PENDETEKSIAN DAN PEMODELAN OUTLIER GANDA (INNOVATIONAL OUTLIER, ADDITIVE OUTLIER, LEVEL SHIFT, TRANSIENT CHANGE DAN SEASONAL ADDITIVE)
Abstract: 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 Bandara Soekarno Hatta domestik teridentifikasi mengandung pencilan
bertipe LevelShift , internasional teridentifikasi pencilan bertipe 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.
Kata Kunci: ARIMA, Seasonal
Additive, Innovational Outlier, Additive Outlier, Level Shift, Transient
Change, danQ
Penulis: Nova Amalia Widyanti
Kode Jurnal: jpmatematikadd130603
