Claim Missing Document
Check
Articles

Found 1 Documents
Search

Peramalan Jumlah Penumpang Pesawat Di Bandara Sultan Iskandar Muda Dengan Metode SARIMA (Seasonal Autoregressive Integrated Moving Average) Fara Inka Durrah; Yulia Yulia; Tessa Prihartina Parhusip; Asep Rusyana
Journal of Data Analysis Volume 1, Number 1, June 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (339.053 KB) | DOI: 10.24815/jda.v1i1.11847

Abstract

ABSTRAK. Penelitian ini bertujuan untuk mengetahui model peramalan dimana jumlah keberangkatan penumpang pada PT. Angkasa Pura II (Perseron). Kantor cabang bandar udara Internasional Iskandar Muda dengan menggunakan Metode Seasonal Autoregresive  Integrated Moving Average (SARIMA). Data jumlah keberangkatan di bandar udara Internasional Iskandar muda merupakan data dengan pola musiman. Data yang digunakan merupakan data sekunder yang diperoleh dari Bandara Sultan Iskandar Muda periode Bulan Januari 2010 hingga Desember 2016. Model terbaik yang diperoleh yaitu ARIMA (0,1,1)(0,0,1)12. Sedangkan berdasarkan data peramalan yang diperoleh dapat diketahui bahwa diprediksi jumlah penumpang pesawat tetinggi pada tahun 2017 akan terjadi pada Bulan Desember, dan jumlah penumpang pesawat terendah diprediksikan akan terdapat pada Bulan Maret 2017. Kesimpulan akhir yang diperoleh yaitu jumlah penumpang pada Tahun 2017 akan mengalami peningkatan dibandingkan dengan Tahun sebelumnya.ABSTRACT. This study aims to determine the model of forecasting where the number of passengers at PT. Angkasa Pura II (Perseron). International branch of Iskandar Muda International Airport using Seasonal Autoregresive Integrated Moving Average (SARIMA) method. Data on the number of departures at Iskandar International Airport are young data with seasonal patterns. The data used are secondary data obtained from Sultan Iskandar Muda Airport during January 2010 to December 2016. The best model is ARIMA (0,1,1) (0,0,1)12. While based on forecasting data obtained can be seen that predicted the number of passengers in 2017 will occur in December, and the lowest number of passengers is predicted to be in March 2017. Final conclusion obtained that the number of passengers in the Year 2017 will increase compared with the previous Year.