NAMA : 1.

Ana Maulana (151061021)

2. Dygta Hadinagara (151061022)
Jurusan : Statistika
Tugas : Pengantar Runtun Waktu

Jumlah Penumpang Kereta Api Di Indonesia Januari 2011 – Maret 2016

TAHUN BULAN JUMLAH PENUMPANG KA
Januari 14494
Februari 13869
Maret 17132
April 16775
Mei 17824
Juni 18143
2011
Juli 18385
Agustus 17527
September 17281
Oktober 17281
November 16778
Desember 17581
Januari 17424
Februari 15207
Maret 16992
April 16832
Mei 16988
Juni 12890
2012
Juli 17680
Agustus 16477
September 15609
Oktober 16908
November 16469
Desember 10021
 Januari 16891
Februari 14890
Maret 15879
April 16441
Mei 12600
Juni 17265
2013
Juli 13765
Agustus 14846
September 16921
Oktober 16461
November 16179
Desember 16811
Januari 16283
Februari 15490
Maret 10893
April 16746
Mei 10938
Juni 18062
2014
Juli 10293
Agustus 17056
September 12930
Oktober 10291
November 15773
Desember 16104
Januari 14900
Februari 10000
Maret 14901
April 10098
Mei 10000
Juni 10291
2015
Juli 10234
Agustus 10231
September 11236
Oktober 16904
November 16574
Desember 18902
Januari 16113
2016 Februari 17301
Maret 19423
PENYELSAIAN :
1. Identifikasi pola time series dan menguji kestasioneran data
a. Plot data time series
>plot.ts(prw)

Analisis : Dari plot (prw) diatas dapat disimpulkan bahwa data tidak stasioner dalam
variance dan mean. Karna data mengalami trand naik dan turun/ tidak
mendekati rata-ratanya.

b. Plot ACF
>acf(prw)

Analisis : Dari plot ACF (prw) dapat disimpulkan bahwa data tidak stasioner. Karna
nilai autokoreasi (prw) terputus pada lag ke-2 maka model yang cocok MA(2).
c. Plot PACF
>PACF(prw)

Analisis : Dari plot PACF (prw) dapat disimpulkan bahwa nilai parsial/ autokorelasi
terputus pada lag-2. Maka model yang cocok digunakan adalah AR(2).

d. Model yang cocok

Model ARMA (2,2)
e. Stasioneritas data melalui Uji Ljung Box
Untuk lag = 1

Untuk lag = 2
 UJI HIPOTESIS
a. Hipotesis
H0 : pk = 0 (Data prw stasioner)
H1 : pk ≠ 0 (Data prw tidak stasioner)
b. Signifikansi
Nilai α = 5%=0.05
c. Statistik uji
Nilai P-Value = 0.03727
d. Daerah kritis
H0 ditolak jika Nilai P-Value < alfa (α)
e. Keputusan
Nilai P-Value = 0.03727 < alfa (α) = 0.05 maka H0 ditolak.
f. Kesimpulan
Karena Nilai P-Value = 0.03727 < alfa (α) = 0.05 maka H0 ditolak. artinya dapat
dikatakan dataprw tidak stasioner.

2. Karna setelah di uji Ljung-box diperoleh data tidak stasioner, maka langkah
selanjutnya melakukkan transformasi (menggunakan ln), jika masih tidak stasioner
maka melakukan (differencing data).
Melakukan transformasi dan differencing
Data Transformasi (ln) Differencing
14494 9,58149005
13869 9,537411413 -0,044078637
17132 9,748703339 0,211291926
16775 9,727644962 -0,021058377
17824 9,788301143 0,060656181
18143 9,80604009 0,017738948

18385 9,819290394 0,013250303

17527 9,771497828 -0,047792566
17281 9,757362911 -0,014134917
17281 9,757362911 0
16778 9,727823783 -0,029539128
17581 9,774574052 0,046750269
17424 9,765603845 -0,008970207
15207 9,629511127 -0,136092718
16992 9,740497924 0,110986797
16832 9,731037116 -0,009460809
16988 9,740262491 0,009225376
12890 9,464207096 -0,276055395
17680 9,780189336 0,31598224
16477 9,709720748 -0,070468588
15609 9,65560295 -0,054117798
16908 9,735542162 0,079939212
16469 9,709235105 -0,026307057
10021 9,21243817 -0,496796935
17680 9,780189336 0,31598224
16477 9,709720748 -0,070468588
15609 9,65560295 -0,054117798
16908 9,735542162 0,079939212
16469 9,709235105 -0,026307057
10021 9,21243817 -0,496796935
16891 9,734536215 0,522098045
14890 9,608445126 -0,126091089
15879 9,672752761 0,064307635
16441 9,707533494 0,034780733
12600 9,441452093 -0,266081401
17265 9,75643661 0,314984517
13765 9,529884418 -0,226552192
14846 9,605485748 0,07560133
16921 9,736310733 0,130824985
16461 9,708749226 -0,027561507
16179 9,691469384 -0,017279842
16811 9,729788713 0,038319329
16283 9,697876898 -0,031911815
15490 9,647949933 -0,049926964
10893 9,29587566 -0,352074273
16746 9,725914703 0,430039043
10938 9,299998244 -0,425916459
18062 9,801565563 0,501567319
10293 9,239219332 -0,562346231
17056 9,744257327 0,505037995
12930 9,467305472 -0,276951855
10291 9,239025006 -0,228280466
15773 9,666054896 0,427029891
16104 9,686822967 0,020768071
14900 9,609116492 -0,077706475
10000 9,210340372 -0,39877612
14901 9,609183604 0,398843232
10098 9,220092663 -0,38909094
10000 9,210340372 -0,009752291
10291 9,239025006 0,028684634
10234 9,233470789 -0,005554216
10231 9,233177606 -0,000293183
11236 9,326878188 0,093700582
16904 9,735305559 0,408427371
16574 9,715590481 -0,019715078
18902 9,847023016 0,131432534
Identifikasi pola time series dan menguji kestasioneran data
a. Plot data time series
>plot.ts(dataprw)

