SIDANG TUGAS AKHIR - PERAMALAN PENJUALAN PRODUK MINUMAN TEH PT. SINAR SOSRO GRESIK DENGAN MENGGUNAKAN ARIMA BOX-JENKINS - ITS Repository
SIDANG TUGAS AKHIR
PERAMALAN PRODUKMINUMAN TEH PT. SINAR
SOSRO GRESIK DENGAN
MENGGUNAKAN ARIMA BOX-
JENKINS
Miftakhul Ilmi Dinul Islamiyah
Pembimbing
Prof. Drs. Nur Iriawan, M.Ikom, Ph. D
OUTLINE
BAB I Pendahuluan BAB II Tinjauan Pustaka BAB III Metodologi Penelitian BAB IV Analisis dan Pembahasan BAB V Kesimpulan dan Saran
BAB I Pendahuluan
Latar Belakang
BAB I Pendahuluan Sektor Industri Industri Agribisnis
Latar Belakang
& Siap minum
BAB I Pendahuluan Produk Minuman Praktis
Latar Belakang
BAB I Pendahuluan
Latar Belakang
produk Rencana pengadaan produk 2011 2012 2013 2014 2015
18,73% 6,94% 26,47% 11,13% 90,74% dari total ramalan penjualan yang terealisasi
BAB I Pendahuluan Timbul persaingan pasar Peramalan penjualan
Latar Belakang
minuman teh PT. Sinar Sosro Gresik menggunakan metode ARIMA Box - Jenkins
Menentukan kebijakan yang harus diambil terutama dalam hal pengadaan produk
Kurnia Anggraeni (2011) Suratin
(2012) Rizfanni Cahya Putri (2013)
Peramalan volume penjualan Mipcinta 50 WP di PT. Petrokimia
Kayaku Gresik Peramalan penjualan
Glucocard Reagent
Strip di CV Wahana Gumilang Surabaya
Peramalan penjualan bahan bakar jenis premimum pada SPBU
PT. Pertamina (PERSERO)
Penelitian sebelumnya
BAB I Pendahuluan Peramalan volume penjualan produk
Perumusan Masalah
B
A
G
A
Peramalan penjualan
I
produk pada periode
M
mendatang dengan
A
menggunakan ARIMABOX-
N
JENKINSA
BAB I Pendahuluan
Tujuan
penjualan produk menggunakan ARIMA Box-Jenkins
Peramalan penjualan produk pada periode mendatang
Mengetahui
BAB I Pendahuluan Model peramalan
perusahaan dalam meramalkan permintaan penyusunan rencana pengadaan produk periode mendatang Menggunakan data penjualan bulanan produk pada Maret 2011
Manfaat
- – Desember 2015
BAB I Pendahuluan Batasan Masalah Sebagai informasi dan masukan bagi pengambilan kebijakan
BAB II Tinjauan Pustaka
Mean Minimum
Maksimum Statistika Deskriptif
data Informasi yang berguna (Walpole, 1995)
BAB II Tinjauan Pustaka Pengumpulan dan penyajian
Metode Time Series
adalah serangkaian pengamatan terhadap suatu variabel yang diambil dari waktu ke waktu dan dicatat secara berurutan menurut urutan waktu kejadiannya dengan interval waktu yang tetap (Wei, 2006) n t t t t
Z Z Z Z ,..., , ,
3
2
1
BAB II Tinjauan Pustaka Time series
Kestasioneran Data Data yang dapat diolah dengan menggunakan adalah time series data yang stasioner baik dalam maupun varians (Makridakis, mean Wheelwright, & McGee, 1999).
