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%.