Mutia, Cut Rena (2026) FORECASTING PERMINTAAN LPG MENGGUNAKAN ALGORITMA ARIMA DAN SARIMA BERDASARKAN DATA HISTORIS PENYALURAN. S1 thesis, Universitas Malikussaleh.

[img] Text
COVER.pdf

Download (4MB)
[img] Text
ABSTRAK.pdf

Download (4MB)
[img] Text
BAB I.pdf

Download (4MB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (4MB)
[img] Text
SKRIPSI CUT RENA MUTIA.pdf
Restricted to Registered users only

Download (4MB)
Official URL: https://unimal.ac.id/

Abstract

ABSTRAK Permintaan Liquefied Petroleum Gas (LPG) yang bersifat fluktuatif dan memiliki pola musiman menyebabkan perencanaan distribusi menjadi lebih kompleks. Penelitian ini bertujuan membandingkan kinerja metode Autoregressive Integrated Moving Average (ARIMA) dan Seasonal Autoregressive Integrated Moving Average (SARIMA) dalam melakukan Forecasting permintaan LPG berdasarkan data historis penyaluran PT Pertamina Patra Niaga Regional Sumbagut periode Januari 2023 hingga Desember 2025. Tahapan penelitian meliputi preprocessing data, pembagian data training dan testing, pengujian stasioneritas menggunakan Augmented Dickey-Fuller (ADF), pembentukan model menggunakan Auto ARIMA, serta evaluasi menggunakan MAE, RMSE, MAPE, dan AIC. Hasil penelitian menunjukkan bahwa ARIMA(2,1,4) menghasilkan MAE sebesar 114.426,79, RMSE sebesar 219.563,18, dan MAPE sebesar 55,48%, sedangkan SARIMA(3,1,3)(1,0,1,7) menghasilkan MAE sebesar 114.663,22, RMSE sebesar 219.532,32, dan MAPE sebesar 55,46%. Meskipun ARIMA menghasilkan MAE yang lebih rendah, SARIMA dipilih sebagai model terbaik karena memiliki nilai RMSE, MAPE, dan AIC yang lebih rendah. Model SARIMA selanjutnya digunakan untuk peramalan periode Januari–Februari 2026, termasuk pada lima kabupaten/kota dengan jumlah penyaluran LPG terbesar. Model Forecasting juga diimplementasikan ke dalam sistem berbasis web untuk mempermudah proses peramalan dan penyajian hasil prediksi. Hasil penelitian ini dapat digunakan sebagai informasi pendukung dalam perencanaan distribusi LPG secara lebih terarah dan berbasis data. Kata Kunci: Forecasting, ARIMA, SARIMA, Time series, LPG.

Item Type: Thesis (S1)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
T Technology > T Technology (General)
Divisions: Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User: Cut Rena Mutia
Date Deposited: 31 Aug 2026 03:35
Last Modified: 31 Aug 2026 03:35
URI: https://rama.unimal.ac.id/id/eprint/21801

Actions (login required)

View Item View Item

Latest Collections

Top Downloaded Items

Top Authors

This repository has been indexed by