Top Banner
Pemodelan Dan Peramalan Penjualan Sepeda Motor Di Surabaya Dengan Pendekatan ARIMAX Variasi Kalender Seminar Hasil Tugas Akhir Oleh Arinta Cahyaningtyas 13 10 100 006 Dosen Pembimbing Dr. Setiawan, M.S Jurusan Statistika – FMIPA Institut Teknologi Sepuluh Nopember Surabaya, 2014
55

Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

Feb 01, 2018

Download

Documents

hatuong
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

Pemodelan Dan PeramalanPenjualan Sepeda Motor Di Surabaya

Dengan Pendekatan ARIMAX Variasi Kalender

Seminar Hasil Tugas Akhir

OlehArinta Cahyaningtyas 13 10 100 006

Dosen PembimbingDr. Setiawan, M.S

Jurusan Statistika – FMIPAInstitut Teknologi Sepuluh Nopember

Surabaya, 2014

Page 2: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

BAB I

PENDAHULUAN

Page 3: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

1.1 Latar Belakang

1

2.765.487 Jiwa

Page 4: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2

Mengindikasikan bahwa kotaSurabaya merupakan kota yang telah berkembang dan maju. 

Pusat kegiatanperekonomian Jawa

Timur

Industri

Jasa

Perdagangan

1.1 Latar Belakang

Page 5: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

Industri

Semakin berkembang

Meningkatnya permintaan terhadapsepeda motor

1.1 Latar Belakang

3

Page 6: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

1.1 Latar Belakang

• Penjualan total sepeda motortahun 2003‐2013 mencapai1.440.619 unit

• Penjualan sepeda motor Hondamencapai 788.445 unit

• Penjualan matic Honda mencapai205.085 unit.

4

Page 7: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

Matic Honda memimpin 70,7%di pasar sepeda motor matic(AT) nasional.

Jumlah ini diprediksi akan terus meningkat untuk tahun‐tahunberikutnya dan untuk mengetahui seberapa besar peningkatantersebut, PT. MPM Honda motor perlu melakukan peramalan.Peramalan dilakukan dengan data bulanan sehingga lebih tahu secaradetail pergerakan penjualan per bulannya.

1.1 Latar Belakang

Pemodelan dan peramalanmenggunakan ARIMAX Variasi kalender.

TrenEfek

Bulanan

Efek HariRaya

5

Page 8: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

1.Bagaimana karakteristik penjualan total seluruh sepeda motor,penjualan sepeda motor Honda dan penjualan sepeda motorHonda jenismatic di Surabaya?

2. Bagaimana model yang sesuai untuk data penjualan totalseluruh sepeda motor, penjualan sepeda motor Honda danpenjualan sepeda motor Honda jenis matic di Surabayadengan pendekatan ARIMAX variasi kalender?

3. Berapa nilai peramalan penjualan total seluruh sepedamotor, penjualan sepeda motor Honda dan penjualansepeda motor Honda jenis matic di Surabaya denganpendekatan ARIMAX variasi kalender untuk periodesatu tahun ke depan?

1.2 Rumusan Masalah

6

Page 9: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

1. Mendapatkan gambaran mengenai karakteristik penjualantotal seluruh sepeda motor, penjualan sepeda motor Hondadan penjualan sepeda motor Honda jenismatic di Surabaya.

2. Mendapatkan model yang sesuai bagi penjualan totalseluruh sepeda motor, penjualan sepeda motor Hondadan penjualan sepeda motor Honda jenis matic diSurabaya dengan pendekatan ARIMAX variasi kalender.

3. Mendapatkan nilai hasil peramalan penjualan totalseluruh sepeda motor, penjualan sepeda motorHonda dan penjualan sepeda motor Honda jenismatic di Surabaya untuk periode satu tahun kedepan.

1.3 Tujuan Penelitian

7

Page 10: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

1.4 Manfaat Penelitian

Manfaat yang diharapkan daripenelitian ini yaitu dapatmenghasilkan suatu estimasi nilairamalan untuk penjualan ketigakatagori sepeda motor satu tahun kedepan. Sehingga dapat dijadikangambaran mengenai trenperkembangan sepeda motor dikota Surabaya. Selain itu,harapannya penelitian ini dapatmenjadi bahan refrensi atau sebagaitambahan wacana bagi pihak‐pihakterkait dan yang membutuhkan

8

Page 11: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

1.5 Batasan Penelitian

1. Data total sepeda motor di Surabayamerupakan data penjualan seluruhmerek motor yang beredar diIndonesia tahun 2003 hingga 2014.

2. Data penjualan sepeda motor Hondamerupakan data penjualan seluruhmotor Honda secara total yangberasal dari matic, cub dan sporttahun 2003 hingga 2014.

3. Data sepeda motor Honda jenis Maticmerupakan data penjualan seluruhtipe motor matic Honda tanpamemperdulikan secara spesifik (BeAT,Scoopy, dll).

