Analisis time series untuk memprediksi jumlah penduduk miskin di Cilacap

Riski Aspriyani; Najmah Istikaanah

doi:10.33387/dpi.v12i2.6707

Analisis time series untuk memprediksi jumlah penduduk miskin di Cilacap

Riski Aspriyani, Najmah Istikaanah

Sari

Kemiskinan merupakan salah satu aspek yang harus ditanggulangi pemerintah agar setiap warga negara mendapatkan kesejahteraan yang sama dan perekonomian yang merata. Pentingnya kebijakan untuk memberantas kemiskinan telah dilakukan pemerintah indonesia dan khsususnya pemerintah daerah cilacap telah berupaya besar untuk dapat mengurangi tingkat kemiskinan. Diketahui bahwa di Cilacap tercatat tingkat kemiskinan pada tahun 2022 sebesar 11.02%. Untuk itu, sebagai upaya untuk dapat mengurangi jumlah kemiskinan di cilacap perlu adanya data prediksi yang diharapkan dapat menjadi referensi ilmiah untuk menyusun kebijakan dan strategi penanganan yang tepat. Hal tersebut menjadi dasar adanya penelitian ini yang bertujuan untuk melakukan prediksi jumlah penduduk miskin di cilacap dengan analisis time series berbantuan software POM-QM untuk komputasinya. Metode time series yang digunakan ialah moving average, weighted moving average, dan exponential smoothing. Data jumlah penduduk miskin di Cilacap yang digunakan ialah data pada tahun 2005 sampai dengan 2022 berdasarkan data BPS. Diperoleh hasil bahwa, metode exponential smoothing merupakan metode terbaik time series untuk peramalan jumlah penduduk miskin di cilacap dengan tingkat kesalahan sebesar 6.77% atau akurasi sebesar 93.23% yang berarti sangat akurat. Selanjutnya, hasil prediksi untuk periode 2023 didapatkan bahwa jumlah penduduk miskin di cilacap sebesar 191668 jiwa.

Kata kunci:

Time Series, Jumlah Penduduk Miskin, Exponential Smoothing, Moving Average

Teks Lengkap:

PDF

Referensi

Amalia, S. J., Oktaviani, N., Prameswara, G. I., Prasetyo, Y. D., & Fathoni, M. Y. (2022). Perbandingan Metode Moving Average dan Exponential Smoothing pada Peramalan Nilai Tukar Rupiah terhadap Dollar AS. JURIKOM (Jurnal Riset Komputer), 9(4), 974. https://doi.org/10.30865/jurikom.v9i4.4493

Aspriyani, R., & Ahmad, M. (2023). Majamath: Jurnal Matematika dan Pendidikan Matematika e-ISSN 2614-4204 dan p-ISSN 2615-465X. Majamath: Jurnal Matematika Dan Pendidikan Matematika, 6(1), 1–12.

Astutiningtyas, L. (2023). Implementasi Metode Moving Average dan Single Exponential Smoothing dalam Memprediksi Harga Saham Perusahaan Jasa Pembangunan Tol. Prosiding Pendidikan Matematika, Matematika Dan Statistika, 7(2721), 1–8.

Bestari, A. R. (2020). Kebijakan Publik DJKN dan Ekonomi yang Inklusif dan Berdaya Saing. Kementerian Keuangan Republik Indonesia. https://www.djkn.kemenkeu.go.id/kanwil-kalselteng/baca-artikel/13355/Kebijakan-Publik-DJKN-dan-Ekonomi-yang-Inklusif-dan-Berdaya-Saing.html#:~:text=World Economic Forum (WEF) sendiri,luas pada seluruh lapisan masyarakat.

BPS Cilacap. (2022). Tingkat Pengangguran Terbuka/Unemployment Rate 2020-2022. https://cilacapkab.bps.go.id/indicator/6/232/1/tingkat-pengangguran-terbuka-unemployment-rate.html

Chang, P. C., Wang, Y. W., & Liu, C. H. (2007). The development of a weighted evolving fuzzy neural network for PCB sales forecasting. Expert Systems with Applications, 32(1), 86–96. https://doi.org/10.1016/j.eswa.2005.11.021

Larasati, E. (2023). Tingkat Kemiskinan Berhasil Ditahan, Rasio Gini Menurun. Kementerian Keuangan Republik Indonesia. https://fiskal.kemenkeu.go.id/publikasi/siaran-pers-detil/459

Makridakis, S., Wheelwright, S. C., & E. McGee, V. (2021). Metode dan Aplikasi Peramalan (Jilid 1). ERLANGGA.

Nisa Ayunda, Faizah, & Sujarwo. (2021). Analisa Peramalan Data Time-Series Dengan Aplikasi Windows POM-QM. Buana Matematika : Jurnal Ilmiah Matematika Dan Pendidikan Matematika, 11(2), 167–180. https://doi.org/10.36456/buanamatematika.v11i2.5913

Nurfadilah, A., Budi, W., Kurniati, E., Suhaedi, D., Matematika, P. S., Bandung, U. I., & Statistik, B. P. (2022). Penerapan Metode Moving Average untuk Prediksi Indeks Harga Konsumen. … : Jurnal Teori Dan …, 21(1), 19–25. https://journals.unisba.ac.id/index.php/matematika/article/view/337%0Ahttps://journals.unisba.ac.id/index.php/matematika/article/download/337/528

Sholihah, I. A. (2022). Kebijakan Pemerintah Kabupaten Cilacap Tanggulangi Angka Kemiskinan. Pemerintah Kabupaten Cilacap. https://cilacapkab.go.id/v3/kebijakan-pemerintah-kabupaten-cilacap-tanggulangi-angka-kemiskinan/

Siregar, B., Pangruruk, F. A., & Barus, S. P. (2022). PERBANDINGAN MODEL RUNTUN WAKTU DAN PREDIKSI JUMLAH KASUS COVID-19 DI INDONESIA. Syntax Idea, 4(8), 1–23.

Sopelsa Neto, N. ., Stefenon, S. F., Meyer, L. H., Ovejero, R. G., & Leithardt, V. R. . (2022). Fault Prediction Based on Leakage Current in Contaminated Insulators Using Enhanced Time Series Forecasting Models. Sensors, 22(6121), 1–22.

Wahyuni, S. C., Arifianto, D., & Saifudin, I. (2022). PERAMALAN JUMLAH PENDUDUK MISKIN DI PULAU JAWA MENGGUNAKAN METODE FUZZY TIME SERIES CHEN FORECASTING THE NUMBER OF POOR PEOPLE IN JAVA ISLAND USING FUZZY TIME SERIES CHEN METHOD. Smart Teknologi, 3(2), 133–139.

Yuliyanti, R., & Arliani, E. (2022). Peramalan Jumlah Penduduk Menggunakan Model ARIMA. Kajian Dan Terapan Matematika, 8(2), 114–128.

DOI: https://doi.org/10.33387/dpi.v12i2.6707