Alfiandi Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2025

Skripsi

Kehilangan data (missing values) merupakan permasalahan umum dalam analisis data deret waktu musiman yang dapat menurunkan akurasi model dan mengganggu interpretasi pola musiman. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua metode khusus untuk imputasi data hilang pada data deret waktu musiman, yaitu Seasonally Decomposed Missing Value Imputation (SD-MVI) dan Seasonally Splitted Missing Value Imputation (SS-MVI). Tiga dataset musiman digunakan dalam studi ini: data harian temperatur permukaan di Banda Aceh, data bulanan jumlah penumpang pesawat di AS, dan data bulanan suhu El Nino di Pasifik Tengah Ekuator. Data hilang disimulasikan secara acak dalam proporsi 5% hingga 25%. Evaluasi kinerja metode dilakukan menggunakan tiga metrik evaluasi: Root Mean Square Error (RMSE), Weighted Absolute Percentage Error (WAPE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa metode SD-MVI secara konsisten memberikan hasil yang lebih akurat dibandingkan SS-MVI pada semua proporsi data hilang dan seluruh dataset. SD-MVI terbukti lebih mampu mempertahankan distribusi dan variasi data asli, terutama pada proporsi kehilangan data yang tinggi. Temuan ini memberikan rekomendasi bahwa SD-MVI merupakan metode yang lebih efektif untuk mengatasi data hilang dalam deret waktu musiman, khususnya dalam konteks analisis yang memerlukan ketelitian terhadap pola musiman. Kata kunci: Imputasi, Data hilang, SD-MVI, SS-MVI, Musiman 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159857 2025-07-10 18:40:38 2025-07-11 09:27:59 machine generated