Peramalan Jumlah Penumpang Kereta Api Eksekutif di Pulau Jawa Menggunakan Model SARIMA
DOI:
https://doi.org/10.29313/jrm.v3i1.1747Keywords:
Kereta Api, Peramalan, SARIMAAbstract
Abstract. The number of fluctuating train passengers will especially increase during the Eid al-Fitr, Christmas and New Year holidays. At such times passengers will exceed the available capacity. To provide the best service, it is necessary to know the number of passengers in the future. So that the company can provide according to needs. With this research, it aims to create a model that will be used to predict the number of train passengers on the island of Java in 2023. The method used is Seasonal ARIMA or it can be called SARIMA. This method is a method for a forecast that is seasonal. The results obtained from the model formed are SARIMA(1,0,1)(1,1,0)12. With the forecasting results, namely the number of train passengers on Java Island with the MSE obtained 119.17. From the MSE obtained, forecasting can be said to be accurate.
Abstrak. Jumlah penumpang kereta api berfluktuasi terutama akan meningkat di saat hari raya Idul Fitri, natal dan tahun baru. Di saat seperti itu penumpang akan melebihi kapasitas yang tersedia. PT.KAI dalam meningkatkan kualitas pelayanannya, memerlukan pengetahuan jumlah penumpang di masa yang akan datang. Sehingga perusahaan bisa menyediakan sesuai dengan kebutuhan. Tujuan penelitian ini untuk membuat pemodelan yang akan digunakan untuk meramalkan jumlah penumpang kereta api di Pulau Jawa pada tahun 2023. Metode yang digunakan yaitu Seasonal ARIMA atau bisa disebut SARIMA. Metode ini merupakan metode untuk sebuah peramalan yang bersifat musiman. Hasil yang diperoleh dari model yang terbentuk yaitu SARIMA(1,0,1)(1,1,0)12. Dengan hasil peramalan yaitu jumlah penumpang kereta api di Pulau jawa pada bulan Maret menjelang hari raya Idul Fitri yaitu sebesar 4470 jiwa.
References
[2] Badan Pusat Statistik Provinsi Jawa Barat, Bandung. Diambil dari: https://jabar.bps.go.id/
[3] Hendikawati, P. (2015). Peramalan Data Runtun Waktu Metode dan Aplikasinya dengan Minitab dan Eviews. Semarang: FMIPA Unnes.
[4] Indrawati.A.A.(2017). Pemodelan Sarimax Variasi Liburan Dengan Deret Input Data Iklan. Surabaya: FMIPA Universitas Brawijaya.
[5] Tyas, N.A.(2019). Penggunaan Sarimax Untuk Peramalan Jumlah Penderita DBD Di Provinsi Jawa Barat. Bandung: FMIPA UPI.
[6] Suyanto, ST, MSc. (2007) .Artifical Intellegence.Informatika:Bandung
[7] Wei, W. W. S. (2006). Time Series Analysis Univariate and Multivariate Methods (Second ed), New York : Person Addison Wesley.
[8] Kitagawa, G. (2010). Introduction to Time Series Modeling: Chapman & Hall/CRC.
[9] Mulyana, (2004). Analisis Data Deret Waktu. Bandung: Universitas Padjajaran
[10] Hermanto. (2007) “Analisis Peramalan Tingkat Penjualan Motor Menggunakan Metode SARIMA Berdasarkan Pola Data Seasonality Pada PT. Lancar Sukses Mandiri”. Tugas Akhir, Jurusan Teknik Informatika dan Stastistika, Bina Nusantara
[11] Adi. (2007). Prediksi Jumlah Wisatawan Dalam Negeri Yang Datang Ke Hotel Di Daerah Istimewa Yogyakarta. Yogyakarta: Tugas Akhir, Jurusan Statistika,
[12] Roni, I.K. (2007) Peramalanan Dan Faktor-Faktor Yang Mempengaruhi Harga Bawang Merah Enam Kota Besar Indonesia. Tugas Akhir, Jurusan Ekstensi Manajemen Agribisnis, IPB
[13] Anggaini. (2009). Model SARIMA Dan Penerapannya. Tugas Akhir, Jurusan Matematika, UNY
