PREDIKSI TINGKAT KEMISKINAN BERDASARKAN DATA DERET WAKTU MENGGUNAKAN AUTO ARIMA
NADINE AULIA FAZRINA

Informasi Umum

Kode

23.06.772

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - TA (D3) - Reference

Subjek

Machine - Learning

Dilihat

206 kali

Informasi Lainnya

Abstraksi

<p>Data Survei Ekonomi Nasional (Susenas) digunakan oleh Badan Pusat Statistik untuk menghitung tingkat kemiskinan di Bandung. Namun, metode pengumpulan data tradisional dengan mewawancarai rumah tangga satu per satu memakan waktu, biaya yang mahal, dan mungkin tidak dapat menangkap sampel yang representatif. Oleh karena itu, penelitian ini mengeksplorasi penggunaan model Time Series, khususnya algoritma AutoArima, Croston, dan Exponential Smoothing untuk memprediksi angka kemiskinan di Kota Bandung. Berdasarkan permasalahan tersebut, maka diperlukan suatu prediksi untuk menentukan tingkat kemiskinan di Kota Bandung. Dataset kemiskinan yang digunakan bersumber dari Portal Data Kota Bandung dengan data uji dari tahun 2010 sampai dengan tahun 2018. Penelitian ini akan menggunakan 3 parameter error untuk mengevaluasi hasil tingkat kemiskinan di Kota Bandung, yaitu MAE, UMK dan MASE. Berdasarkan pengujian yang dilakukan, dataset menghasilkan model AutoArima sebagai metode terbaik dengan MAE = 0.183, MSE = 0.053, MASE = 0.797, untuk model Croston menghasilkan error dengan MAE = 0.456, MSE = 0.374, MASE = 1.985. Sedangkan untuk model Exponential Smoothing menghasilkan error dengan MAE = 0,410, MSE = 0,215, MASE = 1,786. Dari ketiga pengujian tersebut, dapat disimpulkan bahwa model AutoArima berhasil memprediksi tingkat kemiskinan di Kota Bandung dengan hasil yang baik.</p>

<p>Kata Kunci - Kemiskinan, Data Deret Waktu, Arima, Algoritma</p>

• VSI2J3 - DASAR ILMU DATA

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook