Perbandingan Metode Arima (Autoregressive Integrated Moving Average) Dan Gamlss (Generalized Additive Model for Location, Scale, And Shape) Dalam Memprediksi Kunjungan Situs Website

Abstract

Analisis data dan statistik merupakan bidang yang semakin penting dan menarik untuk diteliti, terutama dalam topik time series (deret waktu). Data time series adalah data terurut yang diamati berdasarkan waktu dengan jarak yang sama dalam satu periode tertentu (Al’afi et al., 2020). Data time series tidak selalu memiliki nilai, penyebabnya yaitu adanya gangguan seperti data dengan nilai nol. Nilai nol pada data tidak sepenuhnya merupakan gangguan, namun jika jumlahnya melebihi perkiraan maka akan mengganggu hasil analisis pada data. Observasi atau penelitian ini dilakukan untuk berfokus pada penanganan gangguan nilai nol pada data time series. Penelitian seperti ini dikenal dengan istilah time series dengan banyak nol (time series with many zeros). Penelitian Perumean-Chaney et al., (2013), mengatakan pentingnya menggunakan model inflasi nol, dan menunjukkan bahwa mengabaikan angka nol berlebih dapat menyebabkan estimasi yang tidak cukup baik. Oleh karena itu, agar mendapat estimasi yang terbaik dan akurat gangguan nilai nol berlebih harus diatasi. Time series with many zeros memiliki banyak contoh kasus, diantaranya yaitu data Kunjungan Situs Website. Data ini memiliki deretan data dengan banyak nol akibat adanya musim yang mempengaruhi kunjungan.