9

Page 12: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

BAB II

TINJAUAN PUSTAKA

Page 13: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.1 Tinjauan Non Statistik

2.1.1 Kendaraan BermotorKendaraan yang digerakkanoleh peralatan teknik untukpergerakannya dan digunakanuntuk transportasi darat,umumnya menggunakanmesin pembakaran dalam.Kendaraan bermotor memilikiroda dan sebagian besarberjalan di atas jalan.Beberapa jenis kendaraanbermotor antara lain mobil,bus, sepeda motor, kendaraanoff‐road, truk ringan hinggatruk berat.

2.1.2 Sepeda MotorSepeda motor merupakansalah satu dari jeniskendaraan bermotor yangdigerakkan oleh sebuah mesindengan letak kedua rodasebaris lurus dan padakecepatan tinggi sepedamotor tetap stabil disebabkanoleh gaya giroskopik.Beberapa merek motor yangpopular di Indonesia antaralain Honda, Yamaha, Suzuki,Kawasaki, Ducati, TVS. Jenis‐jenisnya yaitu matic (AT),Sport dan motor cub (bebek).

10

Page 14: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.1.3 Kondisi Sepeda MotorKekinian

Pulau Jawa masih memimpindalam penjualan sepeda motor.Dari sisi volume, pasar motor diJawa pada 2013 mengalamipeningkatan sebesar 14,24%. Daribanyak merek sepeda motor yangada di Indonesia, Honda masihmasih memimpin sebagai merekmotor dengan penjualantertinggi. Berdasarkan data dariAsosiasi Industri Sepeda MotorIndonesia (AISI), Astra HondaMotor (AHM) menguasai 61%pasar sepeda motor Indonesiapada April 2014

2.1.4 Profil PT. MPMPT. Mitra Pinasthika Mulia (MPM)merupakan distributor tunggal dalampenjualan dan penyediaan sukucadang sepeda motor Honda untukwilayah Jawa Timur dan NusaTenggara Timur (NTT).

VisiMenjadi perusahaan ternama yangdigemari setiap insan yang diciptakanoleh sumber daya manusia yangterampil dan penuh semangatdibawah para pemimpin yangberwibawa dan bersahaja.

MisiMenyediakan produk dan layanantransportasi berkualitas prima danramah sehingga menyenangkan parapelanggan.

2.1 Tinjauan Non Statistik

11

Page 15: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.1 Tinjauan Non Statistik

12

2.1.5 Riset Pasar Sepeda Motor Honda• Honda adalah salah satu merek sepeda motor ternama di Indonesia yangdi produksi oleh PT. Astra Honda Motor (AHM). Honda merupakansepeda motor yang pertama kali hadir mengeluarkan motor bebekinjection di Indonesia dengan teknologi PGM‐FI.

• PT. (AHM) menguasai 63% pangsa pasar sepeda motor nasional dikuartal I/2014 dengan penjualan 1.254.662 unit sepeda motor.Penyumbang terbesar penjualan sepeda motor Honda masih didominasioleh tipe matic (AT). Honda jenis matic (AT) mampu terjual sebesar904.445 unit atau memimpin 70,7% di pasar sepeda motor matic (AT)nasional.

• Di tahun 2014, Honda dinobatkan sebagai sepeda motor terpopuler dikalangan masyarakat Indonesia melalui diterimanya penghargaan TopBrand Award 2014 dengan enam sepeda motor Honda yang memilikinilai tertinggi, yaitu Honda Vario dan Honda BeAT di segmen matic (AT),Honda Supra dan Honda Revo di segmen cub (bebek), Honda Tiger danHonda MegaPro di segmen sport.

Page 16: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

2.2.1 Statistika DeskriptifStatistika deskriptif merupakanmetode‐metode yang berkaitandengan pengumpulan danpenyajian data yang dapatmemberikan informasi sederhanakepada pembaca. Informasi yangdiberikan dapat berupa grafik,tabel maupun gambar. Statistikadeskriptif antara lain meliputirata‐rata, median, dan modus,variansi, standar deviasi, nilaimaksimum, nilai minimum,kurtosis dan skewness.

2.2.2 Analisis Regresi Linier Berganda

analisis regresi yang menelitimengenai hubungan satuvariabel yang disebut sebagaivariabel respon dengan satuatau lebih dari satu variabelprediktor.

13

Page 17: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

14

2.2.3.2 Uji ParsialUntuk mengetahuisignifikansi parameter βterhadap variabel responsecara individu dilakukanuji parsial

2.2.3.1 Uji SerentakUntuk mengetahuisignifikansi parameter βterhadap variabelrespon secarabersamaan dilakukan ujiserentak.

2.2.3 Pengujian Signifikansi Parameter

Page 18: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

2.2.4 Asumsi Regresi LinierBergandaAsumsi‐asumsi pada regresi linierberganda adalah sebagai berikut.1.Model regresi yang di dapatbersifat linier dalam parameter.

2.Tidak terjadi autokorelasi padaerror.

3.Tidak terjadi multikolineritas antarvariabel prediktor.

4.Error berdistribusi normal.5.Nilai rata‐rata dari error adalah nol.6.Varians dari error bersifathomoskedastik.

