Perbandingan Metode Moving Average dan Metode Naïve Dalam Peramalan Data Kemiskinan

Authors

  • Ais Kumila Universitas Islam Negeri Mataram
  • Baqiyatus Sholihah Universitas Islam Negeri Mataram
  • Evizia Evizia Universitas Islam Negeri Mataram
  • Nur Safitri Universitas Islam Negeri Mataram
  • Safama Fitri Universitas Islam Negeri Mataram

DOI:

https://doi.org/10.31764/jtam.v3i1.764

Keywords:

Moving Average, Metode Naive, Time SeriesData, Kemiskinan

Abstract

Abstrak: Penelitian ini bertujuan untuk memprediksi metode terbaik pada sistem peramalan dengan menggunakan metode Moving Average (SMA, WMA, dan EMA) dan metode Naive. Pada tahap simulasi, kami menggunakan data jumlah kemiskinan penduduk Provinsi Nusa Tenggara Barat (NTB) tahun 2002-2018 untuk memprediksi data tahun 2019. Adapun, model dievaluasi untuk melihat tingkat akurasi masing-masing metode berdasarkan nilai MAD, MSE, RMSE dan MAPE. Berdasarkan hasil simulasi data dari metode-metode yang diuji, diketahui bahwa metode Naive paling akurat dengan hasil prediksi tahun 2019 sebesar 737.460 dengan MAD, MSE, RMSE dan MAPE berturut-turut sebesar 41.427,188; 2.711.468.146; 52.071,760; dan 0.043.

Abstract: This study aims to predict the best method on the forecasting system using the Moving Average method (SMA, WMA, and EMA) and the Naive method. In the simulation phase, we used data on the Number of Poverty of the Population of West Nusa Tenggara (NTB) in 2002-2018 to predict the Poverty of Population of the Province of West Nusa Tenggara (NTB) in 2019. Meanwhile, the model was evaluated to see the accuracy of each method based on the value MAD, MSE, RMSE and MAPE. Based on the simulation results of the data from the methods tested, it can be seen that the Naive method is most accurate with the results of the 2019 prediction of 737,460 with MAD, MSE, RMSE and MAPE in the amount of 41.427,188; 2.711.468.146; 52.071,760; and 0.043.

References

Andry, Johanes, Fernandes. (2015). Analisa Perbandingan Penerapan E-Commerce Terhadap Transaksi Penjualan Konvensional Menggunakan Metode Simple Moving Average. Jurnal Teknologi Informasi, 11(1), 19-26.

Anisya., & Yunita, Wandyra. (2016). Rekayasa Perangkat Lunak Pengendalian Inventori Menggunakan metode SMA (Single Moving Average) Berbasis AJAX (Asynchronous Javascript and XML) (Studi Kasus: PTP Nusantara VI. Jurnal Teknolf, 4(2), 11-17.

Hansun, Seng. (2014). A Novel Research of New Moving Average Method in Time Series Analysis.International Journal of New Media Technology, 1(1), 22-26.

Hansun, Seng. (2015). Implementasi Simple Moving Average dan Exponential Moving Average dalam Menentukan Tren Harga Saham Perusahaan. Ultimatics, 7(2), 113-124. Doi: 10.31937/ti.v7i2.354

Hutasuhut, Amira, Herwindyani., Wiwik, Anggraeni., & Raras, Tyasnurita. (2014). Pembuatan Aplikasi Pendukung Keputusan untuk Peramalan Persediaaan Bahan Baku Produksi Plastic Blowing dan Inject Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average) di CV. Asia. Jurnal Teknik ITS, 3(2), A169-A174.

Nurlifa, Alfian & Sri, Kusumadewi. (2017). Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky. INOVTEK Polbeng-Seri Informatika, 2(1), 18-25.

Pasaribu, Theresia O.R., & Rossi, Septy Wahyuni. (2014). Penentuan metode peramalan sebagai dasar penentuan tingkat kebutuhan persediaan pengaman produk karet remah sir 20. Prosiding Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT), 8, 402-408.

Rozi, Fahrur & Farid Sukmana. (2016). Penggunaan Moving Average Dengan Metode Hybrid Artificial Neural Network Dan Fuzzy Inference System Untuk Prediksi Cuaca. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 1(2), 38-42.

Sanny, Lim., & Haryadi, Sarjono. (2013). Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting. Forum Ilmiah, 10(2), 198-208.

Sucipto, Lalu., & Syaharudin, Syaharudin. (2018).Konstruksi Forecasting System Multi-Model untuk pemodelan matematika pada peramalan Indeks Pembangunan Manusia Provinsi Nusa Tenggara Barat. Jurnal Ilmiah Teknologi Sistem Informasi, 4 (2), 114-123.

Sulistyanto, Prayadi,. Oyas, Wahyunggoro,.& Adha, Imam, Cahyadi. (2015). Pengolahan Isyarat Load Cell Sen128a3b Menggunakan Metode Moving Average. Stmik Amikom Yogyakarta. 2 (1), 25-30

Tanuwijaya, Haryanto. (2010). Penerapan metode winter’s exponential smooting dan single moving average dalam sistem informasi pengadaan obat rumah sakit. Prosiding Seminar Nasional Manajemen Teknologi XI, 12, 1-10.

Utari,Hari., Mesran., & Natalia, Silalahi. (2016). Perancangan Aplikasi Peramalan Permintaan Kebutuhan Tenaga Kerja Pada Perusahaan Outsourcing Menggunakan Algoritma Simple Moving Average.Jurnal Times, 5(2), 1-5.

Downloads

Published

2019-04-01

Issue

Vol. 3 No. 1 (2019): April

Section

Articles

License

Authors who publish articles in JTAM (Jurnal Teori dan Aplikasi Matematika) agree to the following terms:

  1. Authors retain copyright of the article and grant the journal right of first publication with the work simultaneously licensed under a CC-BY-SA or The Creative Commons Attribution–ShareAlike License.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).