Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

dokumen-dokumen yang mirip
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim

Pemodelan ARIMA Non- Musim Musi am

Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan

BAB IV ANALISIS DAN PEMBAHASAN

OUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.

PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

BAB III METODE PENELITIAN

PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

III. METODE PENELITIAN

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

BAB 2 LANDASAN TEORI

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

HASIL DAN PEMBAHASAN. Eksplorasi Data

Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT

ANALISIS PERAMALAN ARIMA BOX-JENKINS PADA DATA PENGIRIMAN BARANG

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

Peramalan Penjualan Pipa di PT X

PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)

IMPLEMENTASI METODE BOX-JENKINS UNTUK MEMPREDIKSI HARGA MINYAK DUNIA DAN PENGARUHNYA TERHADAP HARGA MINYAK INDONESIA

Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

BAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

BAB II LANDASAN TEORI

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

BAB 2 LANDASAN TEORI

TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA)

SEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) I. PENDAHULUAN II. METODOLOGI

MODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK

PEMODELAN ARIMA REDAMAN HUJAN DENGAN EFEK DETECTION OUTLIER DAN AKAIKE INFORMATION TEST

Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember Surabaya, 2014

Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA

Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA

UNNES Journal of Mathematics

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH

The 4 th Univesity Research Coloquium 2016 PERBANDINGAN MODEL ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300

Peramalan Kandungan Particulate Matter (PM10) dalam Udara Ambien Kota Surabaya Menggunakan Double Seasonal ARIMA (DSARIMA)

PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH

Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA

1. Latar Belakang. Gambar 1 Plot Produksi Tembakau Indonesia. Gambar 2 Plot Harga Tembakau Indonesia

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH

Model Penjualan Plywood PT. Linggarjati Mahardika Mulia

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM

PEMILIHAN MODEL TERBAIK DAN PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA (WISMAN) KE BALI TAHUN 2014

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA

Metode Deret Berkala Box Jenkins

MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE

Contoh Analisis Deret Waktu: BJSales

PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)

MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia

PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT

BAB 2 LANDASAN TEORI

Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249

PERAMALAN JUMLAH PENERIMAAN MASA PPh Pasal 21 DI KANTOR PELAYANAN PAJAK PRATAMA SURABAYA GUBENG

PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN ARTIFICIAL NEURAL NETWORK

PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL

Metode Box - Jenkins (ARIMA)

Transkripsi:

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040

Latar Belakang Industri manufaktur yang berkembang pesat Permintaan konsumen terhadap suatu barang Peramalan penjualan shampo zwitsal 1 tahun ke depan

Perumusan Masalah

Tujuan

Manfaat Batasan Masalah

Time Series Tinjauan Pustaka

Metode ARIMA Identifikasi model ARIMA Model ACF PACF Autoregressive (p) Turun eksponensial (dies down) Terpotong setelah lag-p (cut off after lag-p) Moving Average (q) Autoregressive-Moving Average (p,q) Terpotong setelah lag-q (cut off after lag-q) Turun eksponensial (dies down) menuju nol setelah lag (q-p) Turun eksponensial (dies down) Turun eksponensial (dies down) menuju nol setelah lag (p-q)

Pemeriksaan diagnostik 1.

2.

Kriteria Pemilihan Model MAPE (Mean Absolute Percentage Error) In-Sample AIC (Akaike s Information Criterion) Nilai AIC dapat dihitung dengan : AIC (M) = n ln ( ) +2M = estimasi maksimum likelihood M= jumlah parameter n = jumlah pengamatan SBC (Schwart sbayesian Criterion), paling minimum SBC (M) = n ln ( )+M ln n

Metode Dekomposisi

Metodologi Penelitian Sumber Data Variabel Penelitian

Langkah Analisis Metode ARIMA Box Jenkins

Langkah Analisis Metode Dekomposisi

ANALISIS DAN PEMBAHASAN Time Series Plot pada data penjualan shampo switzal ukuran 250 ml

Uji Signifikasi Model ARIMA data penjualan shampoo switzal ukuran 250 ml ARIMA Parameter P_value Keputusan (0,0,1) MA(1) 0,0001 Tolak H 0 (1,0,0) AR(1) 0,0001 Tolak H 0 (1,0,1) AR(1) 0,0001 Tolak H 0 MA(1) 0,0001 Tolak H 0