2.2.5 Konsep Deret WaktuDeret waktu atau time seriesmerupakan suatu pengamatan yangtersusun berdasarkan urutan waktu(Wei, 2006).Tujuan dari analisis deret waktu adadua, yaitu untuk memodelkan suatumekanisme stokastik yang terdapatpada pengamatan berdasarkanwaktu dan untuk memprediksi ataumeramalkan nilai pengamatan diwaktu yang akan dating berdasarkandata yang telah ada (Cryer, 1986).

15

Page 19: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

16

2.2.6 Model AutoregressiveIntegrated MovingAverage (ARIMA)

Model ARIMA merupakanmodel gabungan dari modelautoregressive (AR) danmoving Average (MA) sertaproses differencing terhadapdata time series. Terdapatdua model ARIMA yaituARIMA non musimandengan orde d dan ARIMAmusiman dengan orde D(Wei, 2006).

2.2.7 Identifikasi ModelUntuk menentukan nilaip,d,q,P,D dan Q dari modelARIMA maka perlu dilakukanidentifikasi model ARIMA ,yang meliputimengidentifikasikestasioneran data,Autocorrelation Function(ACF) dan PartialAutocorrelation Function(PACF).

Page 20: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

17

2.2.9 Penaksiran Parameter ModelARIMA

1. Metodemoment2. Metode Least Squares (CLS)3. MetodeMaximum Likelihood4. Metode Unconditional Least

Squares .5. Metode Nonlinier Estimation.

Model ACF PACF

AR (p)Dies down

Cut off after lag‐p

MA (q)Cut off after 

lag‐qDies down

ARMA (p,q) Dies down Dies down

AR (p) atau MA (q)Cut off after 

lag‐qCut off after 

lag‐p

Tidak ada orde ARatau MA(White Noise atauRandomWalk)

No spike No spike

2.2.8 Identifikasi Model ARIMAPengidentifikasian model ARIMAdapat dilakukan dengan melihat plottime series , plot ACF dan plot PACF.Plot ACF dan PACF digunakan untukmenentukan orde p dan q dari modelARIMA.

Page 21: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

18

2.2.10 Pengujian SignifikansiParameter

Dilakukan untuk mengetahuiapakah hasil penaksiranparameter model ARIMA danmodel Variasi Kalender signifikanatau tidak, sehingga dapatdiketahui setiap variabel yangdigunakan apakah telahberpengaruh pada Zt.sebagai contoh, parameter MAyaitu θ

2.2.11 Cek Diagnosa2.2.11.1 Uji Asumsi White Noise 

2.2.11.2 Uji Distribusi NormalUji disribusi normal dilakukanterhadap residual yang dihasilkan. Pengujian menggunakanKolmogornov Smirnov

Page 22: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

19

2.2.12 Model Variasi KalenderUntuk data time series yang mengandung efekvariasi kalender, Zt dituliskan sebagai berikut.

Secara umum, variasi kalender terbagi menjadi dua yaitu efekhari perdagangan dan efek hari libur. Pada penelitian kali ini,pemodelan yang digunakan adalah variasi kalender denganefek hari libur yaitu hari raya idul fitri. Menurut Liu (1980),model efek liburan dituliskan sebagai berikut.

Jika efek disebabkan olehhari libur yang lebihspesifik, variabelmenunjukan proporsi darihari libur pada tahun ke‐t.Jika efek hari liburmengalami peningkatanataupun penurunan secaralinier dari tahun ke tahunmaka model yangdigunakan adalah sebagaiberikut.

Page 23: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

20

2.2.13 Penaksiran Parameter Model Variasi KalenderBentuk umum model variasi kalender adalahsebagai berikut.

Langkah berikutnya ialah menaksir parameter β,θdan sehingga persamaan dapat dituliskanmenjadi

2.2.14 Model ARIMAX VariasiKalenderModel ARIMA

merupakan model umumdalam peramalan data.Sedangkan model ARIMAXmerupakan model ARIMA yangdiberi tambahan variabelprediktor. Variabel prediktordalam penelitian ini yaituvariabel dummy yang bertujuanuntuk mewakili efek variasikalender.

Page 24: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

2.2 Tinjauan Statistik

21

2.2.15 Pemilihan Model TerbaikMenurut Wei (2002), beberapakriteria pemilihan model terbaikmenurut untuk data in sampelantara lain AIC (Akaike’sInformation Criterion) dan SBC(Schwartz’s Bayesian Criterion).Sedangkan untuk data outsampel yaitu dengan MSE (MeanSquare Error) dan MAPE (MeanAbsolute Percentage Error)

2..216 Deteksi Outlier• Outlier dapat diartikan sebagaiketidaktepatan pengamatan padasuatu data dikarenakan adanyakejadian tertentu yang menggangguseperti serangan, peperangan, krisisekonomi dan kejadian‐kejadian lainyang tidak diketahui.

• Jenis‐jenis Outlier antara lain yaituAdditive Outlier (AO), InnovationalOutlier (IO), Level Shift (LS) danTemporary Change (TC).

• Salah satu langkah untuk mengatasioutlier yaitu dengan menambahkanvariabel dummy (It). Variabel initergantung pada jenis outlier yangada.

