Metode Autoregressive Integrated Moving Average (Arima) dalam Memprediksi Jumlah Penumpang Kereta Api Kota Binjai

Queenty Dhea Haura Br Sitepu; Sutarman Sutarman; Machrani Adi Putri Siregar

doi:10.61132/arjuna.v2i2.621

Authors

Queenty Dhea Haura Br Sitepu Universitas Islam Negeri Sumatera Utara
Sutarman Sutarman Universitas Sumatera Utara
Machrani Adi Putri Siregar Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.61132/arjuna.v2i2.621

Keywords:

Forecasting, Time Series, ARIMA

Abstract

The importance of land transportation services such as PT. Indonesian Railways are increasing among the public lately, especially in Binjai City. Therefore, this study aims to try to model and forecast the number of passengers of PT. Indonesian Railways in the region. In this study, the Autoregressive Integrated Moving Average (ARIMA) model was used which has proven effective. For research in Binjai City, the ARIMA(1,1,1) model showed good results. The data used in this study includes the number of passengers of PT. Binjai City Railway from January 2022 to December 2022. The forecasting accuracy rate was evaluated using MAPE (Mean Absolute Percentage Error), which reached a value of 4.437%. This figure shows that forecasting has an error rate of less than 10%, so it can be categorized as excellent forecasting. The results of this study provide valuable insights for PT. Binjai City Railway to plan resources and optimize their passenger services. However, further research can still be done to improve forecasting methods and expand the reach of research to other regions.

Downloads

Download data is not yet available.

References

Andriyanto, U.S. dan Basith, A.1999. Metode Dan Aplikasi Peramalan. Jakarta: Erlangga.

Arsyad, L. 1994. Peramalan Bisnis. Yogyakarta: BPFE-Yogyakarta.

Aswi dan Sukarna. 2006. Analisis Deret Waktu Aplikasi dan Teori. Makassar: Andira Publisher.

Cowpertwait, Paul S.P.2009. Introductory Time Series with R.USA: Springer Dordrecht Heidelberg Londo New York.

Durrah, Fara Inka dkk. 2018. Peramalan Jumlah Penumpang Pesawat Di Bandara Sultan Iskandar Muda Dengan Metode SARIMA ( Seasonal Autoregressive Integrated Moving Average). Jurnal Statistika 1(1), 1-11.

Hanke, J. E. & Wichers, D. W. 2005. Business Forecasting Eight Edition. New Jersey: Pearson Prentice hall.

Hidayat, Raditya.2019. Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Dengan Metode Arima Box Jenkins Dan Exponential Smoothing. Surabaya: Jurnal Mahasiswa Universitas Brawijaya.

Juanda, Bambang, dan Juandi.2021. Ekonometrika Deret Waktu Teori dan Aplikasi. Bogor: PT Penerbit IPB Press.

Lestari, N. & Wahyuningsih, N.2012. Peramalan Kunjungan Wisata dengan Pendekatan Model SARIMA (Studi kasus: Kusuma Agrowisata). Jurnal Sains dan Seni ITS Vol.1 No.1.

Macridakis, Steven C.Wheelwright, Victor. E.Mc.Gee.2004. Metode dan Aplikasi Peramalan. Penerbit Erlangga: Jakarta.

Makridakis, S., Wheelwright, S.C., & McGee, V.E.2002. Metode Aplikasi dan Peramalan . Jakarta : Binarupa Aksara Publisher.

Maryati, MC.2001. Statistik Ekonomi dan Bisnis Plus. Yogyakarta:UPP AMP YKPN.

Munawaroh, A. N.2010. Peramalan Jumlah Penumpang pada PT. Angkasa Pura I (PERSERO) Kantor Cabang Bandar Udara Internasional Adisutjipto Yogyakarta dengan Metode Winter’s Exponential Smoothing dan Seasonal ARIMA. Yogyakarta: Universitas Negeri Yogyakarta.

Nasir, W. Y. 2015. Peramalan Jumlah Penumpang dari Pelayaran dalam Negeri di Pelabuhan Kota Makassar Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Makassar: Universitas Islam Negeri Alaudin Makassar.

Nurjannah, Siti dkk .2018. Implementasi Model Autoregressive Integrated Moving Average (ARIMA) Untuk Peramalan Jumlah Penumpang Kereta Api Di Pulau Sumatera. Jurnal Teorema: Teori dan Riset Matematika 3(2), 145-156.

Putri, Syifania . 2022. Peramalan Jumlah Keberangkatan Penumpang Pelayaran Dalam Negeri Di Pelabuhan Tanjung Perak Menggunakan Metode ARIMA Dan SARIMA.Jurnal Ilmiah Matematika 10(1), 61-67.

PT Kereta Api Indonesia (Persero). Jumlah Penumpang Kereta Api. https://ppid.kai.id/. Diakses pada tanggal 30 Januari 2023. Pukul 13.40 WIB.

Render, & Heizer.2005.Prinsip-Prinsip Manajemen Operasi. Jakarta: Salemba Empat.

Rusyida, Wilda Yulia.2022. Teknik Peramalan: Metode ARIMA dan Holt Winter. Penerbit NEM.

Seng Hansun.Peramalan Data IHSG Menggunakan Metode Backpropagation. Jurnal ULTIMATICS5,no.1 (2013): https://doi.org/10.31937/ti.v5i1.310.

Sudiyono, Anton.2001.Pengantar Statistik Pendidikan. Jakarta: PT RajaGrafindo Persada.

Sungkawa, Iwa. & Ries Tri.2011. Penerapan Ukuran Ketepatan Nilai Ramalan Data Deret Waktu Dalam Seleksi Model Peramalan Volume Penjualan PT Satriamandiri Citramulia. Jurnal ComTech: Mathematics & Statistics Department 2(2), 636-645.

Tantika, H. N.2018. Metode Seasonal ARIMA untuk Meramalkan Produksi Kopi dengan Indikator Curah Hujan Menggunakan Aplikasi R di Kabupaten Lampung Barat. Lampung: Universitas Islam Negeri Raden Intan Lampung.

Triyandini, H.2017. Peramalan Jumlah Kunjungan Wisata TMII Menggunakan Metode Seasonal ARIMA (SARIMA). Bogor: Institut Pertanian Bogor.

Wilson, J. H., Keating, B., & Solutions, Inc., J. G.2002. Business Forcasting with Accompanying Excel-Based Forcast Xtm Software.New York: McGrrawb Hill.

Yendra, Rado dkk. 2015. Perbandingan Estimasi Parameter pada Distribusi Eksponensial dengan Menggunakan Metode Maksimum Likelihood dan Metode Bayesian. Jurnal Sains Matematika dan Statistika, 1(2):62-72.

Yudi.2018.Peramalan Penjualan Mesin Industri Rumah Tangga Dengan Metode Fuzzy Time Series Ruey Chyn Tsaur.Jurnal Informatika Kaputama (JIK) 2.

Wei, William, W.S. (2006). Time series Analysis: Univariate and Multivariate Methods, 2nd Edition. USA: Pearson Educations, Inc.

WS, Harianto. 2018. Penggunaan Metode ARIMA (Autoregressive Integrated Moving Average) Untuk Jumlah Permintaan Gula Rafinasi.Makasar : UIN Alauddin Makasar.