Data Kendaraan Merak–Bakauheni

Data pencatatan Dinas Perhubungan mengenai jumlah kendaraan yang menyeberang di Pelabuhan Merak–Bakauheni setiap bulan periode Januari 2023 hingga Desember 2024 (dalam ribuan unit):

# Input data bulanan
data_2023 <- c(420, 410, 430, 780, 460, 470, 460, 480, 440, 450, 460, 600)
data_2024 <- c(450, 440, 460, 820, 490, 500, 495, 510, 470, 480, 490, 640)
bulan <- c("Jan", "Feb", "Mar", "Apr", "Mei", "Jun", "Jul", "Agu", "Sep", "Okt", "Nov", "Des")

# Tabel ringkasan data
tabel_data <- rbind("2023" = data_2023, "2024" = data_2024)
colnames(tabel_data) <- bulan
kable(tabel_data)
Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt Nov Des
2023 420 410 430 780 460 470 460 480 440 450 460 600
2024 450 440 460 820 490 500 495 510 470 480 490 640

Soal 1: Objek ts dan Plot Runtun Waktu

Data digabungkan dan dibentuk ke dalam objek time series (ts) dengan frekuensi 12 karena dicatat setiap bulan, dimulai dari Januari 2023.

# Membuat objek time series
ts_merak <- ts(c(data_2023, data_2024), start = c(2023, 1), frequency = 12)

# Membuat plot runtun waktu
plot(ts_merak, 
     type = "o", 
     pch = 19, 
     col = "#1e40af", 
     lwd = 2,
     ylim = c(380, 950),
     main = "Runtun Waktu Kendaraan Merak–Bakauheni (2023–2024)",
     xlab = "Bulan", 
     ylab = "Jumlah Kendaraan (Ribu Unit)",
     xaxt = "n")

# Label sumbu X per bulan
waktu_label <- c("Jan 23", "Feb", "Mar", "Apr", "Mei", "Jun", "Jul", "Agu", "Sep", "Okt", "Nov", "Des",
                 "Jan 24", "Feb", "Mar", "Apr", "Mei", "Jun", "Jul", "Agu", "Sep", "Okt", "Nov", "Des")
axis(1, at = seq(2023, 2024 + 11/12, by = 1/12), labels = waktu_label, las = 2, cex.axis = 0.75)
grid(col = "#cbd5e1", lty = "dotted")

# Garis tren sederhana
abline(lm(ts_merak ~ time(ts_merak)), col = "#475569", lty = 2, lwd = 2)

# Legenda di kanan atas agar tidak menghalangi puncak data
legend("topright", legend = c("Data Aktual", "Garis Tren"), 
       col = c("#1e40af", "#475569"), pch = c(19, NA), lty = c(1, 2), lwd = 2, bty = "n")

Soal 2: Komponen Tren dan Alasannya

Dari plot deret waktu di atas, data menunjukkan adanya komponen tren naik (upward trend).

Alasannya, jika dibandingkan antar-tahun, volume kendaraan pada setiap bulan di tahun 2024 selalu lebih tinggi sekitar 30 sampai 40 ribu unit dibandingkan bulan yang sama di tahun 2023 (misal Januari naik dari 420 ke 450, April dari 780 ke 820, dan Desember dari 600 ke 640). Selain itu, rata-rata bulanan juga naik dari 488,33 ribu unit di tahun 2023 menjadi 520,42 ribu unit di tahun 2024 (terdapat kenaikan sekitar 6,57%). Garis tren linear pada grafik juga memperlihatkan arah yang condong menanjak dari kiri ke kanan. Hal ini masuk akal karena mobilitas perjalanan orang dan barang antarpulau memang cenderung bertumbuh tiap tahunnya.