Page 25: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

BAB III

METODE PENELITIAN

Page 26: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

3.1 Sumber Data

Data sekunder berasal PT. Mitra Pinasthika Mulya (MPM), antara lain :

Data jumlah penjualan total sepeda motor dan penjualansepeda motor Honda di Surabaya mulai Januari 2003‐Desember 2013 sebagai in sample dan data bulan Januari2014‐Maret 2014 sebagai out sample.

Data penjualan sepeda motor Honda jenis matic di SurabayaJanuari 2009‐Desember 2013 sebagai in sample dan data bulanJanuari 2014 hingga Maret 2014 sebagai out sample.

22

Page 27: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

3.2 Variabel penelitianVariabel Keterangan

Y1Penjualan bulanan total sepeda motor di surabaya tahun 2003‐2014

Y2Penjualan bulanan sepeda motor Honda di surabaya tahun 2003‐2014

Y3 Penjualan bulanan sepeda motor Honda jenis Matic di Surabaya tahun 2009‐2014.

t Variabel dummy yang menggambarkan efek tren.

D1,D2,…,D12 Variabel dummy yang menggambarkan efek bulanan.

HR‐1 Variabel dummy yang menggambarkan efek satu bulan sebelum idul fitri

HR Variabel dummy yang menggambarkan efek bulan idul fitri

HR+1 Variabel dummy yang menggambarkan efek satu bulan setelah idul fitri

23

Page 28: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

3.3 Langkah Analisis1. Untuk menjawab tujuan pertama, yaitu melakukan statistika deskriptif.2. Untuk menjawab tujuan kedua, yaitu mencari model yang sesuai

menggunakan ARIMAX variasi kalender dengan langkah sebagai berikut.a. Melakukan pemodelan regresi time series dengan meregresikan Y

dengan variabel dummy (X) hingga mendapatkan variabel yangsignifikan.

b. Setelah mendapatkan model regresi yang tepat, selanjutnya dilakukanpengecekan terhadap residual. Ketika residual telah memenuhi asumsiwhite noise, maka pemodelan selesai dan berhenti sampai regresidummy. Namun, saat residual belum memenuhi asumsi white noise,maka dilanjutkan pada pemodelan ARIMA.

c. Pada tahap pemodelan ARIMA, dilakukan identifikasi model sementaradan pengecekan signifikansi parameter serta asumsi white noise.

d. Ketika telah mendapatkan model, dari pemodelan ARIMA, selanjutnyadilakukan pemodelan ARIMA dengan X sebagai input atau disebutdengan ARIMAX.

e. Jika terdapat lebih dari satu model ARIMAX, maka dilakukanperbandingan untuk mencari model terbaik dengan melihat nilai sMAPEterkecil.

24

Page 29: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

3. Untuk menjawab tujuan ketiga, yaitu mendapatkan hasil peramalanpenjualan sepeda motor dilakukan dengan melakukan peramalanpenjualan bulanan untuk tahun 2014 dengan menggunakan modelARIMAX yang telah diperoleh.

3.3 Langkah Analisis

25

Page 30: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

BAB IV

ANALISIS DAN PEMBAHASAN

Page 31: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.1 Analisis Statistika Deskriptif

Tahun Total Rata‐Rata Minimum Maksimum2003 95.813 7.984 6.211 10.2302004 118.399 9.867 8.123 11.5002005 125.038 10.420 7.195 12.3032006 117.947 9.829 7.716 16.5202007 111.945 9.329 7.907 10.8672008 130.005 10.834 7.785 13.1612009 140..252 11.688 8.025 14.7742010 169.723 14.144 11.580 16.5032011 135..734 11.311 9.590 13.9512012 134.596 11.216 8.898 13.6312013 161.167 13.431 11.906 19.793

4.1.1 Penjualan Total Sepeda Motor di Surabaya

Penjualan Terendah

Penjualan Tertinggi Febuari Agustus

Febuari

September

26

Page 32: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.1 Analisis Statistika Deskriptif

Tahun Total Rata‐Rata Minimum Maksimum

2003 55.911 4.659 3.624 6.0262004 65.056 5.421 4.455 6.2302005 70.358 5.863 3.988 7.1132006 68.278 5.690 4.313 9.7802007 57.346 4.779 3.889 6.0012008 62.851 5.238 3.578 6.4452009 69.854 5.821 3.918 7.5772010 85.896 7.158 5.725 8.4522011 76.084 6.340 5.416 8.1352012 75.619 6.302 5.135 7.730

2013 101.192 8.433 7.178 12.381

4.1.2 Penjualan Sepeda Motor Honda di Surabaya 

Penjualan Terendah

Penjualan Tertinggi Januari Juli

Febuari

September

27

Page 33: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.1 Analisis Statistika Deskriptif