Pengujian White Noise pada data Penjualan shampoo switzal ukuran 250 ml ARIMA Lag Ljung-Box P_value Keputusan 6 153.91 0,0001 Tolak H 0 (0,0,1) 12 283.90 0,0001 Tolak H 0 18 397.18 0,0001 Tolak H 0 24 489.45 0,0001 Tolak H 0 (1,0,0) 6 12.20 0.0321 Tolak H 0 12 17.13 0.1041 Terima H 0 18 20.74 0.2382 Terima H 0 24 25.89 0.3062 Terima H 0 6 2.84 0.5844 Terima H 0 (1,01) 12 7.60 0.6674 Terima H 0 18 16.69 0.4059 Terima H 0 24 22.60 0.4245 Terima H 0

ARIMA P_value Keputusan (1,0,1) > 0,1500 Terima H 0

Identifikasi model ARIMA data penjualan shampoo switzal ukuran 250 ml dengan menggunakan differencing Time Series Plot data penjualan shampo switzal 250 ml differencing 1kali

Plot ACF dan PACF data penjualan shampo switzal ukuran 250 ml differencing 1 kali

Uji Signifikasi Model ARIMA data penjualan shampo switzal ukuran 250 ml dengan diferencing 1 kali ARIMA Parameter P_value Keputusan (0,1,1) MA(1,1) 0,0001 Tolak H 0 (1,1,0) AR(1,1) 0,0023 Tolak H 0 (1,1,1) MA(1,1) 0,0001 Tolak H 0 AR(1,1) 0,4251 Terima H 0

Pengujian White Noise pada data Penjualan shampo switzal ukuran 250 ml Model Lag Ljung - Box P_value Keterangan (0,1,1) 6 3,11 0,6833 Terima H 0 12 8,04 0,7099 Terima H 0 18 16,70 0,4746 Terima H 0 24 22,37 0,4982 Terima H 0 (1,1,0) 6 5,47 0,5342 Terima H 0 12 12,41 0,4693 Terima H 0 18 16,96 0,1827 Terima H 0 24 23,46 0,2619 Terima H 0

Pengujian Kenormalan pada data Penjualan shampo switzal ukuran 250 ml dengan diferencing 1 kali Hipotesis : H 0 : residual berdistribusi normal H 1 : residual tidak berdistribusi normal Statistik Uji: : 0.05 Daerah Penolakan : Tolak H 0 jika D > D (1-,n) atau p-value < ARIMA P_value Keputusan (0,1,1) > 0,1500 Terima H 0 (1,1,0) > 0,1500 Terima H 0

Pemilihan Model terbaik Kriteria In Sample penjualan shampo switzal 250 ml ARIMA AIC SBC (0,1,1) 1773,514 1775,503 (1,1,0) 1775,623 1777,612 Kriteria Out Sample data penjualan shampo switzal ukuran 250 ml ARIMA MAPE (0,1,1) 308.61971 (1,1,0) 109.87677

Pemilihan model terbaik pada data penjualan shampo switzal ukuran 250 ml. Nilai MAPE dari Masing-Masing Model pada Data Penjualan Shampo Switzal ukuran 250 ml Model MAPE (1,0,1) 123.145447 (0,1,1) 308.61971

Penentuan model ARIMA data penjualan shampo switzal ukuran 500 ml Time Series plot

Plot ACF dan PACF data penjualan shampo switzal 500 ml

Uji Signifikasi Model ARIMA data penjualan shampo switzal ukuran 500 ml ARIMA Parameter P_Value Keputusan MA(1,1) 0,0001 Tolak H 0 (0,0,3) MA(1,2) 0,0001 Tolak H 0 MA(1,3) 0,0001 Tolak H 0 AR(1,1) 0,0024 Tolak H 0 (3,0,0) AR(1,2) 0,2559 Terima H 0 AR(1,3) 0,0012 Tolak H 0 AR(1,1) 0.8024 Terima H 0 AR(1,2) 0.8285 Terima H 0 (3,0,3) AR(1,3) 0.6407 Terima H 0 MA(1,1) 0.3392 Terima H 0 MA(1,2) 0.9171 Terima H 0 MA(1,3) 0.2483 Terima H 0 (0,0,0)(1,0,0) 3 AR(1,1) 0,0001 Tolak H 0 (0,0,0)(0,0,1) 3 MA(1,1) 0,0001 Tolak H 0

