Prediksi Jumlah Penumpang Kereta Api Stasiun Surabaya Gubeng dengan Metode Monte Carlo

Angga Kusuma Bayu Viargo, Toha Saifudin, Nur Chamidah

Abstract


Jumlah penumpang kereta api di Indonesia kembali mengalami peningkatan semenjak masa pandemi. Salah satu stasiun yang mengalami peningkatan penumpang adalah Stasiun Surabaya Gubeng. Penelitian ini bertujuan untuk mendapatkan hasil prediksi jumlah penumpang harian kereta api di Stasiun Surabaya Gubeng menggunakan metode Monte Carlo dengan pembangkit bilangan acak yang berbeda. Metode Monte Carlo merupakan metode yang menginterpretasikan hasil ketidakpastian probabilitas dari suatu proses dan menyimulasikan nilai frekuensi secara stokastik dari segala kemungkinan hasil. Pembangkit bilangan acak yang digunakan yaitu; multiplicative, mixed, dan random uniform. Tingkat keakuratan dari hasil penelitian dihitung berdasarkan nilai Mean Absolute Percentage Error (MAPE). Data dalam penelitian ini merupakan data time series diambil dari tanggal 16 Mei 2022 hingga 2 Oktober 2022 sebanyak 140 hari. Data dibagi menjadi tujuh kelompok berdasarkan nama hari sebanyak 20 data untuk setiap kelompok. Prediksi dilakukan menggunakan Monte Carlo diperoleh rata-rata nilai MAPE outsample dari setiap kelompok hari yaitu;  hari Senin sebesar 25,25%, hari Selasa sebesar 16,74%, hari Rabu sebesar 17,73%, hari Kamis sebesar 3,32%, hari Jumat sebesar 12,36%, hari Sabtu sebesar 4,88%, dan hari Minggu sebesar 2,62%. Kesimpulan akhir diperoleh bahwa hasil prediksi sangat akurat terjadi pada hari Kamis, Sabtu dan Minggu.

Keywords


Prediksi; Penumpang Kereta Api; Monte Carlo

Full Text:

PDF

References


A. Muhazir, “Penerapan Metode Monte Carlo dalam Memprediksi Jumlah Penumpang Kereta Api (Studi Kasus: PT. KAI Wilayah Sumatra),” Journal of Science and Social Research, vol. 5, no. 1, pp. 151–158, 2022.

S. Franke, F. Franke, and R. Riedel, “Robustness Evaluation of Production Plans Using Monte Carlo Simulation,” Procedia Manuf, vol. 54, pp. 130–135, 2021.

K. Alfikrizal, “Simulasi Monte Carlo dalam Prediksi Jumlah Penumpang Angkutan Massal Bus Rapid Transit Kota Padang,” Jurnal Informatika Ekonomi Bisnis, vol. 3, no. 2, pp. 78–82, 2021.

M. Amin, E. Kusrini, and A. Parkhan, “Analisis Pengendalian Persediaan pada Permintaan dan Lead Time Probabilistik Menggunakan Pendekatan ABC dan Simulasi Monte Carlo,” Jurnal Rekavasi, vol. 8, no. 2, pp. 39–46, 2020.

S. D. Nasution, “Penerapan Metode Linier Kongruendan Algoritma Vigenère Chiper Pada Aplikasi Sistem Ujian Berbasis Lan,” Jurnal Pelita Informatika Budi Darma, vol. 4, no. 1, pp. 94–102, 2013.

N. Erzed and A. Rospita, “Permainan Kartu Remi 41 Dengan Menggunakan Algoritma Linear Congruential Generator (LCG) Sebagai Pembangkit Angka Random,” JI-Tech, vol. 10, no. 2, pp. 27–39, 2014.

J. T. Mangatur, P. S. Ramadhan, and M. Suryanata, “Optimasi Pengacakan Soal Ujian Sekolah Menggunakan Metode Multiplicative Random Number Generator pada SMK Swasta Jambi Medan,” Jurnal Cyber Tech, vol. 2, no. 2, pp. 271–282, 2019.

R. Ramadania, “Peramalan Harga Beras Bulanan di Tingkat Penggilingan dengan Metode Weighted Moving Average,” Bimaster: Buletin Ilmiah Matematika, Statistika dan Terapannya, vol. 7, no. 4, pp. 329–334, 2018.

I. A. Lubis and H. Suliantoro, “Usulan Perencanaan Safety Stock & Forecasting Demand dengan Metode Time Series Produksi Keran Air di PT Kayu Perkasa Raya,” Industrial Engineering Online Journal, vol. 8, no. 3, 2019.

J. J. M. Moreno, A. P. Pol, A. S. Abad, and B. C. Blasco, “Using The R-Mape Index as a Resistant Measure of Forecast Accuracy,” Psicothema, vol. 25, no. 4, pp. 500–506, 2013.




DOI: http://dx.doi.org/10.12962/limits.v20i3.16123

Refbacks

  • There are currently no refbacks.


Jumlah Kunjungan:

Creative Commons License
Limits: Journal Mathematics and its Aplications by Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://iptek.its.ac.id/index.php/limits.