BAB I

PENDAHULUAN
1.1 Judul Skripsi
Analisis peramalan menggunakan metode ARIMA (Studi Kasus: pendapatan pajak
kendaraan bermotor di kota salatiga )
1.2 Latar Belakang
Berkembangnya suatu daerah ditandai dengan adanya pembangunan yang merata.
Dalam proses pembangunan dibutuhkan dana yang tidak sedikit, salah satunya dana
diperoleh dari pendapatan daerah. Salah satu sumber pendapatan terbesar suatu daerah
berasal dari pajak, dimana pajak berasal dari masyarakat yang nantinya akan
dikembalikan kepada masyarakat dalam bentuk fasilitas penunjang. Kebutuhan
masyarakat yang semakin hari semakin bertambah, memaksa pemerintah untuk bertindak
cepat dalam memenuhi kebutuhan tersebut. Pemasukan pendapatan pajak daerah yang
tidak menentu menjadi masalah tersendiri bagi pemerintah. Oleh karena itu diperlukan
suatu metode yang dapat digunakan untuk melakukan analisis terhadap perhitungan
pendapatan diwaktu yang akan datang.
Salah satu yang dapat digunakan adalah metode peramalan (forecasting) dimana
dengan peramalan maka dapat membantu proses analisis dalam pengambilan keputusan
dimasa yang akan datang. Ada beberapa jenis metode peramalan yang digunakan, salah
satunya adalah metode ARIMA (Autoregressive Integrated Moving Average). Metode
ARIMA merupakan metode peramalan dengan menggunakan serangkaian data masa lalu
yang digunakan untuk mengamati terhadap suatu kejadian, peristiwa, atau suatu variabel
pada data tersebut.
Penelitian ini bertujuan memprediksi pendapatan pajak khususnya pajak
kendaraan bermotor di Jawa Tengah di tahun mendatang dengan menggunakan metode
ARIMA dan juga sebagai perbandingan terhadap sistem yang sudah ada.
1.3 Rumusan Masalah
Rumusan Masalah yang dibahas dalam penelitian ini adalah :
Bagaimana menganalisis dan meramalkan pajak kendaraan bermotor untuk periode
mendatang dengan menggunakan metode ARIMA?

1.4 Tujuan dan Manfaat

Tujuan dari analisis dan peramalan ini adalah untuk meramalkan pajak kendaraan
bermotor pada periode mendatang.

Manfaat dari analisis dan peramalan ini adalah membantu dalam proses peramalan
pajak kendaraan bermotor untuk periode mendatang dan dalam pengambilan keputusan.
1.5 Batasan Masalah

Ruang lingkup atau batasan masalah dari pembahasan ini adalah sebagai berikut :
1. Metode peramalan menggunakan metode ARIMA.
2. Data penelitian yang digunakan adalah data pajak kendaraan bermotor di Kota

Salatiga tahun 2008-2013.

3. Data penelitian hanya mencakup data pajak kendaraan bermotor di Kota Salatiga.

1.6 Sistematika Penulisan

Sistematika penulisan diperlukan untuk memahami isi dari penulisan skripsi.
Berikut adalah uraian singkat yang dibahas pada masing-masing bab:
Bab I Pendahuluan
Bab ini menjelaskan tentang latar belakang masalah, rumusan masalah, tujuan serta manfaat
penelitian, dan batasan masalah.
Bab II Tinjauan Pustaka
Bab ini membahas tentang landasan teori yang digunakan sebagai dasar pemikiran dalam
pembahasan. Landasan teori ini berisi tentang pengertian ARIMA dan pembahasan mengenai
pajak kendaraan bermotor.
Bab III Metode Penelitian
Bab ini membahas langkah-langkah menggunakan metode ARIMA mulai dari identifikasi
model, penaksiran, pengujian, penerapan dan kriteria pemilihan model terbaik.
Bab IV Hasil dan Pembahasan
Bab ini merupakan penerapan aplikasi menggunakan metode ARIMA di bidang perpajakan.
Dalam hal ini data yang digunakan adalah data pendapatan pajak kendaraan bermotor di Kota
Salatiga. Adapun data yang digunakan adalah data bulanan dari Januari 2008 sampai dengan
Desember 2013.
Bab V Kesimpulan dan Saran
Bab ini memuat kesimpulan dan hasil analisis menggunakan metode ARIMA dan saran-saran
yang membangun.

BAB II
TINJAUAN PUSTAKA
2.1 Tinjauan Pustaka
Pada tulisan yang berjudul Penerapan model ARIMA untuk memprediksi harga
saham PT.Telkom Tbk latar belakang permasalahan tentang penelitian ini adalah sulitnya
para investor dalam menentukan waktu yang tepat dalam membeli dan menjual sahamnya
kembali. Penelitian ini menggunakan model ARIMA sebagai proses untuk membuat model
dan melakukan prediksi terhadap harga saham PT.Telkom Tbk. Data yang digunakan adalah
data sekunder yang diambil dari website PT.Telkom Tbk dari Januari 2010 sampai 30 Maret
2011. Dengan menggunakan metode ARIMA maka PT.Telkom, Tbk dapat memprediksi harga
saham maksimum dan minimum untuk bulan Mei dan Juni.
Pada tulisan yang berjudul Penggunaan Model Peramalan Autoregressive

