PERAMALAN PRODUKSI ROTI GULUNG PADA INDUSTRI ...repository.usd.ac.id/33116/2/131414006_full.pdfii...
Transcript of PERAMALAN PRODUKSI ROTI GULUNG PADA INDUSTRI ...repository.usd.ac.id/33116/2/131414006_full.pdfii...
-
PERAMALAN PRODUKSI ROTI GULUNG PADA INDUSTRI
RUMAH TANGGA LAUTAN KUE MENGGUNAKAN METODE
ARIMA BERBANTU MINITAB 14 FOR WINDOWS
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Pendidikan
Program Studi Pendidikan Matematika
Oleh:
Ritva Asalia
NIM : 131414006
PROGRAM STUDI PENDIDIKAN MATEMATIKA
JURUSAN PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2018
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
ii
SKRIPSI
PERAMALAN PRODUKSI ROTI GULUNG PADA INDUSTRI
RUMAH TANGGA LAUTAN KUE MENGGUNAKAN MEDOTE
ARIMA BERBANTU MINITAB 14 FOR WINDOWS
Oleh :
Ritva Asalia
NIM : 131414006
Telah disetujui oleh:
Dosen Pembimbing,
Maria Suci Apriani, S.Pd., M.Sc. Tanggal: 26 November 2018
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
iii
SKRIPSI
PERAMALAN PRODUKSI ROTI GULUNG PADA INDUSTRI
RUMAH TANGGA LAUTAN KUE MENGGUNAKAN METODE
ARIMA BERBANTU MINITAB 14 FOR WINDOWS
Dipersiapkan dan ditulis oleh:
Ritva Asalia
131414006
Telah dipertahankan di depan Panitia Penguji
Pada tanggal 2018
dan dinyatakan memenuhi syarat
Susunan Panitia Penguji :
Nama Lengkap Tanda Tangan
Ketua : Dr. Marcellinus Andy Rudhito, S.Pd. ..............................
Sekretaris : Beni Utomo, M.Sc. ..............................
Anggota : Maria Suci Apriani, S.Pd., M.Sc. ..............................
Anggota : Verionica Fitri Rianasari, S.Pd., M.Sc. ..............................
Anggota : Drs. Th. Sugiarto Pudjohartono, M. T. ..............................
Yogyakarta, 10 Desember 2018
Fakultas Keguruan dan Ilmu Pendidikan
Universitas Sanata Dharma
Dekan,
Dr. Yohanes Harsoyo, S.Pd., M.Si.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
iv
HALAMAN PERSEMBAHAN
"Jika kau tak mampu terbang, larilah. Jika kau tak mampu
berlari, berjalanlah. Jika kau tak mampu berjalan,
merangkaklah. Bergerak maju dengan merangkak,
setidaknya" β BTS β Not Today.
Skripsi ini kupersembahkan untuk:
Tuhan Yesus yang senantiasa menyertai langkahku
Orang tuaku Ong Thing Gwan dan Almh Irene Tentrem
Saudara-saudariku Rinat dan Yanti
Semua keluargaku
"Bahkan di saat aku terjatuh dan menyakiti diri sendiri, aku tetap terus berlari mengejar
impianku" - BTS - Young forever.
βLife is like riding bicycle. To keep your balance,
you must keep movingβ β Albert Eintein.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
v
PERNYATAAN KEASLIAN KARYA
Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini
tidak memuat karya atau bagian karya orang lain, kecuali yang telah
disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya
ilmiah.
Yogyakarta,10 Desember 2018
Penulis
Ritva Asalia
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
vi
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS
Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma:
Nama : Ritva Asalia
NIM : 131414006
Demi pengembangan ilmu pengetahuan, saya memberikan kepada
Perpustakaan Universitas Sanata Dharma karya ilmiah saya berjudul:
PERAMALAN PRODUKSI ROTI GULUNG PADA INDUSTRI
RUMAH TANGGA LAUTAN KUE MENGGUNAKAN METODE
ARIMA BERBANTU MINITAB 14 FOR WINDOWS
Dengan demikian, saya memberikan kepada Perpustakaan Universitas Sanata
Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain,
mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas,
dan mempublikasikannya di internet atau media lain untuk kepentingan
akademis tanpa perlu meminta izin dari saya maupun memberikan royalti
kepada saya selama tetap mencantumkan nama saya sebagai penulis.
Demikian pernyataan ini yang dibuat dengan sebenarnya.
Yogyakarta, 10 Desember 2018
Yang menyatakan,
Ritva Asalia
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
vii
ABSTRAK
Ritva Asalia. 2018. Peramalan Produksi Roti Gulung Pada Industri
Rumah Tangga Lautan Kue Menggunakan Metode ARIMA Berbantu
Minitab 14 For Window. Skripsi. Program Studi Pendidikan
Matematika, JurusanPendidikan Matematika dan Ilmu Pengetahuan
Alam, Fakultas Keguruan dan Ilmu Pendidikan, Universitas Sanata
Dharma, Yogyakarta.
Penelitian ini bertujuan untuk mengetahui model dari metode ARIMA
yang paling baik digunakan untuk meramalkan produksi roti gulung dan hasil
peramalan produksi roti gulung pada periode yang akan datang. Untuk
mengetahui hasil peramalan yang dilakukan maka digunakan program statistika
minitab 14 dalam melakukan peramalan.
Jenis penelitian ini adalah penelitian studi kasus dengan pendekatan
kuantitatif. Data yang digunakan dalam penelitian ini adalah data kuantitatif
yang berupa data jumlah produksi roti gulung Industri Rumah Tangga Lautan
Kue pada periode Januari 2013 β Februari 2017 yang berjumlah 50 data.
Metode pengumpulan data menggunakan metode dokumentasi dengan
mengumpulkan data-data yang sudah diarsipkan oleh produsen. Pada proses
analisis data, digunakan analisis data runtut waktu dengan menggunakan metode
ARIMA. Langkah analisisnya adalah mengidentifikasi model, estimasi
parameter, evaluasi model, mencari model terbaik, dan yang terakhir adalah
peramalan itu sendiri.
Hasil penelitian menunjukkan bahwa model terbaik adalah ARIMA(0,1,1).
Model ARIMA(0,1,1) dikatakan model terbaik disebabkan model tersebut
memenuhi syarat pada tahap evaluasi model dan memiliki nilai MSE (Mean
Square Error) paling rendah. Hasil peramalan produksi pada 12 periode yang
akan datang adalah 330,585 , 320,858, 311,130, 301,402, 291,647, 281,946,
272,218, 262,490, 252,762, 243,034, 233,307, dan 223,578.
Kata kunci :Peramalan, Metode ARIMA, Data Time Series, Parameter,
Stasioner.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
viii
ABSTRACT
Ritva Asalia. 2018. Forecasting The Production of Bread Rolls on
Domestic Industry Lautan Kue Using ARIMA Menthod Assisted Minitab
14 For Window. Thesis. Mathematics Education Study Program,
Mathematics and Science Education Department, Faculty of Teacher
Training and Education, Sanata Dharma University, Yogyakarta.
This research aims to determine the most used of forecastingβs model to
predict the production of bread rolls and forecasting result of bread roll
production in the next period. To find out the result of the work done the used
statistic program called minitab 14.
This research type is case study research with quantitative approach. The
data used in this study is quantitative data in the form of data on the amount of
bread roll production of Domestic Industry Lautan Kueβ in the period January
2013 - February 2017 which amounted to 50 data. Methods of data collection
using the method of documentation by collecting data that has been archived by
the manufacturer. And for data analysis, used time series data analysis using
ARIMA method. The analysis step is to identify the model, parameter estimation,
model evaluation, find the best model, and the last is forecasting itself.
The results showed that the best model was ARIMA (0,1,1). The ARIMA
model (0,1,1) is said to be the best model of the model because the model
qualifies in model evaluation and has the lowest MSE (Mean Square Error)
score. The results of production forecasting in the next 12 periods are 330,585,
320,858, 311,130, 301,402, 291,647, 281,946, 272,218, 262,490, 252,762,
243,034, 233,307, and 223,578.
Keywords: Forecasting, ARIMA Menthod, Time Series Data, Parameter, and
Stasionary.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
ix
KATA PENGANTAR
Puji dan syukur kami panjatkan kepada Tuhan Yang Maha Esa yang telah
memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan
penyusunan Tugas Akhir, sesuai dengan waktu yang telah disediakan.Dalam
penulisan tugas akhir ini penulis memilih judul βPeramalan Produksi Roti
Gulung Industri Rumah Tangga Lautan Kue Menggunakan Metode ARIMA
dengan Bantuan Progam Minitab 14 For Windowsβ.Sesuai dengan tugas
mahasiswa Universitas Sanata Dharma Yogyakarta dalam menyelesaikan
program studi dalam bentuk Sistem Kredit Semester (SKS), maka tugas akhir
ini merupakan kegiatan yang harus dilaksanakan untuk memenuhi kurikulum
yang ada di Universitas Sanata Dharma.Tugas Akhir ini disusun guna
menyelesaikan pendidikan Sarjana program studi Pendidikan Matematika
Universitas Sanata Dharma.
Dalam penyusunan tugas akhir ini penulis banyak menemukan kendala
dan hambatan, namun berkat bantuan, bimbingan dan kerjasama dari berbagai
pihak, akhirnya tugas akhir ini dapat diselesaikan dengan baik. Penulis
menyadari tanpa adanya bantuan dan bimbingan dari berbagai pihak, penulisan
ini tidak akan selesai, maka dari itu dalam kesempatan ini penulis mengucapkan
terima kasih kepada :
1. Dr. Yohanes Harsoyo, S.Pd., M.i, selaku Dekan Fakultas Keguruan dan
Ilmu Pendidikan Universitas Sanata Dharma Yogyakarta.
2. Dr. Marcellinus Andy Rudhito, S.Pd, selaku ketua Jurusan Pendidikan
Matematika dan Ilmu Pengetahuan Alam Universitas Sanata Dharma
Yogyakarta.
3. Beni Utomo, M.Sc., selaku ketua Program Studi Pendidikan Matematika
Universitas Sanata Dharma Yogyakarta.
4. Maria Suci Apriani, S.Pd., M.Sc., selaku Dosen Pembimbing Skripsi yang
telah memberikan bantuan, saran serta dorongan dalam mengerjakan tugas
akhir sampai selesai.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
x
5. Dra. Haniek Sri Partini, M.Pd, selaku Dosen Pembimbing Akademik atas
segala bimbingan, saran dan bantuannya.
