Anda di halaman 1dari 24

INDRIANY PUTRI RAHMANI

25418044

Mata Kuliah Metode Analisis Perencanaan


Magister Perencanaan Wilayah dan Kota
Sekolah Arsitektur ,Perencanaan dan Pengembangan Kebijakan
Institut Teknologi Bandung
1 2 3 4
Pendahuluan Dasar Teori Data & Kesimpulan
Analisis

2
1.1 Latar Belakang

• Kebutuhan mobilitas yang sangat tinggi di wilayah


perkotaan khususnya JABODETABEK
• Alternatif moda Commuter Line / KRL yang murah, cepat,
dan memiliki banyak rute sehingga perjalanan menjadi
efisien
• Peminat moda KRL sangat tinggi sehingga sering kali
overcapacity
• Dibutuhkan proyeksi penumpang KRL sehingga dapat
menjadi acuan bagi penyedia layanan / pemerintah
dalam mengatur sistem pelayanan KRL

3
1.2 Rumusan Masalah 1.3 Tujuan dan Sasaran

• Bagaimana pola data jumlah penumpang KRL TUJUAN


JABODETABEK ? • Mengetahui jumlah penumpang KRL
• Apa metode yang digunakan untuk meramalkan JABODETABEK Tahun 2028 dan memberikan saran
jumlah penumpang KRL JABODETABEK? membangun terkait pembangunan infrastruktur KRL
• Bagaimana hasil peramalan jumlah penumpang KRL JABODETABEK
JABODETABEK?
• Apa yang harus dilakukan Pemerintah dan PT KAI SASARAN
Commuter Liner JABODETABEK dalam menyikapi • Mengidentifikasi metode yang sesuai dengan pola
peningkatan jumlah penumpang? jumlah penumpang KRL JABODETABEK
• Melakukan proyeksi penumpang KRL Jabodetabek
pada Tahun 2028
• Menentukan saran yang dapat dilakukan oleh
pemerintah dan PT KAI Commuter Line
JABODETABEK
4
Ruang Lingkup Wilayah

1.4 Ruang Lingkup Penelitian

Ruang Lingkup Materi

• Materi yang digunakan dalam penelitian ini adalah


jumlah penumpang kereta rel listik JABODETABEK
Tahun 2013-2018 yang disajikan tiap bulannya

5
1.5 Metode Penelitian

Metode Pustaka Metode Analisis Data

Metode penelitian dengan


mencari informasi tentang Analisis Time Series Metode
bahan tulisan dari berbagai Dekomposisi
referensi
Menggunakan data sekunder

