Evaluasi Metode Exponential Smoothing dan Moving Average Untuk Peramalan Data Pengangguran di Indonesia
DOI:
https://doi.org/10.52436/1.jpti.640Keywords:
Exponential Smoothing, Moving Average, Pengangguran, PeramalanAbstract
Pengangguran merupakan salah satu permasalahan ekonomi yang dapat mempengaruhi pertumbuhan dan kesejahteraan suatu negara. Di Indonesia tingkat pengangguran yang terus meningkat menjadi masalah yang serius dan memerlukan peramalan tingkat pengagguran yang akurat sehingga dapat dijadikan sebagai pendukung Pemerintah dalam memberikan kebijakan. Penelitian ini melakukan peramalan angka pengangguran dengan membandingkan akurasi dari metode Exponential Smoothing dan Moving Average dalam memprediksi pengangguran menggunakan data pengangguran dari tahun 1986 sampai dengan 2024 yang didapatkan dari situs website resmi Badan Pusat Statistik (BPS). Evaluasi dilakukan dengan membandingkan nilai dari Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Dari lima metode yang di uji yaitu metode Single Exponential Smoothing, Double Exponential Smooting, Multiple Exponrntial Smoothin (Holt Winter), Singel Moving Average dan Autoregressive Integrated Moving Average (Arima), mendapatkan hasil yang menunjukan bahwa metode Double Exponetial Smoothing menjadi metode terbaik dengan menghasilkan nilai MAE sebesar 530.800 dan RMSE sebesar 707.182. Sehingga dalam melakukan peramalan Tingkat pengangguran di Indonesia disarankan menggunakan metode Double Exponential Smoothing dengan parameter nilai alpha 0,31 dan beta 0,81. Hasil peramalan yang mendekati aslinya akan memberikan hasil yang akurat yang akan memberikan kemudahan dalam pengambilan Keputusan terkait kebijakan pemerintah dalam mengatasi pengangguran di Indonesia.
Downloads
References
M. N. Mifrahi and A. S. Darmawan, “Analisis tingkat pengangguran terbuka di Indonesia periode sebelum dan saat pandemi covid-19,” J. Kebijak. Ekon. dan Keuang., vol. 1, no. 1, pp. 111–118, 2022, doi: 10.20885/jkek.vol1.iss1.art11.
Y. T. Permadhy and Sugianto, “Faktor Penyebab Pengangguran Dan Strategi Penanganan Permasalahan Pengangguran Pada Desa Bojongcae, Cibadak Lebak Provinsi Banten,” IKRA-ITH Ekon., vol. 2, no. 3, pp. 54–63, 2020, [Online]. Available: https://journals.upi-yai.ac.id/index.php/IKRAITH-EKONOMIKA/article/view/583
J. Jeray, S. Y. Putra, and E. F. Harahap, “Pengaruh Pengangguran, Tenaga Kerja Dan Inflasi Terhadap Pertumbuhan Ekonomi Di Indonesia,” J. Menara Ekon. Penelit. dan Kaji. Ilm. Bid. Ekon., vol. 9, no. 1, pp. 95–103, 2023, doi: 10.31869/me.v9i1.4496.
E. D. Setiawan, F. H. Mahendra, N. Seliana Herawatie, and A. Kusmawati, “Analisis Tingkat Pengangguran Sebagai Masalah Sosial Yang Tak Kunjung Usai,” J. Ilmu Komun. dan Sos., vol. 2, no. 1, pp. 312–322, 2024.
Siti Fatimah Azzahra, Lystiana Dewi Putri, Fachriza Yunanda Purba, Dahri Tanjung, Ajeng Rezkitaputri, and Ratu Zaskia Daimatul Zulva, “Dampak Pengangguran Terhadap Stabilitas Sosial Dan Perekonomian Indonesia,” MENAWAN J. Ris. dan Publ. Ilmu Ekon., vol. 2, no. 4, pp. 220–233, 2024, doi: 10.61132/menawan.v2i4.719.
S. Mulyani, D. Hayati, and A. N. Sari, “Analisis Metode Peramalan (Forecasting) Penjualan Sepeda Motor Honda Dalam Menyusun Anggara Penjualan Pada PT Trio Motor Martadinata Banjarmasin,” J. Ekon. dan Bisnis, vol. 14, no. 1, pp. 178–189, 2021.
Reza Aditya, Iqbal Kamil Siregar, and Rika Nofitri, “Penerapan Metode Single Eksponensial Smoothing Dalam Memprediksi Penjualan Sembako Pada Toko Radin,” Decod. J. Pendidik. Teknol. Inf., vol. 4, no. 1, pp. 9–16, 2023, doi: 10.51454/decode.v4i1.171.
Riki and Stefanus, “Pengendalian Persediaan Dengan Metode Forcasting?: Moving Average dan Exponential Smoothing,” Algor, vol. 2, no. 1, pp. 21–29, 2020.
R. Yuniarti, “Analisa Metode Single Exponential Smoothing ( Studi Kasus?: Lokatara Dimsum ),” J. Manaj. Bisnis, vol. 15, no. 2, pp. 29–33, 2020, doi: https://doi.org/10.46975/aliansi.v15i2.63.
S. Makin, N. Supriana, and M. A. Kurniawan, “Model Peramalan Jumlah Penjualan Sparepart dengan Algoritma Forecasting Time Series: Studi Kasus di PT. XYZ,” J. Pendidik. dan Teknol. Indones., vol. 3, no. 6, pp. 265–271, 2023, doi: 10.52436/1.jpti.306.
V. K. Setyo and M. Z. Abdillah, “Prediksi Tonase Penjualan Pt . Immanuel Periode 2015-2024 Dengan Metode Triple Exponential Smoothing,” J. Pendidik. dan Teknol. Indones., vol. 4, no. 12, pp. 585–595, 2024, doi: https://doi.org/10.52436/1.jpti.505.
N. A. Rachmayani, A. Fatkhudin, and F. A. Artanto, “Komparasi Metode Exponential Smoothing dan Holt-Winters Untuk Meramalkan Alkohol Swab di Laboratorium Keperawatan FIKES UMPP,” Surya Inform., vol. 14, no. 2, pp. 50–56, 2024, doi: https://doi.org/10.48144/suryainformatika.v14i2.1901.
A. Sulaiman and A. Juarna, “Peramalan Tingkat Pengangguran Di Indonesia Menggunakan Metode Time Series Dengan Model Arima Dan Holt-Winters,” J. Ilm. Inform. Komput., vol. 26, no. 1, pp. 13–28, 2021, doi: 10.35760/ik.2021.v26i1.3512.
H. R. Prasetyo and F. Eka Purwiantono, “Penerapan Metode Single Exponential Smoothing Pada Peramalan Penjualan Di UD. Kaya Rasa Berbasis Web,” J-Intech, vol. 11, no. 1, pp. 40–49, 2023, doi: 10.32664/j-intech.v11i1.832.
N. P. L. Santiari and I. G. S. Rahayuda, “Analisis Perbandingan Metode Single Exponential Smoothing dan Single Moving Average dalam Peramalan Pemesanan,” J. Inform. Univ. Pamulang, vol. 6, no. 2, pp. 312–318, 2021, [Online]. Available: http://openjournal.unpam.ac.id/index.php/informatika312
