Evaluasi Metode Exponential Smoothing dan Moving Average Untuk Peramalan Data Pengangguran di Indonesia

Abstract

Pengangguran merupakan salah satu permasalahan ekonomi yang dapat mempengaruhi pertumbuhan dan kesejahteraan suatu negara. Di Indonesia tingkat pengangguran yang terus meningkat menjadi masalah yang serius dan memerlukan peramalan tingkat pengagguran yang akurat sehingga dapat dijadikan sebagai pendukung Pemerintah dalam memberikan kebijakan. Penelitian ini melakukan peramalan angka pengangguran dengan membandingkan akurasi dari metode Exponential Smoothing dan Moving Average dalam memprediksi pengangguran menggunakan data pengangguran dari tahun 1986 sampai dengan 2024 yang didapatkan dari situs website resmi Badan Pusat Statistik (BPS). Evaluasi dilakukan dengan membandingkan nilai dari Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Dari lima metode yang di uji yaitu metode Single Exponential Smoothing, Double Exponential Smooting, Multiple Exponrntial Smoothin (Holt Winter), Singel Moving Average dan Autoregressive Integrated Moving Average (Arima), mendapatkan hasil yang menunjukan bahwa metode Double Exponetial Smoothing menjadi metode terbaik dengan menghasilkan nilai MAE sebesar 530.800 dan RMSE sebesar 707.182. Sehingga dalam melakukan peramalan Tingkat pengangguran di Indonesia disarankan menggunakan metode Double Exponential Smoothing dengan parameter nilai alpha 0,31 dan beta 0,81. Hasil peramalan yang mendekati aslinya akan memberikan hasil yang akurat yang akan memberikan kemudahan dalam pengambilan Keputusan terkait kebijakan pemerintah dalam mengatasi pengangguran di Indonesia.