6. Para dosen penguji atas pengarahan, bantuan, kritik, maupun saran kepada
penulis.
7. Seluruh Bapak Ibu Dosen dan Karyawan Jurusan Pendidikan Matematika
dan Ilmu Pengetahuan Alam yang telah membimbing penulis selama
menempuh pendidikan di Universitas Sanata Dharma Yogyakarta.
8. Bapak Horas dan Ibu Ong Kwe Fang, selaku pemilik Industri Rumah
Tangga Lautan Kue yang sudah berkenan bekerja sama dalam penyusunan
tugas akhir ini.
9. Bapak Ong Thing Gwan dan Almh Ibu Ririn yang selalu memberikan
kasih sayang, perhatian dan dukungan baik moral ataupun material selama
ini.
10. Seluruh keluarga dan saudara-saudaraku yang selalu mendukung,
mendoakan dan memberikan semangat kepada penulis.
11. Zelly, Fenna, Wahyu, Tika dan Wulan yang selalu ada untuk memberikan
dukungan, semnagat, motivasi, dan menemani dan menghibur ketika
sedang jenuh dalam proses menyelesaikan tugas akhir ini.
12. Untuk teman-teman PMAT 2013 atas kebersamaan kita selama kuliah.
13. Dan semua pihak yang tidak dapat disebutkan satu persatu terima kasih
atas bantuan dan dukungan yang diberikan kepada penulis.
Akhir kata penulis berharap agar tugas akhir ini dapat bermanfaat bagi
semua pihak yang berkepentingan.
Yogyakarta, 10 Desember 2018
Penulis
Ritva Asalia
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
xi
DAFTAR ISI
HALAMAN JUDUL ... ............................................................................................. i
HALAMAN PERSETUJUAN PEMBIMBING ....................................................... ii
HALAMAN PENGESAHAN .................................................................................. iii
HALAMAN PERSEMBAHAN ............................................................................... iv
PERNYATAAN KEASLIAN KARYA ................................................................... v
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ................................... vi
ABSTRAK ................................................................................................................ vii
ABSTRACT ................................................................................................................. viii
KATA PENGANTAR ............................................................................................... ix
DAFTAR ISI ............................................................................................................. xi
DAFTAR TABEL ..................................................................................................... xiii
DAFTAR GAMBAR ................................................................................................ xiv
BAB I PENDAHULUAN .......................................................................................... 1
A. Latar Belakang Masalah .................................................................................. 1
B. Rumusan Masalah ............................................................................................ 5
C. Tujuan Penelitian ............................................................................................. 5
D. Pembatasan Masalah ....................................................................................... 5
E. Manfaat Penelitian ........................................................................................... 6
F. Sistematika Penulisan ...................................................................................... 6
BAB II LANDASAN TEORI .................................................................................... 8
A. Peramalan ........................................................................................................ 8
B. Data Time Series .............................................................................................. 11
C. Stasioneritas Data ............................................................................................. 15
D. White Noise ....................................................................................................... 17
E.Fungsi Autokorelasi dan Fungsi Autokorelasi Parsial ....................................... 17
F. Metode ARIMA ................................................................................................ 20
G. Program Minitab .............................................................................................. 30
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
xii
BAB III METODE PENELITIAN ............................................................................ 36
A. Jenis Penelitian ................................................................................................ 36
B. Populasi dan Sampel ......................................................................................... 37
C. Bentuk Data ..................................................................................................... 38
D. Metode Pengumpulan Data ............................................................................. 38
E. Analisis Data .................................................................................................... 39
BAB IV ANALISIS DAN PEMBAHASAN ............................................................ 45
A. Pengantar Perusahaan ................................................................................... 45
B. Analisis Data ................................................................................................. 45
C. Pembahasan ................................................................................................... 67
D. Keterbatasan Penelitian .................................................................................. 77
BAB V KESIMPULAN DAN SARAN .................................................................. 78
A. Kesimpulan ................................................................................................... 78
B. Saran ............................................................................................................. 79
DAFTAR PUSTAKA ............................................................................................... 81
LAMPIRAN .............................................................................................................. 83
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
xiii
DAFTAR TABEL
Tabel 2.1 Nilai π dan bentuk transformasi ............................................................... 16
Tabel 2.2 Tabel Idenfikasi Model ARIMA ................................................................ 25
Tabel 3.1Plot ACF dan PACF ................................................................................... 42
Tabel 4.1 Produksi Roti Gulung Periode Januari 2013-Februari 2017 .................... 46
Tabel 4.2 Hasil Estimasi Parameter ARIMA (1,1,1) ............................................... 54
Tabel 4.3 Hasil Estimasi Parameter ARIMA (0,1,1) ............................................... 54
Tabel 4.4Hasil Estimasi Parameter ARIMA (1,1,0) .................................................. 55
Tabel 4.5 Tabel Perhitungan Uji Signifikansi Parameter ........................................ 57
Tabel 4.6 Tabel Ljung-Box ARIMA(1,1,1) ............................................................. 59
Tabel 4.7 Tabel Ljung-Box ARIMA(0,1,1) ............................................................. 60
Tabel 4.8 Tabel Ljung-Box ARIMA(1,1,0) ............................................................. 60
Tabel 4.9 Rangkuman Evaluasi Model .................................................................... 65
Tabel 4.10 Hasil Peramalan Produksi Roti Gulung .................................................. 67
Tabel 4.11 Tabel Nilai Parameter Model ................................................................... 71
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
xiv
DAFTAR GAMBAR
Gambar 2.1 Pola Data Horisontal ............................................................................. 12
Gambar 2.2 Pola Data Musiman ................................................................................ 13
Gambar 2.3 Pola Data Siklus ..................................................................................... 14
Gambar 2.4 Pola Data Trend 15................................................................................. 14
Gambar 2.5 Tampilan awal minitab ........................................................................ 32
Gambar 4.1 Plot Data Asli Produksi Roti Gulung ................................................... 48
Gambar 4.2 Plot Box-Cox Data Produksi ............................................................... 49
Gambar 4.3 Data Transformasi Produksi ............................................................... 50
Gambar 4.4 Plot Box-Cox Data Transformasi ........................................................ 51
Gambar 4.5 Plot Pembeda 1 Data Transformasi .................................................... 51
Gambar 4.6 Plot ACF Pembedaan 1 Data Transformasi ....................................... 52
Gambar 4.7Plot PACF Pembedaan 1 Data Transformasi ......................................... 53
Gambar 4.8Plot Uji Normalitas ARIMA(1,1,1) ....................................................... 63
Gambar 4.11 Plot Uji Normalitas ARIMA (0,1,1) .................................................... 63
Gambar 4.12 Plot Uji Normalitas ARIMA (1,1,0) .................................................... 64
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Pada masa ini, ilmu dan teknologi merupakan suatu hal yang menjadi
bagian dari kehidupan manusia karena hal itu tidak dapat dipisahkan dari
kebutuhan manusia itu sendiri. Oleh karena itu, sebagai matematikawan
pasti ingin selalu mengembangkan ilmu matematika agar dapat digunakan
untuk bidang-bidang yang lain seperti dalam ekonomi.
Dalam bidang ekonomi, matematika sudah dipergunakan sejak jaman
Yunani. Pada zaman dahulu, pedagang Yunani telah memahami apa itu
fenomena ekonomi, contohnya adalah terjadi kegagalan panen yang akan
menyebabkan harga jagung meningkat di pasar, sebaliknya jika terjadi
kekurangan emas dapat menyebabkan menurunkan harga jagung. Dalam
banyak hal konsep dasar ekonomi hanya diekspresikan dalam bentuk
matematika sederhana, seperti bilangan bulat atau pecahan diikuti dengan
operasi sederhana seperti penjumlahan, pengurangan, perkalian, dan
pembagian. Namun dengan berkembangnya kehidupan manusia, maka
aktivitas ekonomi yang dilakukan semakin kompleks dan makin saling
terkait dengan aktivitas lainnya, sehingga membutuhkan pemecahan yang
kompleks juga.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
2
Matematika dapat berfungsi untuk merumuskan hubungan antar
variabel dalam bentuk persamaan, agar dapat diuji keberlakuan secara
empiris. Dalam ilmu ekonomi, matematika digunakan sebagai media atau
alat untuk menyederhanakan penyajian dan pemahaman masalah.Dimana
konsep-konsep matematika dalam ekonomi sangat penting untuk
menganalisis suatu permasalahan. Dengan penggunaan bahasa
matematika, masalah-masalah yang ada dalam ekonomi dapat menjadi
lebih sederhana untuk disajikan, dipahami, dianalisis, dan
dipecahkan..Contoh penggunaan matematika dalam bidang ekonomi pada
jaman modern yaitu dengan peranan statistika dalam pengambilan suatu
keputusan yang berdasarkan dari hasil data analisis dan interprestasi data
kuantitatif dalam suatu perusahaan atau suatu industri.
Peramalan (forecasting) merupakan salah satu hal yang menentukan
dalam pengambilan keputusan. Secara umum peramalan merupakan
sebuah kegiatan dimana kita lakukan untuk memprediksi gambaran
keadaan yang akan terjadi di masa mendatang. Peralaman biasanya
dilakukan dengan cara menganalisis data-data sebelumnya dengan
menggunakan cara-cara atau metode-metode tertentu.Terdapat banyak
metode yang dapat digunakan dalam suatu peramalan, tetapi kita harus
dapat memahami bagaimana karakteristik suatu metode peramalan yang
akan cocok bagi situasi pengambilan keputusan tertentu. Situasi peramalan
sangat beragam dalam horison waktu peramalan, faktor yang menentukan
hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Menurut Nigel
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
3
Slack et al. (2013:185), metode-metode tersebut dapat diklasifikasikan
menjadi dua yaitu metode kuantatif dan metode kualitatif.
Metode peramalan kualitatif melibatkan pengumpulan dan penilaian-
penilaian, pilihan bahkan tebakan terbaik dari βpakarβ untuk membuat
prediksi, serta kinerja masa lalu. Ada beberapa metode kualitatif yang
dapat digunakan yaitu Metode panel, Metode Delphi dan Perencanaan
Skenario. Metode peramalan kuantitatif adalah peramalan yang didasarkan
atas data kuantitatif dengan data masa lalu. Model kuantitatif dapat dibagi
ke dalam deret berkala (times series) dan metode kasual. Peramalan
kuantitatif dapat diterapkan jika terdapat kondisi sebagai berikut : (a)
Tersedianya informasi tentang masa lalu, (b) Informasi tersebut dapat
dikuantitatifkan dalam bentuk data numerik, (c) Dapat diasumsikan bahwa
beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.
