Perbandingan Metode Regresi Linier dan Single Moving Average dalam Peramalan Timbulan Sampah di Kota Malang
DOI:
https://doi.org/10.33795/jip.v11i3.7017Keywords:
peramalan, regresi linier, single moving average, sampahAbstract
Sampah merupakan produk yang sudah tidak digunakan kembali. Penumpukan sampah yang berlebihan dapat membuat permasalahan sosial dan lingkungan. Kasus timbulan sampah yang meningkat ini menjadi masalah serius di berbagai wilayah Indonesia termasuk Kota Malang. Sampah yang tidak dikelola dengan tepat dapat menyebabkan bencana alam seperti banjir dan tanah longsor. Oleh karena itu, diperlukan adanya tindakan strategi yang efektif untuk pengelolaan sampah di Kota Malang. Prediksi menggunakan metode peramalan yang optimal menjadi salah satu langkah yang dibutuhkan untuk bisa menentukan strategi pengelolaan sampah yang tepat. Data timbulan sampah Kota Malang yang tersedia pada web resmi SIPSN adalah data volume sampah mulai dari tahun 2019 hingga tahun 2023. Sampel data tersebut berjumlah kurang dari 10, sehingga dilakukan analisis perbandingan menggunakan metode peramalan regresi linier dan single moving average. Perhitungan peramalan pada kedua metode menggunakan rumus persamaan, khusus untuk model regresi linier memanfaatkan tools rapidminer untuk lebih mengoptimalkan hasil. Kedua metode tersebut menghasilkan model peramalan dari data aktual yang digunakan pada studi kasus ini. Metode peramalan regresi linier dan single moving average dinyatakan baik karena mempunyai nilai MAPE diantara rentang 10%-20%. Namun, model regresi linier lebih optimal digunakan dalam perhitungan karena memiliki nilai MAPE yang lebih kecil yaitu sebesar 11,28% dibandingkan single moving average yang memiliki MAPE sebesar 12,36%.
Downloads
References
Ababil, O. J., Wibowo, S. A., & Zulfia Zahro’, H. (2022). Penerapan Metode Regresi Linier dalam Prediksi Penjualan Liquid Vape di Toko Vapor Pandaan Berbasis Website. JATI (Jurnal Mahasiswa Teknik Informatika), 6(1), 186–195. https://doi.org/10.36040/jati.v6i1.4537
Agrippina, A. P., & Pamuji, F. Y. (2024). Komparasi Peramalan Penerimaan Siswa Baru Menggunakan Metode Exponential Smoothing: Comparison of Forecasting New Student Admissions Using the Exponential Smoothing Method. PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer, 11(1), 35–44. https://doi.org/10.30656/prosisko.v11i1.8059
Agustian, S., & Wibowo, H. (2019). Perbandingan Metode Moving Average untuk Prediksi Hasil Produksi Kelapa Sawit.
Budiarto, S. P., & Dedi, M. (2020). Desain dan Perancangan Aplikasi Jemput Sampah Online Desa Rejosari Menggunakan Agile Development. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 7(3), 531–545. https://doi.org/10.35957/jatisi.v7i3.529
Hidayat, A., Ziyad, M. T., & Juliane, C. (2023). Memprediksi Volume Sampah Di Jawa Barat Dengan Metode Regresi Linier. 10(1).
Hudaningsih, N., Firda Utami, S., & Abdul Jabbar, W. A. (2020). Perbandingan Peramalan Penjualan Produk Aknil PT. Sunthi Sepuri Mengguanakan Metode Single Moving Average dan Single Exponential Smooting. Jurnal Informatika, Teknologi dan Sains, 2(1), 15–22. https://doi.org/10.51401/jinteks.v2i1.554
Husdi, H., & Dalai, H. (2023). Penerapan Metode Regresi Linear Untuk Prediksi Jumlah Bahan Baku Produksi Selai Bilfagi. Jurnal Informatika, 10(2), 129–135. https://doi.org/10.31294/inf.v10i2.14129
Ihsan Fairuzsyifa, A., & Sulistyo Nugroho, Y. (2024). Analisis Regresi Linier Berganda Pengaruh Minat Calon Mahasiswa di Universitas Muhammadiyah Surakarta Menggunakan Python. Jurnal Informatika Polinema, 10(2), 265–272. https://doi.org/10.33795/jip.v10i2.5014
Kurniawan, P., Rossa, H., Permana, A., Ramadan, W. A., Aji, A. B. W., Hidayatulloh, S., Iksan, N., & Arief, U. M. (2022). Prediksi Jumlah Penduduk Jakarta Selatan Menggunakan Metode Regresi Linear Berganda. Jurnal Sistem dan Teknologi Informasi (JustIN), 10(4), 518. https://doi.org/10.26418/justin.v10i4.48331
Lusiana, A., & Yuliarty, P. (2020). Penerapan Metode Peramalan (Forecasting) pada Permintaan Atap Di PT X. Industri Inovatif : Jurnal Teknik Industri, 10(1), 11–20. https://doi.org/10.36040/industri.v10i1.2530
Muhaimin, M. R., & Pamuji, F. Y. (2024). Evaluasi Metode Single Exponential Smoothing dan Long Short-Term Memory pada Prediksi Saham Bank BRI. 4(2).
Pertiwi, N. A., & Puspasari, R. (2020). Peramalan Penjualan Kartu dan Voucher Internet Menggunakan Metode Single Moving Average (Studi Kasus: Toko Karya Pulsa). INFOSYS (INFORMATION SYSTEM) JOURNAL, 4(2), 111. https://doi.org/10.22303/infosys.4.2.2020.111-121
Ramadhan, V. P., & Pamuji, F. Y. (2022). Analisis Perbandingan Algoritma Forecasting dalam Prediksi Harga Saham LQ45 PT Bank Mandiri Sekuritas (BMRI). Jurnal Teknologi dan Manajemen Informatika, 8(1), 39–45. https://doi.org/10.26905/jtmi.v8i1.6092
Santiari, N. P. L., & Rahayuda, I. G. S. (2021). Analisis Perbandingan Metode Single Exponential Smoothing dan Single Moving Average dalam Peramalan Pemesanan. 6(2).
Sebastian Rudi, W., Agus Pranoto, Y., & Xaverius Ariwibisono, F. (2023). Penerapan Metode Regresi Linier dalam Peramalan Penjualan Kue di Toko Karya Bahari Samarinda Berbasis Website: Studi Kasus Wilayah Samarinda di Toko Karya Bahari Samarinda. JATI (Jurnal Mahasiswa Teknik Informatika), 7(4), 2451–2457. https://doi.org/10.36040/jati.v7i4.7547
Zafira, F., Irawan, B., & Bahtiar, A. (2024). Penerapan Data Mining untuk Estimasi Stok Barang dengan Metode K-Means Clustering. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 156–161. https://doi.org/10.36040/jati.v8i1.8319
Zuraidah, Z., Rosyidah, L. N., & Zulfi, R. F. (2022). Edukasi Pengelolaan dan Pemanfaatan Sampah Anorganik di MI Al Munir Desa Gadungan Kecamatan Puncu Kabupaten Kediri. BUDIMAS : JURNAL PENGABDIAN MASYARAKAT, 4(2). https://doi.org/10.29040/budimas.v4i2.6547
