FORECASTING PENINGKATAN JUMLAH PENDUDUK BERDASARKAN JENIS KELAMIN MENGGUNAKAN METODE ARIMA

Authors

  • Fety Fejriani Universitas Islam Negeri Mataram
  • M. Hendrawansyah Universitas Islam Negeri Mataram
  • Leni Muharni Universitas Islam Negeri Mataram
  • Siti Fara Handayani Universitas Islam Negeri Mataram
  • Syaharuddin Syaharuddin Universitas Muhammadiyah Mataram

DOI:

https://doi.org/10.31764/geography.v8i1.2261

Keywords:

Number of inhabitants, ARIMA method, Prediction Formulation

Abstract

Abstrak: Penelitian ini bertujuan untuk menganalisis dan memprediksi jumlah penduduk berdasarkan jenis kelamin menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dengan menggunakan data 11 tahun terakhir, studi kasus di Provinsi NTB. Jenis penelitian ini adalah kuantitatif dengan membandingkan antara nilai akhir pada grafik pertama sampai pada grafik ke empat untuk menganalisis pada grafik berapa nilai prediksinya paling akurat. Berdasarkan hasil simulasi data jumlah penduduk berdasarkan jenis kelamin menggunakan program aplikasi G-MFS dan perhitungan model matematika bahwa hasil prediksi pada tahun 2020 pada data laki-laki sebesar 2.437.112 jiwa dengan persentasi peningkatan sebesar 0,1%, sedangkan hasil prediksi pada data perempuan sebesar 2.619.858 dengan persentasi peningkatan sebesar 1,5%. Dengan adanya hasil peramalan peningkatan jumlah penduduk diharapkan memberikan informasi penting bagi pemerintah agar dapat meningkatkan pelayanannya terhadap penduduk dalam bidang perekonomian, kesehatan, pendidikan, dan yang paling penting adalah mengurangi tingkat kemiskinan dengan salah satu cara menyediakan lapangan pekerjaan agar kebutuhan penduduknya terpenuhi dengan baik.

Kata Kunci: Jumlah Penduduk; Metode ARIMA; Formula Prediksi

 

Abstract:  The research aims to analyse and predict the population based on gender using the Autoregressive Integrated Moving Average (ARIMA) method using the last 11 years of data, case studies in NTB Province. This type of research is quantitative by comparing the final value of the first graph to the fourth graph to analyze on the chart what is the most accurate predicting value. Based on the results of the simulation of population data based on gender using G-MFS application program and calculation of mathematical model that the predicted result in 2020 on male data of 2,437,112 people with a percentage increase of 0.1%, while the predicted result in female data of 2,619,858 with an increase percentage of 1.5%. With the results of the forecasting of increasing population is expected to provide important information for the Government to improve its services to the population in the field of economy, health, education, and the most important is to reduce the level of poverty in one way to provide jobs so that the needs of the residents are fulfilled well.

Keywords: Number of inhabitants; ARIMA method; Prediction Formulation

References

Akolo, I. R. (2019). Perbandingan Exponential Smoothing Holt-Winters Dan ARIMA Pada Peramalan Produksi Padi Di Provinsi Gorontalo. Jurnal Technopreneur (JTech), 7(1), 20–26. https://doi.org/10.30869/jtech.v7i1.314

As’ad, Tirta, I. M., & Dewi, Y. S. (2013). Peramalan pertumbuhan penduduk kabupaten situbondo dengan model ARIMA, deret aritmatik, deret geometri dan deret eksponensial. 4, 141–152.

Aziz, S., Sayuti, A., & Mustakim. (2017). Penerapan Metode ARIMA untuk Peramalan Pengunjung Perpustakaan UIN Suska Riau. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI), 9(January), 186–193.

Hartati, H. (2017). Penggunaan Metode ARIMA Dalam Meramal Pergerakan Inflasi. Jurnal Matematika Sains Dan Teknologi, 18(1), 1–10. https://doi.org/10.33830/jmst.v18i1.163.2017

Kumila, A., Sholihah, B., Evizia, E., Safitri, N., & Fitri, S. (2019). Perbandingan Metode Moving Average dan Metode Naïve Dalam Peramalan Data Kemiskinan. JTAM | Jurnal Teori Dan Aplikasi Matematika, 3(1), 65. https://doi.org/10.31764/jtam.v3i1.764

Mendome, K., Nainggolan, N., Si, M., & John, P. I. (2016). Penerapan Model ARIMA dalam Memprediksi Jumlah Tindak Kriminalitas di Wilayah POLRESTA Manado Provinsi Sulawesi UtaraKlorofil pada Beberapa Varietas Tanaman Puring ( Codiaeum varigatum L . 5(2), 113–116.

Pamungkas, M. B. (2019). Aplikasi Metode ARIMA Box-Jenkins Untuk Meramalkan Kasus Dbd Di Provinsi Jawa Timur. The Indonesian Journal of Public Health, 13(2), 183. https://doi.org/10.20473/ijph.v13i2.2018.183-196

Rachman, R. (2018). Penerapan Metode Moving Average Dan Exponential Smoothing Pada Peramalan Produksi Industri Garment. Jurnal Informatika. https://doi.org/10.31311/ji.v5i2.3309

Rahmadayanti, R., Susilo, B., & Puspitaningrum, D. (2015). Perbandingan Keakuratan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Semen di PT Sinar Abadi. Jurnal Rekursif, 3(1), 23–36.

RAHMAN, D., SUMARJAYA, I. W., & SUKARSA, I. K. G. (2018). Perbandingan Peramalan Hasil Produksi Ikan Menggunakan Metode Permulusan Eksponensial Holt-Winters Dan ARIMA. E-Jurnal Matematika, 7(4), 371. https://doi.org/10.24843/mtk.2018.v07.i04.p227

Ruslan. (2016). Prediksi Jumlah Penduduk Provinsi Kalimantan Selatan Menggunakan Metode Semi Average. 2(1), 1–7.

Sari, N. R., Mahmudy, W. F., & Wibawa, A. P. (2016). Backpropagation on Neural Network Method for Inflation Rate Forecasting in Indonesia. 8(3).

Sucipto, L., & Syaharuddin, S. (2018). Konstruksi Forecasting System Multi-Model untuk pemodelan matematika pada peramalan Indeks Pembangunan Manusia Provinsi Nusa Tenggara Barat. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 4(2), 114. https://doi.org/10.26594/register.v4i2.1263

Suryani, I. (2015). Penerapan Exponential Smoothing untuk Transformasi Data dalam Meningkatkan Akurasi Neural Network pada Prediksi Harga Emas. Journal of Intelligent Systems, 1(2), 67–75.

Ukhra, A. U. (2014). Pemodelan dan peramalan data deret waktu dengan metode SEASONAL ARIMA. Jurnal Matematika UNAND, 3(3), 59–67.

Utami, R., & Atmojo, S. (2017). Perbandingan Metode Holt Eksponential Smoothing dan Winter Eksponential Smoothing Untuk Peramalan Penjualan Souvenir. Jurnal Ilmiah Teknologi Informasi Asia, 11(2), 123. https://doi.org/10.32815/jitika.v11i2.191

Published

2020-04-29

Issue

Section

Articles