Perancangan dan Pembuatan Perangkat Lunak Peramalan Data Time Series Menggunakan Metode Box- Jenkins

Data time series dapat diartikan sebagai data yang secara kronologis disusun untuk melihat pengaruh perubahan dalam rentang waktu tertentu. Data time series yang dimiliki oleh perusahaan, organisasi bisnis atau instansi pemerintah seringkali menyimpan informasi yang tidak bisa dilihat secara eksplisit. Dengan menemukan informasi-informasi tersebut maka dapat dilakukan suatu peramalan ke depan yang sangat bermanfaat. Dalam tugas akhir ini dibahas tentang pengembangan perangkat lunak untuk melakukan peramalan. Perangkat lunak untuk peramalan tersebut dikembangkan dengan menggunakan metode Box-Jenkins. Metode Box-Jenkins ini memiliki beberapa tahapan yang harus dilakukan yaitu identifikasi model, estimasi parameter, pengecekan diagnostik dan peramalan. Tahap identifikasi model menghasilkan suatu model yang sesuai untuk data yang akan diramal. Untuk ini, terdapat tiga jenis model yang dapat digunakan yaitu AR, MA, atau ARIMA. Dalam tahap estimasi parameter dilakukan suatu proses iterasi terhadap model untuk mendapatkan model dengan parameter yang meminimumkan sum of squared residual. Tahap pengecekan diagnostik dilakukan untuk menguji kesesuaian dari parameter-parameter yang didapat pada tahap sebelumnya. Setelah model yang sesuai teridentifikasi, maka tahap peramalan dapat dilakukan. Perangkat lunak yang dikembangkan telah diuji coba terhadap delapan jenis data time series, yaitu indeks harga saham gabungan, kurs dollar Amerika, realisasi ekspor non migas, tamu asing yang datang pada hotel berbintang, suku bunga deposito berjangka, rata-rata lama tamu menginap pada hotel berbintang, realisasi penyaluran beras, dan data buatan menggunakan fungsi log. Hasil uji coba menunjukkan bahwa perangkat lunak yang dibuat telah mampu mengidentifikasi model yang sesuai untuk sejumlah data yang memiliki periode data yang berbeda-beda. Prosentase rata-rata kesalahan untuk data yang diuji coba berkisar antara 0,62 - 13,36 persen. Hampir semua data yang diuji coba dengan menggunakan model hasil identifikasi memiliki prosentase rata-rata kesalahan yang lebih kecil daripada menggunakan model yang ditentukan secara eksplisit. Perangkat lunak memerlukan waktu rata-rata 3,5 detik untuk menyelesaikan keseluruhan proses peramalan. Selain itu, perbandingan kesalahan peramalan dengan paket software Minitab menunjukkan nilai yang hampir sama