Darilaut – Data hadir di setiap lini aktivitas manusia. Mulai dari catatan medis hingga transaksi ekonomi digital. Apalagi dalam kehidupan modern yang semakin terdigitalisasi seperti sekarang ini.
Seiring dengan perkembangan zaman, ”statistika mengalami perluasan cakupan yang luar biasa, bukan sekadar alat hitung,” kata Prof. Ismail Djakaria, Guru Besar Statistika/Matematika bidang Kepakaran Analisis Runtun Waktu Universitas Negeri Gorontalo (UNG).
Dalam sidang senat terbuka yang digelar di gedung auditorium UNG, pada Selasa (24/6), Ismail Djakaria membawakan orasi ilmiah dengan judul ”Membangun Masa Depan dengan Statistika: Metode Analisis Runtun Waktu.”
Menurut Prof. Ismail, statistika telah menjadi perangkat vital dalam pengambilan keputusan yang menghadapi ketidakpastian dan kompleksitas fenomena dunia nyata.
Penerapannya kini menjangkau hampir semua ranah ilmu: dari ilmu hayati dan kesehatan, hingga ekonomi, sosial, bahkan teknologi mutakhir.
”Ilmu ini mengandalkan fondasi yang kokoh, yakni teori probabilitas, kalkulus, dan aljabar linier, yang semuanya berpadu untuk membangun model-model analitik yang mampu membaca pola dan tren dari data masa lalu,” ujar dosen Jurusan Matematika – Fakultas Matematika dan Ilmu Pengetahuan Alam (MIPA) UNG.
Berikut ini beberapa uraian Prof. Ismail mengenai kerangka konseptual dan aplikatif dari analisis runtun waktu(time series analysis), melalui studi kasus untuk model ARIMA, SARIMA, dan ETS (Error, Tren, Seasonal).
1) ARIMA, dengan topik Prediksi Penjualan Produk di Toko Online. Model ARIMA digunakan untuk menganalisis data penjualan produk selama 2 tahun terakhir. Kesimpulan, model ARIMA dapat digunakan untuk memprediksi penjualan produk di toko online dengan akurasi yang cukup baik.
2) SARIMA, misal Prediksi Jumlah Wisatawan di Sebuah Kota Pariwisata. Model SARIMA digunakan untuk menganalisis data jumlah wisatawan selama 5 tahun terakhir, dengan mempertimbangkan pola musiman. Kesimpulan, model SARIMA dapat digunakan untuk memprediksi jumlah wisatawan di kota pariwisata dengan akurasi yang baik, terutama pada musim liburan.
3) ETS, topik Prediksi Harga Saham di Bursa Efek. Model ETS (Exponential Smoothing) digunakan untuk menganalisis data harga saham selama satu tahun terakhir. Kesimpulan, model ETS dapat digunakan untuk memprediksi harga saham dengan akurasi yang baik, terutama untuk prediksi jangka pendek.
“Contoh-contoh studi kasus di atas menunjukkan bagaimana model ARIMA, SARIMA, dan ETS dapat digunakan untuk memprediksi data time series yang berbeda-beda,” kata Prof. Ismail.
Dalam studi perubahan iklim model SARIMA digunakan untuk meramalkan curah hujan bulanan di wilayah-wilayah rawan kekeringan, kata Prof. Ismail, kemudian dijadikan acuan dalam strategi “mitigasi sektor pertanian.”
Dalam konteks perikanan lokal, model SARIMAX juga telah diterapkan ”untuk meramalkan hasil produksi ikan nike di Provinsi Gorontalo,” ujar Prof. Ismail.
Studi ini telah dilakukan oleh Djibran et al. (2025). Hasil studi tersebut menunjukkan bahwa model ini efektif dalam memodelkan data musiman dan eksogen seperti suhu air laut dan curah hujan, yang secara signifikan memengaruhi tingkat produksi.
Model SARIMAX menawarkan keunggulan dalam mengintegrasikan variabel luar (exogenous variables) yang bersifat musiman dan ekologis, ”menjadikannya alat prediksi penting dalam mendukung kebijakan pengelolaan sumber daya laut dan ketahanan pangan daerah,” kata Prof. Ismail.
Begitu pula dalam konteks perubahan iklim dan dinamika cuaca ekstrem, model peramalan deret waktu berbasis machine learning semakin banyak digunakan. Pemanfaatan data klimatologis berskala besar dengan pendekatan nonlinier mampu meningkatkan keakuratan proyeksi cuaca jangka panjang dan membantu dalam adaptasi kebijakan iklim.
Model lain yang dapat diterapkan, seperti bagaimana memahami dinamika kemiskinan di tingkat provinsi dan analisis hubungan antara indikator ekonomi makro di Indonesia.
Lebih lanjut, menurut kata Prof. Ismail, analisis runtun waktu dalam pengambilan keputusan ekonomi juga memiliki peran sentral dalam mengembangkan sistem peringatan dini untuk ketidakstabilan makroekonomi.
”Ketika dikombinasikan dengan indikator utama ekonomi seperti indeks harga konsumen, nilai tukar, suku bunga, dan cadangan devisa, model runtun waktu dapat meramalkan tekanan inflasi atau potensi krisis keuangan,” ujarnya.
Prof. Ismail mengatakan untuk membangun generasi muda yang kompeten dalam analisis runtun waktu, dibutuhkan strategi pendidikan yang terintegrasi dan aplikatif. Proses ini dimulai sejak pendidikan menengah hingga perguruan tinggi, dengan pendekatan yang tidak hanya teoritis, tetapi juga berbasis proyek dan kontekstual.
Kurikulum yang mendukung juga perlu mencakup integrasi literasi data dan berpikir komputasional.
Mahasiswa tidak cukup hanya memahami rumus, tetapi juga harus mampu melakukan eksplorasi data, memilih model yang sesuai, serta mengevaluasi performa model, kata Prof. Ismail.