Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Abstract

Analisis time series model ARIMA dapat digunakan untuk melakukan perkiraan maupun prediksi pada masa yang akan datang. Data pengamatan banyaknya penumpang pesawat dapat dipandang sebagai data time series. Tujuan penelitian ini ialah menentukan model time series yakni model ARIMA dari banyaknya penumpang pesawat domestik di Bandara Internasional Sam Ratulangi Manado. Kemudian memprediksi (prediction) jumlah penumpang pesawat domestik di Bandara Internasional Sam Ratulangi Manado untuk 6 bulan. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari PT. Angkasa Pura I di Bandara Internasional Sam Ratulangi yang berupa data jumlah penumpang pesawat di Bandara Internasional Sam Ratulangi bulan Januari 2003 sampai Juni 2014. Data yang diambil adalah banyaknya penumpang pesawat baik yang datang ke Bandara Internasional Sam Ratulangi maupun yang berangkat dari Bandara Internasional Sam Ratulangi. Hasilnya model time series untuk jumlah penumpang pesawat domestik pada Bandara Internasional Sam Ratulangi Manado adalah ARIMA musiman (1,1,1)(1,1,1)12 dengan hasil prediksi bulan Januari 2015 sebanyak 171794 penumpang, bulan Februari 2015 sebanyak 173398 penumpang, bulan Maret 2015 sebanyak 165233 penumpang, bulan April 2015 sebanyak 170892 penumpang, bulan Mei 2015 sebanyak 158937 penumpang dan bulan Juni 2015 sebanyak 164245 penumpang. Kata Kunci : Bandara Internasional Sam Ratulangi , Metode ARIMA

Penerapan Metode ARIMA dan Double Exponential Smoothing with Damped Parameter Untuk Memprediksi Jumlah Keberangkatan Penumpang Pesawat Komersial di Jawa Tengah Pada Tahun 2022-2023

“…Hasil dari penelitian tersebut adalah prediksi menggunakan metode hybrid ARIMA-ANN lebih baik dari pada menggunakan metode ARIMA. Selanjutnya, penelitian dari [4] yang membahas mengenai penggunaan metode ARIMA dalam memprediksi penumpang pesawat terbang pada Bandara Internasional Sam Ratulangi Manado. Model terbaik yang didapatkan dari hasil analisis ARIMA tersebut adalah ARIMA musiman (1,1,1)(1,1,1).…”

Prediksi Pencurian Sepeda Motor Menggunakan Model Time Series (Studi Kasus: Polres Kotabumi Lampung Utara)

“…Metode pembedaan (differencing) dilakukan dengan menghitung perubahan atau selisih nilai obsevasi. [11] Notasi yang sering digunakan dalam proses differencing adalah operator shift mundur (backward shift), yang didefinisikan sebagai berikut :…”

Penerapan Model ARIMA-GARCH Untuk Memprediksi Harga Saham Bank BRI

“…Model-model tersebut berdasarkan asumsi bahwa datanya stasioner dan variansinya tetap/konstan (homoskedastik). Model ARIMA variansi konstan telah diaplikasikan pada data penumpang pesawat terbang (Salmon, 2015) dan jumlah tindak kriminalitas Polresta Manado (Mendome, 2016 Data yang tidak stasioner seringkali didapat dalam kehidupan nyata. Mengingat deret data yang digunakan dalam peramalan ARIMA adalah deret data yang variansi dan rata-ratanya telah stasioner maka untuk data yang tidak stasioner perlu dilakukan pembedaan (differencing) ataupun transformasi.…”