Analisis peramalan menggunakan model hibrida Seasonal Autoregressive Integrated Moving Average (SARIMA)–Long Short-Term Memory (LSTM) pada masalah penerbangan domestik

Listi, Dea Avrelia (2025) Analisis peramalan menggunakan model hibrida Seasonal Autoregressive Integrated Moving Average (SARIMA)–Long Short-Term Memory (LSTM) pada masalah penerbangan domestik. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (136kB) | Preview
Preview	Text 2_abstrak.pdf Download (232kB) | Preview
Preview	Text pdf keaslian (1).pdf Download (67kB) | Preview
Preview	Text 4_daftarisi.pdf Download (210kB) | Preview
Preview	Text 5_bab1.pdf Download (275kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (604kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (596kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (454kB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (188kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (193kB) | Request a copy
	Text 11_lampiran.pdf Restricted to Repository staff only Download (321kB) | Request a copy

Abstract

Fluktuasi jumlah penumpang pada penerbangan pesawat domestik dipengaruhi oleh beberapa faktor, seperti musim liburan, pertumbuhan ekonomi, kebijakan pemerintah. Sehingga peramalan jumlah penumpang pada penerbangan domestik penting dilakukan untuk membantu membuat perencanaan dan pengambilan kebijakan. Penelitian ini menggunakan model hibrida SARIMA–LSTM untuk memprediksi jumlah penumpang di Bandara Soekarno-Hatta dengan data bulanan Januari 2013 hingga Februari 2020. Model SARIMA digunakan untuk menangkap pola musiman dan tren linier, dan LSTM digunakan untuk menangkap pola nonlinier dari residual yang dihasilkan SARIMA. Pengujian akan dilakukan dengan dua skenario yaitu, skenario I akan dilakukan dengan data pengujian bulan November – Desember 2019 dan skenario II akan dilakukan dengan data pengujian bulan Januari – Februari 2020. Setelah kedua skenario dilakukan diperoleh bahwa hasil peramalan untuk model hibrida SARIMA–LSTM memiliki akurasi terbaik dengan nilai MAPE pada skenario I sebesar 1,51% dan skenario II sebesar 4,51%. Penelitian ini membuktikan bahwa model hibrida SARIMA–LSTM efektif dalam meningkatkan akurasi peramalan dibanding dengan model tunggal SARIMA yang memiliki nilai MAPE pada skenario I sebesar 11,29% dan skenario II sebesar 7,23%. Dan model tunggal LSTM yang memiliki nilai MAPE pada skenario I sebesar 90% dan skenario II sebesar 97,27%.

Actions (login required)

View Item