Data

Dinas Perhubungan mencatat jumlah kendaraan yang menyeberang di Pelabuhan Merak–Bakauheni setiap bulan, Januari 2023–Desember 2024 (ribuan kendaraan):

# Data jumlah kendaraan per bulan tahun 2023-2024
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)

# Membuat nama bulan dan tahun
bulan <- rep(month.abb, 2)
tahun <- rep(c(2023, 2024), each = 12)

df <- data.frame(
  Tahun = tahun,
  Bulan = factor(bulan, levels = month.abb),
  Kendaraan = kendaraan
)

# Menampilkan tabel
knitr::kable(
  matrix(kendaraan, nrow = 2, byrow = TRUE,
         dimnames = list(c("2023", "2024"), month.abb))
)

Soal 1 - Buat Objek Time Series dan Plot Runtun Waktu

# Membuat data menjadi objek time series
kendaraan_ts <- ts(kendaraan, start = c(2023, 1), frequency = 12)
kendaraan_ts

##      Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
## 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

# Plot runtun waktu
plot(kendaraan_ts, type="o", pch=16, col="steelblue4", lwd=2,
     main="Jumlah Kendaraan Menyeberang di Pelabuhan Merak-Bakauheni\nJanuari 2023 - Desember 2024",
     xlab="Waktu (Tahun)",
     ylab="Jumlah Kendaraan (ribuan)")

# Menambahkan keterangan data
legend("topleft", legend="Data",
       col="steelblue4", lwd=2, pch=16, bty="n")

# Menambahkan garis bantu
grid()

Soal 2 - Identifikasi apakah data menunjukkan komponen tren, dan jelaskan alasannya.

Ya, data menunjukkan tren naik, karena data ini memang berfluktuasi sepanjang tahun 2023-2024, tetapi jika dilihat dari bulan April, jumlah kendaraan naik dari 780 ribu pada tahun 2023 menjadi 820 ribu pada tahun 2024. Bulan-bulan lainnya juga mengalami kenaikan, dari kisaran 410-480 ribu menjadi 440-510 ribu, begitu pula bulan Desember yang naik dari 600 ribu menjadi 640 ribu. Karena kenaikan ini terjadi baik di bulan lainnya maupun saat lonjakan, maka dapat disimpulkan bahwa terjadi tren naik dari tahun 2023 ke tahun 2024.

Soal 3 - Identifikasi bulan-bulan puncak kunjungan — kaitkan dengan peristiwa nyata (Lebaran, libur Nataru).

# Mengambil data tahun 2023
data2023 <- df[df$Tahun == 2023, ]

# Mengambil 2 bulan dengan jumlah kendaraan tertinggi tahun 2023
puncak2023 <- head(data2023[order(-data2023$Kendaraan), ], 2)

# Mengambil data tahun 2024
data2024 <- df[df$Tahun == 2024, ]

# Mengambil 2 bulan dengan jumlah kendaraan tertinggi tahun 2024
puncak2024 <- head(data2024[order(-data2024$Kendaraan), ], 2)

# Menggabungkan hasil
rbind(puncak2023, puncak2024)

##    Tahun Bulan Kendaraan
## 4   2023   Apr       780
## 12  2023   Dec       600
## 16  2024   Apr       820
## 24  2024   Dec       640

Interpretasi & Kaitan dengan Peristiwa Nyata:

Berdasarkan data, jumlah kendaraan tertinggi terjadi pada bulan April, yaitu sebanyak 780 ribu kendaraan pada tahun 2023 dan meningkat menjadi 820 ribu kendaraan pada tahun 2024. Kondisi ini bertepatan dengan momen mudik dan arus balik Lebaran/Idulfitri. Sementara itu, pada bulan Desember jumlah kendaraan mencapai 600 ribu kendaraan pada tahun 2023 dan meningkat menjadi 640 ribu kendaraan pada tahun 2024. Peningkatan pada bulan Desember berkaitan dengan libur Natal dan Tahun Baru (Nataru).

Soal 4 - Buat seasonal plot & boxplot per bulan, lalu simpulkan: musiman atau siklis?

# Data kendaraan tahun 2023
data2023 <- kendaraan_ts[1:12]

# Data kendaraan tahun 2024
data2024 <- kendaraan_ts[13:24]

# Membuat grafik perbandingan pola bulanan
plot(1:12, data2023,
     type = "o",
     pch = 16,
     col = "firebrick",
     ylim = range(kendaraan_ts),
     xaxt = "n",
     xlab = "Bulan",
     ylab = "Jumlah Kendaraan (ribuan)",
     main = "Perbandingan Pola Bulanan 2023 dan 2024")

# Menampilkan nama bulan
axis(1, at = 1:12, labels = month.abb)

# Menambahkan data tahun 2024
lines(1:12, data2024,
      type = "o",
      pch = 16,
      col = "steelblue4")

# Menambahkan legenda
legend("topleft",
       legend = c("2023", "2024"),
       col = c("firebrick", "steelblue4"),
       lwd = 2,
       pch = 16,
       bty = "n")

# Menambahkan garis bantu
grid()

# Membuat boxplot jumlah kendaraan per bulan
boxplot(Kendaraan ~ Bulan, data=df, col="lightblue2",
        main="Boxplot Jumlah Kendaraan per Bulan (Gabungan 2023-2024)",
        xlab="Bulan", ylab="Jumlah Kendaraan (ribuan)")

Kesimpulan: Musiman (Seasonal) atau Siklis (Cyclic)?

Volume kendaraan di Pelabuhan Merak-Bakauheni menunjukkan pola musiman, bukan siklis, karena dari seasonal plot terlihat pola tahun 2023 dan 2024 mirip, sama-sama naik di bulan April, lalu turun pada bulan-bulan berikutnya, dan naik lagi pada bulan Desember. Kenaikan yang muncul di bulan yang sama setiap tahunnya menjadi tanda pola musiman, berbeda dengan pola siklis yang periodenya biasanya lebih panjang dan tidak terikat pada kalender. Dari boxplot gabungan 2023-2024 juga terlihat median bulan April paling tinggi, kemudian Desember, sedangkan bulan-bulan lainnya nilainya relatif berdekatan.