cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Fourier
Published by Universitas Islam Negeri Sunan Kalijaga Yogyakarta
ISSN : -     EISSN : -     DOI : -
Core Subject : Economy, Science, Education,
Computer Science & IT Economics, Econometrics & Finance Education Mathematics
FOURIER adalah Jurnal Ilmiah bidang yang memadukan dan mengembangkan ilmu Matematika dan pembelajarannya yang diintegrasikan dan interkoneksikan dengan nilai-nilai keislaman terbit sejak tahun 2012 dengan frekuensi terbit 2 kali dalam setahun yang dengan bahasa utama (Bahasa Indonesia dan Bahasa Inggris) yang proses reviewernya sesuai dengan disiplin ilmunya (Analisis, Aljabar, Matematika Terapan, Statistika, dan Pendidikan Matematika).
Arjuna Subject : -
Articles 191 Documents
 16   17   18   19   20 
Peramalan Jumlah Penumpang Kereta Api Nasional dengan Model Hybrid ARIMAX-XGBoost Menggunakan Dummy Intervensi Rafi Kamindra; Dadan Dasari; Fitriani Agustina
Jurnal Fourier Vol. 15 No. 1 (2026)
Publisher : Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/fourier.2026.151.45-53

Abstract

Abstrak Keberadaan guncangan struktural (structural break) pada data deret waktu menyebabkan metode peramalan linear konvensional memiliki keterbatasan dalam menghasilkan akurasi yang tinggi. Keterbatasan ini sangat terlihat pada data mobilitas penumpang kereta api nasional yang merekam fluktuasi ekstrem dan perubahan level secara permanen akibat krisis makro di masa lalu, seperti pandemi COVID-19. Penelitian ini bertujuan membangun model peramalan yang adaptif menggunakan pendekatan Hybrid yang menggabungkan model statistik linear Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX) dan algoritma Machine Learning non-linear eXtreme Gradient Boosting (XGBoost). Metodologi dilakukan dalam dua tahap, yaitu estimasi komponen linear dan dampak kebijakan menggunakan ARIMAX dengan empat variabel dummy intervensi, dilanjutkan dengan pemodelan sisaan (residual) yang mengandung pola non-linear menggunakan XGBoost. Hasil analisis menunjukkan model linear terbaik adalah ARIMAX(0,1,3) dengan residu yang terbukti tidak berdistribusi normal, menjustifikasi penggunaan XGBoost pada tahap kedua. Evaluasi kinerja pada data uji (out-of-sample) membuktikan bahwa model Hybrid ARIMAX-XGBoost lebih unggul dibandingkan model ARIMAX tunggal, dengan penurunan nilai RMSE sebesar 2,76% dan perbaikan akurasi MAPE sebesar 2,81%, sehingga pendekatan ini lebih efektif digunakan untuk perencanaan operasional transportasi di era pemulihan pasca-pandemi. Abstract The existence of structural breaks in time series data causes conventional linear forecasting methods to have limitations in producing high accuracy. This limitation is highly evident in the national train passenger mobility data, which records extreme fluctuations and permanent level shifts due to past macro crises, such as the COVID-19 pandemic. This study aims to build an adaptive forecasting model using a Hybrid approach combining the linear statistical model Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX) and the non-linear Machine Learning algorithm eXtreme Gradient Boosting (XGBoost). The methodology was conducted in two stages, estimating linear components and policy impacts using ARIMAX with four intervention dummy variables, followed by modeling the residuals containing non-linear patterns using XGBoost. The analysis results indicated that the best linear model was ARIMAX(0,1,3) with residuals proven to be non-normally distributed, justifying the use of XGBoost in the second stage. Performance evaluation on testing data (out-of-sample) demonstrated that the Hybrid ARIMAX-XGBoost model outperformed the single ARIMAX model, with a 2.76% decrease in RMSE and a 2.81% improvement in MAPE accuracy, proving that this approach is more effective for transportation operational planning in the post-pandemic recovery era.

Page 20 of 20 | Total Record : 191

 16   17   18   19   20 

Filter by Year

2012 2026


Reset
Filter By Issues
All Issue Vol. 15 No. 1 (2026) Vol. 14 No. 2 (2025) Vol. 14 No. 1 (2025) Vol. 13 No. 2 (2024) Vol. 13 No. 1 (2024) Vol. 12 No. 2 (2023) Vol. 12 No. 1 (2023) Vol. 11 No. 2 (2022) Vol. 11 No. 1 (2022) Vol. 10 No. 2 (2021) Vol. 10 No. 1 (2021) Vol. 9 No. 2 (2020) Vol 9 No 1 (2020) Vol. 9 No. 1 (2020) Vol. 8 No. 2 (2019) Vol. 8 No. 1 (2019) Vol. 7 No. 2 (2018) Vol. 7 No. 1 (2018) Vol. 6 No. 2 (2017) Vol. 6 No. 1 (2017) Vol. 5 No. 2 (2016) Vol. 5 No. 1 (2016) Vol 4, No 2 (2015) Vol. 4 No. 2 (2015) Vol 4, No 1 (2015) Vol. 4 No. 1 (2015) Vol 3, No 2 (2014) Vol. 3 No. 2 (2014) Vol. 3 No. 1 (2014) Vol 3, No 1 (2014) Vol. 2 No. 2 (2013) Vol 2, No 2 (2013) Vol. 2 No. 1 (2013) Vol 2, No 1 (2013) Vol. 1 No. 2 (2012) Vol 1, No 2 (2012) Vol. 1 No. 1 (2012) Vol 1, No 1 (2012) More Issue