Peramalan hasil ekspor dan impor menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) / Mutyara Whening Aniendyah
| Main Author: | Aniendyah, Mutyara Whening |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Online Access: |
http://repository.um.ac.id/99053/ |
Daftar Isi:
- ABSTRAKAniendyaMutyaraWhening.2019.PeramalanHasilEkspordanImporIndonesiaMenggunakanSeasonalAutoregressiveIntegratedMovingAverage(SARIMA).SkripsiProgramStudiS1TeknikInformatikaJurusanElektroFakultasTeknikUniversitasNegeriMalang.Pembimbing(I)HaritsArRosyidS.T.M.T.Ph.D.(II)HeruWahyuHerwantoS.T.M.Kom.KataKunciSARIMAPeramalanEkspordanImporMAPEEkspordanimpormerupakansalahsatukegiatanperdaganganyangdilakukansecarainternasional.EksporadalahkegiatanmengeluarkanbarangdariIndonesiakenegaralainsedangkanimporadalahkegiatanmemasukanbarangdarinegaralainkeIndonesia.PerkembanganekspordanimporIndonesiamengalamikenaikandanpenurunanyangtidakmenentusehinggaakanberdampakpadaperekonomianIndonesia.Untukmengatasiperubahanyangtidakmenentuiniperludilakukanperamalanhasilekspordanimporuntukmembantupemerintahdalammenentukankebijakanyangsesuai.Denganmemanfaatkansalahsatumetodeyangtepatdalamdatatimeseriesuntukperamalanhasilekspordanimpordalambeberapabulankedepandengantingkatakurasiyangtinggi.Penelitianinimenggunakanmetodeeksperimendengantahapanmeliputi(1)pengumpulandata(2)preprocessingdata(3)penentuankandidatmodel(4)pengujiankandidatmodeldan(5)penentuanmodelterbaik.DatadiperolehdarisituswebresmiKementerianPerdaganganIndonesia.Datasetyangdigunakanberjumlah2datasetyaitudatasetekspordanimpor.Masing-masingdatasetberjumlah212datadimulaidariJanuari2002hinggaJuli2019.Tahappreprocessingmeliputiattributeremovalujistasionerdanprosesdifferencingpadadataset.TahappenentuankandidatmodelmenggunakanmetodecorrelogrampadaplotACFdanPACF.PrediksidilakukandenganmenggunakanmetodeSeasonalAutoregressiveIntegratedMovingAverage(SARIMA).Metodeinimengabaikanvariabelindependendanhanyamenggunakanvariabeldependensehinggatepatdigunakanuntukdatayangsalingterhubungsertadalamperamalanyangmemilikipoladatamusiman.PenelitianinidiharapkandapatmenghasilkanprediksihasilekspordanimporIndonesiayangbaikdengantingkatakurasiyangtinggidenganjangkawaktu6bulan.EvaluasihasilperamalanmenggunakanMeanAbsolutePercentageError(MAPE).HasilpenelitianpadadatasetekspormenunjukkanmodelARIMA(012)(012)12menghasilkanprediksidengannilaiMAPEterkecilbiladibandingkandengankandidatmodellain.NilaiMAPEyangdihasilkansebesar6864%dengantingkatakurasi93136%.SedangkanuntukdatasetimpormenunjukkanmodelARIMA(013)(011)12menghasilkanprediksidengannilaiMAPEsebesar7210%dengantingkatakurasi92790%untukprediksi6bulan.DengandemikianmodelARIMA(012)(012)12untukdatasetekspordanmodelARIMA(013)(011)12untukdatasetimpormampumenghasilkanprediksiyangbaikdengantingkatakurasiyangtinggidanlayakuntukdigunakansebagaimetodeperamalanhasilekspordanimporIndonesiauntuk6bulankedepan.