6
2.1 SISTEM TRANSPORTASI
• Transportasi merupakan pemindahan barang dan manusia dari
tempat asal ke tempat tujuan (Nasution, 2004)
• Unsur Pengangkutan :
• Ada muatan yang diangkut
• Tersedia kendaraan sebagai alat angkut
• Ada jalan yang dapat dilalui
• Ada terminal asal dan terminal tujuan
• Sumber daya manusia dan manajemen yang mengatur
sistem transportasi tsb
Dalam memilih moda transportasi untuk suatu jenis produk tertentu lazimnya • Manfaat transportasi dalam kehidupan masyarakat:
pengirim mempertimbangkan tujuan kriteria, yaitu: • Transportasi menyebabkan pelayanan kepada masyarakat
1. Kecepatan waktu pengantaran dari rumah ke rumah atau dari gedung ke dapat dikembangkan atau diperluas dengan lebih merata
pada setiap bagian wilayah suatu Negara.
gedung.
2. Frekuensi pengiriman terjadwal. • Transportasi membuat kegiatan ekonomi yang dilakukan
oleh masyarakat berjalan dengan baik dan kebutuhan
3. Keandalan dalam memenuhi jadwal pada waktunya. masyarakat dapat terpenuhi dengan cepatdan mudah.
4. Kemampuan menangani angkutan dari berbagai barang. • Transportasi melancarkan arus barang dan7 mobilitas
5. Banyaknya tempat singgah atau bongkar muat. manusia dan juga membantu tercapainya pengalokasian
6. Biaya per ton-kilometer. sumber-sumber ekonomi secara optimal
7. Jaminan atas kerusakan atau kehilangan barang.
Keunggulan Kelemahan
Memiliki kapasitas angkut Memerlukan fasilitas sarana
yang besar dan prasarana khusus yang
tidak bisa digunakan oleh
moda transportasi lain
Penggunaan energi relatif Investasi, biaya operasional,
• Angkutan umum adalah layanan kecil biaya perawatan cukup
transportasi umum dengan jangkauan besar
lokal yang tersedia bagi siapapun yang
membayar ongkos yang telah Keselamatan perjalanan Daerah jangkauan kurang
ditentukan. lebih baik dibandingkan luas dan tidak dapat
• Beroperasi pada jalur khusus dengan moda lain menjangkau daerah pelosok
Handal dalam ketepatan Penumpang menyesuaikan
waktu diri dengan jadwal kereta
Terhindar dari macet
Polusi dan getaran relatif
kecil
Mempunya aksesibilitas
yang lebih baik dibandingkan
ADD A FOOTER 8
dengan transportasi darat
dan udara
• Peramalan adalah kegiatan mengestimasi apa yang akan terjadi di masa yang akan datang.
• Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut:
(Makridakis, 1988) :
1) Informasi tentang keadaan masa lalu.
2) Informasi tersebut dapat dikuantifikasikan dalam bentuk data numerik.
3) Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berkelanjutan
pada masa yang akan datang.
• Teknik peramalan (kuantitatif) terdiri dari 2 metode yaitu :
• Metode Peramalan Kausal (berdasarkan variabel/item yang berpengaruh)
• Metode Time Series (berdasarkan data historis)
9
Perata-rataan

2.4 ANALISIS TIME SERIES Smoothing


Eksponensial
Time
Time Series merupakan analisis peramalan Series
yang dilakukan dengan memplot suatu skala Aditif
waktu tertentu, dengan asumsi apa yang
akan terjadi di masa depan merupakan Dekomposisi
fungsi dari masa lalu Multiplikatif

Metode Smoothing Metode Dekomposisi


Pemulusan data dengan menggunakan Memisahkan/memecahkan data untuk
bobot membentuk suatu pola

10
POLA DATA TIME SERIES

Horizontal (H)
Contoh : Data penjualan suatu produk tidak meningkat atau menurun
•Ketika data observasi berubah-ubah disekitaran tingkatan atau rata-rata yang konstan

Trend (T)
Contoh : Data kenaikan jumlah penduduk
•Ketika data observasi naik atau menurun pada perluasan periode suatu waktu

Seasonal (S) Contoh : Penjualan pakaian meningkat pada hari raya, penjualan alat tulis meningkat pada awal tahun
ajaran baru
•Ketika data observasi dipengaruhi musim dan ditandai dengan adanya pola perubahan yang sama dari tahun ke tahun

Siklus (C)
Contoh : Penjualan produk mobil, baja, dan peralatan utama lainnya
•Ketika data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis
2.5 ANALISIS TIME SERIES
METODE DEKOMPOSISI

 Memecah data deret waktu menjadi beberapa pola dan Pendekatan:


mengidentifikasi masing-masing Ada beberapa alternatif untuk mengisolisasikan
komponen dari deret waktu tersebut secara terpisah. masing-masing komponen secara empiris:
 Pemecahan dilakukan untuk membantu meningkatkan  Menghilangkan seasonality
ketepatan peramalan dan membantu pemahaman atas  Menghilangkan trend
perilaku deret data secara lebih baik.  Menghilangkan cycle
 Error diasumsikan sebagai perbedaan data aktual dengan  Residu diasumsikan sebagai keacakan
pengaruh ketiga komponen yang dikombinasikan.

