PERBANDINGAN METODE ARIMA DAN EXPONENTIAL SMOOTHING HOLT-WINTERS UNTUK PERAMALAN DATA KUNJUNGAN

Rumini Rumini, Norhikmah Norhikmah

Abstract


ABSTRACT
A visit to the creative economy park is a place designed using strategic objectives in collaborating technology capabilities, transferring information and knowledge, planting innovative high-tech companies and entrepreneurs, bringing up new technology industries in the creative economy business to drive economic development. Universitas AMIKOM Yogyakarta has been declared a creative economy park and is known as the Amikom Creative Economy Park (ACEP). ACEP includes several multimedia environments for targeting businesses, for example software development, film, television, games, radio, animation, advertising, investment advisory, and project design. The development of the number of visitors from year to year, predictions need to be made to support the planning and preparation process in receiving visits. The data used in this study are visitor data from January 2019 to December 2019. Analysis of visit prediction data using data mining is the Autoregressive Integrated Moving Average (ARIMA) and Exponential Smoothing methods. The research resulted from prediction of the number of visit data for 2020 is more accurate using the Holt-Winters exponential smoothing method with a MAPE value of 47,197 when compared to the ARIMA method with a MAPE value of 48,949 so that the MAPE value generated by the ARIMA method is smaller than the Holt-Winters exponential smoothing method. The results of this study are to provide input in the form of predictions of the number of ACEP visitors in the coming year.

Keywords: ARIMA, data mining, exponential smoothing, prediction, visit

ABSTRAK
Kunjungan di taman ekonomi kreatif adalah meruapakan tempat yang dirancang dengan menggunakan tujuan strategis dalam mengkolaborasikan kemampuan teknologi, transfer informasi dan pengetahuan, penanaman perusahaan teknologi tinggi yang inovatif dan wirausaha, memunculkan industri teknologi baru dalam bisnis ekonomi kreatif untuk mendorong perkembangan ekonomi. Universitas Amikom Yogyakarta telah dinyatakan sebagai taman ekonomi kreatif dan dikenal sebagai Taman Ekonomi Kreatif Amikom (ACEP). ACEP mencakup beberapa lingkungan multimedia untuk membidik bisnis, misalnya pengembangan perangkat lunak, film, televisi, game, radio, animasi, iklan, penasehat investasi, dan desain proyek. Perkembangan jumlah pengunjung dari tahun ke tahun, perlu dilakukan peramalan untuk mendukung proses perencanaan dan persiapan dalam menerima kunjungan. Data yang digunakan dalam penelitian adalah data pengunjung pada Januari 2019 sampai Desember 2019. Analisis data peramalan kunjungan menggunakan data mining yaitu dengan metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing. Penelitian yang dihasilkan dari peramalan jumlah data kunjungan untuk tahun 2020 lebih akurat menggunakan metode exponential smoothing Holt-Winters dengan nilai MAPE 47,197 jika dibandingkan metode ARIMA dengan nilai MAPE 48,949 sehingga nilai MAPE yang dihasilkan metode ARIMA lebih kecil dari metode exponential smoothing Holt-Winters. Hasil dari penelitian ini adalah memberikan masukan berupa peramalan jumlah pengunjung ACEP ditahun yang akan datang.

Kata Kunci: ARIMA, data mining, exponential smoothing, peramalan, kunjungan


Full Text:

PDF

References


REFERENSI

M. Suyanto and F. Wibowo, “Animation Opportunities of Intellegent Multimedia System in Developing a Creative Economy Park,” 2018, pp. 69–74.

M. Y. Istiqomah, Widia., Darsyah, “Akuratitas Metode Arima dan Exponential Smoothing Untuk Meramalkan Nilai Tukar Petani di Jawa Tengah,” vol. 1, 2018.

Turban.E, Decision Support Systems and Intelligent Systems Edisi Bahasa Indonesia Jilid 1. Yogyakarta: Andi, 2005.

D. T. Larose, Discovering Knowledge in Data : An Introduction to Data Mining. John Willey & Sons, Inc, 2005.

U. Fayyad, Advances in Knowledge Discovery and Data Mining. MIT Press.

D. Putro, Bossarito, “Peramalan Jumlah Kebutuhan Pemakaian Air Menggunakan Metode Exponential Smoothing,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 11, pp. 4679–4686.

D. Suyanto, Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika, 2017.

D. Aziz, Syarfi., “Penerapan Metode ARIMA untuk Peramalan Pengunjung Perpustakaan UIN Suska Riau,” 2017, p. 9.

Direktorat Kehumasan dan Urusan Internasional Universitas AMIKOM Yogyakarta, “Data Kunjungan (Studi Visit),” Data Kunjungan, 2019. http://www.humas.amikom.ac.id. (accessed Jan. 02, 2020).

L. D. Lingitz, “Lead time prediction using machine learning algorithms : A case study by semiconductor manufactur,” Elsivier, vol. 72, no. Procedia CIRP, pp. 1051–1056, 2018.

D. Hanke, J.E., Business Forecasting. New Jersey: Pearson Education International, 2005.

S. Haryati, “Implementasi Data Mining Untuk Memperamalan Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu),” J. Media Infotama, vol. 11, no. 2, pp. 130–138.

dan V. E. M. Makridakis, Spyros. , Steven C. Wheelwright, Metode dan Aplikasi Peramalan. Jakarta: Erlangga, 1999.

B. S. . Machmudin, A., Ulama, “Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network,” J. Sains dan Seni ITS, vol. 1 (1), pp. 118–123, 2012.

T. Safitri, “Perbandingan Peramalan Menggunakan Metode Exponential Smoothing Holt-Winters Dan Arima,” J. Math. UJM, vol. 6, no. 1, pp. 45–58, 2017.




DOI: https://doi.org/10.32520/stmsi.v9i3.975

Article Metrics

Abstract view : 63 times
PDF - 30 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.