Perbandingan Model Arima, Nn, Hybrid Arima- Nn, Dan Ensemble Arima-Nn Untuk Meramalkan Tingkat Pengangguran Di Indonesia.

Pratiwi, Fabiola Puspa and Dwi Ayu Lusia, S.Si., M.Si. (2022) Perbandingan Model Arima, Nn, Hybrid Arima- Nn, Dan Ensemble Arima-Nn Untuk Meramalkan Tingkat Pengangguran Di Indonesia. Sarjana thesis, Universitas Brawijaya.

Abstract

Pada tahun 2020, semua negara merasakan dampak dari pandemik Covid-19. Pertumbuhan perekonomian, produktivitas nasional, dan kapasitas perusahaan mengalami penurunan yang berdampak pada perubahan tingkat pengangguran di Indonesia. Angka pengangguran di Indonesia pada tahun 2020 bertambah menjadi 1.84% dibanding periode yang sama tahun lalu. Hal ini membuktikan masih kurang maksimalnya usaha pemerintah maupun pihak lainnya dalam menciptakan lapangan pekerjaan, sehingga masih tingginya angka pengangguran yang ada di Indonesia. Berdasarkan permasalahan tersebut akan dilakukan pencarian metode peramalan terbaik untuk meramalkan permasalahan tingkat pengangguran di Indonesia. Data penelitian yang digunakan adalah data Tingkat Pengangguran Terbuka (TPT) di Indonesia dari tahun 1997 hingga 2021. TPT dapat menunjukkan kemampuan negara dalam menyediakan lapangan pekerjaan yang layak untuk mengantisipasi apabila jumlah pengangguran terlalu banyak. Data TPT dibagi menjadi data training dan data testing dengan rasio 8:2. MAPE digunakan sebagai evaluasi keakurasian ramalan pada data testing. Nilai akurasi MAPE dari keempat metode akan dibandingkan untuk mengetahui model terbaik. Beberapa metode yang digunakan dalam penelitian ini meliputi ARIMA, backpropagation neural network (NN), hybrid ARIMA-NN, dan ensemble ARIMA-NN. Model terbaik dari tiap metode yaitu ARIMA(3,3,0), NN(6,[4,2],1), hybrid ARIMA(3,3,0)-NN(6,[3,2],1), dan ensemble ARIMA(3,3,0)- NN(6,[4,2],1) dengan teknik kombinasi averaging dan stacking. Berdasarkan nilai MAPE, model terbaik untuk peramalan TPT 5 tahun kedepan adalah NN(6,[4,2],1).

English Abstract

In 2020, all countries will feel the impact of the Covid-19 pandemic. Economic growth, national productivity, and company capacity have decreased which has an impact on changes in the unemployment rate in Indonesia. The unemployment rate in Indonesia in 2020 increased to 1.84% compared to the same period last year. This proves that the government and other parties' efforts are still not optimal in creating jobs, so that the unemployment rate in Indonesia is still high. Based on these problems, a search for the best forecasting method will be carried out to predict the problem of the unemployment rate in Indonesia. The research data used is the Open Unemployment Rate (TPT) data in Indonesia from 1997 to 2021. TPT can show the country's ability to provide decent jobs to anticipate if the number of unemployed is too high. TPT data is divided into training data and testing data with a ratio of 8:2. MAPE is used as an evaluation of forecast accuracy on testing data. The MAPE accuracy values of the four methods will be compared to find out the best model. Several methods used in this research include ARIMA, backpropagation neural network (NN), hybrid ARIMA- NN, and ARIMA-NN ensemble. The best models for each method are ARIMA(3,3,0), NN(6,[4,2],1), hybrid ARIMA(3,3,0)- NN(6,[3,2],1) , and ARIMA(3,3,0)-NN(6,[4,2],1) ensemble with a combination of averaging and stacking techniques. Based on the MAPE value, the best model for forecasting TPT for the next 5 years is NN(6,[4,2],1).

Item Type:	Thesis (Sarjana)
Identification Number:	0522090007
Uncontrolled Keywords:	Tingkat Pengangguran Terbuka, ARIMA, Neural Network, Hybrid, Ensemble, MAPE, Open Unemployment Rates, ARIMA, Neural Network, Hybrid, Ensemble, MAPE.
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Zainul Mustofa
Date Deposited:	29 Sep 2022 04:19
Last Modified:	29 Sep 2022 04:19
URI:	http://repository.ub.ac.id/id/eprint/195148

Text (DALAM MASA EMBARGO) Fabiola Puspa Pratiwi.pdf Restricted to Registered users only until 31 December 2024. Download (3MB)

Actions (login required)

View Item