Data = Pola + error


Data = f(trend,siklus, musim) + error
12
Model Dekomposisi

Contoh plot data asli model aditif


Dekomposisi Dekomposisi
Aditif Memproyeksikan masa Multiplikatif Semua komponen
Rata-rata depan dengan Rata-rata dikalikan satu sama lain
sederhana menjumlahkan proyeksi bergerak untuk mendapatkan
hasil ramalan hasil peramalan
Xt=Tt+Ct+St+It Xt=Tt x Ct x St x It

Dilakukan jika plot data Dilakukan jika plot data


asli menunjukan asli menunjukan
fluktuasi musim yang fluktuasi musim yang
relatif stabil bervariasi

Contoh plot data asli model Multiplikatif

13
1. Memisahkan musim
dari data aktual hingga
mendapatkan indeks 3. Tentukan
musim komponen siklus

2. Tentukan trend 4. Menentukan


nilai peramalan

ADD A FOOTER 14
15
Tahun
No Bulan
2013 2014 2015 2016 2017 2018
Januari
1 10.089.000 15.176.000 19.244.000 22.238.000 24.185.000 28.075.000
Februari
2 10.281.000 14.856.000 17.640.000 21.229.000 21.743.000 25.362.000
Maret
3 11.240.000 17.471.000 21.290.000 23.206.000 25.775.000 29.223.000

3.1 DATA PENUMPANG 4


April
11.529.000 16.671.000 21.171.000 23.149.000 25.411.000 28.942.000
Mei
5 11.767.000 16.781.000 22.177.000 24.401.000 27.385.000 28.995.000

Data penumpang KRL 6


Juni
11.817.000 17.848.000 22.207.000 23.821.000 24.432.000 24.833.000
JABODETABEK Tahun Juli
7 15.407.000 16.585.000 21.171.000 21.574.000 27.016.000 29.086.000
2013-2018 Agustus
8 14.321.000 17.091.000 22.295.000 23.923.000 27.679.000 28.098.000
September
9 15.113.000 18.253.000 22.021.000 23.570.000 26.158.000 27.618.000
Oktober
10 15.531.000 19.079.000 22.964.000 24.533.000 28.765.000
November
11 15.487.000 18.605.000 22.355.000 24.104.000 28.246.000
Desember
12 15.901.000 20.080.000 22.996.000 24.841.000 29.059.000
Sumber : BPS
16
Time Series Plot of Jumlah Penumpang
30000000 Pola data :
• Trend
27500000
• Season
Jumlah Penumpang

