Matriks jurnal penelitian forecasting ARIMA
No Judul Penulis Tujuan
1 Penggunaan Metode Hartati (2017) Tujuan penelitian ini adalah
Arima Dalam meramalkan data time series sebagai
Meramal Pergerakan salah satu menanggulangi terjadinya
Inflasi ketidakstabilan laju inflasi dengan
metode ARIMA
2 Jumlah bulanan pengunjung
internasional di Bumthang, Bhutan dari
Januari 2012 hingga Desember 2016
dimodelkan dengan menggunakan
model Box-Jenkins musiman
Autoregressive Integrated Moving
Average (ARIMA).
Hasil Kelebihan dan
kekurangan
Hasil penelitian mengenai peramalan
dengan menggunakan Auto Regressive
Integrated Moving Average atau
ARIMA untuk data laju inflasi
memberikan hasil peramalan sebesar
0,6285% atau 6,285. Berdasarkan
grafik data terlihat bahwa hasil
peramalan menggunakan metode
ARIMA mampu mengikuti
pergerakkan data aktual dari laju
inflasi. Selain itu, berdasarkan hasil
estimasi diperoleh nilai Sum Squared
Error sebesar 23,22
Model ARIMA yang digunakan yaitu
(0, 0, 0) × (1, 1, 0)12 mampu
meramalkan kunjungan wisatawan
internasional periode Jan 2017-Jun
2017 dengan akurasi 91%. Hasil
peramalan dapat digunakan sebagai
alat untuk mengatasi tantangan masa
depan dan membawa pengembangan
lebih lanjut dalam industri pariwisata.
3 Forecasting the Eman Ahmed Penelitian ini bertujuan untuk Studi ini mengidentifikasi bahwa
number of Arab and Aly Ismai memperkirakan jumlah wisatawan ARIMA (0,1,0) adalah yang model
foreign tourists in (2019) Arab dan Asing yang diharapkan untuk yang cocok untuk deret waktu untuk
Egypt using ARIMA lima tahun berturut-turut, khususnya Arab dan asing turis. Studi ini
models dari tahun 2018 s/d menyiratkan bahwa jumlah wisatawan
2022 dengan menggunakan model di Mesir akan meningkat. Namun
ARIMA. Data yang digunakan persentase dari peningkatan
mencakup periode dari 1981 hingga diperkirakan akan menurun selama 5
2017, studi ini. tahun.

4 Forecasting amount of : M Prastuti et Penelitian ini bertujuan untuk Hasilnya menunjukkan bahwa ARIMA
passanger of ships in al (2020) meramalkan jumlah penumpang kapal, ([1,12,13],1,0), ARIMA (0,1,
Madura strait port meliputi pejalan kaki, pengendara [1,11,12]), dan ARIMA (0,1,1) adalah
using ARIMA Box- sepeda motor, dan pengendara mobil. model terbaik untuk meramalkan
Jenkins method Itu jumlah pejalan kaki, pengendara
peramalan dilakukan dengan metode sepeda motor, dan pengendara mobil.
ARIMA Box-Jenkins. Hasil ramalan menunjukkan bahwa
jumlahnya
penumpang pejalan kaki terus
berkurang, sementara jumlah
pengendara sepeda motor dan mobil
konstan.
5 ARIMA modelling Xingde Duana, Tujuan dari penelitian ini adalah untuk Hasilnya penelitian ini menggunakan
and forecasting of Xiaolei Zhang mengusulkan model matematika dan model ARIMA
irregularly patterned (2020) statistik yang akurat guna memprediksi (6,1,7) untuk dataset kasus wabah di
COVID-19 outbreaks penyebaran COVID-2019 dengan data Jepang dan ARIMA (2,1,3) di Korea
 using Japanese and kasus baru di Jepang dan Korea Selatan
South Korean data dari 20 Januari 2020 hingga 26 April
2020 untuk memprediksi kasus pada
periode 7 hari dari 27 April 2020
hingga 3 Mei 2020 menggunakan
metode ARIMA
6 ARIMA modelling & Alok Kumar Artikel ini bertujuan untuk
forecasting of Sahai et al menganalisis data deret waktu untuk
COVID-19 in top five (2020) lima negara besar yang terkena dampak
affected countries COVID-19 untuk meramalkan
penyebaran pandemic menggunakan
model ARIMA. Penelitian ini
menggunakan data deret waktu harian
dari 15 Februari hingga 30 Juni 2020
(sekitar 5 bulan) dari total kasus lima
negara teratas yaitu AS, Brasil, India,
Rusia, dan Spanyol untuk perkiraan 18
hari.
