DEWANI, BELLA PUSPA (2018) Peramalan Jumlah Penumpang Dan Barang Di Bandar Udara Internasional Juanda Dan Pelabuhan Tanjung Perak Menggunakan Model Hybrid Arimax Dan Deep Learning Neural Networks. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211645000024-Undergraduate_Theses.pdf - Accepted Version Download (6MB) | Preview |
Abstract
Arus penumpang dan barang di Bandar Udara Internasional Juanda dan Pelabuhan Tanjung Perak cenderung fluktuatif dan tidak menentu. Oleh karena itu diperlukan pengetahuan akan keadaan arus penumpang dan barang di masa depan, agar pengembangan yang dilakukan tepat dan berguna. Penelitian ini dilakukan bertujuan untuk memodelkan serta meramalkan jumlah penumpang dan barang di Bandar Udara Internasional Juanda dan Pelabuhan Tanjung Perak dengan membandingkan 5 model. Model tersebut antara lain model ARIMAX, FFNN, DLNN, hybrid ARIMAX-FFNN dan hybrid ARIMAX-DLNN untuk mendapatkan hasil peramalan terbaik. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Badan Pusat Statistika (BPS). Data yang digunakan adalah data bulanan mulai Januari 2001 hingga Desember 2017 untuk Bandar Udara Internasional Juanda, sedangkan Pelabuhan Tanjung Perak mulai Januari 2006. Hasil penelitian menunjukkan model hybrid ARIMAX-DLNN memiliki kemampuan yang baik untuk menangkap pola data yang beragam dan menghasilkan ramalan yang baik pada data training. Namun model DLNN memiliki kemampuan yang baik dalam meramalkan data testing. Model terbaik untuk 8 variabel yang digunakan, terdapat 7 variabel dengan model terbaik yaitu model DLNN, sedangkan sisanya model hybrid ARIMAX-DLNN.
==========================================================
The flow of passenger and goods at Juanda International Airport and Tanjung Perak Port tend to fluctuate and uncertain. Therefore it is necessary to study the state of passenger flow and goods in the future, so that the development is properly done and useful. The aim of this research is to model and predict the number of passengers and goods at Juanda International Airport and Tanjung Perak Port by comparing 5 models. These models include ARIMAX, FFNN, DLNN, hybrid ARIMAX-FFNN and hybrid ARIMAX-DLNN to get the best forecasting results. The data used in this study is secondary data obtained from the Central Bureau of Statistics (BPS). The data used is monthly data from January 2001 to December 2017 for Juanda International Airport, while Tanjung Perak Port started in January 2006. The results show that the hybrid ARIMAX-DLNN model has good ability to capture diverse data patterns and produce good forecast on data training. But the DLNN model has a good ability to forecast data testing. The best model for 8 variables are used and there are 7 variables with the best model of the model DLNN, while the other remaining variable is hybrid model ARIMAX-DLNN.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | ARIMAX, Barang, Deep Learning Neural Networks, Feed Forward Neural Networks, Hybrid, Penumpang. |
| Subjects: | Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Bella Puspa Dewani |
| Date Deposited: | 08 Jul 2021 08:41 |
| Last Modified: | 08 Jul 2021 08:41 |
| URI: | http://repository.its.ac.id/id/eprint/57297 |
Actions (login required)
 |
View Item |