ANALISIS MODEL SARIMA DALAM PERAMALAN PENJUALAN RITEL MOBIL BEKAS BERDASARKAN DATA PENJUALAN BULANAN DI AMERIKA SERIKAT

Moch Yahya; Nurmawati Ainun; Nurul Hikmah; Al Aghni Naufalia; Ihsan Fathoni Amri; M. Al Haris

doi:10.33019/fraction.v6i1.112

Authors

Moch Yahya Universitas Muhammadiyah Semarang
Nurmawati Ainun
Nurul Hikmah
Al Aghni Naufalia
Ihsan Fathoni Amri
M. Al Haris

DOI:

https://doi.org/10.33019/fraction.v6i1.112

Keywords:

Peramalan, SARIMA, Penjualan Mobil Bekas, Deret Waktu, Musiman

Abstract

Penelitian ini bertujuan untuk meramalkan penjualan ritel mobil bekas di Amerika Serikat dengan menggunakan model Seasonal Autoregressive Integrated Moving Average (SARIMA). Data yang digunakan bersumber dari Federal Reserve Bank of St. Louis (FRED) dengan periode Januari 2019 hingga Desember 2024, memiliki karakteristik musiman dan dianalisis menggunakan bahasa pemrograman R. Model SARIMA dipilih karena mampu menangkap komponen musiman yang tidak dapat dimodelkan secara eksplisit oleh ARIMA. Prosedur dimulai dari analisis stasioneritas hingga pemilihan model terbaik berdasarkan nilai Akaike Information Criterion (AIC) dan uji diagnostik residual. Hasil penelitian menunjukkan bahwa model SARIMA(0,1,2)(1,1,0)¹² adalah model terbaik dengan nilai AIC sebesar 802.87 dan MAPE yang menunjukkan tingkat akurasi sangat baik. Model ini menghasilkan peramalan penjualan selama 12 bulan ke depan dengan pola fluktuatif musiman, di mana penjualan tertinggi diprediksi terjadi pada bulan Maret dan terendah pada bulan Desember.

Downloads

Download data is not yet available.

References

[1] S. B. Chudo and G. Terdik, “Modeling and Forecasting Time-Series Data with Multiple Sea- sonal Periods Using Periodograms,” Econometrics, vol. 13, no. 2, p. 14, 2025, doi: 10.3390/econometrics13020014.

[2] J. Chen, “Time Series Analysis and Forecast of Sales of New Car and Used Car Using SARIMA Model,” Advances in Economics, Management and Political Sciences, vol. 86, no. 1, pp. 122– 132, 2024, doi: 10.54254/2754-1169/86/20240826.

[3] L. Junaedi, N. Damastuti, and A. Widodo, “Penerapan Metode Seasonal ARIMA (SARIMA) untuk Peramalan Penjualan Barang dengan Pola Musiman Tahunan,” JISEM Jurnal Program Studi Informatika Universitas Katolik Widya Mandala Surabaya, vol. 01, pp. 38–48, 2025, doi: 10.33508/jisem.v1i01.7403.

[4] Nalini, “5 Common Mistakes to Avoid When Forecasting Demand in Manufacturing,” Deskera Blog.

[5] H. T. A. Simanjuntak, A. Lumbanraja, G. Samosir, and Regita, “Prediksi Single-Step dan Multi- Step Data Cuaca Menggunakan Model Long Short-Term Memory dan Sarima,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 12, no. 2, pp. 399–410, 2025, doi: 10.25126/jtiik.2025129444.

[6] G. R. Estefania and A. Tripena, “Rainfall Forecasting Using Seasonal Autoregressive Integrated Moving Average Method And Decomposition Method in Pangkalan Bun,” 2025.

[7] N. M. Sunariadi et al., “PREDIKSI PRODUKSI BAWANG MERAH DI KABUPATEN NGANJUK DENGAN METODE SEASONAL ARIMA (SARIMA),” Jurnal Pendidikan Ma-

tematika dan Matematika, vol. 6, no. 1, pp. 49–60, 2022, doi: 10.36526/tr.v%vi%i.1672.

[8] L. Fernandes Tokan, A. Hermawan, F. Sains dan Teknologi, and U. Teknologi Yogyakarta, “Im- plementasi Model SARIMA Untuk Memprediksi Produksi Minyak Kelapa Sawit,” 2023, [Online]. Available: https://ditjenbun.pertanian.go.id/template/uploads/202

[9] M. I. Rizki and T. A. Taqiyyuddin, “Penerapan Model SARIMA untuk Memprediksi Tingkat Inflasi di Indonesia,” Jurnal Sains Matematika dan Statistika, vol. 7, no. 2, Aug. 2021, doi: 10.24014/jsms.v7i2.13168.

[10] F. Zundina Ulya, A. Rony Wijaya, and P. Laras Puspita, “Peramalan Harga Cabai dan Bawang di Pasar Tradisional Purwokerto dengan Model Autoregressive Integrated Moving Average (ARIMA) (Forecasting Chili and Onion Prices in Purwokerto Traditional Markets with the Au- toregressive Integrated Moving Average (ARIMA)),” 2023.

[11] R. Mulyani, Y. Puspita Sari, P. Studi Budidaya Ikan, F. Perikanan dan Kelautan Universitas PGRI Palembang, P. Transportasi Sungai, and D. Dan Penyeberangan Palembang, “Forecasting Produksi Perikanan Budidaya Di Kota Palembang Dengan Metode Autoregressive Integrated Moving Average (ARIMA),” Jurnal Ilmiah Matematika dan Ilmu Pengetahuan Alam, vol. 16, no. 1, 2022, doi: 10.31851/sainmatika.v16i1.xxxx.

[12] M. S. Buntara, H. Napitupulu, and N. Gusriani, “Pemrograman Python Untuk Peramalan Data Deret Waktu Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (Sarima),” 2023.