7 Prediksi Jumlah Kasus Lailatul Penelitian ini bertujuan untuk
Covid-19 Ainiyah, memprediksi seberapa banyak
Menggunakan Metode Muflihah penambahan jumlah kasus COVID-19
Selatan. Estimasi ARIMA dapat
menangkap struktur dependen dari
deret waktu kasus baru yang
dikonfirmasi setiap hari dengan sangat
baik. Nilai prediksi, batas atas dan
bawah dari nilai prediksi berada pada
tingkat kepercayaan <95% dari kasus
baru harian yang dikonfirmasi selama
periode 7 hari dari 27 April 2020
hingga 3 Mei 2020.
Hasil analisis menunjukkan bahwa
India dan Brasil akan mencapai angka
1,38 juta dan 2,47 juta sementara
AS akan mencapai angka 4,29 juta
pada 31 Juli. Dengan tidak ada obat
yang efektif tersedia saat ini, ini
ramalan akan membantu pemerintah
untuk lebih siap untuk memerangi
epidemi dengan meningkatkan mereka
fasilitas kesehatan.
Hasil dari penelitian ini adalah untuk
data total kasus pasien positif COVID-
19 model terbaiknya ARIMA (2,2,1)
 Autoregressive Bansori (2021) di Kabupaten Sidoarjo Provinsi Jawa dengan nilai MSE sebesar 1540,51.
Integrated Moving Timur dalam beberapa hari ke depan Sedangkan untuk data total kasus
Average (Arima) menggunakan metode ARIMA. pasien sembuh COVID-19 model
(Studi Kasus terbaiknya ARIMA (3,1,2) dengan nilai
Kabupaten Sidoarjo) MSE sebesar 526,81.
8 Prediksi Kunjungan Wanda Penelitian ini bertujuan untuk Hasil peramalan untuk 5 periode ke
Wisatawan Listathea Putri memprediksi jumlah depan menunjukkan bahwa jumlah
Mancanegara Ke Dki dkk (2021) kunjungan/kedatangan wisman ke kunjungan wisman ke Provinsi DKI
Jakarta Pada Masa Provinsi DKI Jakarta pada masa Covid- Jakarta untuk bulan Agustus hingga
Covid-19 19 menggunakan metode Double Desember 2021 akan terus mengalami
Menggunakan Metode Exponential Smoothing (DES) Holt. penurunan dengan jumlah kunjungan
Des Holt pada bulan Agustus 2021 sebanyak
6.898 kunjungan, September sebanyak
6.735 kunjungan, Oktober sebanyak
6.576 kunjungan, serta bulan
November dan Desember 2021 adalah
sebanyak 6.421 dan 6.270 kunjungan.
9 Analisa Peramalan Lafnidita Data transaksi yang dimiliki oleh PT Hasil analisa peramalan penjualan
Penjualan Alat Farosanti, TGI belum dimanfaatkan secara produk menggunakan metode ARIMA
Kesehatan dan Husni optimal dan hanya menjadi catatan dengan parameter p,d,q sebesar 4,2,1
Laboratorium di PT. Mubarok, historis saja sehingga perlu adanya mempunyai nilai error yang masih
Tristania Global Indrianto pengolahan lebih lanjut. Melalui data diterima yaitu kurang dari salah satu
Indonesia (2022) transaksi tersebut akan dilakukan nilai critical value atau alpha sebesar
Menggunakan Metode analisa peramalan penjualan produk 0.05, sehingga metode peramalan ini
ARIMA menggunakan metode Auto Rgressive cocok diimplementasian pada kasus di
 Integrated Moving Average (ARIMA)
10 Peramalan jumlah Reni Yuliyanti, Tujuan penelitian ini adalah untuk
penduduk Elly Arliani mendeskripsikan model yang cocok
menggunakan model (2022) dalam peramalan jumlah penduduk
arima pada tahun 2021 – 2023 dengan
metode Auto Regressive Integrative
Moving Average (ARIMA) dan
meramalkan jumlah penduduk pada
tahun 2021– 2023 dengan metode
ARIMA.
PT. TGI.
Hasil penelitian menunjukkan bahwa
jumlah penduduk diperkirakan akan
meningkat setiap tahunnya. Setelah
dianalisis, model terbaik yang
didapatkan adalah model
ARIMA(0,2,1) karena nilai Mean
Absolute Precentage Error (MAPE)
dari model tersebut yaitu sebesar
3,62%. Artinya tingkat akurasi dari
metode ARIMA tersebut adalah
96,38%.

6
7
8
9
10