Metode Exponential Smoothing Pada Peramalan Tingkat Kriminalitas Pencurian Sepeda Motor

Novianti Novianti, Muhammad Amin, Wan Mariatul Kifti

Abstract


Abstract : This study aims to determine thecrime rate in motorbike theft cases using the programmeing langiage PHP and MySQL as a database and the application of the Exponential Smoothing method to determine the crime rate of motorcycle theft that occurs in the city of Tanjung Balai for the next period. The data used in this study is motorcycle theft report data from 2018 to 2019 wich was obtained from the Tanjung Balai Police. The benefits of this research can be used by the Tanjung Balai police to determine the extent of the motorcycle theft crime that will occur in a shorter, easier and more accurate manner so that it can take optimal prevention. With the Exponential Smoothing method the alpha value will be searched randomly to find an alpha value that was a minimum error value calculated using Means Absolute Percetage Error (MAPE). Then the prediction results that have an alphan with a minimum error are the best of recommended as a prediction result for the next period. Based on this research, the prediction results obtained from the prediction of the number of motorcycle theft cases the occurred in the city of Tanjung Balai in 2020 were 12 units with an MAPE error value of 0,153%.

 

Keyword : Exponential Smoothing, Theft, Motorcycle, Forecasting

 

 

Abstrak : Penelitian ini bertujuan untuk menentukan tingkat kriminalitas kasus pencurian sepeda motor dengan menggunakan bahasa pemrograman PHP dan MySQL sebagai basis data serta penerapan metode Exponential Smoothing untuk menentukan tingkat kriminalitas pencurian sepeda motor yang terjadi di kota Tanjung Balai untuk periode berikutnya. Data yang digunakan dalam penelitian ini adalah data laporan pencurian sepeda motor dari tahun 2018 sampai dengan tahun 2019 yang diperoleh dari POLRES Tanjung Balai. Manfaat dari penelitian ini dapat digunakan oleh kepolisian Tanjung Balai untuk menentukan seberapa besar tindak kriminalitas pencurian sepeda motor yang akan terjadi secara lebih singkat, mudah dan akurat sehingga dapat melakukan pencegahan yang optimal. Dengan metode Exponential Smoothing  akan dicari nilai alpha secara acak sampai menemukan nilai alpha yang memiliki nilai error yang minimum yang dihitung menggunakan Means Absolute Percetage Error (MAPE). Maka hasil prediksi yang memiliki alpha dengan error minimumlah yang paling baik atau direkomendasikan sebagai hasil prediksi untuk periode selanjutnya. Berdasarkan penelitian ini diperoleh hasil prediksi peramalan jumlah kasus pencurian sepeda motor yang terjadi di kota Tanjung Balai tahun 2020 adalah 12 unit dengan nilai error MAPE sebesar 0,153%.

 

Kata Kunci : Exponential Smoothing, Pencurian, Sepeda Motor, Forecasting


Full Text:

PDF

References


I. D. Palandeng, F. Ekonomi, and J. Manajemen, “Analisis Ramalan Penjualan Dan Persediaan Produk Sepeda Motor Suzuki Pada Pt Sinar Galesong Mandiri Malalayang,” J. EMBA J. Ris. Ekon. Manajemen, Bisnis dan Akunt., vol. 6, no. 4, pp. 2828–2837, 2018, doi: 10.35794/emba.v6i4.21067.

F. Ahmad, “PENENTUAN METODE PERAMALAN PADA PRODUKSI PART NEW GRANADA BOWL ST Di PT . X Determine the actual and actual production plan is the main thing for the organization to avoid large losses in calculating the amount of production , PT . This research is to det,” vol. 7, no. 1, pp. 31–39, 2020.

R. Rachman, “Penerapan Metode Moving Average Dan Exponential Smoothing Pada Peramalan Produksi Industri Garment,” J. Inform., vol. 5, no. 2, pp. 211–220, 2018, doi: 10.31294/ji.v5i2.3309.

F. M. Yuma, S. Informasi, and S. Royal, “SISTEM PERAMALAN HARGA EMAS MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING,” vol. 9986, no. September, 2018.

W. Handoko, “Prediksi Jumlah Penerimaan Mahasiswa Baru Dengan Metode Single Exponential Smoothing (Studi Kasus: Amik Royal Kisaran),” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 5, no. 2, pp. 125–132, 2019, doi: 10.33330/jurteksi.v5i2.356.




DOI: https://doi.org/10.33330/j-com.v1i1.1067

Article Metrics

Abstract view : 50 times
PDF - 43 times

Refbacks

  • There are currently no refbacks.