Seasonal Autoregressive Integrated Moving Average dan Artificial Neural Network Untuk Memprediksi Data Seasonal

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Artificial Neural Network (ANN) yang diharapkan meningkatkan akurasi dari model Seasonal Autoregressive Integrated Moving Average (SARIMA) yang merupakan salah satu bagian dari model time series pada prediksi data seasonal. Informasi dasar mengenai data menggunakan estimasi parameter pada masing-masing model SARIMA menggunakan Bayesian Information Criterion (BIC). Nilai error untuk mengevaluasi SARIMA(2,0,0)(0,1,1)12 dan ANN didapatkan menggunakan Mean Absolute Error (MAE). Pada penelitian ini, model estimasi dari SARIMA (2,0,0)(0,1,1)12 dan jumlah node hidden layer pada uji algoritma ANN yaitu 20 dengan fungsi aktivasi log sigmoid dan linear. Performansi MAE pada data training dan data testing dari model SARIMA (2,0,0)(0,1,1)12 adalah 0.086 dan 0.071, ketika hasil prediksi SARIMA dimasukkan ke ANN nilai error pada data testing dan training menjadi lebih kecil yaitu 0.046 dan 0.052. Berdasarkan hasil prediksi, data seasonal yang digunakan mendapatkan perubahan error menjadi kecil saat hasil model SARIMA dimasukkan ke algoritma ANN. Kata kunci : Data seasonal, SARIMA, ANN