PREDIKSI PEMAKAIAN KUOTA DATA IOT DENGAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

Perkembangan teknologi Internet of Things (IoT) yang sangat pesat menyebabkan perubahan operasional di dunia industri. Sehingga membutuhkan model prediksi yang akurat untuk manajemen kuota data dari sisi pemakaian ataupun pengisian. Penelitian ini melakukan penerapan model Autoregressive Integrated Moving Average (ARIMA) untuk memprediksi penggunaan data IoT. Model ARIMA dipilih karena kemampuannya untuk menangani data deret waktu dengan tren dan musiman, sehingga cocok untuk menangkap sifat dinamis dari konsumsi terhadap data IoT yang terpakai. Data historis penggunaan data IoT dengan rentang tanggal 1 juli 2023 sampai dengan 15 desember 2023, serta sensor yang memiliki key “usage” lalu akan diprediksi untuk 3 bulan kedepan yaitu desember 2023, Januari 2024, dan Februari 2024. Proses penelitian ini menggunakan kerangka kerja pengembangan CRISP-DM untuk mengatur dan mengelola analisis data secara terstruktur. Hasil penelitian menunjukkan bahwa metode ARIMA memiliki kinerja yang baik dalam memprediksi pemakaian kuota data pada data uji. Didapatkan hasil nilai MAPE terbaik sebesar 0.50% dan MAE terkecil sebesar 14.63MB pada device “M2M-Colo_WS2” pada sensor “usage2” menggunakan ordo ARIMA(0,0,1) yang dicari menggunakan hyperparameter pmdarima dengan nilai akaike information criterion (AIC) terkecil 5305.61 dan nilai bayesian information criterion (BIC) terkecil 5317.32. Secara keseluruhan, penelitian ini memberikan informasi yang berguna bagi vendor IoT dalam meningkatkan efisiensi operasional dan menekan biaya serta memaksimalkan keuntungan. Selain itu, penelitian ini dapat dijadikan sebagai referensi untuk penelitian lanjutan di bidang time series forecasting menggunakan algoritma ARIMA pada industri yang menggunakan teknologi IoT.