Pendeteksian dan Pemodelan Outlier Ganda (Innovational Outlier, Additive Outlier, Level Shift, Transient Change dan Seasonal Additive) (Jumlah Penumpang Pesawat Terbang Di Bandara Internasional Juanda

Data deret waktu merupakan serangkaian data beruntun dengan waktu. Data deret waktu sering dipengaruhi oleh peristiwa yang tidak terduga disebut pencilan. Pencilan mengakibatkan parameter menjadi bias. Pencilan data deret waktu mengikuti pola ARIMA. Tujuan penelitian ini adalah mengidentifikasi dan memodelkan pencilan ganda bertipe Innovational Outlier, Additive Outlier, Level Shift, Transient Change dan Seasonal Additive dalam data deret waktu. Penelitian ini diterapkan pada data jumlah penumpang pesawat terbang domestik dan internasional Bandara Juanda dan Bandara Soekarno Hatta. Data tersebut berpola musiman bulanan. Hasil penelitian mengidentifikasi tipe pencilan Seasonal Additive pada jumlah penumpang domestik Bandara Juanda. Innovational Outlier dan Additive Outlier pada jumlah penumpang internasional Bandara Juanda. Jumlah penumpang pesawat terbang domestik Bandara Soekarno Hatta teridentifikasi mengandung pencilan bertipe Level Shift, sedangkan jumlah penumpang internasional teridentifikasi pencilan Level Shift dan Transient Change. Pemodelan pencilan sesuai dengan tipe pencilan dan pola ARIMA dalam data. Berdasarkan nilai Q* dan plot sisaan ACF, model pencilan layak digunakan. Model pencilan dapat digunakan meramalkan jumlah penumpang pesawat terbang sampai Maret 2013. Hasil peramalan jumlah penumpang pesawat terbang mengalami kenaikan setiap bulan