Electronic Theses and Dissertation

Pertumbuhan penduduk yang meningkat akan mengakibatkan pertambahan tonase sampah yang meningkat pula. Sampah merupakan suatu barang yang tidak bermanfaat dan terjadi atas kesadaran diri serta barang yang membuat masyarakat gundah. Pada penelitian ini digunakan data tonase sampah TPST Bantargebang Provinsi DKI Jakarta Kota Bekasi, Jawa Barat periode Januari 2011 sampai Desember 2019 sebanyak 96 observasi, yang diperoleh dari website portal data atau Jakarta Open Data. Penelitian ini bertujuan untuk mendapatkan model terbaik dan memperoleh metode peramalan terbaik untuk meramalkan tonase sampah TPST Bantargebang pada masa yang akan datang. Peramalan adalah salah satu analisis yang digunakan untuk memprediksi apa yang terjadi masa mendatang dengan menggunakan data masa lalu. Adapun analisis kuantitatif yang akan digunakan dalam peramalan tonase sampah adalah analisis time series. Analisis time series terdapat banyak metode yang dapat digunakan untuk peramalan masa depan yang sesuai dengan syarat dan data tersebut. Berdasarkan hal tersebut, perlu dilakukan perbandingkan metode agar memperoleh metode terbaik dalam meramalkan tonase sampah TPST Bantargebang. Metode analisis time series yang digunakan dalam penelitian ini adalah Triple Exponential Smoothing dan ARIMAX. Selain metode time series short memory tersebut terdapat metode time series long memory yaitu memiliki syarat data yang mengandung long memory dan memiliki kerkaitan data dalam jangka Panjang. Berdasarkan hasil yang didapatkan, model terbaik untuk metode Triple Exponential Smoothing yaitu dengan menggunakan parameter α=0,10; β=0,01 dan γ=0,30. Model terbaik metode ARIMAX adalah (2,1,2)(1,1,1)12, V_1,…,V_11 dan model terbaik untuk metode ARFIMA adalah ARFIMA (1, -0,06659377, 1). Hasil analisis data tonase sampah tersebut dapat disimpulkan bahwa metode terbaik yang dapat digunakan untuk meramalkan masa yang akan datang yaitu metode Triple Exponential Smoothing yang dilihat melalui nilai akurasi yaitu MSE, RMSE dan MAPE yang lebih kecil daripada metode ARIMAX dan ARFIMA. Nilai MSE, RMSE dan MAPE secara berturut-turut adalah sebesar 448.580.631,1; 21.179,72; dan 6,949.

Kata kunci: Tonase sampah TPST Bantargebang, analisis time series, Triple Exponential Smoothing, ARIMAX, ARFIMA

Increased population growth will result in an increase in the tonnage of waste that also increases. Garbage is an item that is not useful and occurs on self-awareness and goods that make people upset. In this study, 96 observations were used for the tonnage of Bantargebang TPST DKI Jakarta Province, Bekasi City, West Java, from January 2011 to December 2019, which were obtained from the data portal website or Jakarta Open Data. This study aims to obtain the best model and obtain the best forecasting method to predict the tonnage of Bantargebang TPST waste in the future. Forecasting is one of the analyzes used to predict what will happen in the future using past data. The quantitative analysis that will be used in forecasting waste tonnage is time series analysis. In time series analysis, there are many methods that can be used for forecasting the future according to these terms and data. Based on this, it is necessary to compare methods in order to obtain the best method in predicting the tonnage of Bantargebang TPST waste. The time series analysis method used in this study is Triple Exponential Smoothing and ARIMAX. In addition to the short memory time series method, there is a long memory time series method, which has data requirements that contain long memory and have long-term data linkages. Based on the results obtained, the best model for the Triple Exponential Smoothing method is using the parameter α =0,10; β=0,01 and γ=0.30. The best model for the ARIMAX method is (2,1,2)(1,1,1)12, V_1,…,V_11 and the best model for the ARFIMA method is ARFIMA (1, -0.06659377, 1). The results of the analysis of the waste tonnage data can be concluded that the best method that can be used to predict the future is the Triple Exponential Smoothing method which is seen through the accuracy values, namely MSE, RMSE and MAPE which are smaller than the ARIMAX and ARFIMA methods. The MSE, RMSE and MAPE values were 448.580.631.1; 211.79.72; and 6,949. Keywords: Bantargebang TPST waste tonnage, time series analysis, Triple Exponential Smoothing, ARIMAX, ARFIMA