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
Embed
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 ...
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
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
BAB I
PENDAHULUAN
1.1 Latar Belakang
1
2.765.487 Jiwa
2
Mengindikasikan bahwa kotaSurabaya merupakan kota yang telah berkembang dan maju.
Pusat kegiatanperekonomian Jawa
Timur
Industri
Jasa
Perdagangan
1.1 Latar Belakang
Industri
Semakin berkembang
Meningkatnya permintaan terhadapsepeda motor
1.1 Latar Belakang
3
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
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
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
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
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
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
BAB II
TINJAUAN PUSTAKA
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
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
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.
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.
2.2.3.1 Uji SerentakUntuk mengetahuisignifikansi parameter βterhadap variabelrespon secarabersamaan dilakukan ujiserentak.
2.2.3 Pengujian Signifikansi Parameter
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
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).
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.
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
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.
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.
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.
BAB III
METODE PENELITIAN
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
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
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
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.
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.
4.2 Pemodelan Penjualan Sepeda Motordi Surabaya dengan ARIMAX
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
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
BAB V
KESIMPULAN DAN SARAN
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
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
DAFTAR PUSTAKA
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
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
Terima Kasih
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