Perpustakaan Digital ITB

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.