Peramalan Jumlah Mahasiswa Baru Dengan Model Autoregressive Integrated Moving Average (Arima)

As’ad, Mohamad; Wibowo, Sigit Setyo; Sophia, Evy

doi:10.37438/jimp.v2i3.77

Cited by 8 publications

(6 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Determination on the differencing term can also be done with ADF test for the differenced series. One example of research that follows this method is a study conducted by As'ad et al (2017), in which the ADF test was also carried out on the differenced series, to get the differencing term (3), with the p-value from each 1 st , 2 nd and 3 rd differenced series are 0,4427, 0,06441 and 0,04239.…”

Section: Resultsmentioning

confidence: 99%

Forecasting the Items Consumption in the Hotel Storage with the Autoregressive Integrated Moving Average Method

2021

View full text Add to dashboard Cite

In this era, hotel has storage as a storing space for every kind of items. Items stored in the storage are items being used for the needs of the staffs, also for the needs of hotel’s operational. The item consumption is running smoothly with resupply. However, there are often mistakes in resupplying the items. For preventing those several mistakes, a reference is needed to be used for controlling the amount of items arrival (monthly) with minding the amount of items in the storage should be. The reference to be used is the forecast of the item consumption every month. Forecasting was being done with Autoregressive Integrated Moving Average (ARIMA) method. There are five steps needed to build the ARIMA model, such as plot identification, model identification, model estimation, choosing the best model, and prediction (forecast). The input variable to be used in this research is the rime series from the data of storage’s item consumption starts from January 2018 until October 2020, and the output variable is the result of the prediction of item consumption in the next period, such as in November to December 2020. The results is subtracted with the number of items left in storage to obtain the minimum amount of item to be entered for the month.

show abstract

Section: Resultsmentioning

confidence: 99%

Forecasting the Items Consumption in the Hotel Storage with the Autoregressive Integrated Moving Average Method

2021

View full text Add to dashboard Cite

show abstract

“…Penelitian [12] menggunakan metode ARIMA untuk meramalkan cuaca harian di daerah Varanasi, India. Penelitian [13] dilakukan untuk meramalkan jumlah mahasiswa baru dengan metode ARIMA. Penelitian [14] menggunakan metode ARIMA untuk meramalkan komoditas cabai merah di Indonesia.…”

Section: Pendahuluanunclassified

Forecasting Room Occupancy Rates Based on Hotel Class in Bali Using the ARIMA Method

Indradewi

Mulyani

Parwita

2022

Com, Engine, Sys, Sci

View full text Add to dashboard Cite

Bali merupakan destinasi wisata di Indonesia yang diminati oleh wisatawan dan didukung oleh ketersediaan hotel yang memadai. Covid-19 yang melanda dunia termasuk Bali telah mengakibatkan tingkat penghunian kamar (TPK) hotel mengalami penurunan drastis. Oleh karena itu, perlu upaya untuk kembali menaikkan rata-rata TPK hotel. Salah satu langkah awal yang yang diharapkan mampu berkontribusi dalam upaya ini adalah dengan melakukan peramalan TPK hotel. Hasil peramalan dengan metode ARIMA diperoleh hasil bahwa pada hotel bintang lima, model terbaik yang diperoleh yakni model ARIMA (0,1,1) dengan MSE sebesar 39,65% dan MAPE sebesar 80,83%. Pada hotel bintang empat, model terbaik yang diperoleh yakni model ARIMA (1,0,2) dengan MSE sebesar 24,14% dan MAPE sebesar 60,14%. Pada hotel bintang tiga, model terbaik yang diperoleh yakni model ARIMA (1,0,0) dengan MSE sebesar 25,57% dan MAPE sebesar 59,11%. Pada hotel bintang dua, model terbaik yang diperoleh untuk model ARIMA (1,0,0) dengan MSE sebesar 15,15% dan MAPE sebesar 70,14%. Model ARIMA (1,0,1) pada hotel bintang dua menghasilkan MSE sebesar 13,29% dan MAPE sebesar 68,00%. Pada hotel bintang satu, model terbaik yang diperoleh yakni model ARIMA (1,0,0) dengan MSE sebesar 23,73% dan MAPE sebesar 431,12%. Model ARIMA (1,0,1) pada hotel bintang satu menghasilkan MSE sebesar 19,49% dan MAPE sebesar 555,28%.

show abstract

“…Metode peramalan membutuhkan data yang cukup untuk mendapatkan model yang baik dan perlu uji statistik menggunakan Augmented Dickey-Fuller (ADF) [1]. Pada penelitian ini, metode yang digunakan adalah double exponential smoothing satu parameter dari Brown, karena ketika melakukan pengujian pada data penjualan tersebut data mengandung trend dengan semua nilai p-value > 0.05 dengan uji Dicky Fuller test (ADF-test).…”

Section: Pendahuluanunclassified

Sistem Informasi Peramalan Obat Alphamol Menggunakan Metode Double Exponential Smoothing

Sophia¹,

Maknunah

Oktavianda

2021

SMATIKA

Self Cite

View full text Add to dashboard Cite

Klinik Sofia Medika dalam hal persediaan obat alphamol setiap bulan selalu sama jumlahnya, karena pihak klinik belum dapat memprediksi jumlah obat yang perlu disediakan. Ketika jumlah persediaan obat mengalami kelebihan, berdampak jangka kadaluarsa obat yang semakin sedikit dan membuat harga jual obat lebih murah. Disisi lain ketika jumlah persediaan obat mengalami kekurangan, akan berdampak pada pelayanan pasien atau pembeli yang dinilai mengecewakan dan berdampak merugikan klinik. Untuk membantu klinik dalam mengurangi kesalahan penjualan obat maka diperlukan suatu teknologi di dalamnya dengan menggunakan metode peramalan. Berdasarkan pola data penjualan yang ada maka metode peramalan yang digunakan adalah metode Double Exponential Smoothing, karena data penjualan berupa trend dengan semua p-value > 0,05 dengan uji Dicky Fuller (ADF-test). Penelitian ini bertujuan untuk membangun Sistem Informasi Peramalan Obat Alphamol di Klinik Sofia Medika dengan Metode Double Exponential Smoothing. Hasil sistem aplikasi peramalan penjualan obat alphamol menggunakan Metode Double Exponential Smoothing diperoleh MAD = 221,0925, MSE = 176693,3, dan MAPE = 7,26%. yang Sebelumnya menghasilkan nilai 29% sehingga hasil aplikasi ini dapat digunakan untuk memprediksi jumlah penjualan obat alphamol yang akan dijual pada masa sekarang dan yang akan datang.

show abstract

Peramalan Jumlah Mahasiswa Baru Dengan Model Autoregressive Integrated Moving Average (Arima)

Cited by 8 publications

References 2 publications

Forecasting the Items Consumption in the Hotel Storage with the Autoregressive Integrated Moving Average Method

Forecasting the Items Consumption in the Hotel Storage with the Autoregressive Integrated Moving Average Method

Forecasting Room Occupancy Rates Based on Hotel Class in Bali Using the ARIMA Method

Sistem Informasi Peramalan Obat Alphamol Menggunakan Metode Double Exponential Smoothing

Contact Info

Product

Resources

About