Secara umum, hasil observasi deret waktu dipengaruhi oleh nilai pada waktu sebelumnya.
Namun, pada kenyataannya deret waktu seringkali dipengaruhi oleh kejadian eksternal
yang dapat didefinisikan sebagai intervensi ataupun pencilan. Untuk mengidentifikasi
efek dari intervensi terhadap deret waktu digunakan pemodelan deret waktu dengan
faktor intervensi. Apabila waktu dan penyebab kejadian tidak diketahui, maka dapat
digunakan pemodelan deret waktu dengan faktor pencilan. Tujuan dari penelitian ini
adalah untuk mengetahui pengaruh faktor intervensi atau pencilan pada deret waktu
dan kondisi data deret waktu seperti apa yang tepat dimodelkan dengan menggunakan
pemodelan deret waktu intervensi atau pencilan. Oleh karena itu, digunakan dua jenis
data yaitu kriminalitas di Kota Bandung dan harga beras medium di Indonesia. Pemilihan
model terbaik didasarkan pada kinerja model yang dibandingkan melalui nilai AIC,
RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa model deret waktu tanpa
intervensi dan pencilan memberikan tingkat akurasi prediksi yang lebih baik untuk data
kriminalitas di Kota Bandung dengan MAPE sebesar 26,15%. Sedangkan untuk data
harga beras medium di Indonesia, model gabungan dengan faktor intervensi dan pencilan
memberikan kinerja prediksi terbaik dengan MAPE sebesar 0,76%. Hasil penelitian ini
juga menunjukkan bahwa kriminalitas tidak dipengaruhi oleh intervensi dan pencilan
secara signifikan sedangkan harga beras cukup sensitif terhadap intervensi dan pencilan
yang ada. Dengan karakteristik data tertentu, model ARIMA dengan faktor intervensi
dan pencilan memiliki kinerja yang lebih baik sehingga prediksi dapat dilakukan dengan
akurasi yang lebih baik pula.