2019
DOI: 10.30598/barekengvol13iss3pp197-202ar935
|View full text |Cite
|
Sign up to set email alerts
|

Metode Exponential Smoothing Event Based (Eseb) Dan Metode Winter’s Exponential Smoothing (Wes) Untuk Peramalan Jumlah Penumpang Tiba Di Pelabuhan Penyeberangan Gorontalo

Abstract: Forecasting the number of passengers can be a consideration for managers of Gorontalo Crossing Port regarding the provision of tickets. The number of passengers can be influenced by certain seasonal or special events. To see the special events that affect the number of passengers arriving at Gorontalo Crossing Port, the forecasting method used is the Exponential Smoothing Event Based (ESEB) method. The seasonal influences can be known through historical data patterns and using the Winter’s Exponential Smoothin… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1
1

Citation Types

0
0
0
5

Year Published

2020
2020
2023
2023

Publication Types

Select...
3

Relationship

0
3

Authors

Journals

citations
Cited by 3 publications
(5 citation statements)
references
References 0 publications
0
0
0
5
Order By: Relevance
“…Dengan menggunakan metode tersebut, peramalan adalah langkah pertama Single exponential smoothing dengan persamaan berikut karena metode Winter exponential smoothing event based didasarkan pada peristiwa tertentu yang terjadi selama periode waktu tertentu (Payu, M & Nurwan, 2019) :…”
Section: Basedunclassified
“…Dengan menggunakan metode tersebut, peramalan adalah langkah pertama Single exponential smoothing dengan persamaan berikut karena metode Winter exponential smoothing event based didasarkan pada peristiwa tertentu yang terjadi selama periode waktu tertentu (Payu, M & Nurwan, 2019) :…”
Section: Basedunclassified
“…Metode yang digunakan dalam penelitian ini adalah metode Exponential Smoothing Winters. Metode Exponential Smoothing Winters merupakan metode yang didasarkan atas tiga persamaan pola, yaitu stationer, trend, dan musiman (Muhammad Rezky Friesta Payu, 2019). Kelebihan dari metode Exponential Smoothing Winters adalah data yang digunakan relatif lebih sedikit jika dibandingkan dengan metode lainnya, parameter yang digunakan lebih sedikit (Fajar Riska Perdana, Daryanto, 2016).…”
Section: Pendahuluanunclassified
“…Metode Winters didasarkan atas tiga persamaan pemulusan, yaitu stationer, trend, dan musiman (Muhammad Rezky Friesta Payu, 2019). Bentuk umum yang digunakan untuk menghitung ramalan metode Winters adalah sebagai berikut (Makridakis et al, 1999) 7) dengan, St = nilai pemulusan eksponensial α = konstanta pemulusan untuk data (0 < α < 1) β = konstanta pemulusan untuk data (0 < β < 1) µ = konstanta pemulusan untuk data (0 < µ < 1) Xt = nilai aktual pada periode t bt = estimasi trend It = estimasi musiman m = panjangnya musim Ft = jumlah periode ke depan yang akan diramalkan Untuk mengukur nilai ketepatan dari data yang sudah diramal, diperlukan nilai selisih antara data dengan peramalan adalah dengan melihat hasil peramalan yang memiliki ratarata persentase kesalahan MAPE (Irawan, 2017).…”
Section: Metode Exponential Smoothing Wintersunclassified
“…Metode Exponential Smoothing Event Based adalah metode peramalan berdasarkan special event pada periode tertentu dengan single exponential smoothing sebagai basic, sehingga untuk memulai analisis dengan metode ini dilakukan peramalan dengan menggunakan metode single exponential smoothing terlebih dahulu(Payu & Nurwan, 2019). Langkah selanjutnya adalah menghitung nilai indeks event pada periode yang memuat special event, dengan menggunakan persamaan berikut : adalah indeks event pada periode t yang memuat special event.…”
unclassified
“…Group Indeks untuk masing-masing special event bernilai lebih dari 1, sehingga dapat disimpulkan bahwa secara keseluruhan special event hari raya idul fitri dan hari raya natal atau libur akhir tahun berpengaruh terhadap banyaknya penumpang pesawat di Bandara Internasional Ahmad Yani Semarang(Payu & Nurwan, 2019). Model yang dapat terbentuk adalah sebagai berikut : 1.…”
unclassified