W Z Z Cara untuk mengatasi kondisi non-stasioner t t t
1 dalam adalah dengan melakukan mean d pembedaan ( ) (Cryer & Chan, 2008) differencing
W B Z ( 1 ) t t
BAB II Tinjauan Pustaka
- 1,0 1/Z
- 0,5 1/ Ln Z
2. Transformasi dilakukan untuk Z t yang positif
1. Transformasi dilakukan sebelum differencing
(tidak ada transformasi) t Z t Z
Z t
t 0,5 1,0
t
Transformasi
Estimasi λ
Kestasioneran Data
Z Z Z Z T
1 ) lim lim ( lim ) ( t t t t
λ = 0 ) ln(
Z Z T dimana λ ≠ 0
t t
1 ) (
,
dilakukan proses transformasi Box-Cox yang didefinisikan sebagai berikut (Wei, 2006)
BAB II Tinjauan Pustaka Data yang tidak stasioner dalam varians perlu
Fungsi Autokorelasi
Untuk k > q
1 ) (
1
2
2
1
q j j k n Var r
(ACF) adalah suatu representasi dari autokorelasi antara Z t dan Z t-k dari proses yang sama yang hanya terpisah k lag waktu (Cryer&Chan, 2008)
Varians untuk r k
Z Z Z Z Z Z r n t t k t n k t t k
1 ) ( ) )( (
1
2
BAB II Tinjauan Pustaka Autocorrelation Function
Fungsi Autokorelasi Parsial
1
1 ˆ k j j j k k j j k j k k kk
1
1 ,
1
1
1 ,
antara dengan . PACF sampel ditulis dengan notasi (Cryer&Chan, 2008) t
=1,2,..., k .
dengan untuk j
1 1 ,
,
Z j k k kk j k j k
Z k t
BAB II Tinjauan Pustaka PACF menunjukkan besarnya korelasi parsial
Model-Model ARIMA
Z a B Z a Z Z Z
1
1
2
2
) ( , ...
Model Autoregressive (AR) t t p t p t p t t t
autoregressive orde p dapat ditulis AR( p
1 dimana
2
2
( 1 )
Z Z B B B B ... dan
t t p p p
) memiliki bentuk matematis sebagai berikut (Wei, 2006)
BAB II Tinjauan Pustaka Model
Model-Model ARIMA Model (MA) Moving Average
Model orde yang dapat Moving Average q ditulis MA( ) memiliki bentuk matematis q sebagai berikut (Wei, 2006)
Z a a a a
... , t t t t q t q
1
1
2
2
Z B a ( ) , t q t
2 q dimana
B B B B ( ) 1 ... q
1 2 q
BAB II Tinjauan Pustaka
Model-Model ARIMA Model (ARMA) Autoregressive Moving Average
Model umum ARMA ( , ) merupakan p q gabungan dari pola model AR dan pola model MA. Berikut adalah persamaan matematisnya (Wei, 2006)
Z Z Z a a a
... ... t 1 t 1 p t p t 1 t 1 q t q
Z Z Z a a a
... ... t 1 t 1 p t p t 1 t 1 q t q p q
Z B Z B Z a Ba B a
... ... t 1 t p t t 1 t q t p q
B B Z B B a ( 1 ... ) ( 1 ... )
1 p t 1 q t
B Z B a
( ) ( ) p t q t
BAB II Tinjauan Pustaka
Model-Model ARIMA Model (ARIMA) Autoregressive Integrated Moving Average
Model ARIMA merupakan model yang tidak
time series stasioner terhadap dan memerlukan proses mean agar stasioner, persamaan ARIMA( , , ) dapat differencing p d q dituliskan sebagai berikut (Wei, 2006) dB B Z B a ( )( 1 ) ( ) p t q t
BAB II Tinjauan Pustaka
Model-Model ARIMA
Model ARIMA multiplikatif dengan dengan periode musim s dapat dinotasikan sebagai ARIMA ( p,d,q
membentuk pola musiman dan bentuk modelnya sesuai dengan persamaan sebagai berikut (Wei, 2006) t s
) s
)(
P,D,Q
Model ARIMA Multiplikatif
B a Z B B ) ( ) ( 1 )(
Q t D s s P
Q B q t Z
D s B d B s B
P B p
) ( ) ( ) ) 1 ( ( 1 )( ) (
, persamaannya dapat dituliskan sebagai berikut (Wei, 2006) t a s B
BAB II Tinjauan Pustaka Model ARIMA Musiman Model ARIMA musiman merupakan model yang
Identifikasi Model ARIMA Alat yang dipakai untuk menentukan model awal adalah plot ACF dan PACF
Pola ACF dan PACF untuk model ARIMA Model ACF PACF Terpotong setelah
Turun eksponensial AR (p) lag-p (cut off after
(dies
- – down) lag-p)
Terpotong setelah Turun eksponensial MA (q) lag-q (cut off after (dies - down) lag-q)