Pada penelitian ini, metode peramalan yang akan digunakan adalah
metode kuantitatif dengan menggunaan ARIMA Box-Jenkins. Metode
ARIMA merupakan model peramalan analisis kurun waktu yang bertujuan
untuk mencari pola data yang cocok dari sekumpulan data dan sangat
akurat dalam peramalan jangka pendek (Zulhamidi, dan Riski Hardianto,
2017, p. 232). Metode ARIMA juga dapat digunakan dalam peramalan
time series musiman maupun tidak musiman secara bersamaan.
Industri Rumah Tangga Lautan Kue merupakan suatu industri rumah
tangga dibidang kuliner yaitu kue dan roti yang berada di kota Klaten.
Lautan Kue cukup dikenal di kota Klaten dengan kue dan roti yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
4
diproduksi, seperti : roti mandarin, roti gulung, roti zebra, dan masih
banyak lagi. Salah satu roti yang disukai oleh masyarakat kota Klaten
adalah roti gulung, hal ini dilihat dari hasil produksi roti gulung yang lebih
banyak daripada roti-roti yang lain. Oleh karena itu, diperlukan
perencanaan yang baik dalam mengembangkan produksinya. Salah satu
perencanaan produksi adalah melakukan peramalan. Peramalan digunakan
untuk mengambil keputusan seperti banyaknya sumber daya yang ada
seperti bahan baku dan tenaga kerja sampai dengan banyaknya produksi
roti gulung untuk masa mendatang.
Dalam penelitian ini, peneliti juga akan memaparkan pemanfaatan
metode ARIMA untuk menghitung peramalan hasil produksi dengan
menggunakan program aplikasi bernama minitab. Program minitab
merupakan salah satu dari sekian banyak program aplikasi pengolahan
data statistik. Peneliti memilih program minitab dikarenakan program
minitab dianggap sebagai program aplikasi pengolahan data statistik yang
memiliki tingkat akurasi yang tinggi. Berdasarkan uraian diatas, peneliti
memilih judul βPeramalan Produksi Roti Gulung Industri Rumah Tangga
Lautan Kue Menggunakan Metode ARIMA dengan Bantuan Progam
Minitabβ.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
5
B. Rumusan Masalah
Berdasarkan beberapa yang sudah diungkapkan,penulis dapat
merumuskan permalasahan yang akan dibahas sebagai berikut :
1. Bagaimana penggunaaan metode ARIMA dalam peramalan produksi
roti gulung pada industri rumah tangga Lautan Kue berbantu
program Minitab?
2. Bagaimana hasil peramalan produksi roti gulung menggunakan
metode ARIMA pada industri rumah tangga Lautan Kue berbantu
program Minitab?
C. Tujuan Penelitian
Adapun tujuan penelitan :
1. Untuk mengetahui penggunaan metode ARIMA dalam meramalkan
produksi roti gulung di Industri Rumah Tangga Lautan Kue berbantu
program minitab.
2. Untuk mengetahui hasil peramalan produksi roti gulung yang
diperoleh dengan menggunakan metode ARIMA pada industri rumah
tangga Lautan Kue berbantu program minitab.
D. Pembatasan Masalah
Dalam tugas akhir ini, penulis akan membahas tentang bagaimana
penggunaan metode peramalan ARIMA dalam meramalkan produksi roti
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
6
gulung di Industri Rumah Tangga βLautan Kueβ berdasarkan data-data
terdahulu.
E. Manfaat Penulisan
Ada pula beberapa manfaat yang dapat diambil dari penulisan ini :
1. Bagi mahasiswa
Mahasiswa dapat mengaplikasikan materi yang sudah dipelajari
sebelumnya untuk menunjang dalam dunia kerja.
2. Bagi jurusan
Penelitian ini dapat digunakan sebagai bahan studi kasus bagi
pembaca dan sebagai bahan bacaan untuk mahasiswa lainnya.
3. Bagi Produsen
Penelitian ini dapat memberi masukan dalam pengambilan keputusan
terutama dalam hal produksi roti gulung.
F. Sistematika Penulisan
BAB I PENDAHULUAN
Bab ini berisi tentang latang belakang masalah, rumusan
masalah, tujuan masalah, pembatasan masalah, manfaat
penulisan, metode penulisan, dan sistematika penulisan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
7
BAB II LANDASAN TEORI
Bab ini menjelaskan secara teoritis mengenai peramalan
(forecasting) ,data time series, program minitab, dan
peramalan menggunakan metode ARIMA.
BAB III METODE PENELITIAN
Bab ini menjelaskan tentang langkah-langkah yang
ditempuh untuk memecahkan masalah, yaitu pengumpulan
data dan analisis data.
BAB IV ANALISIS DATA DAN PEMBAHASAN
Dalam bab ini diuraikan tentang perhitungan dan penafsiran
dari hasil pengumpulan data.
BAB V KESIMPULAN DAN SARAN
Dalam bab ini penulis berusaha menyimpulkan dari hasil
analisis yang sudah dilakukan dan saran-saran dari hasil
pemikiran penulis.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
8
BAB II
LANDASAN TEORI
A. Peramalan
1. Definisi dan Tujuan Peramalan
Ramalan merupakan suatu prediksi akan sesuatu yang akan
terjadi di masa yang akan datang seperti ramalan cuaca,ramalan
kemenangan pertandingan dan lain lain. Sedangkan peramalan
(forecasting) sendiri merupakan suatu kegiatan yang memprediksi
suatu kejadian yang akan terjadi di masa yang akan datang.
Beberapa ahli mengemukakan pendapat mereka tentang apa itu
peramalan seperti yang dikemukakan oleh Subagyo (1989:1),
forecasting adalah peramalan (perkiraan) mengenai sesuatu yang
belum terjadi, dan menurut Barry Render dan Jay Heizer (2001 : 46),
Peramalan (forecasting) adalah seni dan ilmu memprediksi
peristiwa-peristiwa masa depan dengan pengambilan data historis
dan memproyeksikannya ke masa depan dengan menggunakan
beberapa bentuk model matematis.
Dengan ada banyaknya definisi, maka dapat disimpulkan
bahwa peramalan (forecasting) merupakan suatu usaha atau kegiatan
yang bertujuan untuk memprediksi mengenai kejadian dimasa yang
akan datang. Peramalan dilakukan dengan didasarkan pada data-data
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
9
historis yang dianalisis menggunakan beberapa bentuk model
matematis.
Forecasting atau peramalan digunakan untuk meminimalisasi
ketidakpastian dalam suatu perusahaan. Peramalan pada umumnya
digunakan sebagai alat bantu dalam perencanaan yang efektif dan
efisien, menentukan kebutuhan sumber daya di masa mendatang, dan
membuat keputusan yang tepat.
2. Langkah-Langkah dalam Peramalan
Menurut Stevenson (2014), dalam melakukan suatu proses
peramalan terdapat 6 tahapan dasar yaitu:
a. Menentukan tujuan peramalan
Menentukan bagaimana ramalan akan digunakan dan
kapan akan dibutuhkan ramalan. Tahapan ini akan memberikan
indikasi tingkat rincian yang diperlukan dalam ramalan, jumlah
sumber daya (karyawan, waktu, komputer, dan biaya) yang
dapat dibenarkan, serta tingkat keakuratan yang diperlukan.
b. Menetapkan rentang waktu
Ramalan harus mengindikasikan rentang waktu,
mengingat bahwa keakuratan menurun ketika rentang waktu
meningkat
c. Memilih teknik peramalan
Terdapat berbagai teknik peramalan yang dapat dilakukan
jadi dalam tahapan ini kita harus memilih salah satu teknik
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
10
yang sesuai dengan permasalahan sehingga keakuratan
peramalan tinggi.
d. Memperoleh, membersihkan, dan menganalisis data yang tepat
Memperoleh data dapat meliputi usaha yang signifikan.
Setelah memperoleh data, data mungkin perlu βdibersihkanβ
agar dapat menghilangkan objek asing dan data yang tidak
jelas, tidak benar sebelum dianalisis.
e. Membuat ramalan
Memulai analisis data dengan menggunakan data yang
sudah didapat dan menggunakan teknik peramalan yang sudah
ditentukan.
f. Memantau ramalan
Ramalan harus dipantau untuk menentukan apakah
ramalan ini dilakukan dengan cara yang memuaskan. Jika tidak
memuaskan, periksa kembali metode peramalan, asumsi,
keabsahan data, dan lain-lain. Kemudian, mengubahnya sesuai
kebutuhan serta menyiapkan revisi ramalan.
3. Metode Peramalan
Menurut Nigel Slack,Stuart Chambers dan Robert Johnston
(2007:185), ada 2 pendekatan utama dalam peramalan. Pertama
adalah metode peramalan kualitatif yang berdasarkan pendapat,
pengalaman masa lalu dan bahkan tebakan terbaik dan yang kedua
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
11
adalah metode peramalan kuantitatif yang berdasarkan data-data
masa lalu.
Metode peramalan kualitatif melibatkan pengumpulan dan
penilaian-penilaian, pilihan bahkan tebakan terbaik dari βpakarβ
untuk membuat prediksi, serta kinerja masa lalu. Ada beberapa
metode kualitatif yang dapat digunakan yaitu Metode panel, Metode
Delphi dan Perencanaan Skenario.
Metode Kuantitatif menggunakan metode matematis dan data
historis dalam melakukan peramalan. Ada dua pendekatan utama
untuk peramalan kuantitatif: analisis deret waktu dan teknik
pemodelan kausal. Seri waktu menguji pola perilaku masa lalu suatu
fenomena tunggal dari waktu ke waktu, dengan mempertimbangkan
alasan variasi dalam tren untuk menggunakan analisis tersebut untuk
meramalkan perilaku masa depan fenomena tersebut. Pemodelan
kausal adalah pendekatan yang menggambarkan dan mengevaluasi
hubungan sebab akibat yang kompleks antara variabel kunci.
B. Data Time Series
Deret berkala atau data time series adalah serangkaian pengamata
terhadap suatu variabel yang diambil dari waktu ke waktu dan dicatat
secara berurutan menurut waktu kejadian dengan interval waktu yang tetap
(Wei, 2006: 6). Time series dapat juga diartikan sebagai serangkaian data
yang didapatkan berdasarkan pengamatan dari suatu kejadian pada urutan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
12
waktu tertentu. Tujuan dari metode peramalan deret waktu tersebut adalah
untuk menemukan pola dalam rangkaian data historis dan memperkirakan
pola tersebut ke masa depan. Kelemahan utama dari pendekatan ini adalah
bahwa ia hanya melihat perilaku masa lalu untuk memprediksi masa
depan, mengabaikan variabel kausal yang diperhitungkan dalam metode
lain seperti pemodelan kausal atau teknik kualitatif.
