<![CDATA[Indonesia merupakan negara maritim, pengetahuan tentang pasang surut air laut sangat diperlukan untuk meminimalkan dampak buruk di pelabuhan. Beberapa kejadian yang diakibatkan oleh pasang surut air laut dapat diantisipasi dengan memprediksi pasang surut air laut mendatang. Salah satu metode yang dapat digunakan untuk memprediksi pasang surut air laut adalah analisis time series. Dalam analisis time series terdapat beberapa metode pemulusan yang dapat digunakan untuk memprediksi, diantaranya adalah simple exponential smoothing, holt exponential smoothing, damped exponential smoothing, dan winters additive exponential smoothing. Dengan menggunakan SPSS sebagai alat untuk menganalisis metode tersebut diperoleh nilai RMSE, MAPE, dan normalized BIC sebagai penentu model yang sesuai untuk prediksi pasang surut air laut. Model simple exponential smoothing memperoleh nilai RMSE, MAPE, dan normalized BIC sebesar 0,216, 14,2, dan -3,06. Model holt exponential smoothing memperoleh nilai RMSE, MAPE, dan normalized BIC sebesar 0,124, 8,41, dan -4,17. Model damped exponential smoothing memperoleh nilai RMSE, MAPE, dan normalized BIC sebesar 0,119, 8.04, dan -4,25. Model winters additive exponential smoothing memperoleh nilai RMSE, MAPE, dan normalized BIC sebesar 0,166, 10,91, dan -3,59. Sehingga diperoleh model time series yang memiliki nilai error yang kecil dan tingkat keakuratan yang lebih baik untuk memprediksi pasang surut air laut di wilayah Pelabuhan Tanjung Perak Surabaya adalah damped exponential smoothing.]]>
Copyrights © 2018
