Konstruksi Forecasting System Multi-Model untuk pemodelan matematika pada peramalan Indeks Pembangunan Manusia Provinsi Nusa Tenggara Barat

Abstract

Penelitian ini bertujuan untuk mengembangkan produk Forecasting System Multi-Model (FSM) guna menentukan metode terbaik dalam sistem peramalan (forecast) dengan mengkonstruksi beberapa metode dalam bentuk Graphical User Interface (GUI) Matlab dengan menghitung semua indikator tingkat akurasi guna menemukan model matematika terbaik dari data time series pada periode tertentu. Pada tahap simulasi, tim peneliti menggunakan data Indeks Pembangunan Manusia (IPM) Provinsi Nusa Tenggara Barat (NTB) tahun 2010-2017 guna memprediksi IPM NTB tahun 2018. Adapun metode yang diuji adalah Moving Average (SMA, WMA dan EMA), Exponential Smoothing Method (SES, Brown, Holt, dan Winter), Naive Method, Interpolation Method (Newton Gregory), dan Artificial Neural Network (Back Propagation). Kemudian model dievaluasi untuk melihat tingkat akurasi masing-masing metode berdasarkan nilai MAD, MSE, dan MAPE. Berdasarkan hasil simulasi data dari 10 metode yang diuji diketahui bahwa metode Holt paling akurat dengan hasil prediksi tahun 2018 sebesar 67,45 dengan MAD, MSE, dan MAPE berturut-turut sebesar 0,22654; 0,075955 dan 0,34829. The purpose of this research is to develop a product was called Forecasting System Multi-Model (FSM) to determine the best method in the forecasting system by constructing several methods in the form of Graphical User Interface (GUI) Matlab. It was done by all indicator accuration to find the best mathematical model of time series data in a certain period. In the simulation phase, this research used the Human Development Index (HDI) data of West Nusa Tenggara (NTB) Province in 2010 - 2017 to predict the HDI data of NTB in 2018. The methods tested were Moving Average (SMA, WMA and EMA), Exponential Smoothing Method (SES, Brown, Holt, and Winter), Naive Method, Interpolation Method (Newton Gregory), and Artificial Neural Network (Back Propagation). Then the models/methods were evaluated to see the level of accuracy of each method based on the value of MAD, MSE, and MAPE. Based on data simulation result from 10 tested method known that Holt method is most accurate with prediction result of 2018 equal to 67,45 with MAD, MSE, and MAPE respectively equal to 0.22654, 0.075955 and 0.34829.

Comparative Analysis of The Growth of School Students Using Autoregressive Integrated Moving Average Methods Analisis

“…Any decision-making that concerns the situation in the future, then there must be a forecast that underlies the decisionmaking (Purnomo, 2015). Forecasting is the activity of estimating what will happen in the future (Sucipto and Syaharuddin, 2018), (Negara et al, 2020b).…”

Amount of Poverty as Policy Basis: A Forecasting Using The Holt Method

“…Forecasting is an important tool in effective and efficient planning, Forecasting is also a technique for estimating or predicting a value in the future by paying attention to past data as well as current data (Sucipto, 2018). An important step in choosing a forecasting method is to consider the type of data pattern so that the most appropriate method with that pattern can be tested (Aminudin & Handoko, 2019).…”

Implementasi Metode Winter untuk Forecasting Pertumbuhan Jumlah Penduduk: Studi Kasus Wilayah Provinsi NTB

“…Jika perbedaan waktu tersebut panjang, maka peran peramalan(Forecasting) begitu penting dan sangat dibutuhkan terutama dalam penentuan waktu kapan akan terjadinya suatu kejadian, sehingga dapat dipersiapkan tindakan yang perlu untuk dilakukan . Umumnya peramalan banyak atau sering dilakukan pada data time series yang dikelola oleh Badan Pusat Statistika (BPS) baik ditingkat kabupaten, provinsi, maupun nasional dikarenakan akan berdampak pada penentuan kebijakan yang akan diambil oleh pemerintah kedepannya (Sucipto & Syaharuddin, 2018).…”

“…Kebijakan tersebut tidak lepas dari pola sebaran data yang saling berkaitan seperti data kependudukan, kesehatan, pendidikan, dan data Indeks Pembangunan Manusia (IPM) sangat sering digunakan sebagai patokan dalam konstruksi semua kebijakan pemerintah di semua tingkatan. Oleh sebab itu, data-data ini perlu dikonstruksi menjadi informasi penting berupa hasil analisa dan model matematika sebagai dasar dalam pengambilan kebijakan tersebut (Sucipto & Syaharuddin, 2018).…”

“…Sehingga untuk mengantisipasi ketidakcocokan tersebut, setiap proses ditunjukkan dengan tingkat akurasi masing-masing metode seperti Mean Absolute Deviation (MAD), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE). Metode dengan tingkat error paling kecil atau tingkat akurasi paling tinggi disebut metode yang terbaik pada kasus tersebut (Sucipto & Syaharuddin, 2018).…”