Wavelet merupakan suatu fungsi transformasi yang memotong data secara matematis menjadi dua bagian yang berbeda, yaitu koefisien wavelet dan koefisien skala. Transformasi wavelet digunakan sebagai perlakuan awal pada data runtun waktu untuk memperoleh hasil peramalan yang lebih akurat. Salah satu bentuk transformasi pada wavelet adalah Maximal Overlap Discrete Wavelet Transform (MODWT) yang merupakan pengembangan dari Discrete Wavelet Transform (DWT) dengan kelebihan dapat digunakan pada semua ukuran data. MODWT akan menghasilkan sejumlah koefisien wavelet dan koefisien skala yang selanjutnya diproses untuk memperoleh nilai koefisien Multiresolution Autoregressive (MAR) untuk setiap wavelet Daubechies. Peramalan menggunakan MODWT dengan model MAR memiliki keunggulan dimana MODWT dapat mengeksrak tren jangka panjang ataupun perubahan cepat dalam data. Hal ini diperlukan pada data yang memiliki pola musiman ataupun data yang fluktuatif, seperti data jumlah kedatangan penumpang agar diperoleh hasil peramalan yang lebih akurat. Model peramalan terbaik dipilih berdasarkan nilai Mean Absolut Percentage Error (MAPE) terkecil. Tujuan dari penelitian ini adalah memperoleh model peramalan terbaik serta memperoleh nilai peramalan jumlah kedatangan penumpang domestik di bandara APT Pranoto Samarinda periode Oktober 2024 sampai Desember 2024. Berdasarkan hasil analisis diperoleh model peramalan terbaik adalah model peramalan Daubechies 6 dengan nilai MAPE in sample sebesar 13,758% dan nilai MAPE out sample sebesar 9,525% serta diperoleh peramalan jumlah kedatangan penumpang domestik di bandara APT Pranoto Samarinda periode Oktober 2024 sampai Desember 2024 mengikuti pola data tren.