Langkah penting dalam memilih metode peramalan yang tepat
adalah dengan mempertimbangkan jenis pola data, sehingga metode yang
paling sesuai dengan pola tersebut dapat dimanfaatkan. Empat jenis pola
data time series dapat dibedakan: horisontal, musiman, siklus, dantrend.
1. Pola Horisontal
Pola horisontal (H) ada saat nilai data berfluktuasi sekitar rata-
rata yang konstan. Produk yang penjualannya tidak meningkat atau
menurun seiring waktu akan menjadi tipe ini. Demikian pula, situasi
pengendalian mutu yang melibatkan sampling dari proses produksi
terus menerus yang secara teoritis tidak berubah juga akan
menunjukkan pola horisontal.
Gambar 2.1 : Pola data horizontal
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
13
2. Pola Musiman
Pola musiman (S) ada bila rangkaian dipengaruhi oleh faktor
musiman (mis., Kuarter tahun, bulan, atau hari dalam seminggu).
Seri musiman kadang juga disebut "periodik" meskipun mereka tidak
mengulanginya sendiri setiap periode.
Gambar 2.2 : Pola Data Musiman
3. Pola Siklus
Pola siklus (C) ada saat data menunjukkan kenaikan dan
penurunan yang bukan periode yang tetap. Perbedaan utama antara
pola musiman dan siklis adalah bahwa yang pertama memiliki
panjang konstan dan berulang pada basis periodik biasa, sementara
yang terakhir bervariasi panjangnya. Selain itu, panjang rata-rata
siklus biasanya lebih lama dari pada musiman dan besaran siklus
biasanya lebih bervariasi daripada musiman.perti yang terkait dengan
siklus bisnis.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
14
Gambar 2.3: Pola Data Siklus
4. Pola Trend
Pola trend (T) ada bila ada peningkatan jangka panjang atau
penurunan pada data. Penjualan banyak perusahaan, produk nasional
bruto, dan banyak indikator bisnis atau ekonomi lainnya mengikuti
pola tren dalam pergerakan mereka dari waktu ke waktu.
Gambar 2.4 : Pola Data Trend
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
15
C. Stasioneritas Data
Stasioneritas dalam data terjadi jika tidak ada peningkatan atau
penurunan pada data. Menurut Makridakis (1999), data yang statisioner
adalah data yang dimana fluktuasi data berada di suatu nilai rata-rata yang
konstan, tidak tergantung pada waktu dan variansi dari fluktuasi yang
konstan pada setiap waktu. Stasioner data dapat dilihat pada plot data
runtun waktu, data dikatakan stasioner jika data runtun waktu tidak terlihat
adanya tren dan musiman pada data, serta rata-rata dan variansinya
konstan.
Data dikatakan stasioner jika data tersebut telah stasioner terhadap
rata-rata dan terhadap varians. Data dikatakan stasioner dalam ragam jika
dalam data tidak terdapat fluktasi data yang besar dari waktu ke waktu.
Untuk mengatasi data yang tidak stasioner dalam varian kita dapat
melakuan transformasi Box-Cox. Transformasi Box-Cox sendiri adalah
transformasi pangkat parameter tunggal π (lamda) dengan fungsi
transformasi sebagai berikut :
Dimana π adalah parameter transformasi.
π(ππ‘) =ππ‘
π β 1
π
(2.1)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
16
Beberapa nilai π dan bentuk transformasinya dapat dilihat dalam
table berikut ini :
Tabel 2.1: Nilai π dan bentuk transformasi Nilai π -1 -0,5 0 0,5 1
Bentuk
Transformasi
1
π(ππ‘)
1
βπ(ππ‘)
lnπ(ππ‘) βπ(ππ‘) π(ππ‘)
Dapat dilihat dari tabel bahwa nilai π=1 tidak memerlukan
transformasi.
Dan ketika data tidak stasioner dalam rata-rata, hal yang dapat kita
lakukan adalah melakukan differencing atau pembedaan, yaitu deret asli
diganti dengan selisih. Jumlah differencing atau pembedaan yang
dilakukan disimbolkan dengan d. Bentuk differencing pertama (d=1)
adalah sebagai berikut:
ππ‘β² = ππ‘ β ππ‘β1
dan d=2 adalah sebagai berikut :
ππ‘β²β² = ππ‘
β² β πβ²π‘β1
Dengan: ππ‘ : Data pada periode ke-t
ππ‘β1 : Data pada periode ke t-1
ππ‘β² : Data hasil differencing pertama pada periode ke t
πβ²π‘β1: Data hasil differencing pertama pada periode ke t-1
ππ‘β²β² : Data hasil differencing kedua pada periode ke t
Proses differencing dapat dilakukan sampai data stasioner terhadap rata-
rata dan nilai autokorelasinya menurun secara lambat.
(2.2)
(2.3)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
17
D. White Noise
Menurut Wei (2006:15), sebuah proses {ππ‘} disebut proses white-
noise jika merupakan urutan variabel acak yang tidak berkorelasi dari
suatu distribusi tetap dengan mean konstanπΈ(ππ‘) = ππ, biasanya
diasumsikan 0, varian konstanπππ(ππ‘) = ππ2 dan πΎπ = πΆππ£(π1, π1+π) =
0 untuk semua π β 0.
E. Fungsi Autokorelasi dan Fungsi Autokorelasi Parsial
1. Fungsi Autokorelasi (ACF)
Menurut Wei (2006:10), dari suatu proses stasioner (ππ‘),
diperoleh rata-rata πΈ(ππ‘) = π dan πππ(ππ‘) = πΈ(ππ‘ β π) = π2, yang
konstan dan kovarian πΆππ£(ππ‘, ππ‘+π), yang fungsinya hanya pada
selisih waktu |π‘ β (π‘ + π)|. Maka dari itu, hasil tersebut dapat ditulis
dengan kovariansi antara ππ‘dan ππ‘+π sebagai berikut :
ππ =πΆππ£(ππ‘,ππ‘+π)
βπππ(ππ‘)βπππ(ππ‘+π)=
πΎπ
πΎ0 (2.4)
Dimana notasi πππ(ππ‘) = πππ(ππ‘+π) = πΎ0. Sebagai fungsi dari
k,πΎπ disebut dengan fungsi autokovarian dan ππ disebut dengan
fungsi autokorelasi (ACF) dalam time series karena mereka
menggambarkan kovarian dan korelasi antara ππ‘ πππ ππ‘+π dari
proses yang sama, hanya terpisahkan pada lag ke-k.
Fungsi autokovarian πΎπdan fungsi autokorelasi ππ memiliki
sifat sebagai berikut :
a. πΎ0 = πππ(ππ‘); π0 = 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
18
b. |πΎπ| β€ πΎ0; |ππ | β€ 1
c. πΎπ = πΎβπdanππ = πβπ untuk semua k, πΎπ dan ππ adalah fungsi
yang sama dan simetrik lag k=0. Sifat ini diperoleh dari selisih
antara ππ‘ πππ ππ‘+π. Oleh sebab itu, fungsi autolorelasi sering
diplotkan hanya untuk non-negatif lag . Plot tersebut sering
disebut Correlogram.
Menurut Alan Pankratz (1983: 35), pendugaan koefisien
autokorelasi (ππ) adalah dugaan dari koefisien autokorelasi secara
teoritis yang bersangkutan (ππ ). Nilai dari ππ tidak sama persis
dengan ππ yang berkorespondensi dikarenakan error sampling.
Distribusi dari kemungkinan nilai-nilai disebut dengan distribusi
sampel. Koefisien autokoreasi dapat dicari dengan persamaan :
=
β
β
=
β
ββ
=n
t
t
kt
kn
t
t
k
XX
XXXX
r
1
2
1
)(
))(( (2.5)
Dimana: ππ : koefisien autokorelasi lag-k
n: banyaknya data
X : rata-rata pengamatan pada
ππ‘+π : pengamatan pada waktu ke t+k,k=1,2,3,...
Tercapainya keberhasilan analisis deret berkala sangat
bergantung pada keberhasilan menginterpretasikan hasil analisis
autokorelasi dan kemampuan membedakan pola dan kerandoman
data. Koefisien autokorelasi dari data random mendekati distribusi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
19
sampling yang mendekati kurva normal dengan nilai tengah nol dan
kesalahan standar 1/βπ . Dengan demikian suatu deret data dapat
disimpulkan bersifat random apabila koefisien korelasi yang dihitung
berada didalam batas tersebut. Sedangkan uji Box-Pierce Pormanteau
untuk sekumpulan nilai-nilai ππ didasarkan pada nilai-nilai statistik Q
π = π β ππ2
π
π=1
Dimana m adalah lag (selisih waktu ) maksimum yang akan
dilakukan.
Suatu deret berkala dikatakan bersifat acak apabila koefisien
korelasi yang dihitung berada di dalam batas:
β1,96 (1
βπ) β€ ππ β€ 1,96 (
1
βπ)
Ini berarti bahwa 95% dari seluruh koefisisien autokorelasi
berdasarkan sampel harus terletak di dalam daerah nilai tengah
ditambah atau dikurangi 1,96 kali galat standart.
2. Fungsi Autokorelasi Parsial (PACF)
Menurut Wei (2006:11), fungsi autokorelasi parsial adalah
korelasi antara ππ‘ dan ππ‘+π setelah pengaruh dari variabel penganggu
ππ‘+1, ππ‘+2, β¦ , ππ‘+πβ1 dihilangkan. Koefisien autokorelasi parsial biasanya
dinotasikan dengan
β ππ = πΆπππ(ππ‘, ππ‘+π|ππ‘+1, ππ‘+2, β¦ , ππ‘+πβ1) (2.6)
β ππadalah koefisien korelasi antara dua buah peubah acak ππ‘ dan ππ‘+π
dengan syarat ππ‘+1, ππ‘+2, β¦ , ππ‘+πβ1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
20
F. METODE ARIMA
ARIMA atau biasa disebut dengan model Box-Jenkins merupakan
salah satu metode peramalan kuantitatif. Metode ARIMA sangat baik
digunakan dalam melakukan peramalan jangka pendek, sedangkan jika
digunakan dalam peramalan jangka panjang metode ARIMA kurang tepat
digunakan karena hasil peramalan akan cenderung flat atau konstan (Wei,
2006, p. 23).
