Prediksi Kebutuhan Hidup Minimum/Layak Menggunakan Metode Autogresive Integrated Moving Average (ARIMA)
Abstract
Badan Pusat Statistik (BPS) Provinsi Lampung berperan dalam penentuan Standar Kebutuhan Hidup Minimum/Layak (KHL) sebagai tolok ukur dan untuk menegakkan tanggung jawab pekerjaan/birokrasi. Penentuan standar KHL tersebut sangat diperlukan dalam menentukan kebutuhan hidup minimum. Penentuan standar KHL harus mencakup ketentuan KHL dan komponen yang ada dalam aturan undang-undang. Dalam hal penyusunan komponen KHL, hal ini dilakukan selama 5 (lima) tahun dengan melakukan survei pasar setiap minggunya. Metode Autogresive Integrated Moving Average (ARIMA) menggunakan peramalan dengan teknik perekaman historis dari kumpulan data variabel di masa lalu, dengan mengidentifikasi pola deret waktu tersebut dapat memberikan ketepatan peramalan yang sangat akurat. Metode ARIMA memiliki tiga tahap: tahap identifikasi, tahap pengukuran dan pengujian, dan pemeriksaan diagnostik. Berdasarkan hasil penelitian ini dapat ditarik kesimpulan bahwa dalam peramalan jangka pendek, metode ARIMA sangat bisa diandalkan sebagaimana hasil uji metode penelitian ini yang menggunakan metode AR(1), MA(1), dan ARIMA(1.1.1). Dari ketiga model tersebut data yang diperoleh semuanya signifikan dan residualnya sudah white noise maka dapat disimpulkan bahwa modelnya dapat dikatakan baik. Pada tahun 2020 terdapat nilai peramalan tertinggi untuk Kebutuhan Hidup Minimum/Layak Provinsi Lampung yaitu senilai Rp. 2.005.646. Metode forecasting menggunakan ARIMA dapat menjadi salah satu metode peramalan Kebutuhan Hidup Minimum/Layak Provinsi Lampung, sehingga dapat membantu pemerintah Provinsi Lampung dalam menentukan kebijakan selanjutnya.
Full Text:
PDFReferences
Anityaloka, R. N., & Ambarwati, A. N. (2013). Peramalan Saham Jakarta Islamic Index Menggunakan Metode ARIMA Bulan Mei-Juli 2010. Jurnal Statistika Universitas Muhammadiyah Semarang, 1(1).
Arini, P. S., & Nawangsih, E. (2015). Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA. Jurnal Ekonomi Kuantitatif Terapan, 8(2), 136–141.
Astuti, E. S., Arhandi, P. P., & Lestari, P. (2017). Pengembangan Sistem Informasi Peramalan Penjualan Guna Menentukan Kebutuhan Bahan Baku Pupuk Menggunakan Metode Triple Exponential Smoothing. Jurnal Informatika Polinema, 4(1), 35.
Elvani, S. P., Utary, A. R., & Yudaruddin, R. (2016). Peramalan jumlah produksi tanaman kelapa sawit dengan menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Jurnal Manajemen, 8(1), 95–112.
Elvierayani, R. R. (2017). Peramalan Peramalan Nilai Tukar (Kurs) Rupiah Terhadap Dolar Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins. Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika Dan Nilai-Nilai Islami), 1(1), 253–261.
Fejriani, F., Hendrawansyah, M., Muharni, L., Handayani, S. F., & Syaharuddin, S. (2020). Forecasting Peningkatan Jumlah Penduduk Berdasarkan Jenis Kelamin Menggunakan Metode ARIMA. GEOGRAPHY: Jurnal Kajian, Penelitian Dan Pengembangan Pendidikan, 8(1), 27–36.
Hartati, H. (2017). Penggunaan Metode Arima Dalam Meramal Pergerakan Inflasi. Jurnal Matematika Sains Dan Teknologi, 18(1), 1–10.
Hutasuhut, A. H., Anggraeni, W., & Tyasnurita, R. (2014). Pembuatan aplikasi pendukung keputusan untuk peramalan persediaan bahan baku produksi plastik blowing dan inject menggunakan metode ARIMA (Autoregressive Integrated Moving Average) di CV. Asia. Jurnal Teknik ITS, 3(2), A169–A174.
Mahila, S. (2017). Kebutuhan Hidup Layak dan Pengaruhnya terhadap Penetapan Upah Minimum Provinsi Ditinjau dari Hukum Ketenagakerjaan. Jurnal Ilmiah Universitas Batanghari Jambi, 14(2), 42–51.
Nofiyanto, A., Nugroho, R. A., & Kartini, D. (2015). Peramalan Permintaan Paving Blok dengan Metode ARIMA. Proceedings Konferensi Nasional Sistem Dan Informatika (KNS&I).
Pamungkas, M. B., & Wibowo, A. (2019). Aplikasi metode arima box-jenkins untuk meramalkan kasus DBD di Provinsi Jawa Timur. The Indonesian Journal of Public Health, 13(2), 183.
Pradana, M. S., Rahmalia, D., & Prahastini, E. D. A. (2020). Peramalan Nilai Tukar Petani Kabupaten Lamongan dengan Arima. J. Mat, 10(2), 91–104.
Rachmawati, A. K. (2021). Peramalan Penyebaran Jumlah Kasus Covid19 Provinsi Jawa Tengah dengan Metode ARIMA. Zeta-Math Journal, 6(1), 11–16.
Rezaldi, D. A., & Sugiman, S. (2021). Peramalan Metode ARIMA Data Saham PT. Telekomunikasi Indonesia. PRISMA, Prosiding Seminar Nasional Matematika, 4, 611–620.
Rukini, R., & Nawangsih, E. (2015). Peramalan jumlah kunjungan wisatawan mancanegara (wisman) ke Bali Tahun 2019: Metode ARIMA. Jurnal Ekonomi Kuantitatif Terapan, 8(2), 137–138.
Safitri, T., Dwidayati, N., & Sugiman, S. (2017). Perbandingan Peramalan Menggunakan Metode Eksponensial Holt-Winters Smoothing Dan Arima. Unnes Journal of Mathematics, 6(1), 48–58.
Salwa, N., Tatsara, N., Amalia, R., & Zohra, A. F. (2018). Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average). Journal of Data Analysis, 1(1), 21–31.
Susilawati, R., & Sunendiari, S. (2022). Peramalan Jumlah Penumpang Kereta Api Menggunakan Metode Arima dan Grey System Theory. Jurnal Riset Statistika, 1–12.
Ul Ukhra, A. (2016). Pemodelan dan peramalan data deret waktu dengan metode seasonal arima. Jurnal Matematika UNAND, 3(3), 59–67.
Wiyanti, D. T., & Pulungan, R. (2012). Peramalan deret waktu menggunakan model fungsi basis radial (RBF) dan auto regressive integrated moving average (ARIMA). Indonesian Journal of Mathematics and Natural Sciences, 35(2).
DOI: https://doi.org/10.37012/jtik.v9i2.1741
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Vanessa Marcelli
This work is licensed under a Creative Commons Attribution 4.0 International License.
Address:
Universitas Mohammad Husni Thamrin
Jl. Raya Pd. Gede No.23-25, RT.2/RW.1, Dukuh, Kec. Kramat jati, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13550
Jurnal Teknologi Informatika & Komputer Mohammad Husni Thamrin is licensed under a Creative Commons Attribution 4.0 International License.