Peramalan data penduduk miskin provinsi nusa tenggara barat (NTB) model auto regressive integrated moving average (ARIMA)

Main Article Content

Samsul Mizan

Abstract

This study aims to predict the number of poor people in West Nusa Tenggara (NTB) in 2019. Data used as many as 17 years and processed with a computer program Eviews to see the pattern and results in the auto regressive integrated moving average (ARIMA) model. This modeling phase starts from testing data stationarity, model identification, model estimation, model verification, and forecasting. Based on the results of this study, the prediction of the number of poor people in 2019 was 684,158 people. with MAD error parameters of 30.507,5625, MSE of 1.989.563.779, and MAPE of 3%.

Article Details

How to Cite
Mizan, S. (2019). Peramalan data penduduk miskin provinsi nusa tenggara barat (NTB) model auto regressive integrated moving average (ARIMA). JP3M: JURNAL PEMIKIRAN DAN PENELITIAN PENDIDIKAN MATEMATIKA, 2(1), 1 - 10. Retrieved from http://journal-litbang-rekarta.co.id/index.php/jp3m/article/view/138
Section
Articles

References

Anie L, Endang H. (2011). Pemodelan Autoregressive Integrated Moving Average (arima) curah hujan di kota banfung. Sigma-MU, 3(2), 9-25.
Amira, Wiwik A, dan Raras T. (2014). Pembuatan Aplikasi Pendukung Keputusan untuk Peramalan Persediaan Bahan Baku Produksi Plastik Blowing dan Inject Menggunakan Metode ARIMA di CV. Asia. Jurnal Teknik Pomits, 1(1), 1-6.
Istiqomah W, dan Yamin Darsyah M. (2018). Evektivitas Metode Arima dan Exponetial Smoothing Untuk Meramalkan Nilai Tukar Petani Di Jawa Tengah.PSNM Unimus, 1(1).344-345
Nur Asasi A. (2009). Analisis Forecasting Peserta KB Baru Di BPMP KB Dan KP Kota Pekalongan Dengan Metode Arima. Skripsi
Risma Arnitasari. (2016). Komparasi Penggunaan Minitab dan Eviews dalam Peramalan dengan Metode Deret Berkala Arima Box-Jenkins. Skripsi
Rosadi Dedi. (2011). Ekonometrika dan Analisis Runtun Waktu Terapan dengan Eviews. Yogyakart : Andi.
Sismi dan Yamin, D. (2018). Perbandingan Harga Saham PT. BRI, Tbk dengan Metode ARIMA dan Moving Average. PSNM Unimus, 1(1), 351-357.
Sofiatur Rohmah. (2018). Implementasi Metode ARIMA dalam peramalan jangka Pendek terhadap Jumlah Penumpang Kapal dengan Eviews. Surabaya: ITS.
Syarfi Aziz. (2017). Penerapan Metode ARIMA Untuk Peramalan Pengunjung Perpustakaan UIN Suska Riau. Pekanbaru : UIN Sutan Syarif Kasim Riau
Satya Pornomo F. (2015). Penggunaan Metode Arima (Autoregressive Integrated Moving Avarage) Untuk Prakiraan Beban Konsumsi Listrik Jangka Pendek (Short Term Forecasting). Skripsi