Metode ARIMA adalah model peramalan yang secara penuh
mengabaikan independen variabel dan suatu model yang mengasumsikan
bahwa data masukan harus stasioner (Wei, 2006, p. 23). Jika data masukan
tidak stasioner maka harus dilakukan penyesuaian terhadap data agar data
masukan menjadi stasioner. Selain data yang stasioner, Box-Jenkins juga
menyarankan bahwa ukuran sampel minimum berjumlah 50 data
walaupun terdapat banyak analisis yang hanya menggunakan ukuran
sampel yang kecil dalam melakukan peramalan.
Metode ARIMA dikelompokkan menjadi 3 kelompok yaitu
Autoregressive Model (AR), Moving Average Model (MA) dan model
campuran ARIMA (Autoregressive Moving Average Model) yang
mempunyai karakteristik dari kedua model pertama.
1. Autoregressive Model (AR)
Secara umum, Autoregressive Model(AR) atau model ARIMA
(p,0,0) dinyatakan sebagai berikut :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
21
ππ‘ = β 1ππ‘β1 + β 2ππ‘β2 + β― + β πππ‘βπ + ππ‘ (2.7)
Dimana ,ππ‘ : data ke-t
β π : parameter autoregresif ke-j
ππ‘ : nilai kesalahan pada waktu ke-t
Dan perhatikan bahwa terdapat pembatas yang khusus pada
nilai-nilai parameter autoregresif. Dalam praktek, dua kasus yang
akan sering dijumpai adalah apabila p=1 dan p=2, yaitu berturut-
turut model AR(1) dan AR(2). Dua kasus didefinisikan sebagai
berikut:
ARIMA (1,0,0)
ππ‘ = β 1ππ‘β1 + ππ‘
ARIMA (2,0,0)
ππ‘ = β 1ππ‘β1 + β 2ππ‘β2 + ππ‘
Jika menggunakan simbol operator shift mundur, B, maka
persamaan akan menjadi :
ARIMA (1,0,0)
ππ‘ β β 1ππ‘ = ππ‘
atau
(1 β β 1π΅)ππ‘ = ππ‘
ARIMA (2,0,0)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
22
ππ‘ β β 1ππ‘ β β 2ππ‘β2 = ππ‘
atau
(1 β β 1π΅ β 1 β β 2π΅2)ππ‘ = ππ‘
2. Moving Average Model (MA)
Proses MA umum berorde q dapat ditulis sebagai berikut :
ππ‘ = ππ‘ β π1ππ‘β1 β π2ππ‘β2 β β― β ππππ‘βπ (2.8)
Dimana ,ππ : parameter moving average (yang menjadi sasaran
pembatas nilai )
ππ‘ : data ke-t
ππ‘βπ : nilai kesalahan pada saat t-q
Dalam prakteknya, dua kasus yang kemungkinan besar akan
dihadapi adalah apabila q=1 dan q=2 yaitu berturut-turut proses
MA(1) dan MA(2) . Dua kasus ini akan ditulis seperti pada
persamaan
ARIMA (0,0,1)
ππ‘ = (1 β β 1π΅)ππ‘
ARIMA (0,0,2)
ππ‘ = (1 β β 1π΅ β 1 β β 2π΅2)ππ‘
3. Model Campuran ARIMA (Autoregressive Moving Average Model)
Model Campuran ARIMA terdiri dari 2 model yaitu ARMA
dan ARIMA. Kedua model sama-sama memiliki karakteristik dari
Autoregressive Model dan Moving Average Model, yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
23
membedakan dari kedua model tersebut adalah model ARMA
didapat dengan cara data masukan yang tidak melalui langkah
differencing atau pembedaan dengan kata lain data masukan sudah
stasioner, sedangkan model ARIMA didapat dengan cara data
masukan yang sudah melalui langkah differencing (d). Jumlah
differencing yang dilakukan adalah nilai d yang ada dalam model
ARIMA.
a. Autoregressive Moving Average Model (ARMA)
Model ini melibatkan proses AR dan MA. Bentuk umum
dari model ARMA (p,q) adalah
ππ‘ = β 1ππ‘β1 + β― + β πππ‘βπ + ππ‘ β π1ππ‘β1 β β― β ππππ‘βπ (2.
Dimana ,ππ‘ : data runtun waktu ke-t
β π : koefisienautoregressive, i:1,2,...,p
ππ : koefisienmoving average , j: 1,2 ,..., q
p : orde AR
q : orde MA
b. Autoregressive InteretIntegrared Moving Average (ARIMA)
Model Autoregressive Integrared Moving Average
melibatkan proses AR, proses pembedaan dan MA. Dengan
kata lain, nonstationeritas yang ditambahkan pada campuran
proses ARMA, maka model ARIMA (p,d,q) terpenuhi. Bentuk
umum ARIMA (p,d,q) adalah sebagai berikut
(2.9)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
24
β (π΅)(1 β π΅)πππ‘ = π(π΅)ππ‘ (2.10)
Dengan
β (π΅) = (1 β β 1π΅ β β 2π΅2 β β― β β ππ΅
πadalah operator
langkah mundur untuk AR
π(π΅) = (1 β π1π΅ β π2π΅2 β β― β πππ΅
πadalah operator langkah
mundur untuk MA
(1 β π΅)πadalah proses pembedaan orde ke-d
Terdapat langkah-langkah dalam melakukan peramalan
menggunakan metode ARIMA, yaitu
1. Identifikasi Model
Langkah pertama dalam melakukan peramalan metode ARIMA
adalah menentukan model yang akan digunakan untuk peramalan.
Seperti yang sudah dikatakan sebelumnya, metode ARIMA hanya
diterapkan jika data runtun waktu atau data masukan yang stasioner.
Jadi langkah awal adalah kita menganilisis data masukan tersebut
apakah sudah stasioner atau belum. Jika data masukan belum
stasioner maka kita harus melakukan penyesuaian sehingga data
menjadi stasioner.
Data stasioner terhadap rata-rata dapat dilihat dari grafik time
series,grafik trend analysis dan plot ACF. Data dapat dikatakan
stasioner terhadap rata-rata jika grafik time series dan grafik trend
analysis tidak mengalami kenaikan atau penurunan dan tidak
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
25
mengalami adanya pola musiman dengan kata lain grafik cenderung
konstan. Selain itu data dikatakan sudah stasioner terhadap rata-rata
juga dilihat dari plot ACF. Data sudah stasioner jika nilai ACF
menurun secara lambat mendekati nol. Untuk mendapat grafik time
series, grafik trend analysis dan plot ACF, kita dapat memanfaatkan
aplikasi pengolahan data statistik seperti minitab. Jika data belum
stasioner terhadap rata-rata maka kita dapat melakukan langah
differencing atau pembedaan yang sudah dijabarkan pada subbab c.
Untuk data stasioner terhadap varian dapat dilihat dari plot
Box-Coxnya. Dari plot Box-Cox kita dapat mengatakan data sudah
stasioner terhadap varian jika nilai rounded valuenya adalah 1. Jika
belum maka dapat dilakukan transformasi Box-Cox seperti yang
sudah dijabarkan pada subbab c.
Jika data sudah stasioner maka langkah selanjutnya adalah
menentukan orde AR dan MA. Cara yang dapat dilakukan adalah
dengan melihat plot ACF dan plot PACF atau dapat dilihat dalam
tabel berikut :
Tabel 2.2 : Tabel Idenfikasi Model ARIMA
Tipe
Model
Pola Tipikal ACF Pola Tipikal PACF
AR(p) Berpola ekponensial atau
seperti gelombang sinus
yang melemah
Perbedaan nilai
antara lag-1 dengan
nilai sesudah lag-p
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
26
cukup besar (cut of
after lag-p)
MA(q) Perbedaan nilai antara
lag-1 dengan nilai
sesudah lag-p cukup
besar (cut of after lag-p)
Berpola ekponensial
atau seperti
gelombang sinus
yang melemah
ARMA
(p,q)
Menurun lambat menuju
nol
Menurun lambat
menuju nol
2. Estimasi atau Taksiran Model
Setelah satu atau beberapa model ARIMA telah didapat, maka
langkah selanjutnya dalam melakukan peramalan ARIMA adalah
melakukan taksiran parameter-parameter yang tepat dalam model
tersebut. Estimasi/taksiran model adalah suatu penduga parameter
model agar model sementara yang sudah didapat dapat digunakan
dalam melakukan parameter. Pada saat ini, dalam melalukan
pendugaan parameter dapat dilakuan dengan mudah dikarenakan kita
dapat memanfaatkan program-program statistik yang sudah ada
sehingga kita tidak perlu khawatir dengan estimasi matematis.
3. Verifikasi
Langkah selanjutnya adalah verifikasi, verifikasi dilakukan
untuk menguji kelayakan model ARIMA (p,d,q) yang sudah didapat
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
27
sebelumnya. Verifikasi ini dilakukan melalui 2 tahap uji yaitu uji
signifikansi parameter dan uji kesesuaian model
a. Uji signifikansi parameter
Uji signifikansi parameter bertujuan untuk membuktikan
bahwa parameter yang sudah didapat signifikan dalam model
(parameter tidak sama dengan nol). Uji signifikansi parameter
dapat dilakukan dengan menggunakan uji-t dengan hipotesis
sebagai berikut
1) π»π = β = 0 (Parameter AR tidak signifikan dalam
model)
π»0 = π = 0 (Parameter MA tidak signifikan dalam
model)
2) π»1 = β β 0 (Parameter AR signifikan dalam model)
3) π»1 = π β 0 (Parameter MA signifikan dalam model)
4) Menentukan taraf signifikansi
5) Menentukan wilayah kritis
π»πditolak bila |π‘βππ‘π’ππ| > π‘π‘ππππ atau π β π£πππ’π < πΌ
6) Statistik Uji
π‘βππ‘π’πππ΄π =β
π π‘πππ£(β )
π‘βππ‘π’ππππ΄ =π
π π‘πππ£(π)
7) Perhitungan
8) Kesimpulan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
28
b. Uji Kesesuaian Model
Uji kesesuaian model adalah uji yang dilakukan untuk
mengetahui bahwa model tersebut sudah memenuhi asumsi
residual white-noise yang berarti bahwa residual berifat acak
dan berdistribusi normal. Untuk menguji bahwa residual
bersifat acak dapat dilakukan dengan uji Ljung-Box dan untuk
residual berdistribusi normal dapat dilakukan dengan uji
Kolmogorov-Smirnov.
