Penerapan Metode ARIMA dalam Memprediksi Jumlah Impor Mobil di Indonesia pada Tahun 2023

Authors

  • Mardhani Dwi Novianto Universitas Negeri Yogyakarta
  • Riza Isna Khoirun Nisa Universitas Negeri Yogyakarta
  • Muhamad Rizky Febriawan Universitas Negeri Yogyakarta

DOI:

https://doi.org/10.21831/pspmm.v10i2.346

Keywords:

Jumlah Impor Mobil, ARIMA, MAPE

Abstract

Sektor industri transportasi terus berkembang secara masif, tidak terkecuali untuk transportasi roda empat yang banyak diminati yaitu mobil. Menurut data dari laman Gabungan Industri Kendaraan Bermotor Indonesia (GAIKINDO) tahun 2022, total penjualan mobil secara keseluruhan sebanyak 1.048.040 unit, total produksi dalam negeri mencapai 1.470.146 unit, dengan jumlah ekspor sebanyak 473.602 unit, dan jumlah impor sebanyak 83.298 unit. Hal itu menunjukkan bahwa angka produksi dalam negeri sudah dapat mencukupi kebutuhan pembeli tanpa melakukan impor dari luar negeri. Namun, terdapat alasan-alasan penting yang menjadikan impor mobil tetap diperlukan setiap tahun. Salah satu alasan utamanya adalah ketersediaan model dan jenis mobil tertentu yang tidak diproduksi secara lokal. Berdasarkan hal tersebut, dibutuhkan metode untuk memprediksi jumlah impor mobil pada tahun 2023. Berkaitan dengan itu, pada penelitian ini dilakukan prediksi jumlah impor mobil menggunakan metode ARIMA. Model ARIMA terbaik yang digunakan untuk peramalan adalah ARIMA(2,1,2). Hasil peramalan yang diperoleh untuk bulan Juli s.d. Desember 2023 secara berturut-turut adalah 8073,926; 10001,218; 11337,540; 11070,056; 9753,595; dan 8719,446 dengan nilai MAPE yaitu 26,61.

References

A. Arisena, “Prediksi Retail Sales Mobil Toyota Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average),” Indonesian Journal of Strategic Management, vol. 3, no. 1, pp. 24–28, Feb. 2020, doi: 10.25134/ijsm.v3i1.2817.

S. Mariani and Y. Fathonah, “Implementation of Autoregressive Intregated Moving Average (ARIMA) Methods For Forecasting Many Applicants Making Driver’s License A With Eviews 7 in Pati Indonesia,” J Theor Appl Inf Technol, vol. 31, no. 10, pp. 2114–2124, 2017, Accessed: Jul. 29, 2023. [Online]. Available: www.jatit.org.

I. S. Nurjanah, D. Ruhiat, and D. Andiani, “Implementasi Model Autoregressive Integrated Moving Average (ARIMA) untuk Peramalan Jumlah Penumpang Kereta Api di Pulau Sumatera,” Jurnal Teorema: Teori dan Riset Matematika, vol. 3, no. 2, pp. 145–156, 2018.

Anisa Al-Fitri, Salsa-Billa S.A, and Syaifullah Yusuf R, “Prediksi Pertambahan Jumlah Pengguna Mobil 2020 Di Indonesia Dengan Pendekatan Auto Regressive Integrated Moving Average (ARIMA),” Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI), vol. 2, no. 1, pp. 20–28, Mar. 2021, Accessed: Jul. 29, 2023. [Online]. Available: https://ojs.unm.ac.id/variansistatistika/article/view/19495.

Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta, 2018.

G. E. P. Box, G. M. Jenkins, and G. C. Reinsel, Time Series Analysis: Forecasting and Control. New Jersey: Prentice Hall, Inc., 1994.

Published

2024-03-18