Turun eksponensial Turun eksponensial ARMA (p,q) (dies (dies
- – down) – down)
BAB II Wei, 2006 Tinjauan Pustaka
- – down)
down) Autoregressive (p) atau Moving Average (q)
Pola ACF dan PACF untuk model ARIMA Musiman Bowerman & O’Connell, 1993
Tidak ada lag yang signifikan pada ACF Tidak ada lag yang signifikan pada PACF
Autoregressive (p) atau Moving Average (q)
Tidak ada unsur
2s,…,Ps (cut off after lag Ps)
Terpotong setelah lag s,
2s,…,Ps (cut off after lag Ps)
Terpotong setelah lag s,
Turun eksponensial (dies -
Turun eksponensial (dies
down) Autoregressive-Moving Average (p,q)
Turun eksponensial (dies -
2s,…,Ps (cut off after lag Ps)
Terpotong setelah lag s,
2s,…,Ps (cut off after lag Ps) Moving Average (q)
Terpotong setelah lag s,
Identifikasi Model ARIMA
- - down)
BAB II Tinjauan Pustaka Model ACF PACF Autoregressive (p) Turun eksponensial (dies
Pendugaan Parameter Model ARIMA
(CLS) yang tidak Conditional Least Square error diketahui sama dengan nol dan meminimumkan jumlah kuadrat (SSE) (Cryer & Chan, 2008) error n n
Z Z AR (1) t t
1 t t
2
2 Z Z a ( ) t t t
1
ˆ n
( 1 )( 1 ) n n nilai SSE n
2
2 S a Z Z ( , ) [( ) ( )] t t t
1
( Z Z )( Z Z ) t t
2
2 t
2 ˆ
n
1 t t
diturunkan terhadap dan disamakan dengan nol
μ dan
2 Z Z ( ) t
1 t
2 BAB II Tinjauan Pustaka
Pengujian Parameter Model ARIMA adalah suatu parameter pada model ARIMA
ˆ
dan taksiran dari
( mencakup , ) Hipotesis H : (parameter pada model ARIMA tidak signifikan) H : (parameter pada model ARIMA signifikan)
1 Statistik uji
Daerah Kritis ˆ
t t
| t | lebih besar dibanding n m
/ 2 ;
ˆ
SE ( )
BAB II Tinjauan Pustaka
Syarat model ARIMA agar dapat digunakan untuk meramal adalah residual yang berdistribusi normal dan white noise
Q lebih besar dibanding Daerah Kritis
white noise varian bernilai konstan atau tidak (Wei, 2006) Hipotesis H : (residual tidak saling berkorelasi) H
1 : minimal ada satu (residual saling berkorelasi) dengan
...
2
1 K
k
2 K q p
) ; (
Cek Diagnosa
1 K k
1
2
1 ˆ ) ( ) 2 (
Statistik Uji
Q k n n n
. ., .. , 2 ,
K k k
BAB II Tinjauan Pustaka Pengujian
Cek Diagnosa Residual berdistribusi normal
(Daniel, 1989) uji Kolmogorov-Smirnov Hipotesis H : untuk semua nilai x
F ( x ) F ( x ) F x F x H : untuk sekurang-kurangnya sebuah nilai
( ) ( )
1 Statistik Uji
D Sup F x F x ( ) ( )
Daerah Kritis D D n
, ( 1 )
BAB II Tinjauan Pustaka
Pemilihan Model Terbaik Pemilihan model terbaik membandingkan
Residual nilai kesalahan peramalan dari masing-masing model dugaan e Z Z ˆ l
( ) l n l n
M
1
2 RMSE (Root Mean Square Error) dan sMAPE RMSE e l
M t
1 (Symmetric Mean Absolute Percentage Error)
M e
1 l sMAPE
100 %
1 ˆ
M Z Z l ( ( )) n l n t
2
1 BAB II Tinjauan Pustaka
Profil PT. Sinar Sosro NIAT BAIK
- Peduli terhadap Kualitas
PENGALENGAN
•Peduli terhadap Keamanan
•Peduli terhadap Kesehatan
produk- Serta Ramah Lingkungan
TASIKMALAYA CIANJUR GARUT
BAB II Tinjauan Pustaka
BAB III Metodologi Penelitian
Sumber Data dan Variabel Penelitian
sekunder Data penjualan Teh Botol Kotak 250 ml, Fruit Tea
Genggam 200 ml dan Fruit Tea Pet 500 ml pada Maret’11-Desember’15
Volume penjualan bulanan dalam unit kardus
Out-sample Mei- Desember’
15 In-sample
Maret’11- April’15
Sumber Data Variabel Penelitian
BAB III Metodologi Penelitian Data
Metode Analisis Karakteristik penjualan produk selama Maret 2011 hingga Desember 2015
Statistika deskriptif Model dan hasil ramalan penjualan produk a. b. c.
