cut
off pada lag ke 2 dimana nilai lag pada gambar ACF mewakili dugaan ARIMA 0 2.
Sedangkan untuk mengetahui nilai AR nilai Zt telah stasioner dengan tails off pada
lag ke 29 sehingga didapat dugaan ARIMA 29 0 0. Dari hasil grafik plot ACF dan
PACF tersebut menunjukkan data tidak perlu proses differencing karena sudah
stasioner dalam mean. Kesimpulan : Terdapat dua hasil estimasi ARIMA yaitu
ARIMA 0 0 3 dan ARIMA 29 0 0.
 LAMPIRAN
Jumlah
Tahun Bulan BoxCox1 ACF_1 Differences c5
Kedatangan
2005 Jan 104796 323,722 323,722
2005 Feb 90721 301,199 301,199 -22,523
2005 Mar 98708 314,178 314,178 12,979
2005 Apr 96547 310,720 310,720 -3,458
2005 Mei 95785 309,492 309,492 -1,229
2005 Jun 97718 312,599 312,599 3,107
2005 Juli 126609 355,822 355,822 43,223
2005 Agustus 112988 336,137 336,137 -19,685
2005 Sep 109618 331,086 331,086 -5,051
2005 Okt 83229 288,494 288,494 -42,592
2005 Nov 106386 326,169 326,169 37,674
2005 Des 104383 323,084 323,084 -3,085
2006 Jan 107775 328,291 328,291 5,207
2006 Feb 90514 300,855 300,855 -27,436
2006 Mar 105734 325,168 325,168 24,312
2006 Apr 107551 327,950 327,950 2,782
2006 Mei 95661 309,291 309,291 -18,659
2006 Jun 100517 317,044 317,044 7,753
2006 Juli 112705 335,716 335,716 18,671
2006 Agustus 110480 332,385 332,385 -3,330
2006 Sep 97905 312,898 312,898 -19,488
2006 Okt 99593 315,584 315,584 2,686
2006 Nov 104379 323,077 323,077 7,494
2006 Des 105390 324,638 324,638 1,561
2007 Jan 92552 304,224 304,224 -20,415
2007 Feb 93353 305,537 305,537 1,314
2007 Mar 91848 303,064 303,064 -2,473
2007 Apr 102714 320,490 320,490 17,426
2007 Mei 122539 350,056 350,056 29,565
2007 Jun 134165 366,285 366,285 16,230
2007 Juli 117709 343,087 343,087 -23,198
2007 Agustus 125139 353,750 353,750 10,662
2007 Sep 99011 314,660 314,660 -39,090
2007 Okt 128694 358,739 358,739 44,079
2007 Nov 115019 339,145 339,145 -19,595
2007 Des 129494 359,853 359,853 20,708
2008 Jan 114663 338,619 338,619 -21,233
2008 Feb 99948 316,146 316,146 -22,474
2008 Mar 109767 331,311 331,311 15,165
2008 Apr 101164 318,063 318,063 -13,248
2008 Mei 109504 330,914 330,914 12,851
2008 Jun 110816 332,890 332,890 1,976
2008 Juli 122240 349,628 349,628 16,738
2008 Agustus 118173 343,763 343,763 -5,865
2008 Sep 96320 310,355 310,355 -33,408
2008 Okt 119296 345,393 345,393 35,038
2008 Nov 106742 326,714 326,714 -18,679
2008 Des 130849 361,731 361,731 35,017
2009 Jan 114501 338,380 338,380 -23,351
2009 Feb 107411 327,736 327,736 -10,644
2009 Mar 121479 348,538 348,538 20,802
2009 Apr 115956 340,523 340,523 -8,015
2009 Mei 129319 359,610 359,610 19,086
2009 Jun 134653 366,951 366,951 7,341
2009 Juli 148178 384,939 384,939 17,988
2009 Agustus 136806 369,873 369,873 -15,066
2009 Sep 139670 373,724 373,724 3,852
2009 Okt 143150 378,352 378,352 4,627
2009 Nov 136873 369,964 369,964 -8,388
2009 Des 152818 390,919 390,919 20,956