25000000
• Siklus
22500000

20000000
Analisis yang digunakan :
17500000
• METODE DEKOMPOSISI
15000000

1 6 12 18 24 30 36 42 48 54
Index

Plot Data Asli 17


Bula
Tahun Periode (t) Jumlah Penumpang MA (12) MA Center St.It IS
n
1 1 10.089.000 0,97116253
2 2 10.281.000 0,894074134
3 3 11.240.000 1,025702847
4 4 11.529.000 0,997090779
5 5 11.767.000 1,022284441
6 6 11.817.000 0,997090779
2013
7 7 15.407.000 13.206.917 13.418.875 1,15 1,033612051
8 8 14.321.000 13.630.833 13.821.458 1,04 1,003436898
9 9 15.113.000 14.012.083 14.271.708 1,06 1,031074793
10 10 15.531.000 14.531.333 14.745.583 1,05 1,003436898
11 11 15.487.000 14.959.833 15.168.750 1,02 1,021688288
12 12 15.901.000 15.377.667 15.628.958 1,02 0,999345564
1 13 15.176.000 15.880.250 15.929.333 0,95 0,97116253
2 14 14.856.000 15.978.417 16.093.833 0,92 0,894074134
3 15 17.471.000 16.209.250 16.340.083 1,07 1,025702847
4 16 16.671.000 16.470.917 16.618.750 1,00 0,997090779
5 17 16.781.000 16.766.583 16.896.500 0,99 1,022284441
6 18 17.848.000 17.026.417 17.200.542 1,04 0,997090779
2014
7 19 16.585.000 17.374.667 17.544.167 0,95 1,033612051
8 20 17.091.000 17.713.667 17.829.667 0,96 1,003436898
9 21 18.253.000 17.945.667 18.104.792 1,01 1,031074793
10 22 19.079.000 18.263.917 18.451.417 1,03 1,003436898
11 23 18.605.000 18.638.917 18.863.750 0,99 1,021688288
12 24 20.080.000 19.088.583 19.270.208 1,04 0,999345564
1 25 19.244.000 19.451.833 19.642.917 0,98 0,97116253
3.2 MENENTUKAN KOMPONEN 2
3
26
27
17.640.000
21.290.000
19.834.000
20.267.667
20.050.833
20.424.667
0,88
1,04
0,894074134
1,025702847
4 28 21.171.000 20.581.667 20.743.542 1,02 0,997090779
5 29 22.177.000 20.905.417 21.061.667 1,05 1,022284441
6 30 22.207.000 21.217.917 21.339.417 1,04 0,997090779
2015
7 31 21.171.000 21.460.917 21.585.667 0,98 1,033612051
8 32 22.295.000 21.710.417 21.859.958 1,02 1,003436898
9 33 22.021.000 22.009.500 22.089.333 1,00 1,031074793
10 34 22.964.000 22.169.167 22.251.583 1,03 1,003436898
11 35 22.355.000 22.334.000 22.426.667 1,00 1,021688288
12 36 22.996.000 22.519.333 22.586.583 1,02 0,999345564
1 37 22.238.000 22.653.833 22.670.625 0,98 0,97116253
2 38 21.229.000 22.687.417 22.755.250 0,93 0,894074134
3 39 23.206.000 22.823.083 22.887.625 1,01 1,025702847
4 40 23.149.000 22.952.167 23.017.542 1,01 0,997090779
5 41 24.401.000 23.082.917 23.155.792 1,05 1,022284441
6 42 23.821.000 23.228.667 23.305.542 1,02 0,997090779
2016
7 43 21.574.000 23.382.417 23.463.542 0,92 1,033612051
8 44 23.923.000 23.544.667 23.566.083 1,02 1,003436898
Jan Feb Mar Apr Mei Jun Jul Agus Sep Okt Nov Des 9 45 23.570.000 23.587.500 23.694.542 0,99 1,031074793
10 46 24.533.000 23.801.583 23.895.833 1,03 1,003436898
2013 1,15 1,04 1,06 1,05 1,02 1,02 11 47 24.104.000 23.990.083 24.114.417 1,00 1,021688288
12 48 24.841.000 24.238.750 24.264.208 1,02 0,999345564
2014 0,95 0,92 1,07 1,00 1,07 1,00 1,07 1,00 1,07 1,00 1,07 1,00 1 49 24.185.000 24.289.667 24.516.417 0,99 0,97116253
2 50 21.743.000 24.743.167 24.899.667 0,87 0,894074134
2015 0,98 0,88 1,04 1,02 1,04 1,02 1,04 1,02 1,04 1,02 1,04 1,02 3 51 25.775.000 25.056.167 25.164.000 1,02 1,025702847
4 52 25.411.000 25.271.833 25.448.167 1,00 0,997090779
2016 0,98 0,93 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 1,01 5 53 27.385.000 25.624.500 25.797.083 1,06 1,022284441
