Komparasi Metode Sarima Dan Prophet Dalam Meramalkan Jumlah Keberangkatan Penumpang Domestik Di Bandara Ngurah Rai
Comparison of SARIMA and Prophet Methods in Forecasting the Number of Domestic Passenger Departures at Ngurah Rai Airport
DOI:
https://doi.org/10.53866/jimi.v6i4.1581Keywords:
Peramalan, Keberangkatan Penumpang Domesti, Deret Waktu, SARIMA, ProphetAbstract
Tujuan – Penelitian ini bertujuan membandingkan kinerja metode Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Prophet dalam meramalkan jumlah keberangkatan penumpang domestik di Bandara Internasional I Gusti Ngurah Rai.
Desain/metodologi/pendekatan – Penelitian menggunakan data bulanan keberangkatan penumpang periode Januari 2015 hingga Desember 2025 yang diperoleh dari Badan Pusat Statistik Provinsi Bali. Tahapan analisis meliputi pengujian stasioneritas, identifikasi dan estimasi model, serta evaluasi akurasi peramalan. Kinerja model diukur menggunakan Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE), dengan MAPE sebagai indikator utama. Spesifikasi Prophet menggunakan komponen tren, musiman aditif, dan regresor COVID-19.
Temuan – Prophet menghasilkan MAPE sebesar 8,93%, jauh lebih rendah dibandingkan SARIMA sebesar 26,41%. Prophet juga menghasilkan nilai MSE, RMSE, dan MAE yang lebih rendah. Temuan ini menunjukkan bahwa Prophet memiliki akurasi peramalan yang lebih baik dibandingkan model SARIMA terpilih untuk data keberangkatan penumpang yang dianalisis.
Keterbatasan penelitian/implikasi – Analisis terbatas pada data historis bulanan dari satu bandar udara. Penelitian selanjutnya perlu menguji kedua model pada beberapa bandar udara dan memasukkan variabel eksternal yang dapat memengaruhi permintaan penumpang.
Implikasi praktis – Temuan penelitian dapat membantu pengelola bandar udara dan otoritas penerbangan dalam menyusun proyeksi arus penumpang, mengalokasikan sumber daya, merencanakan kapasitas, dan mengambil keputusan operasional.
Orisinalitas/nilai – Penelitian ini memberikan bukti komparatif mengenai kinerja SARIMA dan Prophet menggunakan data penumpang yang mencakup periode sebelum, selama, dan setelah disrupsi COVID-19. Perbandingan ini mencakup spesifikasi Prophet dengan regresor COVID-19 untuk merepresentasikan periode pandemi.
References
Angkasa Pura I. (2020). Laporan tahunan PT Angkasa Pura I. PT Angkasa Pura I.
Aswi, & Sukarna. (2006). Analisis deret waktu: Teori dan aplikasi. Andira Publisher. https://eprints.unm.ac.id/21944/1/ATS%20book.pdf
Badan Pusat Statistik. (2020). Statistik transportasi udara 2019. Badan Pusat Statistik RI. https://www.bps.go.id/id/publication/2020/11/20/231373341461207b51910a4a/statistik-transportasi-udara-2019.html
Badan Pusat Statistik. (2026). Jumlah penumpang pesawat (angkutan udara) domestik di 5 bandara utama (orang) [Tabel Statistik]. BPS RI. Diakses pada 24 Oktober 2026, dari https://www.bps.go.id/id/statistics-table/2/MjM0OSMy/jumlah-penumpang-pesawat--angkutan-udara--domestik-di-5-bandara-utama--orang-.html
Badan Pusat Statistik Provinsi Bali. (2023). Provinsi Bali dalam angka 2023. https://bali.bps.go.id/publication/2023/02/28/b467b61cc7b43c86916a11db/provinsi-bali-dalam-angka-2023.html
Badan Pusat Statistik Provinsi Bali. (2026). Statistik transportasi udara dan laut Provinsi Bali 2025 (Katalog BPS No. 8303004). BPS Provinsi Bali. https://bali.bps.go.id/id/publication/2026/04/29/db2575bb0f7b1ccd168b92c6/statistik-transportasi-udara-dan-laut-provinsi-bali-2025.html
Baskara, A. K., Nazir, A., Irsyad, M., Yusra, & Insani, F. (2023). Implementasi data mining memprediksi penjualan crude palm oil berdasarkan kapasitas tangki menggunakan Multiple Linear Regression. Jurnal Sistem Komputer dan Informatika (JSON), 4(3), 493–502. https://doi.org/10.30865/json.v4i3.5665
