Peramalan Jumlah Penduduk Miskin di Kabupaten Tangerang Tahun 2023-2025

  • Juwita Ningsih Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung
  • Nur Azizah Komara Rifai Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung
Keywords: Double Exponential Smoothing, Jumlah Penduduk Miskin, Peramalan

Abstract

Abstract. The Central Bureau of Statistics (BPS) of Tangerang Regency is a non-ministerial government agency in statistics and data processing. BPS Tangerang Regency conducts several surveys in its data collection efforts, including the National Socio-Economic Survey (SUSENAS), which produces poverty data. Poverty in Indonesia is a complex and multidimensional issue, as the poverty rate in a country influences indicators of success in terms of both development and the economy. Indonesia is classified as a developing country, making poverty a significant issue. Tangerang Regency ranked third in Banten for the most poor residents from 2020 to 2022. The purpose of the research on Forecasting the Number of Poor Residents in Tangerang Regency for 2023-2025 is to provide analysis results that can be utilised and considered by the Tangerang Regency government to address poverty in the area. The data used is the Number of Poor Residents in Tangerang Regency, which is non-stationary and contains a trend element. Therefore, the method used is Double Exponential Smoothing. The forecasting results show that in 2023, there will be 291,285 poor residents; in 2024, there will be 308,165; and in 2025, there will be 325,045, indicating an increase in the number of poor residents over the following three periods.

Abstrak. Badan Pusat Statistik (BPS) Kabupaten Tangerang merupakan lembaga pemerintahan non kementrian yang bergerak di bidang statistik dan pengolahan data. Dalam pengumpulan data BPS Kabupaten Tangerang melakukan beberapa survei, salah satunya yaitu Survei Sosial Ekonomi Nasional (SUSENAS) yang menghasilkan data kemiskinan. Kemiskinan di Indonesia merupakan masalah yang kompleks dan multidimensi, karena tingkat kemiskinan di suatu negara akan mempengaruhi indikator keberhasilan baik dari segi pembangunan maupun perekonomian negara tersebut. Negara Indonesia merupakan negara yang tergolong masih berkembang, sehingga kemiskinan menjadi masalah utama. Kabupaten Tangerang berada pada urutan ketiga dengan penduduk miskin paling banyak di Banten pada tahun 2020-2022. Tujuan penelitian Peramalan Jumlah Penduduk Miskin di Kabupaten Tangerang tahun 2023-2025 dengan harapan hasil analisis dapat di manfaatkan dan dapat menjadi pertimbangan oleh pemerintah Kabupaten Tangerang untuk mengatasi kemiskinan di Kabupaten Tangerang. Data yang digunakan yaitu Jumlah Penduduk Miskin di Kabupaten Tangerang yang merupakan data tidak stasioner dan mengandung unsur trend, sehingga metode yang digunakan yaitu Double Exponential Smoothing Hasil peramalan pada tahun 2023 sebanyak 291.285, pada tahun 2024 sebanyak 308.165 dan pada tahun 2025 sebanyak 325.045, artinya Jumlah Penduduk Miskin mengalami kenaikan selama 3 periode ke depan.

References

Aritonang, R. (2002). Peramalan Bisnis. Ghalia Indonesia.

BPS. (2021). Pejabat Pengelola Informasi dan Dokumentasi BPS Kabupaten Tangerang. BPS. https://ppid.bps.go.id/app/konten/3603/Profil-BPS.html

BPS. (2022). Survei Sosial Ekonomi Nasional. BPS. https://www.bps.go.id/istilah/index.html?Istilah%5Bberawalan%5D=S&Istilah_page=5

Hasan, I. (2001). Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). PT Bumi Aksara.

Herjanto, E. (2008). Manajemen Operasi Grasindo. Grasindo.

Makridakis. (1993). Metode dan Aplikasi Peramalan. Penerbit Erlangga.

Marthalina. (2018). Peran Pemerintah Daerah Dalam Mengentaskan Kemiskinan Di Kabupaten Tangerang Provinsi Banten. TRANSFORMASI: Jurnal Manajemen Pemerintahan, 1–24. https://doi.org/10.33701/jt.v10i1.403

Prasetyono, R. I., & Anggraini, D. (2021). Analisis Peramalan Tingkat Kemiskinan Di Indonesia Dengan Model Arima. Jurnal Ilmiah Informatika Komputer, 26(2), 95–110. https://doi.org/10.35760/ik.2021.v26i2.3699

Raharja, A. (2007). Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu Telepon Di Pt.Telkomsel Divre3 Surabaya. Jurnal Sistem Informasi, 1–9.

Sinaga, H. D., & Irawati, N. (2018). Perbandingan Double Moving Average Dengan Double Exponential Smoothing Pada Peramalan Bahan Medis Habis Pakai. Artkel, IV(2), 197–204. https://jurnal.stmikroyal.ac.id/index.php/jurteksi/article/view/60

Statistik, B. P. (2023). Kemiskinan dan Ketimpangan. Badan Pusat Statistik. https://www.bps.go.id/subject/23/kemiskinan-dan-ketimpangan.html#subjekViewTab1

Tjahjo Purnomo, D. (2021). APAKAH SAHAM FARMASI DI BURSA EFEK INDONESIA MENGIKUTI HIPOTESIS RANDOM WALK SAAT PANDEMI COVID-19? http://journals.usm.ac.id/index.php/jreb

Zuhdiyaty, N., & Kaluge, D. (2017). Analisis Faktor-Faktor yang Mempengaruhi Kemiskinan di Indonesia Selama Lima Tahun Terakhir ( Studi Kasus Pada 33 Provinsi ). Journal Ilmiah Bisnis Dan Ekonomi Asia: Pascasarjana Ilmu Ekonomi Fakultas Ekonomi Dan Bisnis Universitas Brawijaya, 11(2), 27–31.

Dima, A., Kleden, M. A., & Atti, A. (2023). Analisis Faktor-Faktor yang Mempengaruhi Prestasi Siswa Menggunakan Metode Structural Equation Modeling (SEM). Statistika, 23(2), 132–146. https://doi.org/10.29313/statistika.v23i2.2642

Shalsadilla, N., Martha, S., Perdana, H., Satyahadewi, N., Sulistianingsih, E., Program, ), & Fakultas, S. S. (2023). Penentuan Jumlah Cluster Optimum Menggunakan Davies Bouldin Index dalam Pengelompokan Wilayah Kemiskinan di Indonesia (Vol. 23, Issue 1). https://bps.go.id

Published
2024-08-14