Peramalan Jumlah Kendaraan Diuji Baik Menggunakan Metode Regresi Linier Berganda

Agus Astra Bawa; I Nyoman Sukajaya; I Made Agus Wirawan

doi:10.51454/decode.v5i1.1104

Authors

Agus Astra Bawa Ilmu Komputer Universitas Pendidikan Ganesha
I Nyoman Sukajaya Ilmu Komputer Universitas Pendidikan Ganesha
I Made Agus Wirawan Ilmu Komputer Universitas Pendidikan Ganesha

DOI:

https://doi.org/10.51454/decode.v5i1.1104

Keywords:

Mean Absolut Percentage Error, Peramalan, Regresi Linier Berganda

Abstract

Adanya permasalahan dalam penyediaan bahan baku pengujian di Dinas Perhubungan Kabupaten Buleleng sangat erat kaitannya dengan belum adanya peramalan jumlah kendaraan diuji baik. Peramalan juga tidak bisa dilakukan tanpa teridentifikasinya variabel-variabel yang mempengaruhi jumlah kendaraan diuji baik tersebut. Tujuan penelitian ini adalah untuk menentukan variabel yang tepat yang mempengaruhi jumlah kendaraan diuji baik serta menghitung hasil peramalan jumlah kendaraan diuji baik di Dinas Perhubungan Kabupaten Buleleng. Metode analisis prediksi menggunakan Regresi Linier Berganda. Evaluasi peramalan menggunakan Mean Absolute Percentage Error (MAPE). Penelitian ini menghasilkan 5 variabel bebas yaitu jumlah hari kerja dibulan bersangkutan, usia kendaraan dari kendaraan diuji baik 6 bulan sebelumnya, jarak tempuh (alamat pemilik) dari kendaraan diuji baik 6 bulan sebelumnya, jenis kendaraan mobil barang dari kendaraan diuji baik 6 bulan sebelumnya, dan sifat kendaraan umum dari kendaraan diuji baik 6 bulan sebelumnya. Dengan persamaan Regresi Linier Berganda Y = 773,884+11,695X1-23,788X3-11,633X4+0,005X5+1,502X8 menghasilkan peramalan jumlah kendaraan diuji baik dari bulan Januari 2024 sampai dengan bulan Juni 2024 adalah 600, 540, 595, 577, 570 dan 581 dengan hasil uji akurasi MAPE sebesar 5,39 dengan kategori sangat bagus.

References

Ahmad, N., Ghadi, Y., Adnan, M., & Ali, M. (2022). Load forecasting techniques for power system: Research challenges and survey. IEEE Access, 10, 71054-71090. https://doi.org/10.1109/ACCESS.2022.3187839

Algoritma. (2022, February). Pentingnya Data Cleaning Dalam Data Science. Algoritma. https://algorit.ma/blog/data-cleaning-adalah/

Allo, G. (2023). Perbandingan Metode Feature Selection Filter Method Dan Backward Method Pada Dataset Dermatology. Cenderawasih : Journal of Statistics and Data Science, 2(1), 32-36.

Azizah, S. R., Herteno, R., Farmadi, A., Kartini, D., & Budiman, I. (2023). Kombinasi Seleksi Fitur Berbasis Filter dan Wrapper Menggunakan Naive Bayes pada Klasifikasi Penyakit Jantung. Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(6), 1361-1368. https://doi.org/10.25126/jtiik.1067467

Hanafi, H. (2023). Data Cleaning dalam Big Data : Review. https://www.researchgate.net/publication/376758940

Mardiatmoko, G.-. (2020). The Importance of the Classical Assumption Test in Multiple Linear Regression Analysis (A Case Study of the Preparation of the Allometric Equation of Young Walnuts). BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 14(3), 333–342. https://doi.org/10.30598/barekengvol14iss3pp333-342

Marta, T., Mulyono, H., & Irsyadunas. (2023). Analisis Penerimaan Siswa Terhadap Penggunaan Google Classroom Dengan Metode Technology Acceptance Model (TAM). Decode: Jurnal Pendidikan Teknologi Informasi, 3(1), 30–37. https://doi.org/10.51454/decode.v3i1.71

