OPTIMASI MODEL PROPHET DENGAN HYPERPARAMETER TUNING UNTUK PERAMALAN JUMLAH BARANG YANG DIMUAT DI BANDARA SULTAN HASANUDDIN

Latar Belakang. Peramalan jumlah barang udara yang akurat sangat penting untuk mendukung perencanaan operasional dan alokasi sumber daya dalam pengelolaan logistik bandara. Namun, data jumlah barang sering kali menunjukkan perubahan tren, pola musiman, dan gangguan struktural yang dapat menurunkan akurasi peramalan apabila menggunakan konfigurasi model bawaan. Tujuan. Penelitian ini bertujuan mengoptimalkan model Prophet melalui hyperparameter tuning untuk meningkatkan akurasi peramalan jumlah barang yang dimuat di Bandara Sultan Hasanuddin. Metode. Data yang digunakan berupa data bulanan jumlah barang yang dimuat pada periode Oktober 2009 hingga Oktober 2024 yang diperoleh dari Badan Pusat Statistik (BPS). Dataset dibagi menjadi data pelatihan (training set) dan data pengujian (testing set) yang masing-masing terdiri atas 147 dan 34 observasi. Proses hyperparameter tuning dilakukan menggunakan metode Grid Search dengan mengoptimalkan parameter changepoint prior scale, seasonality prior scale, dan seasonality mode. Kinerja peramalan dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE), kemudian dibandingkan dengan model Prophet bawaan dan model SARIMA intervensi. Hasil. Hasil penelitian menunjukkan bahwa model Prophet yang telah dioptimalkan menghasilkan nilai MAPE sebesar 7,80% dan RMSE sebesar 279,83, lebih baik dibandingkan model Prophet bawaan (MAPE = 16,98%; RMSE = 590,50) maupun model SARIMA intervensi (MAPE = 10,07%; RMSE = 363,31). Kesimpulan. Hyperparameter tuning terbukti meningkatkan kinerja peramalan model Prophet secara signifikan sehingga model Prophet yang dioptimalkan dapat digunakan sebagai alat peramalan yang andal untuk memprediksi jumlah barang udara di Bandara Sultan Hasanuddin.