Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Insect (Informatics and Security) : Jurnal Teknik Informatika
Muhammad Surahmanto
MTI Univ Amikom Yogya
Computer Science & IT Control & Systems Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Kapasitas Kargo Pada Bandara Deo Sorong Muhammad Surahmanto; Ema Utami; Hanif Al Fatta
Insect (Informatics and Security): Jurnal Teknik Informatika Vol. 8 No. 1 (2022): Oktober 2022
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/insect.v8i1.1912

Abstract

Kota Sorong memiliki letak yang strategis sehingga menjadi pintu keluar masuk dan transit ke Provinsi Papua Barat. Kota Sorong memiliki Bandara Domine Eduard Osok (DEO) yang melayani penerbangan berjadwal domestik dan Penerbangan perintis. Aktiftas pengiriman barang yang akan keluar ataupun menuju kota sorong dan sekitarnya otomatis akan terpusat di Bandara DEO. Untuk memastikan kelancaran aktifitas Kargo di Bandara DEO, pihak bandara harus memastikan kesiapan fasilitas layanan Kargo termasuk mengantisipasi jika kedepannya volume kargo semkin meningkat. Untuk itu diperlukan penelitian mengenai peramalan kapasitas kargo. Hal ini bertujuan untuk menghasilkan suatu sistem prediksi kapasitas kargo di bandara DEO dengan hasil data numerik. Metode ARIMA (Autoregressive Integrated Moving Average ) merupakan salah satu metode prediksi atau peramalan yang dapat menghasilkan ramalan-ramalan berdasarkan sintesis dari pola data secara historis. Metode ini memiliki tingkat kedekatan yang tinggi serta nilai kesalahan yang kecil dikarenakan proses perhitungan secara bertahap. Dengan menggunkan data volume kargo harian pada Bandara DEO tahun 2018, peneliti mencoba melakukan permodelan prediksi meggunakan model ARIMA. Dengan melakukan pengujian uji t ADF serta melakukan visualisasi menggunakan koefisien Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF). Untuk melihat performa model menggunakan nilai RSS. Dari hasil penelitian, didapatkan bahwa model yang dibuat dapat melakukan prediksi dengan baik.
Co-Authors Ema Utami Hanif Al Fatta