Teknik business intelligence untuk peramalan data angkutan udara dengan metode holt-winters dan artificial neural network

DETAIL KOLEKSI

Teknik business intelligence untuk peramalan data angkutan udara dengan metode holt-winters dan artificial neural network

Oleh : Annisa Ariadini Fathirachma

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2019

Pembimbing 1 : Dedy Sugiarto

Subyek : Business intelligence;Industrial management

Kata Kunci : business intelligence, forecasting, holt-winters, artificial neural network, air transport data

Status Posting : Published

Status : Lengkap

File Repositori

No.	Nama File	Hal.
1.	2019_TA_TI_06515009_Halaman-Judul.pdf
2.	2019_TA_TI_06515009_Bab-1.pdf	4
3.	2019_TA_TI_06515009_Bab-2.pdf
4.	2019_TA_TI_06515009_Bab-3.pdf
5.	2019_TA_TI_06515009_Bab-4.pdf
6.	2019_TA_TI_06515009_Bab-5.pdf
7.	2019_TA_TI_06515009_Daftar-Pustaka.pdf	3
8.	2019_TA_TI_06515009_Lampiran.pdf

Abstrak
Abstract

P enelitian ini bertujuan untuk mengetahui model peramalan terbaik dengan metode Holt-Winters dan Artificial Neural Network serta mengetahui perbandingan hasil peramalan kedua metode tersebut dengan teknik business intelligence. Data yang digunakan dalam penelitian ini adalah data jumlah pesawat, penumpang, dan kargo menurut asal/tujuan di Bandara Soekarno â€“ Hatta untuk penerbangan domestik dan internasional tahun 2013 hingga 2017. Data diperoleh secara langsung dari PT Angkasa Pura II yang berbentuk spreadsheet Microsoft Excel. Data ini akan diproses dengan metode Extract, Transform, dan Load (ETL) dengan menggunakan tools Pentaho Data Integration, lalu dilakukan peramalan untuk tahun 2018 hingga 2019 menggunakan bahasa R dengan tools RStudio. Hasil peramalan tersebut akan divisualisasikan dengan software Microsoft Power BI. Hasil peramalan selanjutnya akan dibandingkan tingkat keakuratannya dengan menghitung angka tingkat kesalahan Root Mean Squared Error (RMSE).

T he purpose of this study was to determine the best method of forecasting methods Holt-Winters and Artificial Neural Network also to compare the results with both methods with business intelligence techniques. The data used in this study is the number aircraft, passengers, and cargo according to origin/destination at Soekarnoâ€“ Hatta Airport for domestic and international flights from 2013 to 2017. Data is obtained directly from PT Angkasa Pura II in the form of Microsoft Excel spreadsheets. This data will be processed by the Extract, Transform, and Load (ETL) method using Pentaho Data Integration tools, then the forecasting for 2018 to 2019 will be done using the R language with RStudio tools. The forecasting results will be visualized with Microsoft Power BI software. The forecasting results will be compared with the accuracy level by calculating Root Mean Squared Error (RMSE) error rates.