Tahun Total Rata‐Rata Minimum Maksimum

2009 13.676 1.140 782 1.597

2010 28.417 2.368 1.534 3.946

2011 42.274 3.523 2.499 4.095

2012 47.055 3.921 2.921 5.373

2013 73.663 6.139 4.929 9.372

4.1.3 Penjualan Sepeda Motor Matic Honda di Surabaya 

Penjualan Terendah

Penjualan Tertinggi Januari Juli

Maret

Desember

28

Page 34: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

29

4.2.1 Pemodelan Penjualan Total Sepeda Motor di Surabaya

YearMonth

201420132012201120102009200820072006200520042003JanJanJanJanJanJanJanJanJanJanJanJan

20000

17500

15000

12500

10000

7500

5000

Tota

l Sep

eda

Mot

or

Mar/2009 Jan/2012Apr/2006

Gambar 4.1 Time Series Plot Penjualan Total SepedaMotor di Surabaya

Tabel 4.4 Estimasi Parameter Model PenjualanTotal Sepeda Motor di Surabaya

Parameter Koefisien Std. Error P Value t 56.1 21.7 0.011Bulan 1 7660.1 672.55 <.0001Bulan 2 6899 678.03 <.0001Bulan 3 7740.2 683.07 <.0001Bulan 4 7539.7 687.74 <.0001Bulan 5 8148.3 674.89 <.0001Bulan 6 8411.7 677.9 <.0001Bulan 7 8924 696.36 <.0001Bulan 8 8939.6 713.28 <.0001Bulan 9 8466.1 746.48 <.0001Bulan 10 8838.4 751.55 <.0001Bulan 11 7356.6 738.31 <.0001Bulan 12 7859.7 717.96 <.0001HR-1 1345.9 584.4 0.023HR -64.26 592.71 0.914HR+1 422.15 584.4 0.472D1 871.03 1652.7 0.599D2 9820.5 2640.8 0,000D3 -12859.3 6164.2 0.039tD1 -37.9 34.3 0.272tD2 -115.75 35.27 0.001tD3 85.23 55.08 0.125

Page 35: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

30

Parameter Koefisien Std. Error P Value t 31.9 4.02 <.0001b1 7962.1 528.73 <.0001b2 7109.9 532.55 <.0001b3 7976.2 533.95 <.0001b4 7844.2 537.48 <.0001b5 8417.4 538.27 <.0001

b6 8703.9 539.18 <.0001

b7 9262.8 560.92 <.0001

b8 9276.1 550.64 <.0001

b9 8954.5 563.33 <.0001

b10 9305.7 564.72 <.0001

b11 7861.8 545.6 <.0001

b12 8405.6 547.24 <.0001

HR1 1259.4 556.14 0.0254

d2 9608.8 2628.6 0.0004

td2 -92.8 28.38 0.0014

Tabel 4.5 Estimasi Parameter Model PenjualanTotal Sepeda Motor di Surabaya Dengan Variabel SignifikanModel Regresi Time Series

4.2.1 Pemodelan Penjualan Total Sepeda Motor di Surabaya

Page 36: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

31

454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

(a) (b)

Plot ACF mengindikasikan model MA 3  Plot PACF mengindikasikan model AR 2 

Untuk menentukan model mana yang terbaik maka dilakukanpengujian signifikansi parameter.

4.2.1 Pemodelan Penjualan Total Sepeda Motor di Surabaya

Page 37: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

AR 2 merupakan model yangsignifikan dengan Pvalue yang lebihbesar dari alpha 10%. sMAPE yangdihasilkan sebesar 0,0269 atau2,69%.

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

32

4.2.1 Pemodelan Penjualan Total Sepeda Motor di Surabaya

Parameter Estimasi Std Error P Value Lag

AR 1,1 0.28727 0.08996 0.0018 1

AR 1,2 0.40561 0.08929 <.0001 2

Tabel 4.7 Estimasi Parameter Model AR 2

Sampai Lag Chisquare Derajat Bebas

P Value

6 3.75 4 0.44012 6.23 10 0.79618 11.12 16 0.80124 20.61 22 0.54530 25.05 28 0.62536 34.71 34 0.434

Tabel 4.8 Pengujian White Noise Model AR 2

Pengujian P value

Kolmogorov‐Smirnov 0.1424

Tabel 4.9 Uji Kenormalan Model AR 2

Untuk MA 3, selain tidak signifikan juga tidakmemenuhi asumsi white noise dan tidakberdistribusi normal. Maka dari itu, modelyang sesuai untuk penjualan total sepedamotor di Surabaya adalah AR 2.

