ANALISIS MODEL ARIMA BOX-JENKINS PADA DATA

DANA SANTUNAN KORBAN KECELAKAAN LALU LINTAS

JALAN RAYA WILAYAH LOMBOK TIMUR

Baiq Sri Susanti

Program Studi Statistika, Universitas Hamzanwadi
Jalan TGKH. Muhammad Abdul Majdi no
132,Pancor,Selong,Lombok Timur,Indonesia
Email:srisusantibaiq@gmail.com

Abstract Transportasi di Indonesia semakin hari semakin maju yang berdampak

pergerakan masyarakat dari satu tempat ke tempat yang lain. Adanya mobilitas yang
tinggi semakin memperpadat jalanan terutama di daerah Lombok Timur, hal ini
mengakibatkan kelalaian keselamatan bagi pengguna jalan raya. Untuk menjamin
keselamatan akibat kerugian yang ditimbukan Asuransi sangatlah dibutuhkan untuk
menjamin keselamatan pengguna transportasi. Asuransi untuk menetapkan kerugian-
kerugian yang sudah pasti sebagai pengganti kerugian besar yang belum pasti.
PT.Jasa Raharja bertugas dan bertanggung jawab sosial untuk memupuk,
menghimpun dan menyalurkan dana santunan Jasa Raharja sebagai jaminan
pertanggungan kepada korban/ahli waris korban kecelakaan lalu lintas di jalan
Raya.Bagaimanakah pelaksanaan pemberian santunan Jasa Raharja dan Apakah
pelaksanaan pemberian santunan PT.Jasa Raharja (Persero) Cabang selong , Lombok
Timur terhadap korban kecelakaan lalu lintas jalan sudah sesuai dengan UU No.33
Tahun 1964 dan UU No.34 Tahun 1964 Penelitian ini merupakan penelitian untuk
data skunder dan merupakan penelitian terapan karena menerapkan metode statistika.
Data skunder yang digunakan yaitu data bulanan jumlah dana santunan korban
kecelakaan lalu lintas dikabupaten lombok timur tahun 2016-2019. Pendekatan
penelitian yang digunakan adalah pendekatan penelitian kuantitatif dan variabel yang
digunakan adalah data dana santunan korban kecelakaan lalu lintas Data yang sudah
didapat dianalisis menggunakan bantuan program minitab dengan membuat plot data
time series terhadap data asli dan melakukan pengujian kestasioneran data baik
stasioner dalam rata-rata maupun ragam. Setelah data stasioner, dibuat model
sementara berdasarkan plot ACF dan PACF, melakukan estimasi parameter
berdasarkan model sementara dan melakukan pengujian signifikansi parameter model
sehingga didapat model ARIMA (1,1,1) dengan persamaan = 0.1367 Zt-1+0.8633Zt-2+
α t+0.3980α.

Pendahuluan
Seiring dengan berkembangnya kemajuan teknologi khususnya dibidang
transportasi Mode tranportasi sangatlah dibutuhkan oleh setiap orang untuk

i
saat ini,sarana transportasi merupakan suatu kebutuhan yang sangat penting
dalam melakukan kegiatan-kegiatan yang dilakukan setiap
harinya.Perkembangan ilmu pengetahuan dan teknologi dibidang lalu lintas
dan transportasi ternyata tidak hanya memberikan manfaat dan pengaruh
positif terhadap prilaku kehidupan masyarakat namun juga membawa dampak
negatif antara lain timbulnya masalah-masalah dibidang lalu lintas seperti
kecelakaan lalu lintas kecelakaan lalu lintas dijalan raya diakibatkan dari
beberapa faktor seperti mengantuk dijalan ketika sedang mengemudian
kendaran,faktor cuaca seperti hujan berat yang mengakibatkan jalan raya
menjadi licin ,jalan raya yang mengalami kerusakan,main hanpdphon ketika
sedang bekendara . Penyelenggaraan asuransi sosial kecelakaan lalu lintas
jalan ini pelaksanaannya oleh pemerintah Indonesia diberika kepada PT.Jasa
Raharja (Persero). Asuransi kerugian jasa raharja untuk menyelenggrakan
dana kecelakaan lalu lintas jalan
Metodologi Penelitian
Data
Data yang digunakan diperoleh dari PT Jasa Raharja (Persero) Lombok
timur dari bulan januari 2016 – desember 2019 mengenai jumlah dana
santunana yang diberikan kepada korban kecelakaan lalu lintas jalan dan
Data penelitian tersebut kemudian dianalisis menggunakan metode
Analisis Arima Box-Jenkines pada data santunan koban kecelakaan lalu
lintas jalan
Hasil dan Pembahasan

