TUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor

Transkripsi

1 TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan Dosen pembimbing Ir. Dwiamono A W.,MIKom

2 PENDAHULUAN Laar Belakang Deparemen Perdagangan Pengembangan Ekspor Nasional (BPEN) Ekspor Non Migas Sekor Peranian Sekor Perindusrian Sekor Perambangan Pada ahun 008, Meneri Perdagangan (Mendag) mengaakan bahwa ekspor nonmigas Indonesia selama 009 diargekan dapa umbuh hingga 4 persen Namun, nilai ekspor non-migas Indonesia pada ahun 009 mencapai US$ 94,9 miliar aau minus % dibandingkan ahun 008

3 Permasalahan : Bagaimana model peramalan yang sesuai dengan meode ARIMA Box jenkins unuk daa ekspor non migas Indonesia di sekor peranian, perindusrian dan perambangan? Tujuan : Berapa nilai i peramalan ekspor non migas Indonesia baik sekor peranian, sekor perindusrian dan sekor perambangan unuk 0 bulan mendaang? Memperoleh model peramalan yang sesuai dengan meode ARIMA Box jenkins unuk daa ekspor non migas Indonesia di sekor peranian, perindusrian dan perambangan. Menenukan besarnya nilai peramalan ekspor non migas Indonesia baik sekor peranian, sekor perindusrian dan sekor perambangan unuk 0 bulan mendaang dengan model peramalan yang sudah dienukan.

4 Manfaa : Manfaa yang diharapkan dari peneliian kali ini adalah :. Mengeahui model peramalan ekspor non migas sera dapa meramalkan nilai ekspor non migas unuk periode mendaang.. Memberikan masukan kepada eksporir nasional agar lebih meningkakan kinerja ekspor sera meningkakan daya saing ekspor dimasa mendaang. 3. Mengeahui perkembangan ekspor non migas Indonesia sehingga dapa dianisipasi penyediaan sok/barang barangkomodiasbarangkomodias ekspor unggulan. 4. Memberikan masukan kepada pemerinah aau deparemen erkai sehingga dapa memperkirakan seberapa besar konribusi pemasukkan devisa negara dari ransaksi ekspor sera menyiapan perumusan kebijakan dibidang pengembangan ekspor nasional. Baasan Masalah : Komodias ekspor Indonesia ada dua macam, yaiu migas dan non migas. Pada peneliian kali ini daa yang digunakan adalah nilai ekspor non migas di iga sekor anpa memandang komodias-komodias yang ada di dalam masing-masing sekor. Sekor yang dimaskud adalah sekor peranian, sekor perindusrian dan sekor perdagangan, masing-masing unuk periode Januari 004 sampai dengan Pebruari 00.

5 TINJAUAN PUSTAKA Konsep Dasar Peramalan Peramalan merupakan suau eknik unuk memprediksi suau nilai pada masa yang akan daang dengan memperhaikan daa daa dari masa lalu Meode Kualiaif Meode Kuaniaif

6 Kesasioneran daakesasioneran daa Daa dere waku yang sasioner adalah relaive idak erjadi kenaikan aaupun penurunan nilai secara ajam pada daa Jika daa idak sasioner dalam mean, maka unuk mensasionerkan lakukan differencing Jika daa idak sasioner dalam varians, maka unuk mensasionerkan lakukan ransformasi Nilai esimasi λ -,0 Transformasi Box-Cox Z -0,5 Z 0,0 Ln 05 0,5 Z Z (idak ada ransformasi) Z

7 Fungsi Auokorelasi (ACF) Fungsi Auokorelasi Parsial (PACF) Fungsi auokorelasi meru pakan Fungsi auokorelasi parsial mengukur fungsi yang menun jukkan keeraan hubungan anara nilai nilai keeraan hubungan anara nilai variabel yang sama eapi pada periode waku yang berbeda sekarang dengan nilai nilai sebelumnya (unuk waku lag erenu), sedangkan pengaruh nilai variable dari waku lag yang lain dianggap kosan φ k +, k + ρ k k + j= = k φ ρ j= φ kj kj ρ k + j j

8 Model Time Series Auoregressive (AR) p p a Z Z Z Z = φ φ φ K. Moving Average (MA) p p Auoregressive Moving Average (ARMA) q q a a a a Z = θ θ θ... Auoregressive Moving Average (ARMA) q q p p a a a a Z Z Z Z = θ θ θ φ φ φ Auoregressive Inegraed Moving Average (ARIMA) ( )( ) ( ) q d p a B B B θ θ φ + = Ζ 0 ( )( ) ( ) q p φ 0

