Implementasi Metode Triple Exponential Smoothing Dan Metode Extreme Learning Machine Pada Peramalan Jumlah Penumpang Pesawat Di Bandara Sultan Thaha (Studi Kasus : Data Penumpang Pesawat Bandara Sultan Thaha Tahun 2016-2020)
Abstract
Salah satu indikator untuk melihat perkembangan suatu negara atau daerah adalah
dengan melihat pertumbuhan ekonominya. Pembangunan infrastruktur transportasi
merupakan bagian integral dari pembangunan nasional dan berperan penting untuk
mendorong dan menggerakkan perekonomian melalui siklus aliran barang maupun
mobilitas manusia. Peminat jasa transportasi udara kian melonjak seiring pertumbuhan
dan kebutuhan manusia antar wilayah yang relatif besar dibandingkan noda
transportasi lainnya. Melihat adanya potensi pertumbuhan tersebut maka perlu
dilakukan prediksi untuk mengetahui arus pergerakan penumpang guna
memaksimalkan strategi dalam kurun waktu tertentu dan meminimalisir kurangnya
optimalisasi operasi yang berdampak pada penumpang pesawat maupun PT (Persero)
Angkasa Pura atas bandara yang dikelola. Dalam penelitian ini, dilakukan peramalan
jumlah penumpang dengan membandingkan metode Holt Winter Expontial Smoothing
dan Extreme Learning Machine. Nilai Mean Absolute Percentage Error Untuk melihat
ketepatan metode dalam hasil peramalan, dengan membandingkan nilai MAPE
terkecil dari kedua metode. Penelitian ini menggunakan data jumlah penumpang
Bandara Sultan Thaha tahun 2016 – 2020. Hasil analisis menunjukkan bahwa metode
Extreme Learning Machine (ELM) lebih baik dalam melakukan peramalan karena
memiliki nilai MAPE lebih kecil yaitu sebesar 7,4% dibandingkan nilai MAPE metode
Holt Winter Expontial Smoothing yaitu sebesar 40,6%.
Collections
- Statistics [906]