Integrated Moving Avarage (ARIMA) untuk Analisis Besar Cakupan Pelayanan Air, adalah
penelitian tentang seberapa besar cakupan air bersih yang tersedia. Cakupan pelayanan dilihat
dengan pemakaian air melalui Sambungan Rumah dan Hidran Umum. Data yang digunakan
dalam penelitian adalah data dari PDAM Surakarta pada tahun 2000-2009. Sedangkan dalam
melakukan proses perhitungan nilai peramalan tidak banyak menggunakan sistem
menghitung manual tetapi menggunakan alat bantu aplikasi R 2.11.1. Desakan pertumbuhan
penduduk yang tidak merata serta aktifitas seperti pembangunan dan sebagainya telah
menimbulkan dampak pada tatanan dan keseimbangan lingkungan yang berpengaruh
terhadap masalah air. Dikota surakarta terdapat masalah dari dampak berkurangnya open
space yaitu jumlah debit air menurun. Oleh sebab itu perlu dilakukan analisa terhadap besar
cakupan layanan yang mamnpu dilakukan oleh PDAM surakarta. Perhitungan besar cakupan
layanan dipengaruhi oleh jumlah air dari sambungan rumah dan hidran umum.
(Kristiani,2010).
2.2 Landasan Teori
Peramalan
Kegiatan penerapan model yang telah dikembangkan pada waktu yang lalu
dinamakan proyeksi, sedangkan kegiatan penerapan model yang telah dikembangkan
pada waktu yang akan datang dinamakan peralaman. Peramalan adalah proses untuk
memprediksi beberapa kejadian atau kondisi yang akan terjadi di masak yang akan
datang, yang biasanya merupakan hasil studi yang rasional atau analisis dari data yang
bersangkutan. Peramalan adalah suatu proses memperkirakan secara sistematis

tentang apa yang paling mungkin terjadi di masa lalu dan sekarang yang dimiliki agar
kesalahannya (selisih antara apa yang terjadi dengan perkiraan) dapat diperkecil
(Mulyono,2000).

Metode Time Series

Metode Time Series didasarkan pada analisis data sebuah variabel hasil pengamatan
yang disusun mengikuti urutan waktu. Pengamatan dapat dilakukan secara tahunan,
bulanan, mingguan, harian atau periode yang lebih pendek. Jika data yang diperlukan
tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari
deret waktu atau sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting
dalam

memilih

suatu

metode

time

series

yang

tepat

adalah

dengan

mempertimbangkan jenis pola data.

ARIMA
Pada tahun 1976, George Box dan Gwilyn Jenkins mendalami model Autogressive
Integrated Moving Average (ARIMA), sehingga nama mereka sering disebut BoxJenkins. Berdasarkan penamaannya, model ARIMA merupakan penggabungan model
autoregressive (AR atau p), integrated (I atau d) dan moving average (MA atau q).
Model Autogressive Integrated Moving Average (ARIMA) adalah model yang secara
penuh mengabaikan independen variabel dalam membuat peramalan. ARIMA
menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk
menghasilkan peramalan jangka pendek yang akurat. ARIMA cocok jika observasi
dari deret waktu (time series) secara statistik berhubungan satu sama lain (dependent).
ARIMA berbeda dengan metode peramalan lain karena metode ini tidak
mensyaratkan suatu pola data tertentu supaya model dapat bekerja dengan baik.
ARIMA sendiri hanya menggunakan satu variabel saja dalam proses perhitungan
yaitu variable dependen. Model ARIMA terdiri dari tiga langkah dasar, yaitu tahap
identifikasi, tahap penaksiran dan pengujian, dan pemeriksaan diagnostik. Selanjutnya
model ARIMA dapat digunakan untuk melakukan peramalan jika model yang
diperoleh memadai (Lontoh, 2010).

BAB III
METODOLOGI PENELITIAN

3.1 Metode Penyelesaian

metode penyelesaian yang digunakan dalam analisis dan peramalan pajak kendaraan
bermotor dengan menggunakan ARIMA adalah :
Pengumpulan data
Analisis dilakukan dengan mengamati dan melihat cara kerja dari aplikasi sistem yang
sudah apakah sudah memenuhi kebutuhan pengguna. Pengumpulan data dilakukan
dengan mencatat hasil dari cara kerja sistem dan melihat kelebihan serta kekurangan

dari sistem.
Perhitungan Data
Tahap dimana dilakukan perhitungan data untuk digunakan dalam peramalan pajak

kendaraan bermotor.
Menentukan proses peramalan
Setelah dilakukan perhitungan peramalan selanjutnya ditentukan proses peramalan

ARIMA untuk melakukan peramalan pada pajak kendaraan bermotor.

3.2 Rencana Kerja
Rencana kerja perancangan dan implementasi yang dilakukan akan terlihat dalam Tabel 1.
Tabel 1. Rencana Kerja Penelitian

Kegiatan
1 dan 2

3 dan 4

Minggu Ke5 dan 6 7 dan 8 9 dan 10

10 dan 11

Pengumpulan data

Proses perhitungan
data
Proses Analisis

data
Penulisan Skripsi

3.3 Daftar Pustaka

Samsiah, Dewi Nur (2008), Analisis Data Runtun Waktu menggunakan model ARIMA (p,d,q)
(Aplikasi : Data Pendapatan Pajak Kendaraan Bermotor si Provinsi Daerah Istimewa
Yogyakarta). Yogyakarta.
id.wikipedia.org/wiki/Pajak.

Irianto, Achmad Sholahudin (2010). ARIMA. Salatiga.