9 Pendugaan Model ARIMA Box Jenkins Auoregressive p (AR (p)) Model ACF PACF Moving Average q (MA (q)) Tails off as exponenial decay or damped sine wave Terpoong seelah lag-q (cu off afer lag-q) Terpoong seelah lag-p (cu off afer lag-p) Tails off as exponenial decay or damped sine wave Auoregressive-Moving (p,q) (ARMA (p,q)) Average Tails off afer lag (qp)tails off afer lag (p-q) Tails off afer lag (q-p)tails off afer lag (p-q)

10 Pengujian Paramaeer H 0 : δ = 0 (parameer idak signifikan) H : δ 0 (parameer signifikan) ˆ Saisik Uji : δ = s.e ( δˆ) Daerah Penolakan : Tolak H 0 jika > > α /, n n p

11 PEMERIKSAAN DIAGNOSTIK Whie Noise Disribusi Normal H 0 : ρ = ρ = K = ρ K = 0 (residual memenuhi syara H 0 : Residual berdisribusi normal H : Residual idak berdisribusi whie noise) normal H : minimal ada sau 0 ρ i Saisik Uji : Ljung-Box Q * = n( n + ) Daerah Penolakan : r K k k= n k Saisik Uji : ( x ) F ( x ) D= SUP X S 0 Daerah Penolakan : Tolak lkh 0 jika D > D (-α,n) * Tolak H 0 jika Q χ > α, df = K p q

12 Pemilihan model erbaik AIC( M ) n Ln ˆ M e = σ a + M MAPE = l 00 % L l = Z n + l ( M ) = n Lnσˆ M Ln n SBC a + M e MPE = l 00% L l = Z n + l MAE = M L l = e l MSE = M e l L l =

13 METODOLOGI Sumber Daa Daa ekspor yang digunakan dl dalam peneliian i kli kali inii adalah dlh daa sekunder yang didapa dari Badan Pusa Saisika pada periode Januari 004 sampai dengan Februari 00. Variabel lpeneliian i Variabel yang digunakan dalam peneliian kali ini adalah daa ekspor non migas Indonesia. Daa ekspor non migas ersebu dibagi kedalam iga sekor yaiu sekor peranian, sekor perindusrian dan sekor perambangan.

14 Langkah Analisis Membua ime series plo dan ACF plo Membua ACF dan PACF Melakukan lkk Pendugaan Model lsemenara Melakukan Pengujian Parameer Melakukan Pemeriksaan Diagnosik Memilih Model Terbaik Melakukan Peramalan

15 PEMBAHASAN Sekor Peranian Saisika Deskripif Tahun Raa-Raa SDev Min Mak ,4 6,7 63, ,03 6,63 09,6 89, ,5 39,6,5 344, ,8 5,4 35,8 37, , 49,7 306,5 459, ,66 57,55 6,66 447, ,6 55, 95,6 373,5

16 Plo Time Serias Sebelum Sasioner ACF Sebelum Sasioner 500 Time Series Plo of SEKTOR PERTANIAN Auocorrelaion Funcion for SEKTOR PERTANIAN (wih 5% significance limis for he auocorrelaions) SEKTOR PERTANIAN Auoco orrelaion Index Lag Box Cox Plo Time Series Seelah Sasioner Box-Cox Plo of SEKTOR PERTANIAN Time Series Plo of Diff 0 Lower CL Upper CL Lambda 00 SD Dev (using 95.0% confidence) Esimae 0.94 Lower CL 0. Upper CL.9 Rounded Value.00 Diff Limi Lambda Index

17 Auocorrelaion Funcion for Diff (wih 5% significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for Diff (wih 5% significance limis for he parial auocorrelaions) Auoc correlaion Parial Au uocorrelaion Lag Lag ACF Seelah Sasioner ACF Seelah Sasioner Dugaan Model Semenara ARIMA(0) ARIMA ( 0 )

18 Uji Parameer Signifikan Model Type Coef SE Coef T P-Value Signifikan ARIMA (0 ) MA 0,377 0,77 3,0 0,00 Signifikan ARIMA ( 0) AR -0,3337 0,97 -,79 0,007 Signifikan Uji Residual Whie Noise MODEL Lag Chi-Square DF P-Value Signifikan 3, 0,8 Whienoise ARIMA 4 3,6 3 0,08 Whienoise (0 ) 36 4,0 35 0,5 Whienoise ARIMA ( 0) 48 54,6 47 0,08 Whienoise,6 0,39 Whienoise 4 7, 3 0,47 Whienoise 36 34,6 35 0,488 Whienoise 48 48,6 47 0,40 Whienoise Uji Residual Normal Model P-value Kepuusan ARIMA (0 ) >0,50 Gagal Tolak H 0 ARIMA ( 0) > 0,50 Gagal Tolak H 0