ii
Pada tampilan hasil output diatas menejelaskan ARIMA (1,0,0) bahwa
a. Hasil koefisien AR (1) sebesar 0.6132 ,dan nilai T sebesar 5.27 ,dengan
nilai P sebesar 0.000. sehingga menunjukkan bahwa parameter AR (1)
tidak signifikan dari nol,karena nilai P- nya melebihi batas toleransi
sebesesar 0.05
b. Nilai Mean square (Ms) yang dihasilkan pada model ini sebesar 65649 .
berdasarkan analisis diatas diketahui bahwa parameter ARIMA (1,0,0)
tidak layak digunakan karena parameter AR(1) menghasilkan nilai P yang
lebih besar dari batas toleransi 0.05

iii
a. Nilai Mean Square (MS) yang dihasilkan pada model ini sebesar 59767.
Berdasarkan analisis diatas diketahui bahwa parameter ARIMA (1,0,1)

iv
 tidak layak digunakan dalam untuk peramalan, Karena parameter AR(1)
dan MA(1) menghasilkan nilai P yang lebih besar dari batas toleransi
0,05.
Sehingga dapat disimpulkan bahwa dari beberapa metode arima nilai
yang paling kecil MS nya adalah pada arima (1,1,1) yang akan
digunakan dalam metode lajung-box

Dari table diatas taksiran parameter menunjukkan nilai parameter

AR(1)SEBESAR 0.83633. MA(1) sebesar 0.3980 , dan untuk konstanta
sebesar 71,62.dengan memasukkan nilai parameter pada persamaan
(2.12).diperoleh persamaan untuk model ARIMA(1,1,1) yaitu :
Zt=(1-0,8633)Zt-1+0.8633Zt-2+α t+0.3980α t-1
= 0.1367 Zt-1+0.8633Zt-2+α t+0.3980α t-1
Dimana ZT=Yt+1-Yt dan Yt merupakan data dana santunan perioe ke-t
Sebelum model tersebut digunakan untuk meramal,perlu dilakukan pengujian
signifikansi parameter terhadap model tersebut,namun secra umum signifikansi
konstaanta tidak perlu diuji sehingga hanya parameter AR(1) dan MA(1) dengan
melakukan uji hipotesis
H0:∅=0 (Parameter AR tidk signifikan dalam model )
H1: :∅ ≠ 0 (Parameter AR signifikan dalam model )
Dan
H0:∅=0 (Parameter MA tidk signifikan dalam model )
H1: :∅ ≠ 0 (ParameterM A signifikan dalam model )

Untuk taraf siginifikansi 5%

v
Tolak H0 Jika Thitung> Ttabel atau P-value <α

Dari tafsiran parameter pada table diatas hasil pengolahan data yang
ditunjukkan statistic T untuk parameter AR(1) dan MA(1) adalah 8,09 dan
2,08 .pada alpha 5% statistika Z adalah 1,96 ,apabila statistika Z table
dibandingkan dengan nilai satatistik Z hitung,maka nilai statistic Z table lebih
besar ,sehingga menolak H0 yang berarti menerima H1 artinya parameter AR
dan Ma signifikan Setelah dilakukan pengujian parameter, perlu dilakukan
pemeriksaan diagnostik untuk memeriksa kecukupan model dalam memenuhi
asumsi residual white noise dan berdistribusi normal. Pengujian ini
menggunakan uji Ljung-Box (Q) dengan hipotesis sebagai berikut:

1. H0 : ρ k = 0 (residual white noise)

H1 : ρ k ≠ 0 (residual belum white noise)
2. Dengan statisstika uji- lajung box adalah:
k
r2
=Q=n(n+2) ∑ k
k =1 n−k

