PERAMALAN BANYAKNYA PENUMPANG DI BANDAR UDARA INTERNASIONAL AHMAD YANI SEMARANG DENGAN MEMPERTIMBANGKAN SPECIAL EVENT
Article Sidebar
Published
Feb 1, 2018
Main Article Content
Abstract
Peramalan berguna untuk memprediksi banyaknya penumpang pada periode tertentu untuk mempersiapkan pelayanan yang akan dilakukan untuk penumpang yang akan berangkat melalui Bandara Ahmad Yani dan maskapai penerbangan Lion Air, Garuda Indoneisa, dan City Link. Metode peramalan yang digunakan adalah Moving Average, Moving Average Event Based, Exponential Smoothing, Exponential Smoothing Event Based, dan Dekomposisi. Metode tersebut dibandingkan untuk mengetahui event apa saja yang mempengaruhi banyaknya jumlah penumpang dan juga metode yang paling akurat untuk memprediksi banyaknya penumpang. Setelah dilakukan peramalan, diperoleh hasil bahwa event Idul Fitri dan Natal-Akhir Tahun mempengaruhi banyak penumpang. Metode Moving Average Event Based merupakan metode yang akurat untuk memprediksi banyak penumpang pada Bandara Ahmad Yani, penumpang maskapai Lion Air, Garuda Indonesia, dan City Link dengan mempertimbangkan special event.
Article Details
How to Cite
Dheviani, S., Wardono, W., & Hendikawati, P. (2018). PERAMALAN BANYAKNYA PENUMPANG DI BANDAR UDARA INTERNASIONAL AHMAD YANI SEMARANG DENGAN MEMPERTIMBANGKAN SPECIAL EVENT. PRISMA, Prosiding Seminar Nasional Matematika, 1, 434-444. Retrieved from https://journal.unnes.ac.id/sju/prisma/article/view/19690
Section
Articles
References
Abraham, B. & J. Ledolter. 2005. Staristical Method For Forecasting. Hoboken: John Wiley & Sons,Inc.
Anonim. 2016. Libur Natal dan Tahun Baru, Penumpang di Bandara A. Yani Naik 21 Persen. Metro Semarang. Tersedia di http://metrosemarang.com/libur-natal-dan-tahun-baru-penumpang-di-bandara-a-yani-naik-21-persen.
Anonim. 2016. Persiapan Puasa dan Lebaran, Bandara Ahmad Yani Soroti Apron Ambles. Metro Semarang. Tersedia di http://metrosemarang.com/persiapan-puasa-dan-lebaran-bandara-ahmad-yani-soroti-apron-ambles
Anonim. 2016. Lebaran, Penumpang Bandara Ahmad Yani Diprediksi Naik 13 Pesen. Tempo. Tersedia di http://m.tempo.co/read/news/2016/06/10/1517786674/lebaran-penumpang-bandara-ahmad-yani-diprediksi-naik-13-pesen
Adityani, D. Y. 2014. Peramalan Metode Moving Average dan Single Exponential Smoothing untuk Prediksi Palawija Kabupaten Pati. Tugas Akhir. Semarang: Universitas Negeri Semarang.
Aghnaita, F. K. 2016. Peramalan Jumlah Penjualan Tiket Kereta Api di Stasiun Semarang Poncol Tahun 2016 Menggunakan Metode Dekomposisi. Tugas Akhir. Semarang: Universitas Negeri Semarang.
Amstrong, J. S. & F. Collopy. 1992. Error Measures for Generalizing about Forecasting Method Empirical Comparisons. International Journal of Forecasting, 8: 69 – 80.
Enns, P. G. et al. 1982. Forecasting Applications of An Adaptive Multiple Exponential Smoothing Model. Management Science, 28(9): 1035 – 1044.
Hendikawati, P. 2015. Peramalan Data Runtun Waktu Metode dan Aplikasinya dengan Minitab dan Eviews. Semarang: FMIPA Unnes.
