<![CDATA[Abstrak.Transportasi udara berperan penting dalam mendukung mobilitas masyarakat dan pertumbuhan ekonomi, termasuk dalam distribusi barang melalui bandara. Penelitian ini bertujuan membangun model prediksi jumlah barang yang dimuat di Bandara Soekarno Hatta menggunakan metode Elman Recurrent Neural Network (ERNN). Data yang digunakan adalah jumlah kunjungan wisatawan periode Januari 2006 hingga Desember 2022 yang diperoleh dari Badan Pusat Statistik, karena pola kunjungan ini dianggap berkorelasi dengan pergerakan barang. Pemilihan variabel input dilakukan berdasarkan hasil analisis autokorelasi (ACF) dan autokorelasi parsial (PACF), dengan menggunakan lag signifikan dari data kunjungan wisatawan. Data dibagi menjadi dua bagian, yaitu 80% untuk pelatihan dan 20% untuk pengujian. Model terbaik dipilih berdasarkan nilai mean absolute percentage error (MAPE) terkecil. Uji residual dilakukan untuk memastikan bahwa hasil prediksi bersifat white noise, yang menunjukkan kecocokan model. Model ERNN terbaik memiliki 10 variabel input, 3 neuron tersembunyi, dan 1 output. Hasil evaluasi menunjukkan MAPE sebesar 44,55% pada data pelatihan dan 14,68% pada data pengujian. Ini menunjukkan bahwa model mampu memberikan prediksi yang cukup akurat pada data testing.]]>
Copyrights © 2026
