PEMBANDINGAN KEEFEKTIFAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS DENGAN METODE DEKOMPOSISI KLASIK TERHADAP PERAMALAN DATA TREND MUSIMAN
| Main Author: | ELITA APRILIANA, 1617031010 |
|---|---|
| Format: | Bachelors NonPeerReviewed Book Report |
| Terbitan: |
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
, 2020
|
| Subjects: | |
| Online Access: |
http://digilib.unila.ac.id/61998/1/ABSTRAK.pdf http://digilib.unila.ac.id/61998/2/SKRIPSI%20FULL.pdf http://digilib.unila.ac.id/61998/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf http://digilib.unila.ac.id/61998/ |
Daftar Isi:
- ABSTRAK : Data deret waktu adalah suatu jenis data yang dikumpulkan menurut urutan waktu dalam suatu rentang waktu tertentu. Peramalan pada data deret waktu dapat dilakukan untuk memprediksi kejadian di masa yang akan datang. Tujuan dari penelitian ini adalah membandingkan model peramalan terbaik dari metode pemulusan eksponensial Holt-Winters dan metode dekomposisi klasik untuk meramalkan data deret waktu yang mengandung trend dan musiman. Untuk mengetahui metode mana yang paling baik untuk meramalkan suatu data, digunakan alat ukur diantaranya Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD), dan Mean Squared Deviation (MSD). Hasil penelitian menunjukkan bahwa metode pemulusan eksponensial Holt-Winters lebih baik dalam meramalkan data jumlah penumpang keberangkatan penerbangan internasional bandar udara Soekarno-Hatta Jakarta karena memiliki nilai MAPE, MAD, dan MSD yang lebih kecil dibandingkan metode dekomposisi klasik. Kata Kunci: Peramalan, Metode Pemulusan eksponensial Holt-Winters, Metode Dekomposisi Klasik, Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD), Mean Squared Deviation (MSD). ABSTRACT : Time series data is a type of data that is collected in the order of time within a certain time span. Forecasting on time series data can be done to predict future events. The purpose of this study is to compare the best forecasting model of the Holt-Winters exponential smoothing method and the classical decomposition method to predict time series data containing trends and seasonality. To find out which method is best for predicting data, measuring tools are used including Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD), and Mean Squared Deviation (MSD). The results showed that the Holt-Winters exponential smoothing method was better in predicting data on the number of passengers departing from Jakarta's Soekarno-Hatta international airport because it had smaller MAPE, MAD, and MSD values compared to the classical decomposition method. Keywords: Forecasting, Holt-Winters Exponential Smoothing Method, Classical Decomposition Method, Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD), Mean Squared Deviation (MSD).