Page 38: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

33

YearMonth

201420132012201120102009200820072006200520042003JanJanJanJanJanJanJanJanJanJanJanJan

13000

12000

11000

10000

9000

8000

7000

6000

5000

4000

Hon

da S

ales

Jun/2009 Jan/2012Oct/2005

4.2.2 Pemodelan Penjualan Sepeda Motor Honda di Surabaya 

Gambar 4.3 Time Series Plot Penjualan SepedaMotor Honda di Surabaya

Parameter Koefisien Std. Error P Value t 58.13 14.91 0.000Bulan 1 4239.30 372.08 <.0001Bulan 2 3754.70 374.72 <.0001Bulan 3 4120.30 377.14 <.0001Bulan 4 4018.60 379.71 <.0001Bulan 5 4311.60 382.44 <.0001Bulan 6 4377.80 385.31 <.0001Bulan 7 4583.70 396.60 <.0001Bulan 8 4500.00 409.23 <.0001Bulan 9 4332.50 428.57 <.0001Bulan 10 4520.50 432.45 <.0001Bulan 11 3779.10 415.04 <.0001Bulan 12 4100.60 401.29 <.0001HR-1 700.12 312.07 0.027HR 98.16 318.51 0.759HR+1 375.41 313.03 0.233D1 1559.30 654.45 0.019D2 5696.30 1634.60 0.001D3 -15424.60 3290.80 <.0001tD1 -70.70 17.93 0.000tD2 -93.25 22.66 <.0001

Tabel 4.10 Estimasi Parameter Model Penjualan SepedaMotor Honda di Surabaya

Page 39: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

34

4.2.2 Pemodelan Penjualan Sepeda Motor Honda di Surabaya 

Tabel 4.11 Estimasi Parameter Model Penjualan SepedaMotor Honda di Surabaya Dengan VariabelSignifikan

Model Regresi Time Series

Parameter Koefisien Std. Error P Value

t 57.47 14.84 0.0002Bulan 1 4243.10 371.10 <.00001Bulan 2 3756.60 373.76 <0.0001Bulan 3 4123.10 376.16 <0.0001Bulan 4 4022.20 378.71 <0.0001Bulan 5 4316.00 381.41 <0.0001Bulan 6 4383.10 384.26 <0.0001Bulan 7 4611.70 394.04 <0.0001Bulan 8 4547.80 392.70 <0.0001Bulan 9 4482.40 399.60 <0.0001Bulan 10 4646.00 402.62 <0.0001Bulan 11 3912.80 387.91 <0.0001Bulan 12 4208.30 390.03 <0.0001HR-1 614.23 293.88 0.0389D1 1593.60 651.29 0.016D2 5747.60 1629.70 0.0006D3 -15213.20 3274.60 <0.0001tD1 -70.63 17.89 0.0001tD2 -93.18 22.60 <0.0001

Page 40: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

35

4.2.2 Pemodelan Penjualan Sepeda Motor Honda di Surabaya 

454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

(a) (b)

Plot ACF mengindikasikan model MA (2)  Plot PACF mengindikasikan model AR (2) 

Untuk menentukan model mana yang terbaik maka dilakukanpengujian signifikansi parameter dan hasilnya tersaji dalam Tabel 4.12

Page 41: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

36

4.2.2 Pemodelan Penjualan Sepeda Motor Honda di Surabaya 

Parameter Estimasi Std. Error P value Lag sMAPE

AR (2) 0.09679 0.09897 0.0481 2 0.1488

MA (2) -0.22238 0.09679 0.0235 2 0.1479

Tabel 4.12 Estimasi Parameter Model AR(2) dan MA(2)

Model MA (2) merupakanmodel yang paling baikdilihat dari nilai sMAPEyang dihasilkan sebesar0,1479 atau 14,79%.

Page 42: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

37

4.2.2 Pemodelan Penjualan Sepeda Motor Honda di Surabaya 

AR (2)

Sampai Lag Chisquare Derajat Bebas P Value 6 2.21 5 0.82

12 11.35 11 0.41518 17.58 17 0.41624 26.46 23 0.28030 31.09 29 0.36136 37.98 35 0.335

MA(2)

Sampai Lag Chisquare Derajat Bebas P Value 6 1.8 5 0.877

12 11.5 11 0.40318 17.18 17 0.44224 25.9 23 0.30630 29.97 29 0.41536 36.81 35 0.385

Tabel 4.13 Pengujian White Noise Dari Model AR(2) dan MA(2)

Parameter P value

AR (2) 0.1045

MA (2) >0.1500

Tabel 4.14 Uji Kenormalan Model AR(2) dan MA(2)

Kedua model telahmemenuhi asumsi yaituberdistribusi normal dantelahWhite Noise

Page 43: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

38

4.2.3 Pemodelan Penjualan Sepeda Motor Matic Honda di Surabaya 

YearMonth

201420132012201120102009JanJulJanJulJanJulJanJulJanJulJan

9000

8000

7000

6000

5000

4000

3000

2000

1000

0

Penj

uala

n M

atic

Hon

da S

urab

aya

Jan/2011 Sep/2012

Gambar 4.5 Time Series Plot Penjualan Sepeda Motor Honda Jenis Matic di Surabaya

Parameter Koefisien Std. Error P Value t 100,57 16,64 <0,001Bulan 1 239,33 343,22 0,4896Bulan 2 337,07 330,43 0,3138Bulan 3 405,31 333,27 0,2311Bulan 4 395,95 336,68 0,2465Bulan 5 663,99 340,65 0,0583Bulan 6 667,03 345,17 0,0604Bulan 7 1159,9 350,21 0,002Bulan 8 486,31 355,74 0,1792Bulan 9 87,07 398,45 0,8281Bulan 10 -494,13 573,51 0,3941Bulan 11 -575,3 577,65 0,3253Bulan 12 354,57 459,53 0,4449HR-1 940,21 477,59 0,0559HR 836,73 535 0,1257HR+1 329,88 459,37 0,4769D1 3390,2 869,14 0,0004D2 -3781,2 1918,5 0,0557tD1 -108,75 28,23 0,0004tD2 74,45 39,06 0,0639

Tabel 4.15 Estimasi Parameter Model Penjualan Sepeda Motor Honda Jenis Matic di Surabaya.

