Peramalan Pengangguran Menggunakan Metode Double Exponential Smoothing di Provinsi Kalimantan Timur

Zainal Arifin, Junita Herliani, Hamdani Hamdani

Abstract


Jumlah pengangguran yang tinggi dapat menghambat proses pembangunan ekonomi, sehingga diperlukan sistem peramalan untuk mengetahui jumlah pengangguran di Provinsi Kalimantan Timur yang berpengaruh terhadap kebijakan pemerintah dalam pengambilan keputusan sebelum terjadinya peningkatan jumlah pengangguran. Peramalan pengangguran ini berdasarkan data aktual dalam kurun waktu 12 tahun yaitu dari tahun 2006 sampai tahun 2017 menggunakan metode Double Exponential Smoothing (DES) dengan 9 nilai (alpha) yaitu : 0,1; 0,2; 0,3; 0,4; 0,5; 0,6; 0,7; 0,8, dan 0,9 sebagai parameter pemulusan dalam metode Double Exponential Smoothing. Metode akurasi peramalan yang digunakan dalam peramalan pengangguran ini adalah Mean Absolute Deviation (MAD) untuk menghitung jumlah error dan Mean Absolute Percentage Error (MAPE) untuk menghitung persentase error pada masing-masing nilai (alpha). Hasil peramalan terbaik tahun 2018 untuk data bekerja terdapat pada nilai (alpha) = 0,6 sebesar 1.537.521 orang karena memiliki jumlah error terkecil (MAD) yaitu sebesar 98699,33 dan persentase error terkecil (MAPE) yaitu sebesar 6,89 %. Sementara, hasil terbaik tahun 2018 untuk data pengangguran terdapat pada nilai (alpha) = 0,3 sebesar 113.647 orang dengan jumlah error terkecil (MAD) yaitu sebesar 13652,01 dan persentase error terkecil (MAPE) yaitu sebesar 9,71%, sehingga jumlah angkatan kerja sebesar 1.651.168 orang dan tingkat pengangguran terbuka (TPT) sebesar 6,88% untuk tahun 2018.


Keywords


Peramalan; Pengangguran; Double Exponential Smoothing; Mean Absolute Deviation; Mean Absolute Percentage Error;

Full Text:

PDF

References


Arifin, I., & Hadi, G., 2007. Membuka Cakrawala Ekonomi untuk Sekolah Menengah Atas/Madrasah Aliyah, Program Studi Ilmu Pengetahuan Sosial. Bandung: PT. Setia Purna.

Aswi, & Sukarna., 2006. Analisis Deret Waktu : Teori dan Aplikasi. Makasar: Andira Publisher.

Baroroh, A., 2008. Trik-Trik Analasis Statistik dengan SPSS 15. Jakarta: PT Elex Media Komputindo.

BPS., 2017. Keadaan Angkatan Kerja Provinsi Kalimantan Timur. Badan Pusat Statistik Provinsi Kalimantan Timur.

Fajri, R., & Johan, T. M., 2017. Implementasi Peramalan Double Exponential Smoothing pada Kasus Kekerasan Anak Perempuan dan Anak di Pusat Pelayanan Terpadu pemberdayaan Perempuan dan Anak. Jurnal Ecotipe, Volume 4, Nomor 2, Oktober 2017.

Gurianto, R. N., dkk., 2016. Peramalan Jumlah Penduduk Kota Samarinda dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Triple dari Brown, Volume 7, Nomor 1, Mei 2016.

Gustriansyah, R., 2017. Analisis Metode Single Exponential Smoothing dengan Brown Exponential Smoothing pada Studi Kasus Memprediksi Kuantiti Penjualan Produk Farmasi di Apotek. Seminar Nasional Teknologi Informasi & Multimedia, Februari 2017.

Handoyono, S., & Prasojo, A. P. S., 2017. Sistem Fuzzy Terapan dengan Software R. Malang: UB Press.

Hartomo, K. D., dkk., 2015. Winters Exponential Smoothing and Z-Score , Volume 73, Nomor 1, Maret 2015.

Kristoko Dwi Hartomo, dkk., 2017. Implementation of autoregressive intregated moving average (ARIMA) methods for forecasting many applicants making driver’s license a with Eviews 7 in Pati Indonesia. Journal of Theoretical and Applied Information Technology, Volume 95, Nomor 10, Mei 2017.

Kuniagara., 2017. Penerapan Metode Exponential Smoothing dalam Memprediksi Jumlah Siswa Baru (Studi Kasus : Smk Pemda Lubuk Pakam). Jurnal Pelita Informatika, Volume 16, Nomor 3, Juli 2017

Lambot, S., 2015. Algoritma dan Pemrograman (Edisi 1). Yogyakarta: Andi.

Lieberty, A., & Imbar, V. R., 2015. Sistem Informasi Meramalkan Penjualan Barang dengan Metode Double Exponential Smoothing (Studi Kasus: PD. Padalarang Jaya). Jurnal Teknik Informatika Dan Sistem Informasi, Volume 1 Nomor 1 April 2015.

Makridakis, S., 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga.

P, P. Widodo., 2011. Menggunakan UML : Unified Modelling Language. Bandung: Informatika.

Pakaja, F. N., & A, P., 2012. Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor.

Panyuwa, C. O. L., dkk., 2016. Forecasting the case of traffic accidents through the geographic information system (GIS) application method with double exponential smoothing and analytical hierarchy process (AHP) in city of Jayapura-Papua. Journal of Theoretical and Applied Information Technology, Volume 83, Nomor 3 Januari 2016.

Prasetya, H., & Lukiastuti, F., 2009. Manajemen Operasi. Jakarta: PT Buku Kita.

Pujiati, E., Yuniarti, D., & Goejantoro, R. (2016). Recycling Elites Retaining or Deselecting Incumbent MPs in Ghana and Africa. Peramalan Dengan Menggunakan Metode Double Exponential Smoothing Dari Brown, Volume 7, Nomor 1, Mei 2016.

Putro, B., dkk., 2018. Prediksi Jumlah Kebutuhan Pemakaian Air Menggunakan Metode Exponential Smoothing (Studi Kasus : PDAM Kota Malang), Vol. 2, No. 11, November 2018.

S, Alam., 2006. Ekonomi untuk SMA dan MA Kelas XI. Jakarta: Erlangga.

Shahin, A. A., 2016. Using Multiple Seasonal Holt-Winters Exponential Smoothing to Predict Cloud Resource Provisioning. International Journal of Advanced Computer Science and Applications, Volume 7, Nomor 11, 2016.

Sofiah, L., & Ardiansyah, Y. R., 2009. Panduan Belajar dan Evaluasi Ekonomi untuk SMP/MTs Kelas VIII. Jakarta.

Subagyo, A., 2007. Studi Kelayakan Teori dan Aplikasi. Jakarta: PT Elex Media Komputindo.

Utama, C. A., & Watequlis, Y., 2016. Perkembangan SI Stok Barang dengan Peramalan Menggunakan Metode Double Exponential Smoothing (Studi Kasus : Pt . Tomah Jaya Elektrikal), Volume 2, Edisi 4, Agustus 2016.

Wu, L., dkk., 2016. Grey double exponential smoothing model and its application on pig price forecasting in China. Applied Soft Computing Journal, Volume 39, Februari 2016.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.