1) Uji Residual bersifat acak
Untuk mengetahui apakah residual bersifat acak dapat
menggunakan Uji Ljung-Box dengan hipotesis sebagai
berikut.
a) π»π: π1 = π2 = β― = ππ = 0 (autokorelasi residual
tidak signifikan)
b) π»1: ππ β 0 , π = 1,2,3, β¦ , π (autokorelasi residual
signifikan)
c) Menentukan πΌ
d) Statistik uji
π = π(π + 2) βππ
2
π β π
π
π=1
e) Wilayah Kritis
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
29
π»πditolak (autokorelasi residual signifikan) jika
π β₯ π(πΌ,πβπβπ)2 atau π β π£πππ’π < πΌ. Dengan m
adalah jumlah lag, p adalah orde AR dan Q adalah
orde MA, π β π β π adalah derajat bebas.
f) Perhitungan
g) Kesimpulan
2) Uji Residual berdistribusi Normal
Uji residual berdistribusi normal dapat dilakukan
menggunakan uji Kolmogorov-Smirnov dengan hipotesis
sebagai berikut :
a) π»0 βΆ πΉ(π₯) = πΉ0(π₯) (residual berditribusi normal)
b) π»1 βΆ πΉ(π₯) β πΉ0(π₯) (residual tidak berdistribusi
normal)
c) Menentukan πΌ
d) Statistik Uji :
π·βππ‘π’ππ = ππππ πππ’π|πΉπ(π₯) β πΉ0(π₯)|
e) Wilayah kritis
π»0ditolak atau residual tidak berdistribusi normal
jika π·βππ‘π’ππ > π·(πΌ,π) atau π β π£πππ’π < πΌ, dengan
n adalah ukuran sampel.
f) Perhitungan
g) Kesimpulan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
30
4. Peramalan
Tujuan peramalan ARIMAadalah menggunakan model yang
diperoleh untuk inferensi time series di masa mendatang berdasarkan
pola yang terjadi di masa lalu. Yakni, berdasarkan suatu model ingin
diturunkan distribusi bersyaratkan observasi yang akan datang, jika
diketahui observasi yang lalu.
G. Program Minitab
1. Analisis Data Statistik dalam Minitab
Minitab merupakan salah satu dari program aplikasi statistika
yang banyak digunakan dalam pengolahan data statistik. Menurut
Iriawan dan Astuti (2006 : 22 ),alur analisis data statistik dalam
minitab secara garis besar dapat ditunjukkan dalam diagram berikut
Peran Minitab dalam analisis data statitistik adalah sebagai alat
bantu dalam menganilis data , sedangkan manusia berperan dalam
mendesain dan menafsirkan output yang dihasilkan minitab.
Rumusan
Tujuan
Eksperi-men
Motode
Analisis
Ambil Data
ANALISIS
DATA
Output Kesim
pulan Insterpeta
si Output
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
31
2. Keunggulan Minitab
Menurut Iriawan dan Astuti (2006 : 22), keunggulan program
minitab adalah program ini dapat digunakan dalam pengolahan data
statistik untuk tujuan sosial maupun teknik. Dibandingkan dengan
program pengolahan data statistik yang lainnya minitab dianggap
program yang paling sangat kuat dan tingkat akuransi taksiran
statistik yang tinggi.
Adapun keunggulan program minitab dibandingkan dengan
program aplikasi statistika yang lainnya antara lain :
a. Tampilan menu yang lebih lengkap dan disertai toolbar-
toolbarakan memudahkan pengguna dalam menjalankan
perintah.
b. Minitab menyediakan StartGuide yang menjelaskan cara
melakukan interpretasi tabel dan grafik statistika yang
dihasilkan oleh minitab dengan cara yang mudah dipahami.
c. Ukuran woorksheet dinamis dan memuat kolom sampai 4000.
d. Bahasa pemograman macro lebih mudah. Bahasa pemrograman
macro hampir mirip dengan bahasa pemrograman basic.
e. Minitab mempunyai file Minitab WorkSheet (MTW) dan
Minitab Project (MPJ) yang digunakan untuk membedakan file
worksheet dan file project.
f. Minitab menyediakan ReportPad agar mudah membuat laporan
project yang telah dibuat.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
32
g. Dalam minitab, pengguna bisa membuat nama yang panjang
pada file tanpa harus menyingkat nama file.
h. Minitab menyediakan metode Taguchi untuk desain robust
yang banyak digunakan dalam desain eksperimen.
3. Bagian-bagian minitab
Minitab terdiri dari beberapa bagian seperti halnya program
aplikasinya. Window Minitab memiliki Toolbar, Menu Bar,
Windows Graph, Tombol Ukuran, Window Session, Project
Manager, Window Data, dan Status Bar, seperti dibawah ini :
Gambar 2.5 : tampilan awal minitab
a. Toolbar
Merupakan alat untuk mempermudah dan mempercepat
perintah minitab. Ada beberapa bentuk toolbar dalam minitab
seperti dalam program aplikasi lain yaitu seperti cut, copy,
paste, save, open, dan sebagainya. Ada juga beberapa toolbar
khusus yang ada di minitab seperti Current Data Window,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
33
Close All Graphs, Insert Cells, Insert Row, Project Manager,
Session Window , dan lain-lain .
b. Menu Bar
Menu Bar mempunyai menu-menu yang berfungsi
menjalankan operasi tertentu.
c. Tombol Ukuran
Tombol ukuran dalam minitab berfungsi untuk mengatur
ukuran window minitab. Ada 4 jenis tombol ukuran, yaitu : (1)
Minimize Button yang fungsinya untuk mengecilkan window
sehingga membentuk ikon pada taskbar, (2) Maximize Button,
berfungsi memperbesar ukuran window menjadi 1 layar penuh,
(3) Restore Button, berfungsi mengembalikan ukuran window
ke ukuran semula, (4) Close Button, berfungsi untuk menutup
window dan mengakhiri aplikasi
d. Window Graph
.Dalam Window Graph kita bisa menampilkan grafik data
statistik. Ada 4 jenis grafik yang dapat ditampilkan yaitu grafik
dasar ( contoh : plot time series, histogram, boxplot, dan lain
lain), grafik 3D (contoh : scatterplot, plot surface, dan plot
wireframe), grafik-grafik khusus statistika (contoh : diagram
lingkaran, dotplot, plot marginal, dan plot probabilitas) , dan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
34
character graph (grafik ditampilkan window session dalam
bentuk text).
e. Window Session
Window Session menampilkan hasil analisis data yang
telah dilakukan. Pekerjaan yang telah dilakukan atau hasil
analisis dalam window dapat disimpan dan dicetak.
f. Window Data
Window Data memiliki lembar kerja yang berisi data-
data. Ada lebih 1 lembar kerja dalam 1 project. Lembar kerja
dalam Window Data berisikan kolom-kolom dan baris, dimana
1 kolom berisi variabel tertentu dan 1 baris berisi suatu
obervasi.
g. Project Manager
Project Managerberfungsi mengaur file-file yang
tersimpan dalam project. Project manager terdiri atas Folder
Session, Folder History, Folder Graph, Folder ReportPad,
Folder Related Document, dan Folder Worksheets.
h. Status Bar
Status Bar berfungsi untuk memberikan informasi
mengenai window yang sedang aktif.
4. Analisis Data menggunakan metode ARIMA menggunakan minitab
Adapun langkah-langkah dalam permalan metode ARIMA
menggunakan minitab sebagai berikut :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
35
a. Penginputan data
Langkah pertama tentu saja kita harus menginputkan data
kedalam program minitab. Kita bisa langsung membuka
program minitab pada ikon di desktop atau melalui Start β> All
Programs -> Minitab
b. Menggambar grafik data runtun waktu
Langkah-langkahnya adalah dengan cara pilih menu Stat ->
Time Series -> Time Series Plot
c. Menggambar Plot ACF dan PACF
Langkah-langkah dalam menggambar Plot ACF dan PACF
dalam minitab adalah pilih Stat -> Time Series ->
Autocorrelation untuk ACF dan Stat -> Time Series -> Partial
Autocorrelation untuk PACF
d. Menggambar Plot Box-Cox
Langkah-langkah dalam menggambar Plot Box-Cox dalam
minitab adalah pilih Start -> Control Charts -> Box-Cox
Transformation.
e. Menghitung Data Selsish atau Differencing
Untuk menghitung data selisih yaitu dengan pilih Stat -> Time
Series -> Differences.
f. Melakukan Peramalan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
36
Langkah-langkahnya adalah pilih menu Stat -> Time Series ->
ARIMA.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
36
BAB III
METODE PENELITIAN
A. Jenis Penelitian
Penelitian menurut Margono (2010:1) adalah semua kegiatan
pencarian, penyelidikan, dan percobaan secara alamiah dalam suatu bidang
tertentu, untuk mendapatkan fakta-fakta atau prinsip-prinsip baru yang
bertujuan untuk mendapatkan pengertian baru dan menaikan tingkat ilmu
serta teknologi. Penelitian juga mempunyai tujuan antara lain adalah
memeriksa keadaan, menerangkan kondisi yang mendasari peristiwa-
peristiwa, menyusun teori, meramalan dan melakukan pengendalian.
Penelitian ini bertujuan dalam peramalan produksi yang bertugas untuk
memberian perkiraan-perkiraan atau proyeksi di masa datang atas
peristiwa yang diduga bakal terjadi. Disini peneliti akan meramalkan hasil
produksi yang diproduksi oleh roti gulung di Induntri Rumah Tangga
Lautan Kue.
Dalam penelitian juga kita harus mengetahui jenis penelitian apa
yang akan dilakukan sehingga kita bias mengetahui langkah-langkah apa
saja yang kita lakukan dalam penelitian. Penelitian ini merupakan
penelitian kasus. Penelitian kasus memusatkan perhatian pada suatu kasus
secara intensif dan terperinci mengenai latar belakang keadaan sekarang
yang dipermasalahkan. Dikatakan penelitian kasus dikarenaan penelitian
ini mempunyai subjek yang terdiri dari suatu kesatuan (unit) secara
mendalam bias terbatas satu orang, satu keluarga, kelompok ataupun satu
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
37
peristiwa. Selain pada suatu unit, objek yang diteliti juga terbatas pada
aspek yang menjadi kasus.