Page 44: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX

39

4.2.3 Pemodelan Penjualan Sepeda Motor Matic Honda di Surabaya 

Tabel 4.16 Estimasi Parameter Model PenjualanSepeda Motor Honda Jenis Matic diSurabaya Dengan Variabel Signifikan.

Parameter Koefisien Std. Error P Value

t 125,01 7,69 <0,001Bulan 7 757,49 263,62 0,0058D1 3462,4 787,28 <0,001

D2 -4148,7 1795,4 0,0247

tD1 -121,89 23,16 <0,001

tD2 63,89 34,58 0,0701

Model Regresi Time Series

Sampai Lag Chisquare Derajat Bebas P Value

6 7,07 6 0.225112 7,96 12 0.49

18 10,64 18 0.629

24 13,26 24 0.8364

30 15,86 30 0.8407

36 29,44 36 0.5195

Tabel 4.17 Pengujian White Noise Residual Penjualan Motor Honda Jenis Matic di SurabayaPengujian P value

Kolmogorov‐Smirnov 0.0936

Tabel 4.18 Uji Kenormalan Residual

Page 45: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.3 Peramalan Penjualan Sepeda Motordi Surabaya 

Bulan Nilai Ramalan

Januari 12.411Febuari 11.517Maret 12.531April 12.535Mei 13.185Juni 14.426Juli 13.772Agustus 14.237

September 13.975Oktober 13.789November 12.819Desember 13.398

Total 158.595

Tabel 4.19 Nilai Peramalan Penjualan Total Sepeda Motor di Surabaya Tahun 2014 (Dalam Unit)

4.3.1 Peramalan Penjualan Total Sepeda Motor di Surabaya

DecNovOctSepAugJulJunMayAprMarFebJan

18000

17000

16000

15000

14000

13000

12000

11000

10000

9000

Bulan

Nila

i Ram

alan

Pen

jual

an T

otal

Mot

or

Nilai RamalanBatas BawahBatas Atas

Variable

Gambar 4.6 Time Series Plot Nilai Ramalan Penjualan Total Sepeda Motor di Surabaya Tahun 2014.

40

Page 46: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.3 Peramalan Penjualan Sepeda Motordi Surabaya 

Tabel 4.20 Nilai Peramalan Penjualan Sepeda Motor Honda di Surabaya Tahun 2014 (Dalam Unit)

4.3.2 Peramalan Penjualan Sepeda Motor Honda di Surabaya 

Bulan Nilai Ramalan

Januari 9.056Febuari 8.646Maret 9.354April 9.393Mei 9.827Juni 10.741Juli 10.405Agustus 10.492September 10.561Oktober 10.440November 10.157Desember 10.783

Total 119.854

Gambar 4.7 Time Series Plot Nilai Ramalan Penjualan SepedaMotor Honda di Surabaya Tahun 2014.

DecNovOctSepAugJulJunMayAprMarFebJan

12000

11000

10000

9000

8000

7000

Bulan

Nila

i Ram

alan

Pen

jual

an H

onda

Nilai RamalanBatas BawahBatas Atas

Variable

41

Page 47: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

4.3 Peramalan Penjualan Sepeda Motordi Surabaya 

Tabel 4.21 Nilai Peramalan Penjualan Sepeda Motor MaticHonda di Surabaya Tahun 2014 (Dalam Unit)

4.3.3 Peramalan Penjualan Sepeda Motor Matic Honda di Surabaya 

Bulan Nilai RamalanJanuari 7.374Febuari 7.563Maret 7.752April 7.941Mei 8.130Juni 8.319Juli 9.265Agustus 8.697September 8.886Oktober 9.075November 9.263Desember 9.452

Total 101.718

DecNovOctSepAugJulJunMayAprMarFebJan

11000

10000

9000

8000

7000

Bulan

Penj

uala

n M

otor

Mat

ic H

onda

Batas AtasNilai RamalanBatas Bawah

Variable

Gambar 4.8 Time Series Plot Nilai Ramalan Penjualan SepedaMotor Honda Jenis Matic di Surabaya Tahun 2014.

42

Page 48: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

BAB V

KESIMPULAN DAN SARAN 

Page 49: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

5.1 Kesimpulan

43

1. Total penjualan keseluruhan sepeda motor yang ada di surabaya tahun 2003‐2013 mencapai 1.440.619 unit sementara total penjualan untuk sepeda motorHonda yang ada di surabaya tahun 2003‐2013 ada 788.445 unit dan totalpenjualan sepeda motor Honda jenis matic yang ada di surabaya tahun 2009hingga 2013 yaitu 205.085 unit.

