Penggunaan Diagram Kendali Data Deret Waktu untuk Data Keuangan

Abstract

Abstract. In the financial sector, it is necessary to examine and supervise to ensure that finances are in good and stable condition. It can be seen by using the Statistical Process Control (SPC) method in its control diagram. In general, one of the basic assumptions to building a control chart is independent or lacks autocorrelation problems. However, not all data can fulfill this assumption, especially in financial data in the form of time series. In this paper will be discussed another way to overcome the problem of autokoleration by using a time series data control diagram using Dynamic EWMA, provided that the data has positive autocorrelation and the average process is not constant with a small shift. Or by using the ARIMA control diagram, which is a control diagram formed from the residual value of the best ARIMA model. The ARIMA residual value is used to construct CUSUM, EWMA and ARIMA control charts. This study uses Tofu Company XYZ Income data from January 2013 to October 2018. The results show the ARIMA control chart is a control chart suitable for use in accordance with the characteristics of the data. The ARIMA control diagram shows an uncontrolled process.

Keywords: Autocorrelation, CUSUM, EWMA, Dynamic EWMA and ARIMA Control Charts.

Abstrak. Dalam bidang keuangan perlu dilakukan pemeriksaan dan pengawasan untuk memastikan keuangan dalam kondisi baik dan stabil. Hal ini dapat dilihat dengan menggunakan metode Statistical Process Control (SPC) dalam diagram kendalinya. Pada umumnya salah satu asumsi dasar dalam membangun suatu diagram kendali adalah bersifat independen atau tidak adanya masalah autokorelasi. Akan Tetapi tidak semua data dapat memenuhi asumsi ini, terutama pada data keuangan yang berbentuk deret waktu. Dalam makalah ini akan dibahas cara lain untuk mengatasi masalah autokolerasi yakni dengan menggunakan diagram kendali data deret waktu menggunakan Dynamic EWMA, dengan syarat data tersebut berautokorelasi positif dan rata- rata proses tidak konstan dengan pergeseran yang kecil. Ataupun dengan menggunakan diagram kendali ARIMA, yaitu diagram kendali yang dibentuk dari nilai residual model ARIMA terbaik. Nilai residual ARIMA digunakan untuk membangun diagram kendali CUSUM, EWMA dan ARIMA. Selanjutnya Penelitian ini menggunakan data Pendapatan Perusahaan Tahu XYZ Januari 2013 sampai dengan Oktober 2018. Hasil penelitian menunjukkan diagram kendali ARIMA merupakan diagram kendali yang cocok digunakan sesuai dengan karakteristik data. Diagram kendali ARIMA menunjukkan adanya proses yang tidak terkendali.

Kata Kunci: Autokorelasi, Diagram Kendali CUSUM, EWMA, Dynamic EWMA dan ARIMA.