Peramalan jumlah penduduk menggunakan model arima

Reni Yuliyanti, Elly Arliani

Abstract


Tingginya pertumbuhan penduduk dapat mempengaruhi kepadatan penduduk. Jumlah penduduk cenderung meningkat setiap tahunnya terutama di Kabupaten Sleman salah satu kabupaten di Yogyakarta dengan jumlah  penduduk terbanyak. Peramalan jumlah penduduk sangat diperlukan karena data jumlah penduduk sering dijadikan sebagai dasar untuk perencanaan maupun sasaran pembangunan di waktu yang akan datang. Tujuan penelitian ini adalah untuk mendeskripsikan model yang cocok dalam peramalan jumlah penduduk pada tahun 2021 – 2023 dengan metode Auto Regressive Integrative Moving Average (ARIMA) dan meramalkan jumlah penduduk pada tahun 2021– 2023 dengan metode ARIMA. Proses peramalan dimulai dengan identifikasi model data dengan melakukan uji stasioneritas dalam varians dan rata-rata. Dalam mengembangkan model ARIMA, perlu dilakukan analisis fungsi autokorelasi (ACF) dan fungsi autokorelasi parsial (PACF) dengan melihat plot ACF atau PACF. Kemudian melakukan estimasi parameter untuk model ARIMA yang dipilih apakah parameter tersebut significant dan layak untuk dijadikan model. Dilakukan pemeriksaan diagnostik dengan pengujian asumsi normalitas dan asumsi residual white noise. Kemudian, tahap peramalan dan pengecekan tingkat akurasi peramalan dengan nilai MAPE. Hasil penelitian menunjukkan bahwa jumlah penduduk diperkirakan akan meningkat setiap tahunnya. Setelah dianalisis, model terbaik yang didapatkan adalah model ARIMA(0,2,1) karena nilai Mean Absolute Precentage Error (MAPE) dari model tersebut yaitu sebesar 3,62%. Artinya tingkat akurasi dari metode ARIMA tersebut adalah 96,38%.


Full Text:

PDF

References


Badan Pusat Statistik Provinsi D.I Yogyakarta (2021). Penduduk Kabupaten Sleman Hasil Sensus Penduduk 1961-2020. Badan Pusat Statistik Provinsi D.I Yogyakarta: Yogyakarta.

Badan Pusat Statistik Kabupaten Sleman (2020). Kabupaten Sleman Dalam Angka Tahun 2020. Badan Pusat Statistik Kabupaten Sleman: Sleman.

Bps, 2019. Kependudukan. [Online] Available At: Https://Www.Bps.Go.Id [Diakses 21 November 2021].

Bowerman, B. L., Connell, R. T. O., & Murphree, E. S. (N.D.).(2017). Business Statistics In Practice. New York: McGraw-Hill Irwin.

Lusiani, A. (2010). Pemodelan Autoregressive Integrated Moving Average ( Arima ) Curah Hujan Di Kota Bandung Modelling Of Autoregressive Integrated Moving Average ( Arima ) Rainfall In Bandung. Sigma-Mu, Vol.3 No.2, 9–25.

Makridakis, S., Wheelwright, S.C. & Mcgee, V.E. (2017). Metode Dan Aplikasi Peramalan. Jilid 1. (Edisi Ke-4). Jakarta: Erlangga.

Mardiyah, I., Utami, W. D., Candra, D., Novitasari, R., & Sulistiyawati, D. (2021). Menggunakan Metode Arima Analysis Of Population Prediction In Pasuruan City Using Arima. Ilmu Matematika Dan Terapan, 15(3), 525–534. doi: https://doi.org/10.30598/ barekengvol15iss3pp525-534

Meyler, A., Kenny, G., & Quinn, T. (2008). Forecasting irish inflation using ARIMA models. Economic Analysis, Research and Publications Department, Central Bank of Ireland. Dublin. MPRA Paper, No. 11359.

Montgomery, D.C., Jennings, C.L., & Kulachi, M. (2008). Introduction to Time Series Analysis and Forecasting. New Jersey.

Peraturan Pemerintah Republik Indonesia No. 51 Tahun 1999 tentang Penyelenggaraan Statistik.

Rahayu, U. S. (2007). Proyeksi Jumlah Penduduk Menggunakan Model Arima Dan Analisis Faktor Pada Variabel Yang Mempengaruhi Pertumbuhan Penduduk Di Kabupaten Jepara (Skripsi). Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Negeri Semarang, Semarang.

Risma Arnitasari. (2016). Komparasi Penggunaan Minitab dan Eviews dalam Peramalan dengan Metode Deret Berkala Arima Box-Jenkins. (Skripsi). Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Semarang, Semarang.

Ruslan, M., & Banjarbaru, S. (2016). Prediksi Jumlah Penduduk Provinsi Kalimantan Selatan Menggunakan Metode Semi Average. Ijse – Indonesian Journal On Software Engineering, 2(1), 2461–2690.

Samsiah, D. N. (2008). Analisis Data Runtun Waktu Menggunakan Model ARIMA (p, d, q) Data Pendapatan Pajak Kendaraan Bermotor di Provinsi Daerah Istimewa Yogyakarta (Skripsi). Fakultas Sains dan Teknologi, UIN Sunan Kalijaga, Yogyakarta.

Saputro, A. B. (2016). Peramalan Pertumbuhan Penduduk Per Kecamatan Di Kabupaten Kediri Menggunakan Metode Kuadrat Terkecil. (Skripsi). Fakultas Teknik. UN PGRI Kediri.

Selim, M. I., Haque, A. U., Hossain, S., & Chandra, L. (2019). Modeling And Forecasting Population Growth Rate In Bangladesh Using Arima Models. Indian Journal of Economics and Development, Vol 7 (10).

Seruni, D. S., Furqon, M. T., & Wihandika, R. C. (2020). Sistem Prediksi Pertumbuhan Jumlah Penduduk Kota Malang Menggunakan Metode K-Nearest Neighbor Regression. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 4, No. 4.

Wei, W.W.S. (2006). Time Series Analysis Univariate and Multivariate Methods Second Edition. New Jersey: Pearson Prentice Hall.

Yunda, A. (2019). Peramalan Jumlah Penduduk Tahun 2018-2022 Di Kabupaten Deli Serdang Menggunakan Model Arima (Skripsi). Fakultas Kesehatan Masyarakat, Universitas Sumatera Utara, Medan.


Refbacks

  • There are currently no refbacks.


 

Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.