Pemodelan Arima Intervensi untuk Meramalkan Jumlah Kendaraan Masuk Melalui Tol Pasteur Tahun 2014-2023
DOI:
https://doi.org/10.29313/bcss.v4i2.13043Keywords:
Deret Waktu, Intervensi, StepAbstract
Abstract. Intervention modeling analysis is a time series data analysis model used to
forecast data containing interventions or unexpected events from both internal and
external factors. In general, there are two types of functions in intervention analysis,
namely step and pulse. During the Covid-19 pandemic, various policies implemented
by the government, one of which is PPKM. Based on the time series data pattern
of[ the number of vehicles entering through the Pasteur Toll Road, it can be seen that
there was a significant decrease when the PPKM policy was implemented due to the
Covid-19 pandemic. The data used in this study is data on the number of vehicles
entering through the Pasteur Toll gate in the period January 1, 2014 to December 31,
2023. The purpose of this study is to assess the effect of the PPKM policy intervention
due to the emergence of the Covid-19 pandemic in Indonesia on the number of
vehicles entering through the Pasteur Toll Road. The results of this study indicate that
the ARIMA modeling for forecasting the number of vehicles, considering the
intervention, is best represented by the ARIMA (0,0,1) model with an intervention
order of (b = 1, r = 3, s = 0), which shows that the intervention effect occurred one
period, or one month since the intervention event with a negative influence, leading
to a notable decrease in the number of vehicles entering through the Pasteur Toll Road
over the 2014-2023 period.
Abstrak. Analisis pemodelan intervensi adalah suatu model analisis data deret waktu
yang digunakan untuk meramalkan data yang mengandung intervensi atau kejadian
yang tidak terduga baik dari faktor internal maupun eksternal. Secara umum, terdapat
dua jenis fungsi pada analisis intervensi yaitu step dan pulse. Selama pandemi Covid-
19, terdapat kebijakan yang diterapkan pemerintah salah satunya adalah PPKM.
Berdasarkan pola data deret waktu jumlah kendaraan yang masuk melalui Tol Pasteur
terlihat bahwa terdapat penurunan yang signifikan pada saat diterapkan kebijakan
PPKM karena pandemi Covid-19. Data yang digunakan dalam penelitian ini adalah
data jumlah kendaraan masuk melalui gerbang Tol Pasteur pada periode 1 Januari
2014 sampai dengan 31 Desember 2023. Tujuan dari penelitian ini adalah untuk
melihat pengaruh intervensi adanya kebijakan PPKM karena munculnya pandemi
Covid-19 di Indonesia pada jumlah kendaraan yang masuk melalui Tol Pasteur. Hasil
dari penelitian ini adalah didapat bahwa pemodelan ARIMA intervensi untuk
meramalkan jumlah kendaraan yang masuk melalui Tol Pasteur adalah model
ARIMA (0,0,1) dengan orde intervensi (b=1,r=3,s=0) yang menunjukkan bahwa
adanya efek intervensi terjadi satu periode atau 1 bulan sejak terjadinya kejadian
intervensi dengan pengaruh negatif yaitu penurunan pada jumlah kendaraan yang
masuk melalui Tol Pasteur pada data tahun 2014-2023.
References
Republik Indonesia PP. Peraturan Pemerintah Republik Indonesia PP No. 15 Tahun 2005 tentang Jalan Tol. Deputi Sekretaris Kabinet Bidang Hukum dan Perundang-Undangan. Jakarta; 2005. 1–23 p.
Wibowo GS. Jalan Tol Sepi Selama Pandemi, Pendapatan Anjlok Sampai 50 Persen, Pengusaha Minta Stimulus dari Pemerintah. gridoto.com. 2020;
Darwis S, Hajarisman N, Suliadi, Widodo A, Diahsty Marasabessy M, Arya Ramadhan I. Monte Carlo Based Sampling Distribution of Annual Rate of Exceedance for Earthquake Insurance. Statistika [Internet]. 2024 May 29;24(1):40–6. Available from: https://journals.unisba.ac.id/index.php/statistika/article/view/3173
Sitepu E, Juliana Tampubolon, Sudianto Manulang, Sisti Nadia Amalia. Analisis Faktor-Faktor yang Berhubungan dengan Kejadian Stres Pada Mahasiswa Tingkat Akhir S1 Matematika di Universitas Negeri Medan. Statistika [Internet]. 2024 May 29;24(1):93–101. Available from: https://journals.unisba.ac.id/index.php/statistika/article/view/3257
Irfan Rizki M, Yenny Maya Dora, Wahidiyat Suyudi, Yanthy Mardiana. Forecasting Spare Part pada Commercial Vehicle PT XYZ dengan Klasifikasi ADI-CV. Statistika [Internet]. 2024 May 29;24(1):75–82. Available from: https://journals.unisba.ac.id/index.php/statistika/article/view/3546
Brockwell PJ, Davis RA. Introduction to Time Series and Forecasting Second Edition. Second. New York: Springer; 2002.
Chernick M, Bowerman BL, O’Connell RT. Forecasting and Time Series: An Applied Approach. 3 rd. Vol. 48, The American Statistician. California: Duxbury Press; 1994. 347 p.
Box GEP, Jenkins GM, Reinsel GC, Ljung GM. Time Series Analysis: Forecasting and Control, 5th Edition. Canada: John Wiley and Sons, Inc; 2015.
Wei WW. S. Time Series Analysis : Univariate and Multivariate Methods (2nd Edition). New York: Pearson Addison Wesley; 2006.
Montgomery DC, Jennings CL, Kulahci M. Introduction To Time Series Analysis And Forecasting. New Jersey: John Wiley & Sons; 2016.
DeLurgio SA. Forecasting principles and applications. New York: McGrawHill; 1998. 802 p.
