Perbandingan Peramalan Metode Single Exponential Smoothing dan Double Exsponential Smoothing pada Karakteristik Penduduk Bekerja di Indonesia Tahun 2017

Abstract

Angkatan kerja merupakan potensi dari sebuah negara. Salah satu masalah di dalam sebuah angkatan kerja adalah memprediksi jumlah angkatan kerja pada usia yang produktif. Memprediksi jumlah angkatan kerja yang mendominasi dapat dilakukan dengan mempelajari data angkatan kerja berdasarkan kegiatan utama pada periode sebelumnya. Untuk memprediksi jumlah angkatan kerja, dapat dilakukan dengan cara meramalkan. Perbandingan metode Single Exponential Smoothing dan Double Exponential Smoothing digunakan untuk keakuratan meramalkan jumlah angkatan kerja untuk periode yang akan datang. Single Exponential Smoothing merupakan metode peramalan yang digunakan untuk data stasioner atau data yang relatif stabil. Double Exponential Smoothing digunakan untuk data yang memiliki tren atau data yang memiliki kecenderungan peningkatan atau penurunan dalam jangka panjang. Hasil yang dicapai dari penelitian ini adalah metode Double
Exponential Smoothing lebih tepat dibandingkan dengan metode Single Exponential Smoothing karena pada hasil peramalan menghasilkan data yang cenderung tidak mengalami penurunan atau peningkatan atau tidak ada tren. Selain itu, persentase kesalahan (selisih data aktual dengan nilai peramalan ) dan MAPE (untuk menghitung nilai eror terkecil) yang didapat dari metode Double Exponential Smoothing lebih kecil sebesar
389,20 dibandingkan dengan Single Exponential Smoothing sebesar 419,360.

Kata kunci: angkatan kerja, peramalan, single, double, exponential, smoothing

Abstract

The work force is the potential of a country. One of the problems in a workforce is to predict the number of labor forces in a productive age. Predicting the dominating workforce can be done by studying the labor force data based on the main activities in the previous period. To predict the number of workforce, can be done by predicting. Comparison of the Single Exponential Smoothing and Double Exponential Smoothing methods is used for accuracy to predict the number of workforce for the coming period. Single Exponential Smoothing is a forecasting method used for stationary or relatively stable data. Double Exponential Smoothing is used for data that has a trend or data that has a tendency to increase or decrease in the long run.The results achieved from this study are the Double Exponential Smoothing method is more appropriate than the Single Exponential Smoothing method because the forecasting results produce data that tends not to decrease or increase or no trend. In addition, the percentage error (actual data difference with forecasting value) and MAPE (to calculate the smallest error value) obtained from the Double Exponential Smoothing method is smaller by 389.20 compared with the Single Exponential Smoothing of 419.360.