Butarbutar, W., Van Delsen, M. S. N., & Djami, R. J. (2023). Application of the Seasonal Autoregressive Integrated Moving Average (SARIMA) method to forecast the number of vessel passenger departures at Yos Soedarso Ambon Port. Tensor: Pure and Applied Mathematics Journal, 4(2), 105–118. https://doi.org/10.30598/tensorvol4iss2pp105-118
Cryer, J. D., & Chan, K.-S. (2008). Time series analysis: With applications in R (2nd ed.). Springer. https://doi.org/10.1007/978-0-387-75959-3
Durrah, F. I., Yulia, Parhusip, T. P., & Rusyana, A. (2018). Peramalan jumlah penumpang pesawat di Bandara Sultan Iskandar Muda dengan metode SARIMA (Seasonal Autoregressive Integrated Moving Average). Journal of Data Analysis, 1(1), 1–11. https://doi.org/10.24815/jda.v1i1.11847
Gunawan, W., & Ramadani, M. (2023). Analisa perbandingan penerapan metode SARIMA dan Prophet dalam memprediksi persediaan barang PT XYZ. Faktor Exacta, 16(2), 88–97. https://doi.org/10.30998/faktorexacta.v16i2.13803
Herdianto. (2013). Prediksi kerusakan motor induksi menggunakan metode jaringan saraf tiruan backpropagation [Tesis, Universitas Sumatera Utara]. https://repositori.usu.ac.id/handle/123456789/38400
Kementerian Perhubungan Republik Indonesia. (2023, 18 Januari). Kualitas infrastruktur transportasi di Bali terus ditingkatkan. https://dephub.go.id/index.php/post/read/kualitas-infrastruktur-transportasi-di-bali-terus-ditingkatkan
Lewis, C. D. (1982). Industrial and business forecasting methods: A practical guide to exponential smoothing and curve fitting. Butterworth Scientific. https://archive.org/details/industrialbusine0000lewi
Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (1998). Forecasting: Methods and applications (3rd ed.). John Wiley & Sons. https://bcs.wiley.com/he-bcs/Books?action=contents&bcsId=7079&itemId=0471532339
Muzakki, M. A., Sabila, M. A., Sundari, S., & Wisnuadhi, B. (2021). Analisis algoritma Prophet untuk memprediksi harga pangan di Kota Bandung. Prosiding Industrial Research Workshop and National Seminar, 12, 659–664. https://jurnal.polban.ac.id/proceeding/article/view/2777
Nuha, H. (2023). Mean absolute percentage error (MAPE) dan pengertiannya [Pracetak]. SSRN. https://ssrn.com/abstract=4422741
Nur Aziza, V., Moh’d, F. H., Maghfiroh, F. A., Notodiputro, K. A., & Angraini, Y. (2023). Performance comparison of SARIMA intervention and Prophet models for forecasting the number of airline passenger at Soekarno-Hatta International Airport. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 17(4), 2107–2120. https://doi.org/10.30598/barekengvol17iss4pp2107-2120
Nurvianti, I., Setiawan, B. D., & Bachtiar, F. A. (2019). Perbandingan peramalan jumlah penumpang keberangkatan kereta api di DKI Jakarta menggunakan metode Double Exponential Smoothing dan Triple Exponential Smoothing. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(6), 5257–5263. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/5458/2567/37817
Rahmawati, D. H. (2024). Implementasi model Prophet untuk peramalan jumlah penumpang harian pesawat Citilink Bengkulu–Jakarta dan Jakarta–Bengkulu pada periode pandemi [Skripsi, UIN Syarif Hidayatullah Jakarta]. https://repository.uinjkt.ac.id/dspace/handle/123456789/81176
Ridla, M. A., Azise, N., & Rahman, M. (2023). Perbandingan model time series forecasting dalam memprediksi jumlah kedatangan wisatawan dan penumpang airport. SIMKOM, 8(1), 1–14. https://doi.org/10.51717/simkom.v8i1.103
Taylor, S. J., & Letham, B. (2018). Forecasting at scale. The American Statistician, 72(1), 37–45. https://doi.org/10.1080/00031305.2017.1380080
Wei, W. W. S. (2023). Time series analysis: Univariate and multivariate methods (Classic Version, 2nd ed.). Pearson. https://www.pearson.com/en-us/subject-catalog/p/time-series-analysis-univariate-and-multivariate-methods-classic-version/P200000006412/9780134995366
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Luh Intan Chandriyani, I Gusti Nyoman Yudi Hartawan, I Wayan Puja Astawa
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
