PERAMALAN JUMLAH PENUMPANG KERETA API DI JABODETABEK MENGGUNAKAN METODE HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE- RADIAL BASIS FUNCTION NEURAL NETWORK (ARIMARBFNN)

Wulan, Sekar Jati Cahyaning, B2A017015 (2021) PERAMALAN JUMLAH PENUMPANG KERETA API DI JABODETABEK MENGGUNAKAN METODE HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE- RADIAL BASIS FUNCTION NEURAL NETWORK (ARIMARBFNN). Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text 0. Cover.pdf Download (475kB) | Preview
Preview	Text 2. Lembar Pengesahan Pembimbing (Scan).pdf Download (469kB) | Preview
Preview	Text 3. Lembar Pengesahan Skripsi (Scan).pdf Download (670kB) | Preview
Preview	Text 6. Abstrak.pdf Download (446kB) | Preview
Preview	Text 13. SKRIPSI-BAB I.pdf Download (504kB) | Preview
Preview	Text 14. SKRIPSI-BAB II.pdf Download (834kB) | Preview
	Text 15. SKRIPSI-BAB III.pdf Restricted to Repository staff only Download (655kB) | Request a copy
	Text 16. SKRIPSI-BAB IV.pdf Restricted to Repository staff only Download (851kB) | Request a copy
Preview	Text 17. SKRIPSI-BAB V.pdf Download (467kB) | Preview
Preview	Text 18. Daftar Pustaka.pdf Download (457kB) | Preview
	Text 19. Lampiran.pdf Restricted to Repository staff only Download (603kB) | Request a copy
Preview	Text Manuscript Indonesia.pdf Download (908kB) | Preview

Abstract

Kereta api merupakan transportasi darat yang banyak diminati dan popular dikalangan masyarakat, khususnya di wilayah Jabodetabek. Perkembangan transportasi kereta api terus dilakukan untuk mengurangi kemacetan di wilayah Jabodetabek. Pertumbuhan jumlah penumpang kereta api yang mengalami fluktuasi tiap bulannya perlu diperhatikan oleh pengambil kebijakan yaitu PT. KAI maupun pemerintah, yaitu dengan melakukan peramalan. Pada penelitian ini akan digunakan metode Hybrid ARIMA-RBFNN karena data jumlah penumpang kereta api di Jabodetabek selain berpola linier diduga terdapat pola nonlinier. Penggabungan metode ini diharapkan akan menghasilkan tingkat akurasi yang lebih baik dibandingkan dengan metode tunggal, selain itu terdapat asumsi-asumsi yang mengatakan bahwa metode tunggal tidak dapat secara total mengidentifikasi karakteristik dari time series. Dari hasil penelitian diketahui bahwa pada model ARIMA (1,1,0)(1,1,1) didapatkan nilai Mean Square Percentage Error (MAPE) sebesar 182,3232 sedangkan model Hybrid ARIMA-RBFNN didapatkan nilai MAPE sebesar 182,2542684. Dengan demikian model terbaik yang digunakan adalah model Hybrid ARIMA-RBFNN. Model terbaik tersebut merupakan gabungan dari model ARIMA (1,1,0)(1,1,1)12 dan residualnya digunakan kembali untuk dimodelkan dengan metode Radial Basis Function Neural Network. Pemodelan dengan menggunakan RBFNN didapatkan arsitektur jaringan terbaik yaitu 6-6-1 (6 neuron input, 6 neuron hidden dan 1 neuron output). Kata kunci : Peramalan, Hybrid ARIMA-RBFNN, Jumlah Penumpang Kereta Api

Actions (login required)

View Item