19 Model AIC SBC MAPE MPE MSE MAE ARIMA ( 0) ARIMA (0 ) ,93% 8,% 755,8 76,6936 8,4% 7,4% 737,6 74,875 Nilai AIC, SBC, MAPE, MPE, MSE dan MAE erkecil semua berada pada model ARIMA (0 ) sehingga dapa dikaakan model erbaik unuk daa ekspor peranian adalah ARIMA (0 ). No Forecas Lower Upper

20 Sekor Perindusrian Saisika Deskripif Tahun RaaRaa SDev Min Mak ,9 54, ,4 573, ,8 6069, ,6 705, ,7 86, ,6 838, ,8 0,3 676,5 674

21 Time Series Plo of SEKTOR INDUSTRI Box-Cox Plo of SEKTOR INDUSTRI Plo Time Serias Sebelum Sasioner SEKTOR INDUSTR RI SDev Lower CL Upper CL Limi Lambda (using 95.0% confidence) Esimae Lower C L -.37 U pp er C L 0.70 Rounded Value Box Cox Sebelum Sasioner Lambda =-0, Inde x La mbda ACF 0.8 Belum Turun Secara -0. cepa -0.4 Auocorrelaion Auocorrelaion Funcion for SEKTOR INDUSTRI (w ih 5% significance limis for he auocorrelaions) SDev Box-Cox Plo of Transformasi Lower CL Upper CL Limi Lambda (using 95.0% confidence) E simae 0.67 Lower C L -.39 U p p er C L.86 Rounded Value 0.50 Box Cox Seeleh Diransformasi Lag Lambda Diff Time Series Plo of Diff Index Plo Time Serias Seelah Sasioner Baik Dalam Raa-raa Dan Varaian

22 Auocorrelaion Funcion for Diff (wih 5% significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for Diff (wih 5% significance limis for he parial auocorrelaions) Auocorrela ion Lag Parial Auocor rrelaion Lag ACF Seelah Sasioner ACF Seelah Sasioner Dugaan Model Semenara ARIMA(0) ARIMA ( 0 )

23 Uji Parameer Signifikan Model Type Coef SE Coef T P Signifikan ARIMA (0 ) MA 0,359 0,0,6 0,0 Signifikan ARIMA ( 0) AR -0,3950 0,69-3,38 0,00 Signifikan Uji Residual Whie Noise MODEL Lag Chi-Square DF P-Value Signifikan ARIMA (0 ) ARIMA ( 0) Uji Residual Normal, 0,349 Whienoise 4,9 3 0,58 Whienoise 36 33,9 35 0,59 Whienoise 48 39,0 47 0,789 Whienoise 77 7,7 0,740 Whienoisei 4 6,7 3 0,85 Whienoise 36 6,9 35 0,834 Whienoise 48 3,7 47 0,944 Whienoise Model P-value Kepuusan ARIMA (0) <0,00 Tolak H 0 ARIMA ( 0) 0,060 Gagal Tolak H 0

24 Model AIC SBC MAPE MPE MSE MAE ARIMA (0 ) % 5.47% ARIMA ( 0) % 4.94% Nilai AIC, SBC, MAPE, MPE, MSE dan MAE erkecil semua berada pada model ARIMA ( 0) sehingga dapa dikaakan model erbaik unuk daa ekspor peranian adalah ARIMA ( 0). No Forecas Lower Upper

25 Sekor Perambangan Saisika Deskripif Tahun Raa-Raa SDev Min Mak ,8 64,3 0,7 73, ,9 64, 439, ,6 56, 366, , 36,3 846,7 94, ,6 507, , ,6 4,5 059, 7,9

26 800 Time Series Plo of SEKTOR TAMBANG Auocorrelaion Funcion for SEKTOR TAMBANG (wih 5% significance limis for he auocorrelaions) Plo Time Serias Sebelum Sasioner G SEKTOR TAMBANG Auocorrelaion ACF Belum Turun Secara cepa Index Lag Box-Cox Plo of SEKTOR TAMBANG Lower CL Upper CL Lambda Box Cox Sebelum Sasioner Lambda =0,5 SDev (using 95.0% confidence) Esimae 0.40 Lower C L Upper CL 0.87 Rounded Value Lambda Limi Plo Time Serias Seelah Sasioner Baik Dalam Raa-raa Dan Varaian Box-Cox Plo of Transformasi 5 Time Series Plo of Diff Box Cox Seeleh Diransformasi SDev Lower CL Upper CL Lambd a (using 95.0% co nfidence) Esimae 0.79 Lower C L 0.0 Upper CL.84 Rounded Value.00 Diff Lambda Limi Index

