MODEL PERAMALAN SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) DAN PENERAPANNYA

Seasonal Autoregressive Integrated Moving Average (SARIMA) merupakan pengembangan dari model Autoregressive Integrated Moving Average (ARIMA) padadata runtun waktu yang memiliki pola musiman. Penulisan skripsi ini bertujuan untuk menjelaskan langkah-langkah pemodelan data runtun waktu musiman menggunakan model SARIMA dengan penyesuaian aditif (plot runtun waktu cenderung konstan) dan penyesuaian multiplikatif (plot runtun waktu mengalami perubahan amplitudo) serta menjelaskan penerapan model SARIMA pada kasus dengan penyesuaian aditif dan multiplikatif. Langkah-langkah pemodelan data runtun waktu musiman menggunakan model SARIMA untuk penyesuaian aditif dan multiplikatif adalah sebagai berikut : 1)Tahap identifikasi umum, 2) Mengidentifikasi model sementara, 3) Estimasi parameter, 4) Pemeriksaan diagnostik dan pemilihan model terbaik, 5) Peramalan. Penerapan model SARIMA dengan penyesuaian aditif diaplikasikan terhadap data jumlah penumpang kereta api yang berada di bawah komando DAOP VI Yogyakarta untuk periode bulan Januari 2005 – Februari 2010 karena plot data runtun waktu yang dihasilkan konstan dan diperoleh model peramalan terbaik yaitu SARIMA ((3,0)(0,0)(2,1))12 tanpa variabel AR(1) dan AR (2) dengan hasil peramalan untuk periode bulan Maret- Desember 2010 menunjukkan jumlah penumpang yang cenderung stabil (konstan). Sedangkan pada kasus dengan penyesuaian multiplikatif,model SARIMA diaplikasikan terhadap data jumlah arus kedatangan penumpang angkutan udara di Bandara Husein Sastranegara Bandung untuk periode bulan Januari 2006 – Desember 2009 karena plot data runtun waktu yang dihasilkan mengalami perubahan amplitudo dan diperoleh model peramalan terbaik SARIMA (0,1,0)(0,1,1)12 tanpa konstanta dengan hasil peramalan untuk periode bulan Januari – Desember2010 menunjukkan jumlah arus kedatangan penumpang mengalami kenaikan untuksetiap periodenya