Henifa, S. L. 2014. Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event. Laporan Tugas Akhir. Surabaya: Institut Teknologi Sepuluh Nopember.
http://achmadyani-airport.com/bidang-usaha [Diakses pada 24 April 2017].
Makridarkis et al. 1995. Metode dan Aplikasi Peramalan (2nd ed.). Volume I. Translated by Untung S. A. & A. Basith. Jakarta: Erlangga.
Microsoft. https://support.office.com/en-US/article/Use-the-Analysis-ToolPak-to-per-form-complex-data-analysis-6C67CCF0-F4A9-487C-8DEC-BDB5A2CEFAB6 [Diakses pada 18 April 2017].
Microsoft. Excel Quick Start Guide. Tersedia di http://download.microsoft.com/down-load/9/8/5/985e8eca-48ea-401d-a3b8-4121c2ea0df3/AF103733534_en-us_ex-cel2013quickstartguide.pdf [Diakses pada 18 April 2017].
Minitab Inc. http://support.minitab.com/en-us/minitab/17/topic-library/modeling-statis-tics/time-series/time-series-models/additive-and-multiplicative-models/ [Diakses pada 17 April 2017].
Minitab Inc. https://www.minitab.com/uploadedFiles/Documents/getting-started/Mini-tab17_GettingStarted-en.pdf [Diakses pada 17 April 2017].
Minitab Inc. http://support.minitab.com/en-us/minitab-express/1/help-and-how-to/mo-deling-statistics/time-series/how-to/single-exponential-smoothing/interpret-the-results/all-statistics-and-graphs/ [Diakses pada 18 April 2017].
Minitab Inc. http://support.minitab.com/en-us/minitab-express/1/help-and-how-to/mo-deling-statistics/time-series/how-to/moving-average/before-you-start/overview/ [Diakses pada 18 April 2017].
Pintoarsi, A. P. 2011. Penentuan Alokasi Check-In Counter Terminal Bandara untuk 10 Tahun ke Depan dengan Metode Support Vector Regression. Skripsi. Depok: Universitas Indonesia.
Putra, I. N. 2010. Peramalan Permintaan Dan Perencanaan Produksi Dengan Mempertimbangkan Special Event di PT. Coca-Coal Bottling Indonesia (CBBI) Plant-Pandaan. Laporan Tugas Akhir. Surabaya: Institut Teknologi Sepuluh Nopember.
Raharja, A. 2011. Penerapan Metode Exponential Smoothing untuk Peramalan Penggunaan Penggunaan Waktu Telepon di PT. Telkomsel DIVRE3 Surabaya. SISFO-Jurnal Sistem Informasi. Tersedia di digilib.its.ac.id.
Santosa, P. B. & Ashari. 2005. Analisis Statistik dengan Microsoft Excel& SPSS. Yogyakarta: Andi.
Santoso, S. 2009. Bussiness Forecasting Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta: PT Elex Media Komputindo.
Sarjono, H. & I. Zulkifli. 2013. Prediksi Jumlah Tamu Menginap di Hotel Karlita International Tegal Jawa Tengah. Binus Bussiness Review, 4(2): 661-675. Tersedia di http://journal.binus.ac.id/index.php/BBR/article/download/1380/1241 [Diakses pada 16 April 2017].
Sukestiyarno. 2013. Olah Data Penelitian Berbantuan SPSS. Semarang: Universitas Negeri Semarang.
Surihadi, A. A. 2009. Penerapan Metode Single Moving Average dan Exponential Smoothing dalam Peramalan Permintaan Produk Meubel Jenis Coffee Table pada Java Furniture Klaten. Tugas Akhir. Surakarta: Universitas Sebelas Maret.
Wardono et al. 2016. ARIMA Method with The Software Minitab and Eviews to Forecast Inflation in Semarang Indonesia. Journal of Theoretical and Applied Information Technology, 94(1): 61 – 76. Tersedia di www.jatit.org.