B. Populasi dan Sampel
Populasi adalah keseluruhan objek yang dibutuhkan dalam
penelitian. Seperti pendapat Margono (2010 : 118), populasi adalah
seluruh data yang menjadi perhatian kita dalam suatu ruang lungup dan
waktu yang kita tentukan. Pengertian lain, menyebutan bahwa populasi
adalah keseluhuran objek penelitian yang terdiri dari manusia, benda-
benda, hewan, tumbuh-tumbuhan, gejala-gejala, nilai tes, atau peristiwa-
peristiwa sebagai sumber data yang memiliki nilai karakteristik tertentu
dalam suatu penelitian. Populasi dalam penelitian kali ini adalah seluruh
data produksi roti gulung yang diproduksi oleh Industri Rumah Tangga
Lautan Kue.
Mengingat banyaknya jumlah data pada populasi, maka peneliti akan
mengambil sampel. Seperti yang dikatakan Margono (2010:121), sampel
adalah sebagai bagian dari populasi. Dalam penelitian ini, sampel yang
digunakan adalah data produksi roti gulung yang diproduksi Industri
Rumah Tangga Lautan Kue periode Agustus Januari 2013 sampai dengan
Februari 2017.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
38
C. Bentuk Data
Adapun data yang diperoleh merupakan data kuantitatif berupa
angka. Data kuantitatif adalah jenis data yang dapat diukur atau dihitung
secara langsung, yang berupa informasi yang dinyatakan dengan bilangan
atau angka. Data kuantitatif tersebut kemudian dianalisis menggunakan
perhitungan matematia atau statistika. Dalam penelitian ini data kuantitatif
yang diperlukan adalah jumlah produksi roti yang diproduksi pada periode
Januari 2013 sampai dengan Februari 2017.
Sumber data diperoleh merupakan data sekunder. Data sekunder
adalah sumber data penelitian yang diperoleh melalui media perantara atau
secara tidak langsung yang berupa buku, catatan, bukti yang telah ada atau
arsip yang dipublikasikan maupun yang tidak dipublikasikan secara
umum. Dalam penelitian ini, peneliti mengunjungi subjek penelitian dan
mendapatkan data yang berupa catatan terkait dengan produksi roti yang
telah diproduksi oleh produsen.
D. Metode Pengumpulan Data
Metode pengumpulan data yang dilakukan untuk memperoleh data-
data yang dibutuhkan dalam penulisan tugas akhir ini adalah metode
dokumentasi. Metode dokumentasi menurut Margono (2010 : 181)
merupakan cara pengumpulan data melalui peninggalan tertulis, seperti
arsip-arsip dan termasuk juga buku-buku tentang pendapat, teori, dalil atau
hokum-hukum, dan lain-lain yang berhubungan dengan masalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
39
penelitian. Dalam penelitian kualitatid, metode ini merupakan alat
pengumpul data yang utama karena pembuktian hipotesisnya yang duajuan
secara logis dan rasional melalui pendapat, teori, atau hokum-hukum yang
diterima, baik mendukung maupun menolong hipotesis tersebut.
Sedangkan dalam penelitian kuantitatif metode ini berfungsi untuk
menghimpun secara selektif bahan-bahan yang dipergunakan didalam
kerangka atau landasan teori, penyusunan hipotesis secara tajam.
E. Analisis Data
Dalam tahap ini dilakukan pengajikan data yang diperoleh
berdasarkan teori yang ada, khususnya dalam penggunaan metode ARIMA
untuk peramalan produksi. Dalam penelitian kali ini, penulis akan
memanfaatkan program Minitab dalam perhitungan yang ada. Berikut ini
adalah langkah-langkah dalam mengolahan data:
1. Menentukan nilai produksi roti βLautan Kueβ.
Sebelum melakukan peramalan dalam proses produksi maka
dibutuhkan data-data terlebih dahulu. Data akan disusun setiap
bulannya dalam setahun dari bulan Januari 2013- Agustus 2017.
2. Menentukan perkiraan produksi Roti Gulung βLautan Kueβ
Langkah-langkah dalam melakukan peramalan melakukan metode
ARIMA adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
40
a. Identifikasi Model
Identifikasi model digunakan untuk memilih model
ARIMA yang tepat dalam melakukan peramalan. Langkah-
langkah dalam identifikasi model adalah sebagai berikut :
1) Kestasioneran Data
Peramalan ARIMA merupakan peramalan yang
menganumsikan bahwa data yang digunakan adalah
data stasioner. Data dikatakan stasioner jika data tidak
mengalami kenaikan atau penurunan data pada waktu
ke waktu dan memiliki rata-rata yang konstan, dengan
kata lain data stasioner dalam rata-rata maupun dalam
ragam atau varian.
Untuk melihat data sudah stasioner dalam rata-
rata maupun ragam atau varian dapat dilihat dengan
menggunakan grafik trend analysis dan plot Box-Cox.
Dengan grafik tersebut kita dapat melihat apakah data
mempunyai pola tren atau musiman. Dengan plot Box-
Cox kita dapat melihat apakah data sudah stasioner
dalam varian atau belum, jika data sudah stasioner
dalam varian maka nilai rounded value dalam plot Box-
Cox akan bernilai 1.
Kita dapat menggunakan aplikasi minitab dalam
membuat grafik trend analysis dan plot Box-Cox.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
41
Langkah-langkahnya adalah dengan cara pilih menu
Stat -> Time Series-> Trend Analysis untuk
menggambar grafik trend analysis dan Stat -> Control
Charts -> Box-Cox Tranformation untuk membuat plot
Box-Cox.
Dan ketika data tidak stasioner dalam rata-rata, hal
yang dapat kita lakukan adalah melakukan differencing
atau pembedaan, yaitu deret asli diganti dengan selisih.
Jumlah differencing atau pembedaan yang dilakukan
disimbolkan dengan d. Bentuk differencing pertama
(d=1) adalah sebagai berikut:
ππ‘β² = ππ‘ β ππ‘β1
Atau dengan menggunakan minitab dengan langkah
Stat -> Time Series -> Differences.
Untuk mengatasi data yang tidak stasioner dalam
varian kita dapat melakuan transformasi Box-Cox
dengan fungsi transformasi sebagai berikut :
π(ππ‘) =ππ‘
π β 1
π
Dimana π adalah parameter transformasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
42
2) Identifikasi Model dengan Plot ACF dan PACF
Plot ACF dan PACF menentukan tipe model yang
akan digunakan dalam peramalan.
Tabel 3.1: Tabel tipe model ARIMA berdasarkan
ACF dan PACF
Tipe
Model
Pola Tipikal ACF Pola Tipikal PACF
AR(p) Berpola ekponensial
atau seperti gelombang
sinus yang melemah
Perbedaan nilai
antara lag-1 dengan
nilai sesudah lag-p
cukup besar (cut of
after lag-p)
MA(q) Perbedaan nilai antara
lag-1 dengan nilai
sesudah lag-p cukup
besar (cut of after lag-p)
Berpola ekponensial
atau seperti
gelombang sinus
yang melemah
ARMA
(p,q)
Menurun lambat menuju
nol
Menurun lambat
menuju nol
Langkah-langkah dalam menggambar Plot ACF
dan PACF dalam minitab adalah pilih Stat -> Time
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
43
Series -> Autocorrelation untuk ACF dan Stat -> Time
Series -> Partial Autocorrelation untuk PACF.
b. Estimasi atau Taksiran Model
Setelah satu atau beberapa model ARIMA telah didapat,
maka langkah selanjutnya dalam melakukan peramalan
ARIMA adalah melakukan taksiran parameter-parameter
yang tepat dalam model tersebut. Estimasi/taksiran model
adalah suatu penduga parameter model agar model sementara
yang sudah didapat dapat digunakan dalam melakukan
parameter. Peneliti akan menggunaan program minitab dalam
menduga parameter dengan langkah Start -> Time Series ->
ARIMA -> masukan model yang sudah didapat ->ok.
c. Verifikasi Model
Setelah berhasil mendapatkan pendugaan parameter
maka langkah selanjutnya adalah melakuakan verifikasi
model untuk membuktikan bahwa model tersebut layak atau
baik digunakan dalam peramalan. Verifikasi model dilakukan
dalam 2 tahap yaitu Uji signifikansi parameter dan Uji
kesesuaian model.
Uji signifikansi parameter dilakukan untuk melihat
apakah pendugaan parameter yang didapat sebelumnya sudah
signifikan dalam model atau belum. Uji signifikansi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
44
parameter dapat dilakukan dengan menggunakan uji-t dengan
hipotesis yang udah dijelaskan pada bab 2 subbab F dalam
verifikasi model.
Uji kesesuaian model sendiri dilakukan untuk melihat
apakah model ARIMA sudah memenuhi asumsi white-noise
atau belum. Asumsi white-noise adalah residual bersifat acak
dan berdistribusi normal. Uji yang dilakukan adalah uji
Ljung-Box untuk apakah residual bersifat acak dan Uji
Kolmogorov-Smirnov untuk melihat apakah residual
berdistribusi normal.
Jika model tidak memenuhi kedua uji diatas maka
model tersebut tidak layak, jadi langkah selanjutnya adalah
ulangi langkah mulai identifikasi model sampai didapat
model yang layak atau baik.
d. Peramalan
Tujuan dari analisis runtun waktu adalah meramalkan
nilai masa depan dengan tidak memiliki error atau dengan
error yang sangat kecil. Semakin kecil penyimpangan atau
error yang dihasilkan semakin baik ramalan yang dilakukan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
45
BAB IV
ANALISIS DAN PEMBAHASAN
A. Pengantar Perusahaan
Penelitian kali ini dilakukan di Industri Rumah Tangga bernama
Lautan Kue yang beralamat di Perumahan Puri Mojayan Asri No.17,
Mojayan, Kecamatan Klaten Tengah, Klaten. Sesuai dengan namanya
yaitu Lautan Kue, Industri Rumah Tangga ini bekerja pada bidang
makanan yaitu roti dan kue. Lautan Kue sendiri didirikan oleh sepasang
suami istri yang bernama Horas dan Ong Kwee Fang. Terdapat banyak
jenis roti dan kue yang diproduksi oleh Lautan Kue seperti roti mandarin,
roti gulung, roti zebra, roti marmer, roti meises, roti keju, bolu kacang dan
masih banyak lagi. Roti-roti ini diproduksi setiap harinya dan dipasarkan
ke toko-toko yang lebih besar.
Dalam penelitian kali ini, penulis menggunakan data produksi roti
gulung dalam melakukan peramalan produksi. Penulis menggunakan roti
gulung sebagai objek peramalan dikarenakan roti gulung merupakan salah
satu roti produksi Lautan Kue yang sangat laris dipasaran dari pada jenis
roti yang lain.