Pengujian White Noise pada data Penjualan shampo switzal ukuran 500 ml ARIMA Lag Ljung Box P_value Keputusan 6 59.26 0,0001 Tolak H 0 (0,0,3) 12 116.25 0,0001 Tolak H 0 18 172.08 0,0001 Tolak H 0 24 210.88 0,0001 Tolak H 0 6 12.14 0.0330 Tolak H 0 (0,0,0)(0,0,1) 3 12 15.71 0.1521 Terima H 0 18 21.12 0.2208 Terima H 0 24 22.62 0.4833 Terima H 0 6 183.76 0,0001 Tolak H 0 (0,0,0)(1,0,0) 3 12 353.18 0,0001 Tolak H 0 18 498.52 0,0001 Tolak H 0 24 620.44 0,0001 Tolak H 0

Pengujian Kenormalan pada data Penjualan shampo switzal ukuran 500 ml Hipotesis : H 0 : residual berdistribusi normal H 1 : residual tidak berdistribusi normal Statistik Uji: : 0.05 Daerah Penolakan : Tolak H 0 jika D > D (1-,n) atau p-value < ARIMA P_value Keputusan (0,0,0) (1,0,0) 3 0.0451 Tolak H 0

Metode Dekomposisi pada data penjualan shampo switzal ukuran 250 ml

Metode Dekomposisi pada data penjualan shampo switzal ukuran 500 ml

Perbandingan Metode Terbaik Pada Data Penjualan Shampoo Switzal ukuran 250 ml Nilai MAPE dari Masing-Masing Metode pada Data Penjualan Shampo Switzal ukuran 250 ml Metode ARIMA Box-Jenkins Dekomposisi Nilai MAPE

Perbandingan Metode Terbaik Pada Data Penjualan Shampoo Switzal ukuran 500 ml Nilai MAPE pada Data Penjualan Shampo Switzal ukuran 500 ml Metode Nilai MAPE ARIMA Box-Jenkins 15.1251799 Dekomposisi

KESIMPULAN DAN SARAN Kesimpulan 1. Dari kedua metode yang digunakan untuk mengana-lisis yaitu metode dekomposisi dan ARIMA Box-Jenkins diketahui bahwa metode yang sesuai untuk menganalisis data penjualan shampo switzal ukuran 250 ml dan 500 ml didaerah Jakarta dan Jawa Barat adalah model dengan menggunakan ARIMA Box - Jenkins. Hal ini ditunjuk-kan karena metode tersebut mempunyai nilai MAPE yang paling kecil daripada metode dekomposisi.

2. Berdasarkan model ARIMA Box Jenkinperoleh nilai peramalan sebagai berikut : Tahun Bulan 250 ml 500 ml 2010 Januari 20413527.9 161553033 Februari 20185266.6 236432078 Maret 19959557.6 199444766 April 19736372.5 158599514 Mei 19515683.0 232109617 Juni 19297461.2 195798508 Juli 19081679.6 155699990 Agustus 18868310.8 227866178 September 18657327.8 192218911 Oktober 18448704.1 152853476 November 18242413.1 223700319 Desember 18038428.9 188704756

3. Dari penelitian yang dilakukan sebelumnya diperoleh model yang berbeda pada shampo switzal ukuran 100 ml dan 250 ml hal ini di karenakan jumlah penjualan pada shampo switzal ukuran 100 ml lebih banyak dari 250 ml. Begitu juga pada ukuran 500 ml dan 600 ml jumlah penjualan juga lebih banyak pada ukuran 600 ml. Saran 1. Sebaiknya dalam pengambilan sampel data tidak terlalu sedikit sehingga didapatkan hasil peramalan yang tepat dan dapat memenuhi kriteria. 2. Dalam penghitungan in- sample dan out sample harus lebih teliti.

Sekian Terimakasih