PERBANDINGAN MODEL HYBRID

SARIMA-ANN DENGAN MODEL

HOLT-WINTERS EXPONENTIAL
SMOOTHING UNTUK PERAMALAN
JUMLAH PESERTA DIDIK BARU
SEKOLAH RUMAH
 BAB I
PENDAHULUAN
Latar Belakang
Pandemi covid-19 yang mewabah sejak awal tahun 2020
merubah banyak tatanan kehidupan manusia secara drastis,
termasuk dunia pendidikan. Sekolah Rumah bisa menjadi
pertimbangan orang tua yang masih takut anaknya terpapar
covid-19 tetapi ingin anaknya tetap mendapatkan pendidikan.
Pilihan untuk melakukan Sekolah Rumah adalah pilihan yang
menarik untuk diramalkan. Peramalan dilakukan dengan
membuat prediksi tentang apa yang akan terjadi di masa
depan dengan melihat keadaan di masa sebelumnya. Untuk
melakukan peramalan diperlukan model tertentu. Model yang
digunakan tergantung dari data dan informasi yang akan
diramal serta tujuan yang hendak dicapai. Model peramalan
yang digunakan dalam penelitian ini yaitu menggunakan
model hybrid SARIMA-ANN dan Holt-Winters Exponential
Smoothing.
 Model Seasonal Autoregressive Integrated Moving Average (SARIMA) merupakan
pengembangan dari model Autoregressive Integrated Moving Average (ARIMA)
yang memiliki efek musiman (Fransiska, 2019). Model Artificial Neural Network
(ANN) telah banyak digunakan sebagai model yang menjanjikan untuk peramalan
time series (Kristianda dan Fithriasari, 2016). SARIMA digunakan untuk
menangkap pola data linear sedangkan model ANN unggul dalam pemodelan data
yang dihasilkan dari proses non-linear (M. Khashei, 2011). Keuntungan
penggabungan model tersebut ialah dapat menggunakan karakteristik unik dan
kekuatan masing-masing dari model yang digunakan.
 Model Holt-Winters Exponential Smoothing digunakan untuk mengatasi
permasalahan adanya musiman dan atau tanpa trend dari suatu time series data,
yang merupakan gabungan dari model Holt dan model Winters. Penelitian yang
telah dilakukan juga oleh Prihatmono (2017) tentang peramalan menggunakan
moving average dan Holt-Winters Exponential Smoothing, diperoleh hasil bahwa
model Holt-Winters Exponential Smoothing merupakan model terbaik dengan
tingkat kesalahan peramalan kurang dari 10%.
Rumusan Masalah
 Bagaimana peramalan menggunakan model
hybrid SARIMA-ANN dan model Holt-Winters
Exponential Smoothing untuk memprediksi
jumlah peserta didik baru Sekolah Rumah?
 Bagaimana hasil perbandingan nilai error dari
model hybrid SARIMA-ANN dan model Holt-
Winters Exponential Smoothing terhadap
peramalan jumlah peserta didik baru Sekolah
Rumah?
Tujuan Penelitian
 Memprediksi terkait jumlah peserta didik baru
Sekolah Rumah dengan model hybrid
SARIMA-ANN dan model Holt-Winters
Exponential Smoothing.
 Membandingkan nilai error dari model hybrid
SARIMA-ANN dan model Holt-Winters
Exponential Smoothing terhadap peramalan
jumlah peserta didik baru Sekolah Rumah.
Manfaat Penelitian

