Peramalan Data Time Series Berbasis Efek Variasi Kalender

image description

Data time series merupakan data pengamatan yang terjadi berdasarkan indeks waktu secara berurutan dengan interval tetap. Salah satu analisis data time series adalah dengan peramalan. Peramalan merupakan salah satu metode dalam statistika yang digunakan untuk memperkirakan kejadian di masa datang guna membantu seseorang mengambil keputusan yang tepat. Beberapa aplikasi dari peramalan sering digunakan di bidang ekonomi, bisnis, teknik dan sains khususnya geofisika dan meteorologi. 

Khusus untuk data bulanan di bidang ekonomi dan bisnis , secara umum dapat dibagi menjadi 2 jenis efek kalender. Pertama adalah berdasarkan efek komposisi hari perdagangan (atau hari kerja) di setiap bulan, yang biasa disebut sebagai efek perdagangan hari. Kedua adalah variasi berdasarkan beberapa festival atau liburan tradisional seperti tahun baru cina dan idul fitri dimana pada penentuan hari perayaan tersebut berbeda dengan kalender Masehi. Indonesia merupakan salah satu negara yang terdampak variasi kalender terutama saat memasuki bulan Ramadan. Saat Ramadan tingkat konsumsi masyarakat meningkat sehingga pemerintah maupun perusahaan perlu melakukan kebijakan khusus untuk menjaga stok barang tetap tersedia.

Metode peramalan seperti ARIMA, Dekomposisi, Exponential Smoothing, dan Neural Network sangat memungkinkan gagal untuk menangkap efek variasi kalender, sehingga perlu metode khusus untuk menangkap fenomena tersebut. Metode berbasis variasi kalender sejatinya adalah pengembangan dari regresi time series dengan variabel dummy. Berikut merupakan persamaan regresi time series berbasis variasi kalender

dimana Vp,t adalah variabel dummy untuk ke-p efek variasi kalender dan wt  adalah komponen eror dengan asumsi identik dan berdistribusi normal. Banyaknya efek variasi kalender dapat diidentifikasi dengan time series plot dari data.

Sebagai ilustrasi dari penjelasan saya di atas, berikut merupakan salah satu contoh time series plot Outflow Uang Kartal di Kantor Perwakilan Bank Indonesia (KPw BI) Semarang yang saya ambil dari jurnal yang berjudul “Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX".



Dari gambar tersebut dapat diperoleh bahwa kenaikan outflow yang lebih tinggi terjadi pada bulan yang sama dengan Hari Raya Idul Fitri, dan satu bulan sebelum hari raya Idul Fitri. Jika hari raya Idul Fitri terjadi pada minggu pertama dan minggu kedua, maka outflow akan meningkat cukup tinggi pada satu bulan sebelum terjadinya hari raya Idul Fitri. Sedangkan jika hari raya Idul Fitri terjadi pada minggu ketiga dan minggu keempat, maka outflow akan meningkat cukup tinggi pada bulan saat terjadinya hari raya Idul Fitri.  


Kesimpulan dari penjelasan saya terkait peramalan data time series berbasis variasi kalender yakni guna menangkap fenomena dari efek variasi kalender dan memperoleh hasil ramalan yang lebih sesuai dengan kejadian yang sesungguhnya. Walaupun begitu, peramalan berbasis variasi kalender tidak hanya menggunakan regresi time series saja. Saat ini berkembang permodelan peramalan berbasis kombinasi antar metode peramalan. Tujuannya yang tidak lain adalah meningkatkan performa peramalan dan mengatasi asumsi-asumsi secara statistik yang belum terpenuhi.


Referensi  

1.       Apriliandara, Meriska, Suhartono, dan Prastyo, Dedy D. (2016). VARI-X Model for Currency Inflow and Outflow Forecasting with Eid Fitr Effect in Indonesia. AIP Conference Proceedings.

2.       Karomah, Ainil dan Suhartono. (2014).  Peramalan Netflow Uang Kartal dengan Model Variasi Kalender dan Model Autoregressive Distributed Lag (ARDL). Jurnal Sains dan Seni POMITS.

3.       Rachmawati, Noorgam Ika, Setiawan, dan Suhartono (2015). Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX. Jurnal Sains dan Seni POMITS.

4.       Suhartono, Lee, M. H., dan Hamzah, N. A. (2010). Calendar Variation Model Based on Time Series Regression for Sales Forecast: The Ramadhan Effects. Proceedings of the Regional Conference on Statistical Sciences, 30-41.


Mohammad Alfan Alfian Riyadi


PIC Internal Data Science Indonesia Region Surabaya

Master Student at Statistics Departement Institut Teknologi Sepuluh Nopember Surabaya

 

Latest articles

OUR TOP 5 CONTRIBUTOR

image description

Fajar Muharandy

-

-

image description

Fajar Jaman

-

-

image description

Bernardus Ari Kuncoro

-

-

image description

Rasyid Ridha

image description

Data Science Indonesia

data scientist

@datascience