Jika tidak stasioner terhadap varians
Membuat time series plot pada data
transformasi Box-Cox. Jika tidak stasioner
Pembuatan plot ACF dan PACF in-sample
terhadap mean differencing d.
e. f.
Identifikasi dan pendugaan model Pendugaan parameter dan uji Pengujian asumsi residual signifikansi parameter sementara plot ACF & PACF g. h. i.
Membandingkan model terpilih dengan
Peramalan sebanyak data out-sample , Model terbaik terpilih peramalan
melihat kriteria RMSE dan sMAPE pada out-
menghitung nilai RMSE dan sMAPE dengan semua data digunakan sample
BAB III Metodologi Penelitian
Diagram Alir A Pemilihan Model ARIMA Terbaik
Peramalan Periode ke depan Kesimpulan Selesai
Parameter telah signifikan ? Ya Identifikasi dan Pendugaan Model ARIMA
Membuat Plot ACF dan PACF
Varians : Transformasi Box-Cox
Mean : DifferencingTidak Identifikasi Time Series Plot Data telah stasioner ?
Mulai Analisis statistika deskriptif
Residual memenuhi asumsi ?
Ya Tidak Tidak Ya
BAB IV Analisis dan Pembahasan
2015 Desember
2012
Karakteristik Penjualan Produk Minuman Teh PT. Sinar Sosro Gresik
BAB IV Analisis dan Pembahasan Variabel Mean Minimum Maximum Teh botol kotak 250 ml 73983 23277 156017 Fruit tea genggam 200 ml 60195 20288 160248 Fruit tea pet 500 ml 70894 24526 165843 Januari
Pemeriksaan Kestasioneran Penjualan Teh Botol Kotak 250 ml 160000 11 12
(TBK) 140000
Cenderung 7 12 meningkat setiap k b t 120000 100000 6 9 10 12 5 6 9 10 11 7 11 6 Juli dan Desember la n a 5 7 8 4 3 6 10 7 Mulai tahun 2014 ju e n 80000 3 8 8 5 6 11 penjualan semakin p 60000 3 4 2 2 5 9 8 9 10 12 3 4 9 12 menurun dan pola 1 1 4 1 4 5 7 8 10 11 musiman tidak 40000 20000 2 3 1 2 terlalu terlihat
1 6 12 18 24 periode 30 36 42 48 54 TIDAK STASIONER
Plot Time series Penjualan
DALAM VARIANS
Teh Botol Kotak 250 ml
DAN MEAN
BAB IV Analisis dan Pembahasan
(TBK) 20000 40000 60000 80000 100000 120000 160000 140000
0.000025 0.000020 0.000015 0.000010 0.000005 0.000000 penjualan tbk D e n s it y 2015 2014 2013 2011 2012 group
Histogram Penjualan Teh
Botol Kotak 250 ml Perbedaan varians cukup besar
BAB IV Analisis dan Pembahasan Pemeriksaan Kestasioneran Penjualan Teh Botol Kotak 250 ml
Pemeriksaan Kestasioneran Penjualan Teh Botol Kotak 250 ml (TBK)
Hipotesis 2 2 Statistik Uji Taraf Signifikan
1 2 H : (varians penjualan Teh Botol Kotak 250 ml pada tahun 2012 2 ( n 1 ) S
dengan tahun 2015 telah homogen) 1 1 F 2 2 2 2 ,
1 ( n 1 ) S
1 2 2 2 H : ( varians penjualan Teh Botol Kotak 250 ml pada tahun 2012
1
dengan tahun 2015 tidak homogen) F-Test
1 Test Statistic 2.95 VARIANS
p
u
g
ro
P-Value 0.086 Levene's Test TolakBERBEDA 2 10000 20000 30000 40000 50000 Test Statistic P-Value 0.113 2.72 H
