PERAMALAN JUMLAH PENDERITA CAMPAK DI KOTA SURABAYA (Perbandingan metode Exponential Smoothing dan ARIMA)

Peramalan adalah memperkirakan suatu keadaan dimasa yang akan datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi, sehingga tindakan yang tepat dapat dilakukan. Time Series memiliki beberapa metode diantaranya ARIMA, pemulusan eksponensial, dan proyesi trend. Metode Single Exponential Smoothing dan ARIMA dapat meramalkan sebuah data yang tidak terdapat trend. Data kejadian campak klinis di Kota Surabaya berbentuk fluktuatif, sehingga cocok menggunakan peramalan metode Single Expenential Smoothing dan ARIMA untuk tahun 2018. Penelitian ini adalah penelitian unobstructive atau non-reaktif. Data yang digunakan adalah data sekunder bulanan jumlah kejadian campa klinis di Kota Surabaya. Variabel bebas penelitian ini adalah jumlah kejadian campak klinis. Metode peramalan Single Exponential Smoothing dengan parater 0,944 menghasilkan nilai RMSE sebesar 1,194, nilai MAPE sebesar 14,998, dan nilai R-Square sebesar 0,485. Model yang terbaik yang di dapatkan untuk pengujian ARIMA adalah model ARIMA (1,0,0) dengan nilai parameter 0,768 menghasilkan nilai RMSE sebesar 1,115, nilai MAPE sebesar 14,881, dan nilai RSquare sebesar 0,524. Kesimpulan penelitian ini adalah peramalan dengan menggunakan metode ARIMA (1,0,0) lebih baik dari pada menggunakan metode Single Exponential Smoothing karena memiliki hasil perhitungan RMSE dan MAPE yang lebih kecil dan memiliki R-square yang lebih besa