Akurasi Metode Exponential Smoothing dan Metode Autoregressive Integrated Moving Average (ARIMA) untuk Meramalkan Lama Proses Pengerjaan Tugas Akhir Mahasiswa Pendidikan Matematika FKIP Universitas Jember

Abstract

Hasil suatu analisis dan interpretasi data kuant itatif dalam ilmu matematika mendasari pengambilan keputusan. Forecasting (peramalan) adalah salah satu unsur yang sangat penting dalam proses pengambilan keputusan. Peramalan merupakan alat yang penting dalam perencanaan yang efektif dan efisien. Banyak metode untuk melakukan analisis time series / peramalan tersebut, diantaranya metode smoothing, ARIMA (Autoregressive Integrated Moving Average), ekonometri, regresi, dan metode masukan-keluaran. Untuk meramalkan lama proses pengerjaan tugas akhir mahasiswa digunakan metode Eksponential Smoothing dan ARIMA karena kedua metode ini memiliki kemampuan untuk menganalisis data masa lalu yang bersifat stasioner, trend atau musiman, maupun siklus. Hubungan IPK terhadap lama proses pengerjaan tugas akhir memberikan suatu alternatif dalam prediksi seberapa lama mahasiswa dengan IPK tertentu untuk mengerjakan tugas akhirnya. Untuk mendapatkan hasil peramalan time series dengan metode Triple Exponential Smoothing pertama kali harus menentukan nilai α terlebih dahulu, sehingga dapat ditentukan nilai smoothing awal atau S’, setelah dilakukan smoothing tiga kali didapatkan nilai konstanta a viit, b, t dan c. Selanjutnya dengan menggunakan persamaan Triple Exponential Smoothing maka hasil dari peramalan memberikan keakuratan yang cukup relevan. Demikian halnya untuk mendapatkan hasil peramalan time series dengan metode ARIMA pertama kali adalah menggambar scatter plot yang digunakan untuk mengetahui pola data tersebut mengandung data trend atau musiman, karena untuk analisis forecast ing data ARIMA adalah data stasioner baik dalam mean maupun varian. Dalam penelit ian ini prediksi menggunakan metode Exponential Smoothing lebih akurat dibandingkan dengan metode ARIMA. Penilaian metode yang paling akurat dengan membandingkan nilai error yang terkecil. Nilai error tersebut didapatkan dengan menghitung MAE, MSE, dan MAPE dari masing-masing metode peramalan. Nilai MAE, MSE, dan MAPE dari Exponential Smoothing berturut-turut sebesar 137.834; 413.501; 108.12%. Dengan rata-rata MAE, MSE, dan MAPE dari Exponential Smoothing berturut-turut sebesar 15.315 ; 45.945; 12.01%. Nilai MAE, MSE, dan MAPE dari ARIMA berturut-turut sebesar 141.368; 424.105; 108.21%. Dengan rata-rata MAE, MSE, dan MAPE dari ARIMA berturut-turut sebesar 15.708 ;47.123; 12.02%.