TIDAK STASIONER 90% Bonferroni Confidence Intervals for StDevs DALAM VARIANS
u
p
1g
ro
2 BAB IV 20000 40000 60000 80000 100000 120000 140000 160000 penjualan tbk Analisis dan PembahasanPemeriksaan Kestasioneran Penjualan Teh Botol Kotak 250 ml 250000 Lower CL Upper CL (using 95.0% confidence) Lambda (TBK) 200000 Lower CL -0.32 Estimate 0.30 Rounded Value Upper CL 0.50 0.93 Plot Time series Penjualan v 150000
Teh Botol Kotak 250 ml S tD e 100000 400 11 Setelah Transformasi 12
12 Transformasi 350 6 7 11 50000 Limit akar k a a i r s a 300 5 7 8 9 10 12 3 4 5 6 9 10 3 6 7 8 10 11 6 7 11
- -5.0 -2.5 Lambda 0.0 2.5 5.0 s 250 rm fo n a tr 3 4 1 2
- 1.0 1 5 10 15 20 Lag 25 30 35 40 45 ACF Penjualan Teh Botol Kotak 250
- 1.0 1 5 10 15 Lag 20 25 30 35 -1.0 1 5 10 15 Lag 20 25 30 35 Plot ACF turun cepat dan tidak ada lag yang keluar
8 1 2 4 5 9 1 4 5 8 9 10 12 3 4 200 3 2 Box-Cox Penjualan Teh 150 2 1 Botol Kotak 250 ml 1 5 10 15 20 periode 25 30 35 40 45 50 BAB IV
Analisis dan Pembahasan
Pemeriksaan Kestasioneran Penjualan Teh Botol Kotak 250 ml 1.0
(TBK) n 0.4 0.6
0.8 o ti o c rr e la 0.0 0.2 to u A -0.2 -0.8 -0.6 -0.4
Cut Off pada lag 1 dan 12
ml Setelah Transformasi
BAB IV Analisis dan Pembahasan
Pemeriksaan Kestasioneran Penjualan Teh Botol Kotak 250 ml (TBK)
H : Data tidak stasioner dalam mean ( ) H : Data stasioner dalam mean ( )
1 Statistik Uji Taraf Signifikan
Uji Dickey-Fuller Penjualan Teh Botol ˆ
Kotak 250 ml Setelah Transformasi
' ,
05
ˆ
se ( ) Data Estimasi S.E t_value P_value
Penjualan Teh Botol Kotak 250 -0,02153 0,02989 -0,72 0,4747 ml
Gagal Tolak H
TIDAK STASIONER DALAM
MEAN
BAB IV Analisis dan Pembahasan
Pemeriksaan Kestasioneran Penjualan Teh Botol Kotak 250 ml 100
(TBK) 50 4 5 6 9 10 11 2 3 4 5 7 9 10 11 12 2 3 5 6 7 10 11 12 3 4 5 6 7 9 10 11 2
3
8 6 9 12 4 f 1 if -50 7 12
8
2 8 STASIONER DALAM d -100 1 8 4 1 VARIANS DAN MEAN -150 -200 11
1 5 10 15 20 Index 25
30
35 40 45 50 Plot Time series Penjualan Teh BotolKotak 250 ml Setelah Differencing
BAB IV Analisis dan Pembahasan
Pendugaan dan Pengujian Parameter Model ARIMA Penjualan
ACF dan PACF Penjualan Teh Botol
Teh Botol Kotak 250 ml (TBK)
Kotak 250 ml Setelah Differencing 0.8 1.0 0.8 1.0 o ti n 0.2 0.4 0.6 n e la ti o rr 0.4 0.2
0.6 o c u e la to rr -0.2 0.0 o A l c to u ia -0.2 0.0 A -0.6 -0.4 -0.8 P a rt -0.6 -0.8 -0.4 -1.0 1 5 10 15 20 Lag 25 30 35 40 45 -1.0 1 5 10 15 20 Lag 25 30 35 40 45 Plot ACF cut off pada lag ke 12
Plot PACF cut off pada lag 2, 4 dan 10
BAB IV Analisis dan Pembahasan
Pendugaan dan Pengujian Parameter Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK)
H : (parameter pada model ARIMA tidak signifikan)
H : (parameter pada model
1 Model ARIMA Parameter Lag Estimasi P_value Keterangan
