<![CDATA[Peramalan data deret waktu sangat penting dalam sektor transportasi udara yang memiliki fluktuasi musiman yang cukup jelas. Bandara Supadio Pontianak yang menjadi pintu masuk utama Kalimantan Barat mencatat peningkatan penumpang yang cukup tinggi setiap musim liburan. Prediksi yang akurat diperlukan agar pihak bandara dapat mengantisipasi keterbatasan fasilitas dan menjaga kualitas layanan. Model Seasonal Autoregressive Integrated Moving Average (SARIMA) umum digunakan untuk data musiman, namun model ini umumnya menghasilkan prediksi berbasis nilai titik (point forecast) sehingga kurang mampu menggambarkan tingkat ketidakpastian yang terdapat dalam proses peramalan. Metode tambahan diperlukan untuk dapat meningkatkan akurasi sekaligus mengakomodasi dinamika data. Penelitian ini bertujuan mengoptimalkan akurasi model SARIMA dengan mengintegrasikan metode Ensemble Kalman Filter (EnKF). Metode EnKF dipilih karena mampu memperbarui prediksi secara adaptif menggunakan data terbaru serta memberikan estimasi lebih stabil melalui pendekatan ensemble. Studi kasus dilakukan pada data bulanan jumlah penumpang pesawat di Bandara Supadio, periode Januari 2021–Desember 2024 yang diperoleh dari Badan Pusat Statistik (BPS) Kalimantan Barat. Analisis dimulai dengan uji stasioneritas menggunakan transformasi Box-Cox dan uji ADF, dilanjutkan dengan differencing yang dilakukan jika data yang tidak stasioner, identifikasi model SARIMA dengan ACF dan PACF, lalu integrasi EnKF melalui inisialisasi ensemble, tahap forecast, dan update dengan Kalman Gain. Hasil penelitian menunjukkan model SARIMA menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 3,60% (sangat baik), sedangkan SARIMA-EnKF mencapai 0,84% (lebih akurat). Hal ini membuktikan bahwa EnKF efektif dalam mengurangi ketidakpastian dan meningkatkan performa SARIMA. Peramalan tahun 2025 juga menunjukkan pola musiman yang konsisten dengan lonjakan pada periode liburan.]]>
Copyrights © 2026