6 54 24.432.000 25.969.667 26.145.417 0,93 0,997090779
2017 0,99 0,87 1,02 1,00 1,02 1,00 1,02 1,00 1,02 1,00 1,02 1,00 2017
7 55 27.016.000 26.321.167 26.483.250 1,02 1,033612051
8 56 27.679.000 26.645.333 26.796.125 1,03 1,003436898
2018 1,01 0,91 1,05 1,03 1,05 1,03 1,05 1,03 1,05 1,03 1,05 1,03 9 57 26.158.000 26.946.917 27.090.583 0,97 1,031074793
10 58 28.765.000 27.234.250 27.381.375 1,05 1,003436898
rata2 0,98 0,90 1,04 1,01 1,03 1,01 1,05 1,01 1,04 1,01 1,03 1,01 11 59 28.246.000 27.528.500 27.595.583 1,02 1,021688288
12 60 29.059.000 27.662.667 27.679.375 1,05 0,999345564
0,97116 0,894074 0,9970907 1,02228 0,99709 1,03361 1,003 1,031 1,003 1,021 0,999 1 61 28.075.000 27.696.083 27.782.333 1,01
18
0,97116253
IS 1,025702847 2 62 25.362.000 27.868.583 27.886.042 0,91 0,894074134
2528 134 79 4441 0779 2051 437 075 437 688 346 3 63 29.223.000 27.903.500 27.964.333 1,05 1,025702847
4 64 28.942.000 28.025.167 27.991.538 1,03 0,997090779
2018 5 65 28.995.000 27.957.909 27.943.505 1,04 1,022284441
6 66 24.833.000 27.929.100 27.866.328 0,89 0,997090779
7 67 29.086.000 27.803.556 1,033612051
8 68 28.098.000 27.769.625 1,003436898
9 69 27.618.000 1,031074793
Jumlah Jumlah
Tahun Bulan Periode (t) T Tahun Bulan Periode (t) T
Penumpang Penumpang
1 1 10.089.000 12.683.101 1 37 22.238.000 21.999.001
2 2 10.281.000 12.941.876 2 38 21.229.000 22.257.776
3 3 11.240.000 13.200.651 3 39 23.206.000 22.516.551
4 4 11.529.000 13.459.426 4 40 23.149.000 22.775.326
5 5 11.767.000 13.718.201 5 41 24.401.000 23.034.101
6 6 11.817.000 13.976.976 6 42 23.821.000 23.292.876
2013 2016
7 7 15.407.000 14.235.751 7 43 21.574.000 23.551.651
8 8 14.321.000 14.494.526 8 44 23.923.000 23.810.426
9 9 15.113.000 14.753.301 9 45 23.570.000 24.069.201
10 10 15.531.000 15.012.076 10 46 24.533.000 24.327.976
11 11 15.487.000 15.270.851 11 47 24.104.000 24.586.751
12 12 15.901.000 15.529.626 12 48 24.841.000 24.845.526
1 13 15.176.000 1 49 24.185.000
3.3 MENENTUKAN KOMPONEN 2 14 14.856.000
15.788.401
16.047.176 2 50 21.743.000
25.104.301
25.363.076
3 15 17.471.000 16.305.951 3 51 25.775.000 25.621.851
4 16 16.671.000 16.564.726 4 52 25.411.000 25.880.626
5 17 16.781.000 16.823.501 5 53 27.385.000 26.139.401
6 18 17.848.000 17.082.276 6 54 24.432.000 26.398.176
2014 2017
7 19 16.585.000 17.341.051 7 55 27.016.000 26.656.951
8 20 17.091.000 17.599.826 8 56 27.679.000 26.915.726
9 21 18.253.000 17.858.601 9 57 26.158.000 27.174.501
10 22 19.079.000 18.117.376 10 58 28.765.000 27.433.276
11 23 18.605.000 18.376.151 11 59 28.246.000 27.692.051
12 24 20.080.000 18.634.926 12 60 29.059.000 27.950.826
1 25 19.244.000 18.893.701 1 61 28.075.000 28.209.601
2 26 17.640.000 19.152.476 2 62 25.362.000 28.468.376
3 27 21.290.000 19.411.251 3 63 29.223.000 28.727.151
4 28 21.171.000 19.670.026 4 64 28.942.000 28.985.926
5 29 22.177.000 19.928.801 2018 5 65 28.995.000 29.244.701
6 30 22.207.000 20.187.576 6 66 24.833.000 29.503.476
2015
7 31 21.171.000 20.446.351 7 67 29.086.000 29.762.251
ADD A FOOTER 8 32 22.295.000 20.705.126 8 68 28.098.000 30.021.026
19
9 33 22.021.000 20.963.901 9 69 27.618.000 30.279.801
10 34 22.964.000 21.222.676
11 35 22.355.000 21.481.451
12 36 22.996.000 21.740.226
Jumlah Jumlah
Tahun Bulan Periode (t) MA (12) T C Tahun Bulan Periode (t) MA (12) T C
Penumpang Penumpang

