Analisis Prediksi Jumlah Penumpang Pesawat Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA)

Abstract

Penelitian ini bertujuan untuk mengetahui akurasi prediksi jumlah penumpang pesawat menggunakan metode Autoregresive Integrated Moving Average (ARIMA). Masalah difokuskan pada bagaimana metode ARIMA menganalisis data yang akan digunakan sehingga memperoleh model terbaik untuk memprediksi. Data yang digunakan dalam penelitian ini yaitu jumlah penumpang di Bandar Udara Internasional Sultan Hasanudin Berdasarkan Penerbangan Domestik dari bulan Januari 2016 sampai Januari 2023. Data bersumber dari website Badan Pusat Statistik Indonesia. Proses analisis dalam penelitian ini menggunakan bantuan software RStudio. Kajian ini menyimpulkan bahwa model terbaik yaitu ARIMA(1,1,1)(1,0,0)12 dengan nilai MAPE yaitu 31.88786% atau jika diukur keakuratannya yaitu 68.11214%, artinya model cukup layak untuk digunakan. Hasil prediksi 12 periode selanjutnya menunjukkan bahwa data prediksi memiliki pola yang sama dengan data aktual, meskipun tidak fluktuatif seperti data aktualnya. Perbandingan hasil penelitian dengan penelitian sebelumnya menunjukkan bahwa akurasi metode ARIMA menurun cukup drastis terhadap data acak dan memiliki akurasi yang tinggi pada data dengan pola yang konstan. This study aims to determine the accuracy of the prediction of the number of airplane passengers using the Autoregressive Integrated Moving Average (ARIMA) method. The problem is focused on how the ARIMA method analyzes the data to be used so as to obtain the best model to predict. The data used in this study is the number of passengers at Sultan Hasanudin International Airport based on domestic flights from January 2016 to January 2023. The data is sourced from the website of the Indonesian Central Bureau of Statistics. The analysis process in this study uses the help of RStudio software. This study concludes that the best model is ARIMA(1,1,1)(1,0,0)12 with a MAPE value of 31.88786% or if the accuracy is measured at 68.11214%, it means that the model is quite feasible to use. The prediction results for the next 12 periods show that the predicted data has the same pattern as the actual data, although not as volatile as the actual data. Comparison of the results of this study with previous studies shows that the accuracy of the ARIMA method decreases quite drastically for random data and has high accuracy for data with a constant pattern.