Perbandingan Metode Holt Winter’s Exponential Smoothing Dan Extreme Learning Machine Pada Peramalan Jumlah Penumpang Kereta Api (Studi Kasus: Data Penumpang Kereta Api PT Kereta Api Indonesia (Persero) Daop IV Semarang Tahun 2015-2019)

Abstract

Kereta api merupakan alat transportasi massal yang terdiri dari lokomotif dan gerbong yang berjalan diatas rel. Diperkirakan jumlah penumpang kereta api di Indonesia akan selalu bertambah seiring dengan meningkatnya jumlah penduduk Indonesia. Oleh karena hal tersebut, diperlukan peramalan jumlah penumpang kereta api dengan membandingkan metode Holt Winter’s Exponential Smoothing dan Extreme Learning Machine (ELM). Untuk melihat ketepatan dalam hasil peramalan dilakukan perhitungan nilai ketetapan terkecil dengan menggunakan nilai Mean Absolute Percentage Error (MAPE). Penelitian ini menggunakan data jumlah penumpang kereta api PT Kereta Api Indonesia (Persero) Daop IV Semarang dari Januari 2015 sampai Desember 2019. Dari hasil analisis didapatkan nilai MAPE pada metode Holt Winter’s Exponential Smoothing sebesar 13.11% dan pada metode ELM sebesar 6.22%. Dari kedua metode tersebut, metode ELM lebih tepat digunakan untuk meramalkan jumlah penumpang kereta api.