27 Auocorrelaion Funcion for Diff (w ih 5% significance lim is for he auocorrelaions) Parial Auocorrelaion Funcion for Diff (w ih 5% significance lim is for he parial auocorrelaions) Auocorrelaion Parial Auocorrelaio on Lag Lag ACF Seelah Sasioner ACF Seelah Sasioner Dugaan Model Semenara ARIMA(0) ARIMA ( 0 )

28 Uji Parameer Signifikan Model Type Coef SE Coef T P Signifikan ARIMA ( 0) AR -0,565 0,43-4,5 0,000 Signifikan AR -0,79 0,40 -,98 0,05 Tidak Signifikan ARIMA (0 ) MA 0,547 0,068 5, 0,000 Signifikan Model Type Coef SE Coef T P Signifikan ARIMA ( 0) AR -0,458 0,50-3,98 0,000 Signifikan ARIMA (0 ) MA 0,547 0,068 5, 0,000 Signifikan

29 Uji Residual Whie Noise Model Lag Chi-square Df P-value Signifikan ARIMA ( 0) 9,9 0,54 Whienoise 4 8,3 3 0,740 Whienoise 36 6,0 35 0,856 Whienoise 48 5,3 47 0,74 Whienoise 7, 0,784 Whienoise ARIMA 4 6, 3 0,853 Whienoise (0 ) 36 3,6 35 0,99 Whienoise 48 45,5 47 0,534 Whienoise Uji Residual Normal Model P-value Kepuusan ARIMA ( 0) >0,50 Gagal Tolak H 0 ARIMA (0 ) >0,50 Gagal Tolak H 0

30 Model AIC SBC MAPE MPE MSE MAE ARIMA ( 0) % 5.7% ARIMA (0 ) % 3.47% Nilai AIC dan SBC erkecil berada pada model ARIMA (0 ) eapi nilai MAPE, MPE, MSE dan MAE erkecil berada pada model ARIMA ( 0) sehingga dapa dikaakan model erbaik unuk daa ekspor peranian adalah ARIMA ( 0). No Forecas Lower Upper

31 KESIMPULAN DAN SARAN Kesimpulan Model peramalan unuk eskpor di sekor peranian adalah ARIMA (0 ). Dengan model maemais Z= Z- + a - 0,377 a-. No Forecas Lower Upper

32 Model peramalan unuk eskpor di sekor perindusrian adalah ARIMA ( 0). Dengan model maemais Z = (-0,3950) Z- + 0,3950 Z- + a No Forecas Lower Upper

33 Model peramalan unuk eskpor di sekor perambangan adalah ARIMA ( 0). Dengan model maemais Z = (-0,458) Z- + 0,458 Z- + a No Forecas Lower Upper

34 Saran Unuk peneliian berikunya sebaiknya ramalkan daa ekspor per komodias, agar dikeahui spesifikasi ekspor espo yang berpengaruh erhadap pendapaan a devisa negara. Sera gunakan beberapa sofware saisika yang lain agar dapa dibandingkan.

35 DAFTAR PUSTAKA Anonim, 008, Ekspor Nonmigas 009 Diargekan Tumbuh 4 Persen, Dari hp:// Diakses pada 3 Januari 00. Anonim, 009, Ekspor Nonmigas Membaik, Dari hp://maanews.com/ 009/0/05/ekspor nonmigas membaik/, Diakses pada8 Januari 00. Anonim,Profil BPEN, Dari hp:// Diakses pada Mare 00. Anonim, Ekspor, Darihp://id.wikipedia.org/wiki/Ekspor, Diakses pada Mare 00. Aswi., dan Sukarna., 003, Anilisis Dere Waku Teori Dan Aplikasi, Andi Publiser,Makasar. Daniel, Wayne W., 989, Saisikai ik Non Paramerik ikterapan, PT. Gramedia, Jk Jakara. Makridakis, S., Wheelwrigh, S. C., dan Mc Gee, V. E., 999, Meode dan Aplikasi Peramalan, Edisi kedua, Bina Rupa Aksara, Jakara. Risyano, 997, Sudi Ekspor Non Migas Indonesia, Tugas Akhir, FMIPA Saisika ITS, Surabaya. Sl Salamah, M., Suharono., dan Wl Wulandari, S., 003, Buku Ajar ANALISIS TIME SERIES, Insiu Teknologi Sepuluh Nopember, Surabaya. Sugiaro, dan Harijono, 000, Peramalan Bisnis, PT Gramedia Pusaka Uama, Jakara Suhendra, 00, Nilai Ekspor Non Migas 009 Minus %, hp:// ekspor non migas com/read/00/0/05/3445/7973/4/nilai ekspor non migas 009 minus, Diakses pada 8 Januari 00. Wei, W., W. S., 006, Time Analysis Univariae and Mulivariae Mehods, AddisonWesley Publishing Company, Inc, America.

36