Analisis : Dari plot (dataprw) diatas dapat disimpulkan bahwa data stasioner dalam
mean.

b. Plot ACF
>acf(dataprw)

Analisis : Dari plot ACF (dataprw) dapat disimpulkan bahwa nilai autokorelasi terputus
pada lag ke-0. Maka model yang cocok MA(0)..
c. Plot PACF
>PACF(dataprw)

Analisis : Dari plot PACF (dataprw) dapat disimpulkan bahwa nilai parsial/ autokorelasi
tidak terputus dan turun secara eksponensial.

d. Stasioneritas data melalui Uji Ljung Box

Untuk lag = 1

Untuk lag = 2
 UJI HIPOTESIS
a. Hipotesis
H0 : pk = 0 (dataprw stasioner)
H1 : pk ≠ 0 (dataprw tidak stasioner)
b. Signifikansi
Nilai α = 5%=0.05
c. Statistik uji
Nilai P-Value = 0.08703
d. Daerah kritis
H0 ditolak jika Nilai P-Value < alfa (α)
e. Keputusan
Nilai P-Value = 0.08703 > alfa (α) = 0.05 maka H0 tidak ditolak.
f. Kesimpulan
Karena Nilai P-Value = 0.08703 > alfa (α) = 0.05 maka H 0 tidak ditolak. artinya dapat
dikatakan bahwa dataprw stasioner.

3. Mencari Model dan Estimasi parameter-parameter model

Estimasi parameter menggunakan metode ML (Maksimum Likelihood) dengan order
(2,1,2) dan data yang sudah di Transformasi.

W t = − ∅1 + e t−1
W t = ln(Y ¿¿ t)¿ - ln(Y ¿¿ t−1)¿
^ t = -0.4526 Wt-1 - 0.3602 Wt-2 + 0.3553 e t−1 - 0.5345e t−2
W
4. Melakukan Diagnostic dan Peramalan
a. Mencari Residuals

b. Uji White Noise (WN)

Menggunakan uji Ljung-Box

UJI HIPOTESIS
a. Hipotesis
H0 : ρ1= ρ2=⋯ =ρk = 0 (Residual memenuhi syarat white noise)
H1 : pk ≠ 0 (Minimal ada satu residual tidak memenuhi syarat white noise)
b. Signifikansi
Nilai α = 5% = 0.05
c. Statistik uji
Nilai P-Value = 0.7545
d. Daerah kritis
H0 ditolak jika Nilai P-Value < alfa (α)
e. Keputusan
Nilai P-Value = 0.7545 > alfa (α) = 0.05 maka H0 tidak ditolak.
f. Kesimpulan
Karena Nilai P-Value = 0.7545 > alfa (α) = 0.05 maka H 0 tidak ditolak. artinya dapat
dikatakan bahwa residual memenuhi syarat white noise.
c. Uji Kenormalan
Menggunakan uji Kolmogorov-Semirnov

UJI HIPOTESIS
a. Hipotesis
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
b. Signifikansi
Nilai α = 5% = 0.05
c. Statistik uji
Nilai P-Value = 0.7009
d. Daerah kritis
H0 ditolak jika Nilai P-Value < alfa (α)
e. Keputusan
Nilai P-Value = 0.7009 > alfa (α) = 0.05 maka H0 tidak ditolak.
f. Kesimpulan
Karena Nilai P-Value = 0.7009 > alfa (α) = 0.05 maka H 0 tidak ditolak. artinya dapat
dikatakan bahwa data berdistribusi normal.

d. Peramalan
Menggunakan data hasil Transformasi
Analisis : Dari hasil peramalan diatas diperoleh prediksi jumlah penumpang pada bulan
Januari – Maret 2016
Ln(y) 1 = 50.99863  y61 = exp(50.99863) = 1,40742E+22
Ln(y) 2 = 55.75827  y62 = exp(55.75827) = 1,64251E+24
Ln(y) 3 = 55.76602  y63 = exp(55.76602) = 1,65529E+24

Menggunakan data asli

Analisis : Dari hasil peramalan diatas diperoleh prediksi jumlah penumpang pada bulan
Januari – Maret 2016
y61 = 16407.46 ≈ 16407 Penumpang
y62 = 17163 Penumpang
y63 = 16347.52 ≈ 16348 Penumpang