ARIMA signifikan) ARIMA (0,1,[12]) MA1,1 12 -0.43892 0.0053 signifikan
Statistik Uji Taraf Signifikan ARIMA ([2],1,[12]) MA1,1 12 -0.41957 0.0093 signifikan
ˆ
AR1,1 2 -0.25066 0.0980 tidak
t
,
05 ˆ
SE ( )
ARIMA ([4],1,[12]) MA,1 12 -0.50148 0.0022 signifikan AR1,1 4 -0.29911 0.0489 signifikan
ARIMA MA1,1 12 -0.47504 0.0032 signifikan
([10],1,[12])) AR1,1 10 0.17106 0.2820 tidak
ARIMA (2,1,[12]) MA1,1 12 -0.47236 0.0047 signifikan AR1,1 1 -0.28592 0.0530 tidak AR1,2 2 -0.3051 0.0474 signifikan
BAB IV Analisis dan Pembahasan
12 -0.52342 0.0025 signifikan AR1,1 1 -0.38536 0.0073 signifikan AR1,2 2 -0.47362 0.0025 signifikan AR1,3 3 -0.26804 0.0762 tidak AR1,4 4 -0.45534 0.0026 signifikan
ARIMA ([2,4],1,[12]) MA1,1 12 -0.47100 0.0050 signifikan AR1,1 2 -0.31541 0.0327 signifikan AR1,2 4 -0.35468 0.0194 signifikan
ARIMA ([1,2,4],1,[12])
MA1,1 12 -0.53989 0.0017 signifikan AR1,1 1 -0.31353 0.0259 signifikan AR1,2 2 -0.37689 0.0104 signifikan AR1,3 4 -0.37846 0.0091 signifikan
BAB IV Analisis dan Pembahasan Pendugaan dan Pengujian Parameter Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK) Model ARIMA Parameter Lag Estimasi P_value Keterangan ARIMA (4,1,[12]) MA1,1
Lanjutan
Pengujian Residual White Noise
Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK) ...
H : (residual tidak saling 1 2 K berkorelasi)
Model ARIMA Lag P_value White noise
H :minimal ada satu (residual saling k
1 ARIMA (0,1,[12])
6 0.0148 tidak
k K 1 , 2 , .. ., .
berkorelasi), dengan K 12 0.0812 white noise 18 0.1090 white noise
Statistik Uji
1
2
Q n ( n 2 ) ( n k ) ˆ k k
24 0.0276 tidak
1 ARIMA ([4],1,[12])
6 0.0284 tidak Taraf Signifikan
,
05
12 0.2506 white noise 18 0.1779 white noise 24 0.0628 white noise
ARIMA (2,1,[12]) 6 0.0091 tidak 12 0.0653 white noise 18 0.1701 white noise
24 0.0630 white noise
Analisis dan Pembahasan
6 0.0717 white noise 12 0.6834 white noise 18 0.6091 white noise 24 0.5004 white noise
ARIMA ([2,4],1,[12]) 6 0.0083 tidak 12 0.1247 white noise 18 0.1402 white noise 24 0.0807 white noise
ARIMA ([1,2,4],1,[12]) 6 0.0973 white noise 12 0.6104 white noise 18 0.5416 white noise 24 0.4236 white noise
Lanjutan
BAB IV Analisis dan Pembahasan Pengujian Residual White Noise Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK) Model ARIMA Lag P_value White noise ARIMA (4,1,[12])
1
: , untuk sekurang-kurangnya sebuah nilai x Statistik Uji
Taraf Signifikan
05 , ) ( ) (
F x x F ) ( ) (
F x x F ) ( ) (
F x x F Sup D Model ARIMA KS P_value Berdistribusi Normal
ARIMA (0,1,[12]) 0.1160 0.0962 normal ARIMA ([4],1,[12]) 0.0675 >0.1500 normal
ARIMA (2,1,[12]) 0.1103 0.1389 normal ARIMA (4,1,[12]) 0.0775 >0.1500 normal
ARIMA ([2,4],1,[12])
0.0919 >0.1500 normal ARIMA
([1,2,4],1,[12]) 0.0877 >0.1500 normal
