Bab Ii Tinjauan Pustaka: 2.1 Analisis Time Series 2.1.1 Pengertian Time Series
Bab Ii Tinjauan Pustaka: 2.1 Analisis Time Series 2.1.1 Pengertian Time Series
BAB II
TINJAUAN PUSTAKA
urutan waktu atau data yang dikumpulkan dari waktu ke waktu. Waktu
yang digunakan dapat berupa minggu, bulan, tahun dan sebagainya. Time
dengan interval waktu yang tetap (Cryer, 1986). Setiap pengamatan dapat
dinyatakan sebagai variabel random Zt dengan notasi Zt1, Zt2, ..., Ztn (Wei,
1990).
ataupun variabel yang diambil dari waktu ke waktu, dicatat secara teliti
8
dalam jangka waktu tertentu, misalnya tiap akhir tahun, tiap permulaan
Pola gerakan data atau nilai-nilai variabel dari data time series
dapat diketahui. Sehingga data time series dapat dijadikan dasar untuk :
datang;
dari deret berkala yang meliputi jangka waktu yang panjang. Pada
variasi sekuler yang menyerupai garis lurus yang disebut garis arah
(trend line).
tetap atau identik dari waktu ke waktu dalam jangka waktu tertentu.
9
tertentu.
391).
Keterangan :
sebagai berikut :
Yt = β0 + β1 Yt-1 + εt (2)
autoregresif
harus kurang dari 1. Hal ini merupakan syarat perlu bukan syarat
Keterangan :
Yt = α0 + et – α1et-1 (4)
model
Keterangan :
еt = kesalahan peramalan
β1 + β2 + ... + βp < 1
sebagai berikut :
( )( ) ( ) (7)
Keterangan :
(1 – B) = Pembedaan Pertama
(1 - B) = AR (1)
( ) = MA (1)
Jenkins.
diperoleh memadai.
14
Dengan kata lain, fluktuasi data berada disekitar suatu nilai rata-rata
yang konstan, tidak tergantung pada waktu dan varians dari fluktuasi
Suatu deret waktu yang tidak stasioner harus diubah menjadi data
diperoleh dilihat lagi apakah stasioner atau tidak. Jika belum stasioner
yang sebelumnya (dinotasikan dengan Zt-1, Zt-2, ..., Zt-k). Diagram FAK
data. Jika data diagram FAK cenderung turun lambat atau turun
15
rata-rata.
waktu yang sebelumnya (dinotasikan dengan Zt-1, Zt-2, ..., Zt-k). FAKP
dan Zt-k, apabila pengaruh dari lag waktu (time lag) 1, 2, 3, ..., k-1
dianggap terpisah.
dalam selang waktu yang tetap. Adanya faktor musiman dapat dengan
autokorelasi pada time lag yang berbeda, apabila hanya pola ini yang
ada. Semakin kuat pengaruh trend akan semakin tidak jelas adanya faktor
musiman karena secara relatif besarnya yang positif merupakan hasil dari
datang berdasarkan data masa lampau yang dianalisis secara ilmiah, khususnya
peramalan (perkiraan) mengenai sesuatu yang belum terjadi (Subagyo, 1986: 1).
akan datang berdasarkan pada beberapa variabel peramal berdasarkan data deret
belum pasti. Dua hal pokok yang harus diperhatikan dalam proses peramalan
ada. Ada empat pola data yang lazim ditemui dalam peramalan
(Makridakis, 1999) :
17
a) Pola Horizontal
berikut ini :
b) Pola Musiman
c) Pola Siklis
d) Pola Trend
berikut :
( )
(8)
yang besar.
( )
(9)
| | | |
(10)
d) Tracking Signal
(11)
error, sehingga pusat dari tracking error mendekati nol. Nilai RSFE
period i). Tracking Signal yang telah dihitung dapat dibuat peta
̅̅̅̅̅ (12)
̅̅̅̅̅ (13)
|( ) ( )| (14)
̅̅̅̅̅ (16)
Jika ditemukan satu titik yang berada diluar batas kendali pada
1998).
dengan DAOP IV Semarang adalah salah satu daerah operasi kereta api di
Direksi PT.Kereta Api (Persero) dipimpin oleh seorang Kepala Daerah Operasi
Cepu. Lokasi PT. Kereta Api (Persero) DAOP IV Semarang di Jl. Thamrin no.3
Visi dari PT. Kereta Api (Persero) yaitu terwujudnya kereta api sebagai
pilihan utama jasa transportasi dengan fokus keselamatan dan pelayanan. Misi
dari PT. Kereta Api (Persero) yaitu menyelenggarakan jasa transportasi sesuai
para pengguna jasa angkutan kereta api yang telah diterapkan sejak penumpang
23
berada di Stasiun dalam mendapatkan tiket kereta api. Untuk pelayanan tiket, di
Semarang. Penelitian ini dimulai dengan pengambilan data pada PT. KAI DAOP
diperoleh dari DAOP IV Semarang yaitu data pada periode Januari 1994-
parameter dan pengujian model. Pada tahap ini akan dilihat bahwa model
memenuhi syarat untuk dilakukannya peramalan. Jika pada tahapan ini tidak
penelitian berhenti sampai pada tahap penaksiran dan pengujian model dan jika
didapat model yang sesuai syarat maka bisa dilakukannya tahap peramalan