Peramalan Jumlah Penumpang Pesawat Terbang di Pintu Kedatangan Bandar Udara Internasional Lombok dengan Metode ARIMA Box-Jenkins, ARIMAX, dan Regresi Time Series

Juniar Iqbalullah, Wiwiek Setya Winahju
Submission Date: 2014-08-24 17:51:29
Accepted Date: 2014-09-14 11:50:42

Abstract


Meningkatnya jumlah penduduk berbanding lurus dengan permintaan jasa transportasi khususnya jasa transpor-tasi udara. Menteri Perhubungan mengatakan, peningkatan itu dapat dilihat dari jumlah penumpang moda udara pada 2011 yang mencapai 68,349 juta penumpang. Jumlah pengguna jasa transportasi udara melalui berbagai bandara yang ada di Indonesia tersebut meningkat pada 2013 mencapai 85,176 juta penumpang. Untuk itu, Kementerian Perhubungan terus berupaya meningkatkan dan mengembangkan sejumlah infrastruktur bandara guna mengimbangi meningkatnya kebutuhan masyarakat. Fenomena kenaikan jumlah penumpang pesawat pada periode mendatang dapat dianalisis mengguna-kan disiplin ilmu statistika, yaitu dengan analisis deret waktu yaitu dengan metode-metode seperti ARIMA Box-Jenkins, ARIMAX dan Regresi Time Series.Berdasarkan kriteria Out Sample, maka model terbaik yang digunakan untuk meramal-kan jumlah penumpang pesawat terbang domestik di pintu ke-datangan Bandar Udara Internasional Lombok adalah model ARIMA Box-Jenkins, yaitu model ARIMA (1,1,1)(1,0,1)12 karena memiliki nilai RMSE,MAPE, dan SMAPE yang minimum dibandingkan yang lain.

Keywords


penumpang; pesawat;ARIMA Box-Jenkins;ARIMAX;Regresi Time Series;RMSE;MAPE;SMAPE

References


Badan Pusat Statistik. 2013. Hasil Sensus Penduduk Tahun 2013. Jakarta: Badan Pusat Statistik.

Insanil, M. K. 2010. Pemodelan dan Peramalan Jumlah Penumpang dan Pesawat Di Terminal Kedatangan Internasional Bandara Juanda Surabaya dengan Metode Variansi Kalender. Surabaya : Institut Teknologi Sepuluh Nopember.

Huda, A. M. 2013. Peramalan Jumlah Frekuensi Penumpang Pesawat Terbang Domestik di Bandar Udara Juanda dengan menggunakan Metode ARIMA dan Fungsi Transfer. Surabaya: Institut Teknologi Sepuluh Nopember.

Wei, W. W. S. 2006. Time Series Analisis : Univariate and Multivariate, 2nd Edition. USA : Pearson Education.Inc.

Box and Jenkins. 1994. Time Series Analysis and Control Forecasting.Prentice Hall. New Jersey.

Liu, L. M. (2006). Time Series Analysis and Forecasting. Illinois: Scientific Computing Associates.

Myers, R. H. (1990). Classical and Modern Regression with Application. Boston: PWS.

Drapper, N., & Smith, H. (1992). Applied Regression Analysis (2nd ed.). New York: John Wiley & Sons, Inc.

Ryan, T. P. (1997). Modern Regression Methods. New York: A Wiley-Interscience Publication, John Wiley & Sons, Inc.

Makridakis, S., & Hibon, M. (2000). The M3-Competition: Results, Conclusions and Implications. International Journal of Forcasting, 16, 451-476.


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.