Inferensi
Vol 2, No 1 (2019): Inferensi

Peramalan Jumlah Penumpang dan Barang di Bandar Udara Internasional Juanda dan Pelabuhan Tanjung Perak Menggunakan Model Hybrid ARIMAX dan Deep Learning Neural Networks

Bella Puspa Dewani (Department of Statistics, Institut Teknologi Sepuluh Nopember)
Suhartono Suhartono (Department of Statistics, Institut Teknologi Sepuluh Nopember)
Muhammad Sjahid Akbar (Department of Statistics, Institut Teknologi Sepuluh Nopember)



Article Info

Publish Date
30 Mar 2019

Abstract

Arus penumpang dan barang di Bandar Udara Internasional Juanda dan Pelabuhan Tanjung Perak cenderung fluktuatif dan tidak menentu. Oleh karena itu diperlukan pengetahuan akan keadaan arus penumpang dan barang di masa depan, agar pengembangan yang dilakukan tepat dan berguna. Penelitian ini dilakukan bertujuan untuk memodelkan serta mendapatkan peramalan mengenai jumlah penumpang dan barang di Bandar Udara Internasional Juanda dan Pelabuhan Tanjung Perak dengan membandingkan 5 model. Model tersebut antara lain model ARIMAX, model FFNN, model DLNN dengan 2 hidden layer, model hybrid ARIMAX-FFNN dan model hybrid ARIMAX-DLNN untuk mendapatkan hasil peramalan terbaik. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Badan Pusat Statistika (BPS). Data yang digunakan adalah data bulanan mulai Januari 2001 hingga Desember 2017 untuk Bandar Udara Internasional Juanda, sedangkan Pelabuhan Tanjung Perak mulai Januari 2006. Hasil penelitian menunjukkan model hybrid ARIMAX-DLNN memiliki kemampuan yang baik untuk menangkap pola data yang beragam dan menghasilkan ramalan yang baik pada data training. Hal tersebut dilihat dari nilai RMSEP yang lebih kecil dibandingkan dengan model lainnya. Namun model DLNN memiliki kemampuan yang baik dalam meramalkan data testing. Model terbaik untuk 8 variabel yang digunakan, terdapat 7 variabel dengan model terbaik yaitu model DLNN, sedangkan sisanya model hybrid ARIMAX-DLNN.

Copyrights © 2019






Journal Info

Abbrev

inferensi

Publisher

Subject

Computer Science & IT Decision Sciences, Operations Research & Management Engineering Mathematics Social Sciences

Description

The aim of Inferensi is to publish original articles concerning statistical theories and novel applications in diverse research fields related to statistics and data science. The objective of papers should be to contribute to the understanding of the statistical methodology and/or to develop and ...