BAB IV Analisis dan Pembahasan Pengujian Residual Berdistribusi Normal Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK) H : , untuk semua nilai x H
Pendugaan dan Pengujian Parameter Model ARIMA Penjualan
ACF dan PACF Penjualan Teh Botol Kotak
Teh Botol Kotak 250 ml (TBK)
250 ml Setelah Differencing Musiman 1.0 1.0 n o 0.6
0.8 0.4 o n la ti 0.6 0.8 0.4 ti to e rr c la o -0.2 0.0 0.2 e A l rr o u to c -0.2 0.2 0.0 A u -0.4 -0.6 -0.8 P ia a rt -0.8 -0.6 -0.4
Plot PACF cut off pada lag 12
BAB IV Analisis dan Pembahasan
(1,0,0)(0,1,1)
12 MA1,1
12 0.52939 0.0033 signifikan AR1,1 1 0.48637 0.0020 signifikan
ARIMA (1,0,0)(1,1,0)
12 AR1,1
1 0.47252 0.0036 signifikan AR2,1 12 -0.40228 0.0341 signifikan
ARIMA (1,0,0)(1,1,1)
12 MA1,1
12 0.65675 0.1754 tidak AR1,1 1 0.47557 0.0040 signifikan AR2,1 12 0.15512 0.7746 tidak
BAB IV Analisis dan Pembahasan Pendugaan dan Pengujian Parameter Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK) Model ARIMA Parameter Lag Estimasi P_value Keterangan ARIMA
(1,0,1)(0,1,1)
12 MA1,1
1 0.76744 0.0007 signifikan MA2,1 12 0.64032 0.0006 signifikan
AR1,1 1 0.97077 <0.0001 signifikan ARIMA
(1,0,1)(1,1,0)
12 MA1,1
1 0.73801 0.0017 signifikan AR1,1 1 0.95327 <0.0001 signifikan AR2,1 12 -0.52622 0.0109 signifikan
ARIMA (1,0,1)(1,1,1)
12 MA1,1
1 0.76878 0.0008 signifikan MA2,1 12 0.59332 0.1389 tidak
AR1,1 1 0.97281 <0.0001 Signifikan AR2,1 12 -0.06623 0.8848 Tidak
Lanjutan
BAB IV Analisis dan Pembahasan Pendugaan dan Pengujian Parameter Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK) Model ARIMA Parameter Lag Estimasi P_value Keterangan ARIMA
(1,0,0)(0,1,1)
12
6 0.1171 white noise 12 0.1978 white noise 18 0.4115 white noise 24 0.6566 white noise
ARIMA (1,0,0)(1,1,0)
12
6 0.1366 white noise 12 0.1601 white noise 18 0.3530 white noise 24 0.4787 white noise
Model ARIMA Lag P_value White noise
ARIMA (1,0,1)(0,1,1)
12
6 0.4112 white noise 12 0.5622 white noise 18 0.6081 white noise 24 0.5502 white noise
ARIMA (1,0,1)(1,1,0)
12
6 0.2981 white noise 12 0.2665 white noise 18 0.3703 white noise 24 0.2383 white noise
BAB IV Analisis dan Pembahasan Pengujian Residual White Noise Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK) Model ARIMA Lag P_value White noise ARIMA
(1,0,0)(0,1,1)
12
0.0849 >0.1500 normal ARIMA
(1,0,0)(1,1,0)
12
0.0952 >0.1500 normal ARIMA
(1,0,1)(0,1,1)
12
0.0804 >0.1500 normal ARIMA
(1,0,1)(1,1,0)
12
0.0656 >0.1500 normal
BAB IV Analisis dan Pembahasan Pengujian Residual Berdistribusi Normal Model ARIMA Penjualan Teh Botol Kotak 250 ml (TBK) Model ARIMA KS P_value Berdistribusi Normal ARIMA
(TBK) Model Out-sample RMSE sMAPE %
1
3
2
2
1
4
3
2
2
1
1
12
5
1
4
3
2
2
1 . 37846 53989 . 37689 .