 Sebagai bahan pembelajaran khususnya

dalam bidang matematika.
 Sebagai bahan pertimbangan bagi
pengambil keputusan dalam
memprediksi penerimaan peserta didik
baru Sekolah Rumah.
 BAB II
KAJIAN PUSTAKA
 Sekolah Rumah
 Sekolah Rumah atau yang lebih populer disebut dengan home schooling
dapat diartikan sebuah model pendidikan sebuah keluarga yang memilih
untuk bertanggung jawab sendiri atas pendidikan anak-anaknya dan
mendidik anaknya dengan menggunakan rumah sebagai basis
pendidikan. Pendidikan Sekolah Rumah dijamin Undang-undang Nomor
20 Tahun 2003 tentang Sistem Pendidikan Nasional Pasal 27.
 Menurut Ella (2006) mengemukakan adanya beberapa alasan orang tua di
Indonesia memilih Sekolah Rumah, antara lain: dapat menyediakan
pendidikan moral atau keagamaan, memberikan lingkungan sosial dan
suasana belajar yang baik, dan dapat memberikanan pembelajaran
langsung yang kontekstual, tematik, non skolatik yang tidak tersekat-
sekat oleh batasan ilmu.
 Pemangku kepentingan dalam Sekolah Rumah adalah pihak-pihak yang
terlibat dan berperan serta dalam penyelenggaraan Sekolah Rumah,
yang mencakup: komunitas masyarakat, peserta didik, pendidik,
pengelola, dan mitra.
 Peramalan
 Menurut Kushartini dan Almahdy (2016), peramalan adalah proses
untuk memperkirakan berapa kebutuhan di masa datang yang
meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang
atau jasa.
 Fungsi peramalan dipertimbangkan ketika membuat keputusan.
Peramalan dimaksudkan untuk memperkecil resiko yang timbul
akibat pengambilan keputusan dalam suatu perencanaan.
 Beberapa manfaat peramalan adalah untuk memprediksi masa depan
bisnis, memuaskan keinginan pelanggan, agar mampu mengikuti
tren pasar, dan menjaga posisi keuangan agar tetap stabil
 Dalam prakteknya terdapat berbagai model peramalan antara lain:
Time Series atau Deret Waktu dan Causal Methods atau Sebab Akibat
 Model Hybrid SARIMA dan Artificial Neural
Network (ANN)
 Azad (2022) menyatakan ada dua tahap dalam melakukan model SARIMA-
ANN. Fase pertama model SARIMA digunakan untuk mengekstrak
komponen linier dari deret waktu. Residu SARIMA kemudian digunakan
sebagai input untuk teknik ANN dalam langkah kedua. Kemudian hasil
peramalan diperoleh dari penjumlahan antara hasil peramalan model
SARIMA dengan hasil peramalan model ANN.
 Dalam model ini data diasumsikan berasal dari kombinasi proses linier dan
nonlinier oleh penjumlahan yang diberikan oleh persamaan berikut:

dengan adalah data deret waktu yang diamati dan adalah komponen
linier dari deret waktu dan adalah komponen nonlinier.
 Model Holt-Winters Exponential Smoothing
 Holt-Winters Exponential Smoothing adalah model peramalan yang didasarkan
atas tiga persamaan pemulusan, yaitu persamaan pemulusan level, komponen
tren, dan komponen musiman yang masing-masing persamaan pemulusan
memiliki parameter yang berbeda.
 Persamaan pemulusan pada model Holt-Winters Exponential Smoothing aditif
adalah sebagai berikut:
 Persamaan pemulusan pada model Holt-Winters Exponential Smoothing
multiplikatif adalah sebagai berikut:
dengan: 𝐿𝑡 : pemulusan level pada waktu ke-t;
𝑇𝑡 : pemulusan tren pada waktu ke-t;
𝑆𝑡 : pemulusan musiman pada waktu ke-t;
𝑠 : panjang musiman;
𝐹𝑡+𝑚: peramalan pada waktu ke-(𝑡 + 𝑚).
 BAB III
METODE PENELITIAN
Data Penelitian

Data penelitian diambil dari banyaknya jumlah siswa yang telah

mendaftar pada Sekolah Rumah di Sidoarjo dari tahun ajaran
2019/2020 hingga tahun ajaran 2022/2023. Data didapatkan
melalui laman dapodik kemdikbud. Adapun defenisi operasional
variabel yang digunakan pada penelitian ini adalah X adalah
data siswa baru antara tahun 2019-2023, Y adalah hasil prediksi
siswa baru berdasarkan data siswa yang ada.
Ranc
anga
n
Pene
litian
Peramalan Dengan Hybrid Sarima-ANN
 Memasukkan data yang akan dilakukan peramalan.
 Pemerikasaan Kestasioneran
 Identifikasi Model dengan Melakukan Proses ACF dan PACF
 Estimasi Parameter dari Model
 Pengujian Model
 Rescaled Data
 Normalisasi Data
 Pelatihan dan Pengujian Data yang Telah Dinormalisasikan
 Menetapkan target
 Menetapkan Bobot Awal dan Parameter
 Target Eror Tercapa
Peramalan Dengan Holt-Winters Exponential
Smoothing

 Memasukkan data yang akan diproses.

 Melakukan Pemilihan alpha, trend, dan seasonal yang Paling Tepat
 Melakukan Peramalan Menggunakan Holt-Winters Eksponential
Smoothing
 Melakukan Pengukuran Tingkat Kesalahan pada Model Holt-
Winters Eksponential Smoothing
ANALISIS DATA PENELITIAN

Dalam penelitian ini menggunakan analisis deskriptif untuk

mengetahui gambaran umum terhadap data jumlah siswa,
kemudian dilakukan peramalan untuk memprediksi jumlah siswa
yang akan datang menggunakan model Holt Winters
Exponential Smoothing dan Hybrid SARIMA ANN. Dengan
model ini selain dapat memprediksi jumlah siswa baru juga
dapat mengetahui akurasi/ketepatan dalam peramalannya
menggunakan MSE