Peramalan Jumlah Penumpang Kereta Api Argo Parahyangan Menggunakan Model Variasi Kalender ARIMAX (Studi Kasus: PT Kereta Api Indonesia)

Ivani Permana, Soemartini Soemartini, Enny Supartini

Abstract


Jumlah penumpang kereta api dalam beberapa tahun terakhir terus mengalami
peningkatan, terutama pada saat hari raya Idul Fitri. Hal ini menyebabkan jumlah penumpang meningkat secara signifikan sehingga terbatasnya kapasitas seat dan sarana. Salah satu kereta api yang mengalami permasalahan tersebut adalah kereta api Argo Parahyangan jurusan Bandung-Stasiun Gambir. Adanya perbedaan antara kalender Islam dengan kalender Masehi menyebabkan penetapan hari raya Idul Fitri mengikuti tahun Hijriyah dan mengalami pergeseran maju setap tahunnya. Pergeseran ini menimbulkan suatu efek variasi kalender yang berpengaruh pada metode time series. Penelitian ini menggunakan data yang diambil dari bulan April 2016 hingga bulan Juni 2019 guna untuk meramalkan jumlah penumpang Kereta Api Argo Parahyangan periode 2019 dengan menggunakan model variasi kalender ARIMAX dengan variabel tambahannya yang merupakan variabel independen sebagai variabel dummy. Berdasarkan hasil analisisnya, didapati model terbaik yaitu model ARIMAX (1,2,1), ????1,????, ????2,???? dengan nilai AIC minimum sebesar 854.7558.


Keywords


kereta api Argo Parahyangan; efek variasi kalender; dummy; ARIMAX;

Full Text:

PDF

References


https://bisnis.tempo.co/read/1181167/4-tahun-terakhir-jumlah-penumpang-kereta-melonjak-145-jutaorang/full&view=ok (diakses Agustus 2019)

https://www.indonesia.go.id/profil/agama (diakses Agustus 2019)

Liu, L., M. 1980. Analysis of Time Series with Calender Effects. Management Science, 26(1):106-112.

Muflih, RPH., Agus, S. 2014. Analisis Peramalan Penjualan Sepeda Motor di Kabupaten Ngawi dengan ARIMA dan ARIMAX. Jurnal Sains dan Seni Pomits, Vol. 3, No.2.

Cryer, J.D. & Chan, K.S. 2008. Time Series Analysis: with Application in R, 2nd edition. New York: Springer-Verlag.

Montgomery, DC, Jennings, CL, Kulahci M. 2008. Introduction to Time Series Analysis and Forecasting. New Jersey: J Wiley.

Makridakis, S., Wheelwright, S.C. & McGee, V.E. 1999. Metode dan Aplikasi Peramalan. Jakarta: Binarupa Aksara

Wei, W. W. 2006. Time Series Analysis Univariate and Multivariate Methods, 2nd ed. New York: Pearson.

Siegel, Sidney. 1992. Statistik Nonparametrik Untuk Ilmu-Ilmu Sosial. Jakarta: PT. Gramedia.


Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

© 2017-2020 | Hak Cipta Dilindungi | Departemen Statistika FMIPA Universitas Padjadjaran | Powered by OJS