ANALISIS PERAMALAN TINGKAT KEMISKINAN DI INDONESIA DENGAN MODEL ARIMA
Universitas Gunadarma
Indonesia
Universitas Gunadarma
Indonesia
Abstract
Kemiskinan di Indonesia merupakan masalah yang kompleks dan multidimensi, karena tingkat kemiskinan di suatu negara akan mempengaruhi indikator keberhasilan baik dari segi pembangunan maupun perekonomian negara tersebut. Berdasarkan permasalahan tersebut diperlukan sebuah prediksi untuk mengetahui tingkat kemiskinan di Indonesia baik wilayah Perkotaan, Pedesaan maupun secara Nasional. Pada penelitian kali ini, peneliti menggunakan sebuah model dari Box Jenkins yaitu Auto Regresive Moving Average (ARIMA) untuk memprediksi tingkat kemiskinan di Indonesia pada masa yang akan datang. Dataset kemiskinan yang digunakan bersumber dari Badan Pusat Statistik (BPS) dengan data pengujian dari tahun 2011 hingga tahun 2020. Peneliti akan menggunakan 3 parameter error untuk mengevaluasi hasil tingkat kemiskinan di Perkotaan, Pedesaan maupun secara Nasional yaitu RMSE, MAE dan MAPE. Berdasarkan pengujian yang dilakukan bahwa dataset perkotaan menghasilkan model ARIMA(2,2,5) sebagai model ARIMA terbaik dengan RMSE=1.246582, MAE=0.923255 dan MAPE=12%, untuk dataset pedesaan menghasilkan model ARIMA(1,2,1) sebagai yang terbaik dengan RMSE=0.392650, MAE=0.311529 dan MAPE=2%. Sedangkan untuk dataset secara nasional menghasilkan model ARIMA(0,2,5) sebagai yang terbaik dengan RMSE=2.533166, MAE=2.090505 dan MAPE=20%. Dari 3 pengujian tersebut disimpulkan bahwa model ARIMA berhasil memprediksi tingkat kemiskinan di Indonesia baik wilayah Perkotaan, Pedesaan maupun secara Nasional dengan hasil baik.
Keywords
References
B. P. Statistik, Data dan Informasi Kemiskinan Kabupaten dan Kota Tahun 2019, Jakarta: CV Nario Sari, 2020.
B. P. Statistik, "bps.go.id," Persentase Penduduk Miskin Menurut Wilayah (Persen), 1996-2020, 2021. [Online]. Available: https://www.bps.go.id/indicator/23/184/1/persentase-penduduk-miskin-menurut-wilayah.html.. [Accessed 02 Maret 2021].
Heizer, B. and Render, B., Operations Management, Jakarta: Salemba Empat, 2011.
M. Ekananda, Analisis Data Time Series Untuk Penelitian Ekonomi, Manajemen dan Akuntansi, Bogor: Mitra Wacana, 2014.
N. Bakar, and S. Rosbi, "Autoregressive Integrated Moving Average (ARIMA) Model for Forecasting Cryptocurrency Exchange Rate in High Volatility Environment: A New Insight of Bitcoin Transaction," International Journal of Advanced Engineering Research and Science (IJAERS), vol. 4, no. 1, 2017.
P. Herman, B. Yuniarta, and H. Rahmawati, "Prediksi Jumlah Penduduk Miskin Kalimantan Timur Menggunakan Single dan Double Exponential Smoothing," Jurnal Ilmiah Ilmu Komputer, vol. 15, no. 1, pp. 47-51, 2020.
S. Desi, "Forecasting of Poverty Data Using Seasonal ARIMA Modeling in West Java Province," JTAM (Jurnal Teori dan Aplikasi Matematika), vol. 4, no. 1, pp. 76-86, 2020.
A. Aulia, S. Eka, J. Miftahul, L.K. Pathullaili, and S. Ahmad, "ARDL Method: Forecasting Data Kemiskinan di NTB," JTAM (Jurnal Teori dan Aplikasi Matematika), vol. 3, no. 1, pp. 52-57, 2019.
P. Jana, "Aplikasi Triple Exponential Smoothing untuk Forecasting Jumlah Penduduk Miskin," Jurnal Derivat, vol. 3, no. 2, pp. 75-81, 2016.
B. P. Statistik, "bps.go.id," ARIMA, 2021. [Online]. Available: https://daps.bps.go.id/file_artikel/77/arima.pdf.. [Accessed 18 Maret 2021].
F. Hutapea, "Analisis Strategi Diferensiasi Untuk Meningkatkan Keunggulan Bersaing Pada Produk Flexy Classy di PT.Telkom Representative Office Medan Area Commerce I Sumatera," Universitas Sumatera Utara, Medan, 2012.
Q. Stack, "qastack.id," Istilah cut-off dan tail off tentang ACF, fungsi PACF, 2021. [Online]. Available: https://qastack.id/stats/241914/terms-cut-off-and-tail-off-about-acf-pacf-functions.. [Accessed 21 May 2021].
A. Suryanto, and A. Muqtadir, "Penerapan Metode Mean Absolute Error (MAE) Dalam Algoritma Regresi Linear Untuk Prediksi Produksi Padi," SAINTEKBU, vol. 11, pp. 78-83, 2019.
Khoiri, "Khoiri.com," Cara Menghitung Mean Absolute Percentage Error, 2020. [Online]. Available: https://www.khoiri.com/2020/12/pengertian-dan-cara-menghitung-mean-absolute-percentage-error-mape.html.. [Accessed 21 May 2021].
S.W. Hasniah, and Y. Desi, "Penerapan Metode ARIMA Ensembel pada Peramalan (Studi Kasus : Inflasi di Indonesia)," Jurnal Eksponensial, vol. 7, no. 1, 2016.