2. Sepeda motor honda menguasai 54,73% dari keseluruhan total sepeda motoryang ada di surabaya tahun 2003‐2013. sedangkan untuk 2014, Sepeda motorhonda mengusai 75,6%

3. Model terbaik dari total penjualan sepeda motor di Surabaya adalah AR (2)dengan sMAPE 2,69% . Sementara model untuk penjualan sepeda motor Hondadi Surabaya adalah model MA (2) dengan sMAPE 14,79%. Sedangkan modelpenjualan sepeda motor Honda jenis matic di Surabaya yang tepat adalahdengan menggunakan model regresi time series yaitu

4. Untuk hasil peramalan, menunjukan bahwa penjualan total sepeda motor diSurabaya pada tahun 2014 menurun 1,6% dari tahun sebelumnya. Sementarauntuk penjualan sepeda motor Honda di Surabaya pada tahun 2014 meningkat18% dari tahun sebelumnya dan penjualan sepeda motor Honda jenis matic diSurabaya pada tahun 2014 juga meningkat 36% dari tahun sebelumnya

Page 50: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

5.2 Saran

1. Pada penelitian ini, pembagian periode untukmemberi variabel dummy bersifat subjektif,sehingga dapat dicoba untuk mengganti‐gantidummy untuk mendapatkan model yang lebihtepat.

2. Penelitian selanjutnya dapat lebihmenganalisis mengenai pemodelan danperamalan sepeda motor merek selain Hondadengan ketiga jenis motor yang ada yaitumatic yaitu cub,maupun sport.

44

Page 51: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

DAFTAR PUSTAKA

Page 52: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

Artikel dari wikipedia yang dicuplik dari http://id.wikipedia.org/wiki/Kota_Surabaya#cite_note‐2 .Diakses pada Selasa, 11 Maret 2014 pukul 21.00.

Artikel dari wikipedia yang dicuplik dari http://id.wikipedia.org/wiki/Kendaraan_bermotor.Diakses pada hari Rabu, 12 Maret 2014 pukul 22.00

Artikel dari wikipedia yang dicuplik dari http://id.wikipedia.org/wiki/Sepeda_motor. Diakses padahari Rabu, 12 Maret 2014 pukul 22.00

Artikel dari wikipedia yang dicuplik dari http://4g92mivec.wordpress.com/2014/03/11/data‐penjualan‐motor‐februari‐2014‐suzuki‐perlu‐kerja‐lebih‐keras/. Diakses pada hari Rabu, 26Maret 2014 pukul 21.14

Artikel dari wikipedia yang dicuplik dari http://yosafattanjung.blogspot.com/2013/07/pengaruh‐pertumbuhan‐ekonomi‐terhadap.html. Diakses pada hari Jumat, 28 Maret 2014 pukul 16.14

Cryer, J. D., & Chan, K.‐S. (2008). Time Series Analysis With Application in R, 2nd Edition. NewYork: Springer.

Draper, N. R., & Smith, H. (1998). Applied Regression Analysis, Third Edition. Canada: John Wiley& Sons, Inc.

45

Page 53: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

Hsu, T.P., Lin, Y.J., (2007), Multinomial Logit Model of Motorcycle and CarOwnership in Taiwan, Proceeding of the Eastern Asia Society forTransportation Studies, Vol. 6, Dalian‐China.

Gujarati, D. N. (2004). Basic Econometric 4th edition. The Mc Gra HillCompanies : New York.

Kamil, M.I. (2010). Pemodelan Dan Peramalan Jumlah Penumpang DanPesawat Di Terminal Kedatangan Internasional Bandara Juanda SurabayaDengan Metode Variasi Kalender. Surabaya: Jurusan Statistika FMIPA ITS.

Liviani, N. (2010). Analisis Peramalan Penjualan Sepeda Motor Di MitraPinasthika Mustika (MPM) Honda Motor Dengan Pendekatan ARIMA Box‐Jenkins. Surabaya: Jurusan Statistika FMIPA ITS.

Puspita, K. (2013). Prediksi Penjualan di Perusahaan Ritel dengan MetodePeramalan Hirarki Berdasarkan Model Variasi Kalender. Surabaya: JurusanStatistika FMIPA ITS.

Walpole. (1995). Pengantar Statistika. PT. Gramedia Pustaka Utama : Jakarta.Wei, W. W. (2006). Time Series Analysis: Univariate and Multivariate Methods,

2nd Edition. New York: Pearson.

46

Page 54: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

Terima Kasih

Page 55: Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan ...digilib.its.ac.id/public/ITS-paper-35781-1310100006-presentation.pdf · 1.1 Latar Belakang • Penjualan total sepeda motor ...

Pemodelan Dan PeramalanPenjualan Sepeda Motor Di Surabaya

Dengan Pendekatan ARIMAX Variasi Kalender

Seminar Hasil Tugas Akhir

OlehArinta Cahyaningtyas 13 10 100 006

Dosen PembimbingDr. Setiawan, M.S

Jurusan Statistika – FMIPAInstitut Teknologi Sepuluh Nopember

Surabaya, 2014