3. Untuk taraf signifikansi 5%

4. Tolak H0 atau p-value <α

5.Tampilan nilai statistika Lajung-Box (Q)

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

Lag 12 24 36 48
Chi-Square 20.8 30.1 32.9 *
DF 9 21 33 *
P-Value 0.013 0.091 0.472 *

Tabel Ringkasan uji proses Ljung-Box

Lag(K) Df(K-k) Statistika χ 2(0,05,df) p-value

Lajung-
Box(χ2hitung)
12 9 20,8 16.9190 0.013

vi
 24 21 30.1 32.6705 0.091
36 33 32.9 34.77 0.472
48 - - 67,5 -
Pada tabel diatas menunjukkan bahwa sampai pada lag 12 dan 24 memenuhi
syarat cukup karena nila statistika Lajung-Box tidak lebih dari statistika χ 2
(0,05,10) dan χ2 (0,05,21).Begitu juga lag 36 dan 48 nilai statistika Lajung-
Box tidak lebih dari χ2 (0,05,33) dan χ2 (0,05,45).sehingga dapat disimpulkan
bahwa hipotesis awal diterima yang berarti memenuhi asumsi residual white
noise dan berdistribusi normal sehingga model layak digunakan.
Kesimpulan

Dari hasil analisis pembahasan didapatkan model terhadap dana santunana

korban kecelakaan lalu lintas jalan pada tahun 2019 dengan model
ARIMA(1,1,1) dengan persamaan: = 0.1367 Zt-1+0.8633Zt-2+α t+0.3980α t-1
atau
Yt-1-Yt=0.1367( Yt-1-Yt)+0.8633( Yt-1-Yt-2)+α t-0.3980α t-1
Yt+1=0.1367( Yt-1-Yt)+0.8633( Yt-1-Yt-2)+Yt+α t-0.3980α t-1

persamaan di atas menunjukkan prediksi dana korbanan kecelakaan lalu lintas

jalan pada periode yang akan datang dipengaruhi oleh 13% selisih dana
korbana kecelakaan lalu lintas jalan. dengan dua periode sebelumnya,
ditambah 86% selisih dana korban kecelakaan lalau lintas jalan dua periode
sebelumnya dengan tiga periode sebelumnya, ditambah 100%dana korban
kecelakaan lalu lintas jalan , ditambah 100% residual sebelumnya dan
dikurangi 39% residual dua periode sebelumnya.
Daftar Pustaka
Arga, W, 1984. Analisa Runtun Waktu Teori & Aplikasi. Yogyakarta: BPFE
Yogyakarta
Brockwell, P.J dan Davis, R.A . 2002. Introduction to time series and forecasting.
Springer Science and Business. Media, Inc
Darmawi, Hermawan. Manajemen Asuransi. Jakarta: Bumi Aksara.2006.

vii
Junaedy,Ganie. Hukum Asuransi Indonesia. Jakarta: Sinar Grafika.2010.
Junaedy,Ganie. Hukum Asuransi Indonesia. Jakarta: Sinar Grafika.2011.
Lo, M.S, 2003. Generalized Autoregressive Conditional Hetroscedastic Time
Suspect. A project submitted in partial fulfillment of requirements for degree of
master of science. Simon Fraser University
Makridakis S., Wheelwright, Mc Gee, 1999, “Metode dan Aplikasi Peramalan”, Edisi
Kedua, Bina Rupa Aksara, Jakarta
Sri Redjeki, Hartono. Hukum Asuransi & Perusahaan Asuransi. Jakarta: Sinar
Grafika.1992.
Soejoeti, Z, 1987. Analisis Runtun Waktu. Jakarta: Universitas Terbuka.
Undang-Undang Nomor 22 Tahun 2009 tentang Lalu Lintas dan Angkutan Jalan
Undang-Undang Nomor 33 Tahun 1964 tentang Dana Pertanggungan Wajib
Kecelakaan Penumpang
Undang-Undang Nomor 34 Tahun 1964 tentang Dana Pertanggungan Wajib
Kecelakaan Lalu Lintas Jalan

viii
9