Analisis data time series menggunakan Prophet dan SARIMA

Gucci, Dwita (2022) Analisis data time series menggunakan Prophet dan SARIMA. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (212kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (84kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (114kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (297kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (450kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (817kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (734kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (184kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (169kB) | Request a copy

Abstract

Data dapat dikatakan mempunyai peran dalam perkembangan pengetahuan dan teknologi, salah satu perannya adalah menentukan kebijakan ataupun target kedepannya dari data historis yang ada melalui peramalan, di mana peramalan ini merupakan bagian dari statistika. Peran data tersebut menjadi latar belakang dibentuknya skripsi ini dengan cara memperkenalkan pengelolaan data tepatnya data time series dengan metode peramalan yang sudah ada, yaitu Prophet dan SARIMA. Tujuan dari penelitian ini adalah untuk mengetahui dan memahami langkah-langkah dari kedua metode yang diperkenalkan terhadap data time series, serta dapat mengimplementasikan dan membandingkan kinerja kedua metode yang diperkenalkan terhadap data aktual dari studi kasus dalam penelitian ini, yaitu data bulanan Penumpang Kereta Api wilayah Jawa (Jabodetabek + Non Jabodetabek) pada tahun 2010 sampai dengan 2019. Metode Prophet merupakan metode peramalan yang membuat model berdasarkan pendekatan pola trend, pola musiman, dan efek liburan. Sedangkan metode SARIMA merupakan metode peramalan yang membuat model berdasarkan pendekatan pola non musiman (trend) dan pola musiman. Setelah dilakukan pengimplementasian dengan penganalisisan data time series pada Studi Kasus menggunakan kedua metode, didapatkan bahwa metode Prophet adalah model yang paling tepat karena nilai MAPE yang lebih rendah dari SARIMA, yaitu sebesar 2,4320% dan akurasi peramalan yang lebih tinggi dari SARIMA, yaitu sebesar 97,5680%.

Actions (login required)

View Item