Prediksi jumlah kemiskinan Daerah Istimewa Yogyakarta menggunakan Data Time Series dengan metode ARIMA Studi Kasus kemiskinan Daerah Istimewa Yogyakarta

Yoga Krisnadi, Septian (2023) Prediksi jumlah kemiskinan Daerah Istimewa Yogyakarta menggunakan Data Time Series dengan metode ARIMA Studi Kasus kemiskinan Daerah Istimewa Yogyakarta. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1900016161_JUDUL__231114101413.pdf Download (1MB)
	Text (BAB I) T1_1900016161_BAB_I__231114101413.pdf Download (91kB)
	Text (BAB II) T1_1900016161_BAB_II__231114101414.pdf Restricted to Registered users only Download (229kB) | Request a copy
	Text (BAB III) T1_1900016161_BAB_III__231114101414.pdf Restricted to Registered users only Download (102kB) | Request a copy
	Text (BAB IV) T1_1900016161_BAB_IV__231114101414.pdf Restricted to Registered users only Download (323kB) | Request a copy
	Text (BAB V) T1_1900016161_BAB_V__231114101414.pdf Restricted to Registered users only Download (124kB) | Request a copy
	Text (Daftar Pustaka) T1_1900016161_DAFTAR_PUSTAKA__231114101414.pdf Download (76kB)

Abstract

Tingginya angka kemiskinan di Daerah Istimewa Yogyakarta (DIY) menjadi masalah yang dirasakan oleh masyarakat. Rendahnya kualitas sumber daya yang tersedia dan upah minimum yang tidak sesuai dengan biaya hidup, serta pertumbuhan penduduk yang terus bertambah mempengaruhi daya saing dalam berbagai bidang kebutuhan, terutama kebutuhan hidup sehari-hari untuk mendapatkan pekerjaan. Dalam menyelesaikan peramalan tingkat kemiskinan sangat penting karena data mengenai tingkat kemiskinan sering digunakan sebagai dasar penilaian, perencanaan, dan tujuan pembangunan di masa depan.
Tujuan dari penelitian ini untuk mendeskripsikan model yang sesuai dalam memprediksi tingkat kemiskinan pada tahun 2023-2024 di DIY. Peramalan menggunakan metode Auto Regressive Integrative Moving Average (ARIMA) dengan menggunakan data Time Series yang diambil dari BPS dari tahun 2012-2022 dan memperkirakan jumlah tingkat kemiskinan pada tahun 2023-2024 di DIY. Proses peramalan dimulai dengan mengidentifikasi pola data menggunakan uji stasioneritas dengan menggunakan varians dan rata-rata. Dalam mengembangkan model ARIMA, perlu dilakukan analisis fungsi autokorelasi (ACF) dan fungsi autokorelasi parsial (PACF) dengan menganalisis grafik ACF atau PACF. Perkiraan model terbaik pada metode ARIMA dipilih untuk melihat apakah model tersebut cocok digunakan sebagai peramalan. Langkah selanjutnya adalah melakukan evaluasi hasil model dengan menggunakan nilai MAPE dan RMSE. Setelah melakukan evaluasi hasil model maka selanjutnya dilakukan peramalan tingkat kemiskinan di DIY untuk tahun 2023-2024.
Hasil penelitian menunjukkan bahwa tingkat kemiskinan diperkirakan akan meningkat dari tahun 2022 semester 2 ke tahun 2023 semester 1. Sedangkan tahun 2023 ke 2024 hasil yang di dapatkan adalah stabil. Setelah dianalisis, model terbaik yang didapatkan ialah dengan model ARIMA (0,1,0) karena nilai (MAPE) dari model tersebut yaitu sebesar 7,5% dan nilai RMSE sebesar 2,283.

Item Type:	Thesis (S1)
Keyword:	Kemiskinan, DIY, peramalan, ARIMA, MAPE, RMSE, ACF, PACF
Subjects:	H Social Sciences > HA Statistics T Technology > T Technology (General)
Divisi / Prodi:	Faculty of Applied Science and Technology (Fakultas Sains Dan Teknologi Terapan) > S1-Information System (S1-Sistem Informasi)
Depositing User:	userperpus2 userperpus2
Date Deposited:	11 Oct 2024 03:50
Last Modified:	11 Oct 2024 03:50
URI:	http://eprints.uad.ac.id/id/eprint/76364

Actions (login required)

View Item