Wardono et al. 2017. Implementation of Autoreggresive Intregated Moving Average (ARIMA) Methods for Forecasting Many Applicants Making Driver’s License A with Eviews 7 in Pati Indonesia. Journal of Theoretical and Applied Information Technology, 95(10): 2114 – 2124. Tersedia di www.jatit.org.
Wijaya, D. 2011. Peramalan Jangka Pendek Konsumsi Daya Listrik Konsumen Terkait Suhu Ambien Menggunakan Analisis Regresi Berganda. Skripsi. Depok: Universitas Indonesia.
Williams, B. M. et al. 1998. Urban Freeway Traffic Flow Prediction Application of Seasonal Autoregressive Integrated Moving Average and Exponential Smoothing Models. Transpoer Research Record 1644. Papper No. 98-0463 Hal 132 – 141.
Withycombe, R. 1989. Forecasting with Seasonal Combined Seasonal Indices. International Journal of Forecasting, 5: 547 – 552.
Anonim. 2016. Libur Natal dan Tahun Baru, Penumpang di Bandara A. Yani Naik 21 Persen. Metro Semarang. Tersedia di http://metrosemarang.com/libur-natal-dan-tahun-baru-penumpang-di-bandara-a-yani-naik-21-persen.
Anonim. 2016. Persiapan Puasa dan Lebaran, Bandara Ahmad Yani Soroti Apron Ambles. Metro Semarang. Tersedia di http://metrosemarang.com/persiapan-puasa-dan-lebaran-bandara-ahmad-yani-soroti-apron-ambles
Anonim. 2016. Lebaran, Penumpang Bandara Ahmad Yani Diprediksi Naik 13 Pesen. Tempo. Tersedia di http://m.tempo.co/read/news/2016/06/10/1517786674/lebaran-penumpang-bandara-ahmad-yani-diprediksi-naik-13-pesen
Adityani, D. Y. 2014. Peramalan Metode Moving Average dan Single Exponential Smoothing untuk Prediksi Palawija Kabupaten Pati. Tugas Akhir. Semarang: Universitas Negeri Semarang.
Aghnaita, F. K. 2016. Peramalan Jumlah Penjualan Tiket Kereta Api di Stasiun Semarang Poncol Tahun 2016 Menggunakan Metode Dekomposisi. Tugas Akhir. Semarang: Universitas Negeri Semarang.
Amstrong, J. S. & F. Collopy. 1992. Error Measures for Generalizing about Forecasting Method Empirical Comparisons. International Journal of Forecasting, 8: 69 – 80.
Enns, P. G. et al. 1982. Forecasting Applications of An Adaptive Multiple Exponential Smoothing Model. Management Science, 28(9): 1035 – 1044.
Hendikawati, P. 2015. Peramalan Data Runtun Waktu Metode dan Aplikasinya dengan Minitab dan Eviews. Semarang: FMIPA Unnes.
Henifa, S. L. 2014. Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event. Laporan Tugas Akhir. Surabaya: Institut Teknologi Sepuluh Nopember.
http://achmadyani-airport.com/bidang-usaha [Diakses pada 24 April 2017].
Makridarkis et al. 1995. Metode dan Aplikasi Peramalan (2nd ed.). Volume I. Translated by Untung S. A. & A. Basith. Jakarta: Erlangga.
Microsoft. https://support.office.com/en-US/article/Use-the-Analysis-ToolPak-to-per-form-complex-data-analysis-6C67CCF0-F4A9-487C-8DEC-BDB5A2CEFAB6 [Diakses pada 18 April 2017].
Microsoft. Excel Quick Start Guide. Tersedia di http://download.microsoft.com/down-load/9/8/5/985e8eca-48ea-401d-a3b8-4121c2ea0df3/AF103733534_en-us_ex-cel2013quickstartguide.pdf [Diakses pada 18 April 2017].
