Peramalan hasil ekspor dan impor menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) / Mutyara Whening Aniendyah

Aniendyah, Mutyara Whening (2020) Peramalan hasil ekspor dan impor menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) / Mutyara Whening Aniendyah. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

ABSTRAK Aniendya, Mutyara Whening. 2019. Peramalan Hasil Ekspor dan Impor Indonesia Menggunakan Seasonal Autoregressive Integrated Moving Average (SARIMA). Skripsi, Program Studi S1 Teknik Informatika, Jurusan Elektro, Fakultas Teknik, Universitas Negeri Malang. Pembimbing: (I) Harits Ar Rosyid, S.T., M.T., Ph.D., (II) Heru Wahyu Herwanto, S.T., M.Kom. Kata Kunci: SARIMA, Peramalan, Ekspor dan Impor, MAPE Ekspor dan impor merupakan salah satu kegiatan perdagangan yang dilakukan secara internasional. Ekspor adalah kegiatan mengeluarkan barang dari Indonesia ke negara lain, sedangkan impor adalah kegiatan memasukan barang dari negara lain ke Indonesia. Perkembangan ekspor dan impor Indonesia mengalami kenaikan dan penurunan yang tidak menentu sehingga akan berdampak pada perekonomian Indonesia. Untuk mengatasi perubahan yang tidak menentu ini perlu dilakukan peramalan hasil ekspor dan impor untuk membantu pemerintah dalam menentukan kebijakan yang sesuai. Dengan memanfaatkan salah satu metode yang tepat dalam data time series untuk peramalan hasil ekspor dan impor dalam beberapa bulan kedepan dengan tingkat akurasi yang tinggi. Penelitian ini menggunakan metode eksperimen, dengan tahapan meliputi (1) pengumpulan data, (2) preprocessing data, (3) penentuan kandidat model, (4) pengujian kandidat model, dan (5) penentuan model terbaik. Data diperoleh dari situs web resmi Kementerian Perdagangan Indonesia. Dataset yang digunakan berjumlah 2 dataset, yaitu dataset ekspor dan impor. Masing-masing dataset berjumlah 212 data dimulai dari Januari 2002 hingga Juli 2019. Tahap preprocessing meliputi attribute removal, uji stasioner dan proses differencing pada dataset. Tahap penentuan kandidat model menggunakan metode correlogram pada plot ACF dan PACF. Prediksi dilakukan dengan menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Metode ini mengabaikan variabel independen dan hanya menggunakan variabel dependen, sehingga tepat digunakan untuk data yang saling terhubung, serta dalam peramalan yang memiliki pola data musiman. Penelitian ini diharapkan dapat menghasilkan prediksi hasil ekspor dan impor Indonesia yang baik dengan tingkat akurasi yang tinggi dengan jangka waktu 6 bulan. Evaluasi hasil peramalan menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian pada dataset ekspor menunjukkan model ARIMA(0,1,2)(0,1,2)12 menghasilkan prediksi dengan nilai MAPE terkecil bila dibandingkan dengan kandidat model lain. Nilai MAPE yang dihasilkan sebesar 6,864% dengan tingkat akurasi 93,136%. Sedangkan untuk dataset impor menunjukkan model ARIMA(0,1,3)(0,1,1)12 menghasilkan prediksi dengan nilai MAPE sebesar 7,210% dengan tingkat akurasi 92,790% untuk prediksi 6 bulan. Dengan demikian model ARIMA(0,1,2)(0,1,2)12 untuk dataset ekspor dan model ARIMA(0,1,3)(0,1,1)12 untuk dataset impor mampu menghasilkan prediksi yang baik dengan tingkat akurasi yang tinggi dan layak untuk digunakan sebagai metode peramalan hasil ekspor dan impor Indonesia untuk 6 bulan kedepan.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Jurusan Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 16 Jan 2020 04:29
Last Modified: 09 Sep 2020 03:00
URI: http://repository.um.ac.id/id/eprint/99053

Actions (login required)

View Item View Item