Soal 3: Bulan-Bulan Puncak Kunjungan

Berdasarkan grafik deret waktu, terlihat dua bulan yang menjadi puncak lonjakan kunjungan kendaraan:

  1. Bulan April (Puncak Utama): Pada bulan April terjadi lonjakan paling tinggi, yaitu mencapai 780 ribu kendaraan di tahun 2023 dan naik menjadi 820 ribu kendaraan di tahun 2024. Lonjakan drastis ini berkaitan erat dengan Hari Raya Idulfitri (Lebaran) dan tradisi mudik tahunan. Pada tahun 2023 Lebaran jatuh di bulan April (21–22 April) dan begitu pula di tahun 2024 (10–11 April). Pelabuhan Merak–Bakauheni merupakan titik utama penyeberangan darat pemudik dari Pulau Jawa menuju Sumatera maupun sebaliknya.

  2. Bulan Desember (Puncak Kedua): Puncak kedua terjadi di bulan Desember dengan volume 600 ribu kendaraan di tahun 2023 dan 640 ribu di tahun 2024. Peningkatan ini berkaitan dengan periode libur Hari Raya Natal dan Tahun Baru (Nataru), serta masa libur panjang sekolah/kampus di akhir tahun yang mendorong peningkatan arus liburan dan wisata antarpulau.

Selain kedua puncak tersebut, pada bulan Juni sampai Agustus juga tampak sedikit kenaikan volume (berkisar 460–510 ribu unit) yang dipengaruhi oleh musim libur kenaikan kelas siswa sekolah.

Soal 4: Seasonal Plot, Boxplot, dan Kesimpulan

Seasonal Plot

Seasonal plot di bawah ini memperlihatkan perbandingan kurva pergerakan bulanan antara tahun 2023 dan tahun 2024.

seasonplot(ts_merak, 
           col = c("#60a5fa", "#1e3a8a"), 
           lwd = 2, 
           pch = 19, 
           type = "o",
           ylim = c(380, 950),
           year.labels = FALSE,
           main = "Seasonal Plot: Jumlah Kendaraan per Bulan",
           xlab = "Bulan", 
           ylab = "Jumlah Kendaraan (Ribu Unit)")
grid(col = "#cbd5e1", lty = "dotted")

# Legenda di kanan atas agar tidak menutupi lonjakan bulan April
legend("topright", legend = c("Tahun 2023", "Tahun 2024"), 
       col = c("#60a5fa", "#1e3a8a"), lwd = 2, pch = 19, bty = "n")

Boxplot per Bulan

Boxplot berikut menampilkan sebaran data jumlah kendaraan untuk masing-masing bulan kalender.

df_kendaraan <- data.frame(
  Bulan = factor(rep(bulan, 2), levels = bulan),
  Volume = c(data_2023, data_2024)
)

boxplot(Volume ~ Bulan, data = df_kendaraan,
        col = "#dbeafe", 
        border = "#1e40af", 
        main = "Boxplot Sebaran Volume Kendaraan per Bulan",
        xlab = "Bulan", 
        ylab = "Jumlah Kendaraan (Ribu Unit)")

# Titik observasi
stripchart(Volume ~ Bulan, data = df_kendaraan, 
           vertical = TRUE, method = "jitter", add = TRUE, 
           pch = 19, col = "#2563eb", cex = 1.1)
grid(col = "#cbd5e1", lty = "dotted")

Kesimpulan

Data runtun waktu ini menunjukkan pola musiman (seasonal), bukan siklis.

Alasannya adalah pola fluktuasi data berulang secara teratur setiap 1 tahun (12 bulan sekali) pada bulan-bulan yang persis sama, yaitu selalu melonjak tinggi di bulan April (Lebaran) dan Desember (Nataru), serta berada di titik terendah pada bulan Februari. Pola musiman memang dipengaruhi oleh faktor kalender tahunan atau momen hari libur berulang, berbeda dengan pola siklis yang durasi gelombangnya tidak tetap dan memakan waktu bertahun-tahun (seperti siklus bisnis atau ekonomi makro).

Dengan demikian, data ini dapat disimpulkan memiliki pola musiman yang disertai tren kenaikan.