Nur, M., Rizki, E. N., Karim, A. A., & Sari, R. K. (2024). Peramalan Jumlah Penumpang Domestik Pada Bandar Udara Sultan Syarif Kasim II Dengan Menggunakan Metode Winter’s Exponential Smoothing. Jurnal Teknologi dan Manajemen Industri Terapan, 3(I), 57-66. https://doi.org/10.55826/tmit.v3ii.302

Purba, D. S., Tarigan, W. J., Sinaga, M., & Tarigan, V. (2021). Pelatihan Penggunaan Software SPSS Dalam Pengolahan Regressi Linear Berganda Untuk Mahasiswa Fakultas Ekonomi Universitas Simalungun Di Masa Pandemi Covid 19. Jurnal Karya Abadi, 5(2), 202–208.

Rahma, V. A., & Sihombing, T. (2023). Implementasi Kebijakan Pengujian Kendaraan Bermotor Jenis Angkutan Kota Untuk Meningkatkan Keselamatan Penumpang di Kota Medan. Journal Of Science and Social Research, 6(1). https://doi.org/10.54314/jssr.v6i1.1191

Ramadhani, R. A., Maharani, M. D., Dewita, N. A. P., Nanlohy, S. A. R., & Maesaroh, S. S. (2023). Pemanfaatan Aplikasi SPSS Dalam Analisis Pengaruh Biaya Pemasaran Dan Gaji Pada Pendapatan Perusahaan Telekomunikasi. JIKA (Jurnal Informatika), 7(3), 271. https://doi.org/10.31000/jika.v7i3.8328

Rismanitanti, A., Mawarni, R., Rahmatullah, S., Efendi, D. M., & Nurbaiti, S. (2022). Perbandingan Pengolahan Data Prediksi Persediaan Gas Lpg 3kg Menggunakan Regresi Linier Berganda Dan K-Means. Jurnal Informatika, 22(2), 183-195.

Rohaeti, E., Andriyati, A., Sumarsa, A., & Widyastiti, M. (2022). Peramalan Dan Penjadwalan Ketersediaan Bahan Baku Untuk Mengoptimalkan Perencanaan Produksi Usaha Kecil Menengah Di Bogor. Jurnal PkM Pengabdian Kepada Masyarakat, 5(1). https://doi.org/10.30998/jurnalpkm.v5i1.7723

Ruspendi, Rusmalah, & Syahreen, N. (2022). Teknik Peramalan (1st ed.). Unpam Press.

Sabtohadi, J., Fatimah, F., Mei Saputri, D., Agus Tina, L., Novitasari, H., Rofi, I., Fadlilah, F., Nabila Imsaki Aulia, S., Indah Romadloni, R., & Resti Universitas Muhammadiyah Kalimantan Timur, L. (2024). Classic Assumption Data Analysis Training Using the SPSS Application. In Community Engagement & Emergence Journal (Vol. 5, Issue 1).

Susilawati, R., & Sunendiari, S. (2022). Peramalan Jumlah Penumpang Kereta Api Menggunakan Metode Arima dan Grey System Theory. Jurnal Riset Statistika, 2(1), 1-12. https://doi.org/10.29313/jrs.vi.603

Tania, M., Dalimunthe, R. A., & Azmi, S. R. M. (2024). Penerapan Metode Single Moving Average Untuk Memprediksi Jumlah Pertumbuhan Penduduk. Decode: Jurnal Pendidikan Teknologi Informasi, 4(2), 452-465. https://doi.org/10.51454/decode.v4i2.490

Trunfio, T. A., Scala, A., Giglio, C., Rossi, G., Borrelli, A., Romano, M., & Improta, G. (2022). Multiple regression model to analyze the total LOS for patients undergoing laparoscopic appendectomy. BMC Medical Informatics and Decision Making, 22(1), 141. https://doi.org/10.1186/s12911-022-01884-9

Urfah. (2022). Mengenal Feature Selection dalam Machine Learning. Datalearns247. https://www.datalearns247.com/mengenal-feature-selection-dalam-machine-learning-69

Utami, A. A., Hernawan, D., & Purnamasari, I. (2020). Analysis Of Service Quality In Testing Goods Transportation Type Motor Vehicle. Jurnal Governansi, 6(2). https://doi.org/10.30997/jgs.v6i2.3042