Peramalan dengan Hybrid Exponential Smoothing - Neural Network Pada Data Jumlah Penumpang Keberangkatan Domestik di Bandara Sultan Hasanuddin Makassar = Forecasting with Hybrid Exponential Smoothing - Neural Network on Data of The Number of Passenger Departing Domestic Flights at Sultan Hasanuddin Airport

SUCI LESTARI. Peramalan dengan Hybrid Exponential Smoothing – Neural Network pada Jumlah Penumpang Keberangkatan Domestik di Bandara Sultan Hasanuddin Makassar (dibimbing oleh Dr. Anna Islamiyati, S.Si., M.Si. dan Prof. Dr. Dr. Georgina Maria Tinungki, M. Si.) Model Exponential Smoothing merupakan salah satu model yang cocok untuk meramalkan data time series. Pada model Exponential smoothing permasalahan tentang kelinearan data tidak terlalu diperhatikan sehingga menjadikan model Exponential Smoothing terkadang masih menghasilan error yang cukup besar. Dalam upaya untuk meningkatkan akurasi model peramalan maka dilakukan suatu metode hybrid dimana metode ini menggabungkan dua metode yaitu Exponential Smoothing dengan Neural Network. Neural Network merupakan metode analisis time series yang berisikan komponen nonlinier. Data yang digunakan dalam penelitian ini adalah adalah data sekunder tentang Jumlah Penumpang Keberangkatan Penerbangan Domestik di Bandara Sultan Hasanuddin Makassar dari tahun 2017 sampai dengan tahun 2023. Dari hasil analisis dengan menggunakan model hybrid Exponential Smoothing - Neural Network diperoleh MAPE sebesar 0,077 lebih kecil dibandingkan dengan nilai MAPE Exponential Smoothing sebesar 0,3677 dan MAPE Neural Network sebesar 0,329. Dengan demikian dapat diketahui bahwa model hybrid lebih tepat digunakan untuk peramalan Jumlah Penumpang Keberangkatan Penerbangan Domestik di Bandara Sultan Hasanuddin Makassar.

Keyword : Exponential Smoothing, Neural Network, Hybrid Exponential Smoothing-Neural Network, MAPE