Analisis Runtun Waktu Data Kendaraan yang Menyebrang di Pelabuhan Merak-Bakauheni Tahun 2023-2024

SOAL 1

Buta objek ts dan plot runtun waktunya di R

# 1. Buat objek time series dan plot runtun waktunya
library(forecast)
data_kendaraan <- c(420, 410, 430, 780, 460, 470, 460, 480, 440, 450, 460, 600,
                    450, 440, 460, 820, 490, 500, 495, 510, 470, 480, 490, 640)
ts_kendaraan <- ts(data_kendaraan, start = c(2023,1), frequency = 12)

# Plot runtun waktu
library(ggplot2)
library(forecast)
autoplot(ts_kendaraan) + theme_minimal()+
  labs(title = "Jumlah Kendaraan Penyeberang Merak-Bakauheni (2023-2024)",
       x = "Waktu(Tahun)",
       y = "Jumlah Kendaraan (ribuan)")

SOAL 2

Identifikasi apakah plot data menunjukkan komponen tren, dan jelaskan alasannya.

Terdapat komponen tren naik pada data ini. Hal ini terlihat dari adanya kenaikan jumlah kendaraan yang cukup konsisten dari tahun 2023 ke tahun 2024 di setaip bulannya, yang menunjukkan bahwa volume kendaraan terus meningkat dari waktu ke waktu.

SOAL 3

Identifikasi bulan-bulan puncak kunjungan — kaitkan dengan peristiwa nyata (Lebaran, libur Nataru).

Bulan puncak kunjungan terjadi pada bulan April dan Desember. Dimana kenaikan di bulan April berkaitan dengan arus mudik lebaran, sedangkan kenaikan di bulan Desember berkaitan dengan libur natal dan tahun baru.

SOAL 4

Buat seasonal plot & boxplot per bulan, lalu simpulkan: musiman atau siklis?

library(forecast)

ggseasonplot(ts_kendaraan, year.labels = TRUE)

boxplot(ts_kendaraan ~ cycle(ts_kendaraan), names = month.abb)

Berdasarkan seasonal plot dan boxplot tersebut, data ini menunjukkan pola musiman, dikarenakan puncak jumlah kendaraan berulang secara konsisten pada bulan yang sama setaip tahunnya, yaitu bulan April dan Desember.