. 37846 31353 . 37689 . 31353 . ˆ ˆ
) ) 1 ( 1 )( 1 (
ARIMA ([1,2,4],1,[12])
3
1
ARIMA (4,1,[12]) 17432.3726 21.22174 ARIMA ([1,2,4],1,[12]) 14682.7396 19.65758
Z Z Z Z Z Z Z a a Z Z Z Z Z Z Z
ARIMA (1,0,0)(0,1,1)
12
33510.9281 43.44717 ARIMA (1,0,0)(1,1,0)
12
28966.2201 38.40216 ARIMA (1,0,1)(0,1,1)
12
25845.6279 34.74446 ARIMA (1,0,1)(1,1,0)
12
25351.0052 34.74938 Model Terbaik
t t t t t t t t t t t t t t t t t t t t t t Z a a Z
B a Z B B B B
12
12
5
3
2
4
2
1
1
BAB IV Analisis dan Pembahasan Pemilihan Model ARIMA Terbaik Penjualan Teh Botol Kotak 250 ml
Peramalan Penjualan Teh Botol Kotak 250 ml (TBK) Peramalan 12 bulan ke depan dengan melibatkan semua data sehingga model 160000 12 aktual baru yang digunakan adalah ARIMA 140000 11 ramalan ([2,4],1,[1,2,12]) k 120000 6 10 5 6 7 11 7 12 b t n la a ju 100000 5 7 8 9
12 4 9 10 3 6 10 11 6 7 6 p n e 60000 80000 3 4 2 3 8 2 5 8 9 5 8 9 10 11 12 3 4 5 9 11 12 3 4 5 6 8 9 12 40000 1 1 4 1 2 3 4 1 2 7 8 10 1 2 7 10
11 20000 1 7 14 21 28 Index 35 42 49 56 63 70 BAB IV
Analisis dan Pembahasan
2016 Januari 36571 2016 Februari 40717 2016 Maret 50747 2016 April 48079 2016 Mei 48659 2016 Juni 58894 2016 Juli 45899 2016 Agustus 46887 2016 September 49528 2016 Oktober 45152 2016 November 46411 2016 Desember 48267
Terendah Tertinggi
Rata-rata penjualan setiap bulannya sebanyak 47151 kardus
BAB IV Analisis dan Pembahasan Peramalan Penjualan Teh Botol Kotak 250 ml (TBK) Tahun Bulan Ramalan
54 48 42 36 30 24 18 12 6 20000 40000 60000 80000 100000 120000 140000 1 160000 periode ft g 12 11 10 9 8 7 6 5 4 3 2 1 12 11 10 9 8 7 6 5 4 3 2 1
12
11
10 9 8 7 6 5 4 3 2 1 12 11 10 9 8 7 6 5 4 3 2 1 12 11 10 9 8 7 6 5 4 3 BAB IV Analisis dan Pembahasan Pemeriksaan Kestasioneran Penjualan Fruit Tea Genggam 200 ml (FTG)Plot Time series Penjualan Fruit Tea Genggam 200 ml
Cenderung meningkat setiap Juni dan Desember
TIDAK STASIONER DALAM VARIANS DAN MEAN
0.00004 20000 40000 60000 80000 100000 120000 160000 140000 0.00003 0.00002 0.00001 0.00000 penjualan ftg D e n s it y 2015 2014 2013 2011 2012 group
200 ml Perbedaan varians cukup besar
Pemeriksaan Kestasioneran Penjualan Fruit Tea Genggam 200 ml (FTG)
BAB IV Analisis dan Pembahasan Histogram Penjualan Fruit Tea Genggam
Pemeriksaan Kestasioneran Penjualan Fruit Tea Genggam 200 ml (FTG)
Hipotesis 2 2 Statistik Uji Taraf Signifikan
1 2 H : (varians penjualan Fruit Tea Genggam 200 ml pada tahun 2 2011 dengan tahun 2015 telah homogen) ( n 1 1 ) S 1 F 2 2 2 2
,
1 1 2 H : ( varians penjualan Fruit Tea Genggam 200 ml pada tahun
( n 1 ) S
1 2 2
2011 dengan tahun 2015 tidak homogen) F-Test
1 Test Statistic
11.32 VARIANS g ro u p P-Value 0.000 Tolak Levene's Test
BERBEDA 2 10000 20000 30000 40000 50000 60000 70000 P-Value 0.055 Test Statistic 4.15 H
TIDAK STASIONER
95% Bonferroni Confidence Intervals for StDevs DALAM VARIANS p 1 g ro u 2 BAB IV 20000 40000 60000 80000 100000 120000 140000 160000 penjualan ftg Analisis dan Pembahasan