Implementasi model SARIMAX untuk peramalan volume penumpang kereta api di Pulau Jawa

INDONESIA :

Volume penumpang kereta api di Pulau Jawa mengalami fluktuasi yang dipengaruhi oleh pola musiman serta faktor eksternal, seperti Hari Raya Idul Fitri, libur antar semester, dan Natal serta Tahun Baru. Kondisi tersebut menyebabkan metode peramalan yang hanya mengandalkan pola historis belum mampu menangkap pengaruh faktor eksternal secara optimal. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan model Seasonal Autoregressive Integrated Moving Average with Exogenous Variables (SARIMAX) dalam meramalkan volume penumpang kereta api di Pulau Jawa dengan memanfaatkan variabel eksogen berupa dummy hari libur. Penelitian menggunakan data bulanan volume penumpang kereta api di Pulau Jawa periode Januari 2020 hingga Desember 2025 yang diperoleh dari Badan Pusat Statistik (BPS). Tahapan penelitian meliputi preprocessing data, uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF), proses differencing, identifikasi model menggunakan plot Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), pemilihan model terbaik melalui grid search berdasarkan nilai Akaike Information Criterion (AIC), uji signifikansi parameter, uji diagnostik residual menggunakan Ljung-Box, serta evaluasi model menggunakan Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Pengujian dilakukan menggunakan tiga skenario pembagian data, yaitu 70:30, 80:20, dan 90:10. Hasil penelitian menunjukkan bahwa model terbaik adalah SARIMAX (2,1,2)(1,0,0), yang memenuhi uji signifikansi parameter dan uji diagnostik residual. Berdasarkan hasil pengujian, rasio pembagian data 80:20 menghasilkan performa terbaik dengan nilai MAPE sebesar 3,75% dan RMSE sebesar 1.887,12. Nilai MAPE tersebut menunjukkan bahwa model memiliki tingkat akurasi peramalan yang sangat baik. Dengan demikian, model SARIMAX mampu mengakomodasi pola historis, pola musiman, dan pengaruh variabel eksogen sehingga dapat digunakan sebagai alternatif dalam melakukan peramalan volume penumpang kereta api di Pulau Jawa.

INGGRIS :

The volume of railway passengers on Java Island experiences fluctuations influenced by seasonal patterns and external factors, such as Eid al-Fitr, semester holidays, and Christmas and New Year holidays. These conditions make forecasting methods that rely solely on historical data unable to optimally capture the influence of external factors. Therefore, this study aims to implement the Seasonal Autoregressive Integrated Moving Average with Exogenous Variables (SARIMAX) model to forecast railway passenger volume on Java Island by incorporating holiday dummy variables as exogenous variables. This study uses monthly railway passenger volume data on Java Island from January 2020 to December 2025 obtained from the Statistics Indonesia (BPS). The research stages include data preprocessing, stationarity testing using the Augmented Dickey-Fuller (ADF) test, differencing, model identification using the Autocorrelation Function (ACF) and Partial Autocorrelation Function (PACF) plots, model selection through grid search based on the Akaike Information Criterion (AIC), parameter significance testing, residual diagnostic testing using the Ljung-Box test, and model evaluation using the Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE). The model was evaluated using three data splitting scenarios: 70:30, 80:20, and 90:10. The results indicate that the best forecasting model is SARIMAX (2,1,2)(1,0,0), which satisfies both the parameter significance test and the residual diagnostic test. Among the evaluated data splitting scenarios, the 80:20 ratio achieved the best performance, with a MAPE of 3.75% and an RMSE of 1,887.12. The MAPE value indicates that the model provides a highly accurate forecasting performance. Therefore, the SARIMAX model is capable of capturing historical patterns, seasonal patterns, and the effects of exogenous variables, making it a suitable alternative for forecasting railway passenger volume on Java Island.

ARABIC:

يشهد حجم ركاب القطار أو السكك الحديدية في جزيرة جاوى تقلبات تتأثر بالأنماط الموسمية والعوامل الخارجية، مثل عيد الفطر، وعطلة منتصف الفصل الدراسي، وعيد الميلاد ورأس السنة الميلادية. هذه الظروف تجعل طرق التنبؤ التي تعتمد فقط على الأنماط التاريخية غير قادرة بعد على استيعاب تأثير العوامل الخارجية بشكل أمثل. لذلك، هدف هذا البحث إلى تطبيق نموذج المتوسط المتحرك المتكامل الذاتي الموسمي مع المتغيرات الخارجية (SARIMAX) في التنبؤ بحجم ركاب السكك الحديدية في جزيرة جاوى من خلال الاستفادة من المتغيرات الخارجية على شكل متغيرات وهمية لأيام العطلة. استخدم البحث بيانات شهرية عن حجم ركاب السكك الحديدية في جزيرة جاوى للفترة من يناير 2020 حتى ديسمبر 2025 التي تم الحصول عليها من الهيئة المركزية للإحصاء (BPS). تشمل مراحل الدراسة معالجة البيانات المسبقة، اختبار الثبات باستخدام اختبار ديكي-فولر المعزز (ADF)، عملية التفاضل، تحديد النموذج باستخدام مخطط دالة الارتباط التلقائي (ACF) ودالة الارتباط التلقائي الجزئي (PACF)، اختيار أفضل نموذج من خلال البحث الشبكي استنادًا إلى قيمة معيار معلومات أكايك (AIC)، اختبار دلالة المعلمات، اختبار تشخيص البواقي باستخدام اختبار ليونغ-بوكس، بالإضافة إلى تقييم النموذج باستخدام متوسط نسبة الخطأ المطلق (MAPE) وجذر متوسط مربع الخطأ (RMSE). تم إجراء الاختبارات باستخدام ثلاثة سيناريوهات لتقسيم البيانات، وهي 70:30، 80:20، و90:10. أظهرت نتائج البحث أن أفضل نموذج هو SARIMAX (2.1.2) (1.0.0)، الذي استوفى اختبار دلالة المعلمات واختبار التشخيص للبقايا. بناءً على نتائج الاختبارات، فإن نسبة تقسيم البيانات 80:20 أعطت أفضل أداء بقيمة MAPE قدرها 3.75٪ وRMSE قدرها 1,887.12. تشير قيمة MAPE هذه إلى أن النموذج يتمتع بمستوى دقة تنبؤية ممتاز. وبالتالي، فإن نموذج SARIMAX قادر على استيعاب الأنماط التاريخية والأنماط الموسمية وتأثير المتغيرات الخارجية، مما يجعله خيارًا بديلًا لاستخدامه في التنبؤ بحجم ركاب القطار في جزيرة جاوى.