B. Analisis Data
Ada beberapa tahapan dalam melakukan peramalan dengan metode
ARIMA. Tahapan-tahapan yang akan dilakukan adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
46
1. Identifikasi Model
Langkah awal dalam melakukan peramalan menggunakan
metode ARIMA adalah mengidentifikasi model. Identifikasi model
bertujuan untuk menentukan model ARIMA yang tepat dalam
melakukan peramalan. Seperti yang udah dijelaskan pada bab 2,
model ARIMA dapat ditentukan jika data sudah stasioner. Selain
data yang stasioner, Box-Jenkins juga menyarankan bahwa ukuran
sampel minimum berjumlah 50 data walaupun terdapat banyak
analisis yang hanya menggunakan ukuran sampel yang kecil dalam
melakukan peramalan.
Dalam kasus ini, penulis menggunaan sampel data dari
produksi roti gulung periode Januari 2013 β Februari 2017 Industri
Rumah Tangga Lautan Kue yang berjumlah sebesar 56 data. Sampel
data yang didapat adalah sebagai berikut
Tabel 4.1: Produksi Roti Gulung Periode Januari 2013-
Februari 2017
Tahun 2013 Tahun 2014 Tahun 2015
No Bulan
Jumlah
Produksi No Bulan
Jumlah
Produksi No Bulan
Jumlah
Produksi
1 Januari 805 13 Januari 821 25 Januari 428
2 Februari 655 14 Februari 749 26 Februari 408
3 Maret 911 15 Maret 730 27 Maret 368
4 April 902 16 April 903 28 April 432
5 Mei 773 17 Mei 800 29 Mei 476
6 Juni 878 18 Juni 1125 30 Juni 476
7 Juli 972 19 Juli 679 31 Juli 472
8 Agustus 788 20 Agustus 508 32 Agustus 362
9 September 924 21 September 431 33 September 408
10 Oktober 923 22 Oktober 504 34 Oktober 368
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
47
D
ari data terebut, penulis akan menganalisis apakah data sudah
stasioner. Setelah sudah dipastikan bahwa data sampel terebut sudah
stasioner maka penulis melanjutkan dengan mengidentifikasi model
yang akan digunakan dalam meramalkan. Langkah- Langkahnya
adalah sebagai berikut :
a. Stasioneritas Data
Stasioneritas dalam data terjadi jika tidak ada peningkatan
atau penurunan pada data. Data yang statisioner adalah data
yang dimana fluktuasi data berada di suatu nilai rata-rata yang
konstan, tidak tergantung pada waktu dan variansi dari
fluktuasi yang konstan pada setiap waktu. Data dikatakan
sudah stationer jika data tersebut sudah stationer terhadap rata-
rata dan terhadap variansi. Jika data masukan belum stasioner
11 November 781 23 November 312 35 November 360
12 Desember 980 24 Desember 516 36 Desember 376
Tahun 2016 Tahun 2017
No Bulan
Jumlah
Produksi No Bulan
Jumlah
Produksi
37 Januari 336 49 Januari 490
38 Februari 352 50 Februari 240
39 Maret 400
40 April 292
41 Mei 440
42 Juni 306
43 Juli 612
44 Agustus 336
45 September 500
46 Oktober 300
47 November 272
48 Desember 460
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
48
maka kita harus melakukan penyesuaian sehingga data menjadi
stasioner.
Berikut ini adalah grafik times series dan grafik trend
data hasil produksi roti gulung yang diambil setiap bulan pada
periode Januari 2013 β Februari 2017 dengan menggunakan
program minitab.
Gambar 4.1 : Plot Data Asli Produksi Roti Gulung
Berdasarkan gambar 4.1 menunjukkan bahwa produksi
roti gulung paling banyak diproduksi pada bulan ke-18 atau
bulan Juli 2014 yaitu sebanyak 1125 buah dan jumlah terkecil
hasil produksi roti gulung yaitu pada bulan ke 50 atau pada
bulan Februari 2017 sebanyak 240 buah. Pada gambar tersebut
juga menunjukkan bahwa hasil produki roti gulung periode
Januari 2013 β Agustus 2017 mengalami peningkatan atau
penurunan setiap bulan dan cenderung tidak konstan terhadap
Index
Pro
du
ksi
50454035302520151051
1100
1000
900
800
700
600
500
400
300
200
Accuracy Measures
MAPE 20.5
MAD 107.7
MSD 19560.2
Variable
Actual
Fits
Trend Analysis Plot for ProduksiLinear Trend Model
Yt = 907.216 - 13.1143*t
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
49
suatu nilai tertentu. Hal itu menunjukkan bahwa data tersebut
tidak stasioner dalam rata-rata maupun varian atau ragam,
tetapi data tersebut mengalami adanya trend dikarenakan dari
gambar 4.1 terjadi penurunan jangka panjang dari waktu ke
waktu. Dalam kasus ini maka kita terlebih dahulu menstabilkan
varian data.
Untuk mengatasi data yang tidak stasioner dalam varian
kita dapat melakuan transformasi Box-Cox . Data sudah dapat
dikatakan stasioner dalam ragam atau varian jika hasil dari
round value dalam plot Box-Cox bernilai 1. Dari hasil
perhitungan Box-Cox pada data asli didapat rounded value
atau π bernilai 0,50 (gambar 4.2), hal ini menunjukkan bahwa
data asli belum stasioner dalam varian.
Gambar 4.2 : Plot Box-Cox Data Produksi
Apabila semua data hasil produksi dipangkatkan dengan 0,50
sesuai dengan persamaan (2.1) :
Lambda
StD
ev
5.02.50.0-2.5-5.0
500
400
300
200
100
Lower CL Upper CL
Limit
Lambda
0.50
(using 95.0% confidence)
Estimate 0.40
Lower CL -0.30
Upper CL 1.05
Rounded Value
Box-Cox Plot of Produksi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
50
π(ππ‘) =ππ‘
π β 1
π
Maka didapat grafik hasil transformasi sebagai berikut
Gambar 4.3 : Data Transformasi Produksi Roti
Dari gambar 4.3, data masih menunjukkan adanya
peningkatan atau penurunan dari waktu ke waktu dan tidak
konstan dalam suatu nilai tertentu. Hal ini menunjukkan data
transformasi merupakan data tidak stasioner dalam rata-rata
tetapi data tersebut sudah stasioner terhadap varian atau ragam
dikarenakan rounded value sudah bernilai 1 seperti pada
gambar 4.4 sebagai berikut :
Index
Tra
nsfo
rma
si
50454035302520151051
35
30
25
20
15
Accuracy Measures
MAPE 9.62149
MAD 2.20525
MSD 7.90405
Variable
Actual
Fits
Trend Analysis Plot for TransformasiLinear Trend Model
Yt = 30.3980 - 0.272901*t
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
51
Gambar 4.4 : Plot Box-Cox Data Transformasi
Dikarenakan transformasi Box-Cox belum bisa mengatasi
kestasioneritas data maka langkah selanjutnya adalah
melakukan differensial atau pembedaan. Sesuai dengan
persamaan (2.2) dengan persamaan ππ‘β² = ππ‘ β ππ‘β1 . Plot hasil
differensial atau pembedaan satu kali (d=1) hasil transformasi
hasil produksi roti gulung dapar dilihat pada gambar (4.5).
Lambda
StD
ev
5.02.50.0-2.5-5.0
4.0
3.5
3.0
2.5
Lower CL Upper CL
Limit
Lambda
1.00
(using 95.0% confidence)
Estimate 0.79
Lower CL -0.44
Upper CL 2.11
Rounded Value
Box-Cox Plot of Transformasi
Index
Pe
mb
ed
a 1
50454035302520151051
8
6
4
2
0
-2
-4
-6
-8
Accuracy Measures
MAPE 114.588
MAD 2.514
MSD 10.244
Variable
Actual
Fits
Trend Analysis Plot for Pembeda 1Linear Trend Model
Yt = -0.0629917 - 0.00768759*t
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
52
Gambar 4.5: Plot Pembeda 1 Data Transformasi
Grafik data pada gambar 4.5 menunjukkan bahwa data
sudah stationer, dilihat dari data yang tidak mengalami
fluktuasi yang terlalu besar dari waktu ke waktu dan data
berada disekitar nilai konstan, yaitu nol (0). Sehingga data
dapat dikatakan sudah stasioner dalam rata-rata maupun dalam
varian.
b. Identifikasi model dengan ACF dan PACF
Jika data yang didapat sudah stasioner maka langkah
selanjutnya adalah mengidentifikasi model. Identifikasi model
dari data dilakukan dengan cara memplotkan data hasil
differensiasi kedalam plot ACF dan PACF. Dengan bantuan
minitab, didapat plot ACF dan PACF data differensial adalah
sebagai berikut :
Gambar 4.6: Plot ACF Pembedaan 1 Data Transformasi
Lag
Au
toco
rre
lati
on
121110987654321
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
ACF Data Pembeda 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
53
Gambar 4.7: Plot PACF Pembedaan 1 Data Transformasi
Dari gambar 4.6, plot ACF menunjukkan bahwa data
sudah benar-benar stasioner. Dapat dikatakan bahwa data sudah
benar-benar stasioner dengan melihat nilai ACF tidak turun
secara lambat mendekati nol.
Dilihat dari plot ACF pada gambar 4.6, dapat dilihat
bahwa terjadi cut of pada lag 1 sehingga dapat disimpulkan
bahwa terdapat aspek MA dalam model sementara. Dan pada
plot PACF pada gambar 4.7, cut of terjadi pada lag 1 sehingga
dapat disimpulkan bahwa terdapat pula aspek AR pada model
sementara. Dan data yang ada sudah mengalami differencing
atau pembedaan orde pertama sehingga dapat dikatakan nilai
d=1. Sehingga didapat model ARIMA (p,1,q).
Lag
Pa
rtia
l A
uto
co
rre
lati
on
121110987654321
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
PACF Data Pembeda 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
-
54
Dari penjelasan diatas model ARIMA sementara yang
dibentuk dalam melakukan peramalan produksi roti gulung
adalah ARIMA (1,1,1) , ARIMA (0,1,1) dan ARIMA (1,1,0).
2. Estimasi/Pendugaan Parameter
Estimasi/taksiran model adalah suatu penduga parameter model
agar model sementara yang sudah didapat dapat digunakan dalam
melakukan parameter. Langkah ini bertujuan untuk menentukan
nilai-nilai pendugaan parameter model ARIMA. Dengan bantuan
minitab, hasil estimasi/ pendugaan parameter adalah sebagai berikut :
a. ARIMA (1,1,1)