Minitab Inc. http://support.minitab.com/en-us/minitab/17/topic-library/modeling-statis-tics/time-series/time-series-models/additive-and-multiplicative-models/ [Diakses pada 17 April 2017].
Minitab Inc. https://www.minitab.com/uploadedFiles/Documents/getting-started/Mini-tab17_GettingStarted-en.pdf [Diakses pada 17 April 2017].
Minitab Inc. http://support.minitab.com/en-us/minitab-express/1/help-and-how-to/mo-deling-statistics/time-series/how-to/single-exponential-smoothing/interpret-the-results/all-statistics-and-graphs/ [Diakses pada 18 April 2017].
Minitab Inc. http://support.minitab.com/en-us/minitab-express/1/help-and-how-to/mo-deling-statistics/time-series/how-to/moving-average/before-you-start/overview/ [Diakses pada 18 April 2017].
Pintoarsi, A. P. 2011. Penentuan Alokasi Check-In Counter Terminal Bandara untuk 10 Tahun ke Depan dengan Metode Support Vector Regression. Skripsi. Depok: Universitas Indonesia.
Putra, I. N. 2010. Peramalan Permintaan Dan Perencanaan Produksi Dengan Mempertimbangkan Special Event di PT. Coca-Coal Bottling Indonesia (CBBI) Plant-Pandaan. Laporan Tugas Akhir. Surabaya: Institut Teknologi Sepuluh Nopember.
Raharja, A. 2011. Penerapan Metode Exponential Smoothing untuk Peramalan Penggunaan Penggunaan Waktu Telepon di PT. Telkomsel DIVRE3 Surabaya. SISFO-Jurnal Sistem Informasi. Tersedia di digilib.its.ac.id.
Santosa, P. B. & Ashari. 2005. Analisis Statistik dengan Microsoft Excel& SPSS. Yogyakarta: Andi.
Santoso, S. 2009. Bussiness Forecasting Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta: PT Elex Media Komputindo.
Sarjono, H. & I. Zulkifli. 2013. Prediksi Jumlah Tamu Menginap di Hotel Karlita International Tegal Jawa Tengah. Binus Bussiness Review, 4(2): 661-675. Tersedia di http://journal.binus.ac.id/index.php/BBR/article/download/1380/1241 [Diakses pada 16 April 2017].
Sukestiyarno. 2013. Olah Data Penelitian Berbantuan SPSS. Semarang: Universitas Negeri Semarang.
Surihadi, A. A. 2009. Penerapan Metode Single Moving Average dan Exponential Smoothing dalam Peramalan Permintaan Produk Meubel Jenis Coffee Table pada Java Furniture Klaten. Tugas Akhir. Surakarta: Universitas Sebelas Maret.
Wardono et al. 2016. ARIMA Method with The Software Minitab and Eviews to Forecast Inflation in Semarang Indonesia. Journal of Theoretical and Applied Information Technology, 94(1): 61 – 76. Tersedia di www.jatit.org.
Wardono et al. 2017. Implementation of Autoreggresive Intregated Moving Average (ARIMA) Methods for Forecasting Many Applicants Making Driver’s License A with Eviews 7 in Pati Indonesia. Journal of Theoretical and Applied Information Technology, 95(10): 2114 – 2124. Tersedia di www.jatit.org.
Wijaya, D. 2011. Peramalan Jangka Pendek Konsumsi Daya Listrik Konsumen Terkait Suhu Ambien Menggunakan Analisis Regresi Berganda. Skripsi. Depok: Universitas Indonesia.
Williams, B. M. et al. 1998. Urban Freeway Traffic Flow Prediction Application of Seasonal Autoregressive Integrated Moving Average and Exponential Smoothing Models. Transpoer Research Record 1644. Papper No. 98-0463 Hal 132 – 141.
Withycombe, R. 1989. Forecasting with Seasonal Combined Seasonal Indices. International Journal of Forecasting, 5: 547 – 552.