FORECASTING UNEMPLOYMENT IN INDONESIAUSING WEIGHTED MOVING AVERAGE METHOD

Havid Syafwan, Pristiyanilicia Putri, Mahdhivan Syafwan

Abstract


Abstract: Unemployment is a global economic issue that directly impacts human life in both developed and developing countries, especially in Indonesia, which, if ignored, will severely impact society's social dynamics. To overcome this problem, forecasts are made so that later, the government can take policies to control and suppress the unemployment growth rate. This research aims to predict unemployment in Indonesia in 2023 using the Weighted Moving Average method, widely used to determine the trend of a time series, which is part of one of the Time Series methods that gives different weights. The dataset used was obtained from the Central Statistics Agency (BPS) relating to unemployment data from 2000 to 2022 (23 years). To analyze the level of accuracy of the results of this unemployment forecast using the MAD, MSE, and MAPE methods. This research concludes that the Weighted Moving Average method can be applied in predicting unemployment in Indonesia in 2023. The results of this research are a prediction of the number of unemployed in Indonesia, as many as 8,874,942 people at a weight value of 3 (three) where the accuracy of the MAD value is 745786.1833, the MSE value is 948402050986.3 and MAPE is 8.28%.


Keywords: forecasting; unemployment; weigth moving average; indonesia

 

Abstrak: Pengangguran menjadi isu ekonomi global yang berdampak secara langsung terhadap tingkat kehidupan manusia di negara-negara yang sudah maju maupun yang sedang berkembang khususnya di negara Indonesia, yang jika diabaikan akan berdampak serius terhadap dinamika sosial masyarakat. Untuk mengatasi permasalahan tersebut dibuatlah peramalan agar nantinya pemerinta dapat mengambil kebijakan dalam mengendalikan dan menekan angka pertumbuhan pengangguran tersebut. Penelitian ini bertujuan untuk memprediksi pengangguran di Indonesia pada tahun 2023 menggunakan metode Weighted Moving Average dimana metode ini banyak digunakan untuk menentukan trend dari suatu deret waktu yang merupakan bagian dari salah satu metode Time Series yang memberikan bobot yang berbeda-beda. Adapun dataset yang digunakan diperoleh dari Badan Pusat Satatistik (BPS) berkaitan dengan data pengangguran dari tahun 2000 sampai dengan tahun 2022 (selama 23 tahun).  Untuk menganalisa tingkat akurasi dari hasil peramalan pengangguran ini memakai metode MAD, MSE, dan MAPE. Kesimpulan dari penelitian ini yaitu dapat diterapkannya metode Weighted Moving Average dalam memprediksi pengangguran di Indonesia pada tahun 2023. hasil dari penelitian ini berupa prediksi jumlah pengangguran di Indonesia sebanyak 8.874.942 orang  pada nilai bobot 3 (tiga) dimana akurasi nilai MAD sebesar 745786,1833, nilai MSE sebesar 948402050986,3 dan MAPE sebesar 8,28 %.

 

Kata kunci: peramalan; pengangguran; weigth moving average; indonesia


Full Text:

PDF

References


K. N. Irma Fitria, Nur Hanifa, Annisa Rahmita Soemarsono, “Konstruksi Model Pengaruh Pertumbuhan Pengangguran terhadap Dinamika Angka Kriminalitas melalui Pemberian Kontrol Optimal,” SPECTA J. Technol., vol. 5, no. 1, pp. 58–67, 2021.

R. Franita and A. Fuady, “Analisa Pengangguran Di Indonesia,” J. Ilmu Pengetah. Sos., vol. 1, no. 3, pp. 88–93, 2019.

Z. Arifin, J. Herliani, and Hamdani, “Peramalan Pengangguran Menggunakan Metode Double Exponential Smoothing Di Provinsi Kalimantan Timur,” Pros. Semin. Nas. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 1, pp. 24–29, 2019.

I. Ferima Talia, I. Fitri Astuti, and P. Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi, “Peramalan Tingkat Kemiskinan Penduduk Provinsi Kalimantan Timur Menggunakan Metode Double Exponential Smoothing Zainal Arifin,” Pros. Semin. Nas. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, pp. 121–127, 2019.

H. Syafwan, “PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA UTARA MENGGUNAKAN METODE BACKPROPAGATION,” JURTEKSI, vol. 3, no. 1, pp. 37–42, 2016.

H. Syafwan, M. Syafwan, E. Syafwan, A. F. Hadi, and P. Putri, “Forecasting Unemployment in North Sumatra Using Double Exponential Smoothing Method,” J. Phys. Conf. Ser., vol. 1783, no. 1, 2021, doi: 10.1088/1742-6596/1783/1/012008.

H. Syafwan, F. Siagian, P. Putri, M. Handayani, S. H. Tinggi Manajemen Informatika dan Komputer Royal Jln M Yamin No, and S. Utara, “Forecasting Jumlah Pengangguran Di Kabupaten Asahan Menggunakan Metode Weighted Moving Average,” J. Tek. Inform. Kaputama, vol. 5, no. 2, pp. 224–229, 2021.

A. Nasution, “Forecasting Produksi Karet Menggunakan,” vol. 9986, no. September, 2018.

R. Riyanto, F. R. Giarti, and S. E. Permana, “Sistem Prediksi Menggunakan Metode Weight Moving Average Untuk Penentuan Jumlah Order Barang,” J. ICT Inf. Commun. Technol., vol. 16, no. 2, pp. 37–42, 2017, doi: 10.36054/jict-ikmi.v16i2.20.

N. D. Maharani, I. G. A. Gunadi, and K. Setemen, “Prediksi Jumlah Penumpang Bus Trans Metro Dewata di PT . Satria Trans Jaya Menggunakan Double Exponential Smoothing dan Weighted Moving Average,” vol. VIII, no. 2, pp. 5246–5255, 2023.

R. D. Syahputra, Supriono, and Suharyono, “PERAMALAN PENJUALAN JASA FREIGHT FORWARDING DENGAN METODE SINGLE MOVING VERAGES, EXPONENTIAL SMOOTHING DAN WEIGHTED MOVING AVERAGES (Studi kasus pada PT Anugerah Tangkas Transportindo, Jakarta) Reza,” Adm. Bisnis, vol. 55, no. 2, pp. 113–121, 2018.




DOI: https://doi.org/10.33330/jurteksi.v9i4.2624

Article Metrics

Abstract view : 234 times
PDF - 185 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Royal

Copyright © LPPM UNIVERSITAS ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.