37 Bab V Penutup V.1 Kesimpulan Berikut merupakan kesimpulan dari tesis ini. 1. Model ITNGF merupakan model yang dapat digunakan pada masalah peramalan data deret waktu berselang, karena pada dasarnya ITNGF merupakan model yang didasari oleh model state-of-the-art di bidang graph neural networks pada peramalan data deret waktu yang ditambahkan dengan metode – metode yang biasa digunakan pada model – model peramalan data deret waktu berselang. Model ITNGF juga merupakan model pertama yang menggunakan metode graph neural networks untuk peramalan data deret waktu berselang. 2. Setelah diuji coba pada tiga buah dataset yang biasa digunakan untuk masalah peramalan data deret waktu berselang, terbukti bahwa ITNGF mengalahkan model – model lainnya yang biasa digunakan untuk masalah peramalan data deret waktu berselang dari sisi metrik 4/5' dan 4/55'. 3. Dapat dilihat juga bahwa setelah melakukan ablation study, model STGM yang merupakan model state-of-the-art di bidang graph neural networks untuk peramalan data deret waktu mendapatkan hasil yang nilainya bersaing dengan model ITNGF, yang menandakan bahwa model – model state-of- the-art pada peramalan data deret waktu dapat diterapkan untuk peramalan data deret waktu berselang. V.2 Saran Terdapat beberapa saran dari penulis untuk riset selanjutnya. 1. Menggunakan model GNN yang memanfaatkan pendekatan – pendekatan model yang selama ini digunakan pada peramalan data deret waktu berselang untuk membangun matriks korelasi spasial 2. Melakukan analisis hasil yang dibagi berdasarkan jenis data deret waktu, tidak hanya hasil secara keseluruhan.