1 1 10.089.000 12.683.101 1 37 22.238.000 22.300.333 21.999.001 1,029766


2 2 10.281.000 12.941.876 2 38 21.229.000 22.526.200 22.257.776 1,019303
3 3 11.240.000 13.200.651 3 39 23.206.000 22.584.000 22.516.551 1,013614
4 4 11.529.000 13.459.426 4 40 23.149.000 22.771.667 22.775.326 1,007765
5 5 11.767.000 13.718.201 5 41 24.401.000 22.675.500 23.034.101 1,002119
6 6 11.817.000 13.976.976 6 42 23.821.000 22.996.000 23.292.876 0,997243
2013 2016
7 7 15.407.000 13.206.917 14.235.751 0,927729 7 43 21.574.000 23.382.417 23.551.651 0,992814
8 8 14.321.000 13.630.833 14.494.526 0,940412 8 44 23.923.000 23.544.667 23.810.426 0,988839
9 9 15.113.000 14.012.083 14.753.301 0,949759 9 45 23.570.000 23.587.500 24.069.201 0,979987
10 10 15.531.000 14.531.333 15.012.076 0,967976 10 46 24.533.000 23.801.583 24.327.976 0,978363
11 11 15.487.000 14.959.833 15.270.851 0,979633 11 47 24.104.000 23.990.083 24.586.751 0,975732
12 12 15.901.000 15.377.667 15.529.626 0,990215 12 48 24.841.000 24.238.750 24.845.526 0,975578
1 13 15.176.000 15.880.250 1 49 24.185.000 24.289.667
3.4 MENENTUKAN KOMPONEN 2 14 14.856.000 15.978.417
15.788.401

16.047.176
1,005817

0,995715 2 50 21.743.000 24.743.167


25.104.301

25.363.076
0,967550

0,975559
3 15 17.471.000 16.209.250 16.305.951 0,99407 3 51 25.775.000 25.056.167 25.621.851 0,977922
4 16 16.671.000 16.470.917 16.564.726 0,994337 4 52 25.411.000 25.271.833 25.880.626 0,976477
5 17 16.781.000 16.766.583 16.823.501 0,996617 5 53 27.385.000 25.624.500 26.139.401 0,980302
6 18 17.848.000 17.026.417 17.082.276 0,99673 6 54 24.432.000 25.969.667 26.398.176 0,983767
2014 2017
7 19 16.585.000 17.374.667 17.341.051 1,001939 7 55 27.016.000 26.321.167 26.656.951 0,987403
8 20 17.091.000 17.713.667 17.599.826 1,006468 8 56 27.679.000 26.645.333 26.915.726 0,989954
9 21 18.253.000 17.945.667 17.858.601 1,004875 9 57 26.158.000 26.946.917 27.174.501 0,991625
10 22 19.079.000 18.263.917 18.117.376 1,008088 10 58 28.765.000 27.234.250 27.433.276 0,992745
11 23 18.605.000 18.638.917 18.376.151 1,014299 11 59 28.246.000 27.528.500 27.692.051 0,994094
12 24 20.080.000 19.088.583 18.634.926 1,024344 12 60 29.059.000 27.662.667 27.950.826 0,989690
1 25 19.244.000 19.451.833 18.893.701 1,029541 1 61 28.075.000 27.696.083 28.209.601 0,981796
2 26 17.640.000 19.834.000 19.152.476 1,035584 2 62 25.362.000 27.868.583 28.468.376 0,978931
3 27 21.290.000 20.267.667 19.411.251 1,04412 3 63 29.223.000 27.903.500 28.727.151 0,971328
4 28 21.171.000 20.581.667 19.670.026 1,046347 4 64 28.942.000 28.025.167 28.985.926 0,966854
5 29 22.177.000 20.905.417 19.928.801 1,049005 2018 5 65 28.995.000 #DIV/0! 29.244.701 0,955999
6 30 22.207.000 21.217.917 20.187.576 1,051038 6 66 24.833.000 #DIV/0! 29.503.476 0,946638
2015
7 31 21.171.000 21.460.917 20.446.351 1,049621 7 67 29.086.000 #DIV/0! 29.762.251
8 32 22.295.000 21.662.455 20.705.126 1,048553 8 68 28.098.000 #DIV/0! 20
30.021.026
9 33 22.021.000 22.064.700 20.963.901 1,049876 9 69 27.618.000 30.279.801
10 34 22.964.000 22.150.778 21.222.676 1,044598
11 35 22.355.000 22.273.250 21.481.451 1,039688
12 36 22.996.000 22.287.000 21.740.226 1,035837
Tabel Ramalan Jumlah Penumpang KRL

