Peramalan Jumlah Peserta OJT di PT.POMI Menggunakan ARIMA Box Jenkins dan Radial Basis Function Neural Network

Dwiningtyas, Wiji Renisa (2021) Peramalan Jumlah Peserta OJT di PT.POMI Menggunakan ARIMA Box Jenkins dan Radial Basis Function Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 10611710000045-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy

Abstract

On the Job Ttraining (OJT) merupakan suatu pelatihan, dimana seorang siswa atau mahasiswa belajar untuk bekerja di perusahaan. PT POMI merupakan lembaga swasta yang mengkhususkan diri dalam pengoperasian dan pemeliharaan pembangkit listrik berskala besar yang menyediakan energi listrik di Indonesia. PT.POMI membuka peluang bagi siswa maupun mahasiswa untuk melakukan OJT, tetapi memiliki batas maksimal untuk jumlah peserta yang melakukan OJT setiap bulannya. Dalam penelitian ini dilakukan analisis peramalan untuk meramalkan jumlah peserta OJT di PT.POMI, yaitu menggunakan metode ARIMA Box-Jenkins dan Radial Basis Function Neural Network (RBFNN). Data yang digunakan yaitu data jumlah peserta OJT pada Januari tahun 2010 sampai dengan Desember tahun 2020. Berdasarkan penelitian ini diperoleh hasil bahwa model ARIMA terbaik adalah ARIMA (3,1,0) yang artinya peramalan jumlah peserta OJT di PT.POMI dipengaruhi oleh jumlah peserta OJT pada satu periode sebelumnya, dua periode sebelumnya, tiga periode sebelumnya, dan empat periode sebelumnya dengan nilai MAPE sebesar 42,741. Model ARIMA yang diperoleh dibandingkan dengan model RBFNN dengan nilai MAPE sebesar 41,239. Berdasarkan hal tersebut, dapat disimpulkan bahwa model RBFNN memiliki nilai MAPE lebih kecil daripada model ARIMA. sehingga mampu menghasilkan ramalan jumlah peserta OJT lebih baik daripada model ARIMA.
=================================================================================================
On the Job Training (OJT) is a training, where a student learn to work in
a company. PT POMI is a private company that works in large scale
operation and power plant maintenance which supplies electrical energy
in Indonesia. The company opens up opportunities for students doing OJT
there, but it has a maximum limit number of participants for every month.
This research is a forecasting analysis to forecast the number of OJT
participants in PT.POMI using ARIMA Box-Jenkins and Radial Basis
Function Neural Network (RBFNN). The data used is the number of OJT
participants in PT.POMI since January 2010 until December 2020. The
result shows that the best ARIMA model is ARIMA (3,1,0), which means
the number of OJT participants in PT.POMI is affected by the number of
OJT participants in the previous one period, two periods, three periods,
and four periods, with MAPE value 42,741. The ARIMA model is
compared to RBFNN model with MAPE value 41,239. The conclusion is
RBFNN model has smaller MAPE value than ARIMA model has, so it
gives better result in forecasting the number of OJT participants than
ARIMA model.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	ARIMA, Peramalan, PT.POMI, RBFNN
Subjects:	Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Wiji Renisa Dwiningtyas
Date Deposited:	14 Aug 2021 08:27
Last Modified:	14 Aug 2021 08:27
URI:	http://repository.its.ac.id/id/eprint/86526

Actions (login required)

View Item