Tahun
Bulan
2018 2019 2020 2021 2022 2027 2028
GRAFIK RAMALAN JUMLAH PENUMPANG KRL
Januari 27.396.107 30.411.858 33.427.609 36.443.360 39.459.111 54.537.866 57.553.617 JABODETABEK
40,000,000
Februari 25.452.839 28.229.207 31.005.575 33.781.944 36.558.312 50.440.154 53.216.523
35,000,000
Maret 29.465.521 32.650.636 35.835.751 39.020.866 42.205.981 58.131.556 61.316.671
30,000,000
April 28.901.600 31.997.866 35.094.132 38.190.398 41.286.664 56.767.993 59.864.259 25,000,000

Mei 29.896.403 33.070.903 36.245.403 39.419.902 42.594.402 58.466.902 61.641.402 20,000,000

Juni 29.417.644 32.513.910 35.610.176 38.706.442 41.802.708 57.284.038 60.380.304 15,000,000

10,000,000
Juli 30.762.621 33.972.297 37.181.972 40.391.648 43.601.323 59.649.701 62.859.376
5,000,000
Agustus 30.124.205 33.240.178 36.356.150 39.472.123 42.588.096 58.167.959 61.283.931
-
Septemb
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94
er 31.220.740 34.422.536 37.624.333 40.826.129 44.027.926 60.036.909 63.238.705
Series1 Series2
Oktober 30.643.534 33.759.507 36.875.479 39.991.452 43.107.424 58.687.287 61.803.260
Novemb
er 31.465.293 34.637.941 37.810.590 40.983.239 44.155.887 60.019.131 63.191.779 NILAI ERROR
Desemb 21
er 31.035.802 34.139.070 37.242.337 40.345.605 43.448.873 58.965.212 62.068.480
MAPE : 5,0780
Total 355.782.307 393.045.907 430.309.507 467.573.107 504.836.707 691.154.707 728.418.307
MAD : 9,939
MSD : 1,597
Pola data yang terbentuk pada data jumlah penumpang
KRL JABODETABEK Tahun 2013-2018 adalah trend, season,
dan siklus sehingga metode analisis yang cocok digunakan
untuk peramalah adalah metode dekomposisi

Jumlah penumpang KRL di Tahun 2038 sebanyak 728.418.307


penumpang atau pertumbuhan sebesar 5% pertahun

Saran

Pemerintah bersama perusahaan pengelola KRL


Jabodetabek perlu meningkatkan pelayanan baik jumlah
moda, jumlah waktu keberangkatan, bahkan
penambahan baru rute perjalanan serta perbaikan
manajemen pelayanan

Pemerintah perlu berupaya untuk menambah jenis moda


transportasi lain yang lebih efektif dan efisien di
ADD A FOOTER JABODETABEK sehingga dapat mengurangi penumpukan 22
penumpang terutama pada peak hours
Arifin, Divia. Analisis Peramalan Time Series Metode Dekomposisi Meramalkan Jumlah
Penumpang Keberangkatan Internasional di Bandara Soekarno Hatta Jakarta Berkaitan
Dengan Terminal 3 Ultimate. 2018. ITERA.

Munawaroh, Astin. Peramalan Jumlah Penumpang pada PT Angkasa Pura 1 (Persero) Kantor
Cabang Bandara Udara Internasional Adisujipto Yogyakarta dengan Metode Winter’s
Eksponensial Smoothing dan Seasonal Arima. 2010. Universitas Negeri Yogyakarta

Watyaningsih. Presentasi Analisis Peramalan. ITB

23