PERBANDINGAN METODE EXPONENTIAL SMOOTHING DAN SARIMA UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA BERDASARKAN TARAF PENDIDIKAN DI JAWA BARAT
Permasalahan pengangguran di Provinsi Jawa Barat menunjukkan variasi menurut taraf pendidikan, sehingga diperlukan pendekatan peramalan yang andal sebagai masukan kebijakan. Penelitian ini membandingkan akurasi metode Exponential Smoothing meliputi Single (SES), Double/Holt (DES), dan Triple/Holt-Winters (TES) dengan SARIMA pada data Tingkat Pengangguran Terbuka (TPT) semesteran per jenjang pendidikan (SD, SMP, SMA, SMK, Diploma, Universitas) periode 2019–2025 (Februari–Agustus). Evaluasi dilakukan menggunakan MAPE, MSE, dan MAD, dengan pemilihan model terbaik berbasis MAPE terendah. Hasil menunjukkan model Exponential Smoothing secara umum lebih kompetitif dibanding SARIMA pada sebagian besar kategori. Contohnya, untuk SD dan SMP, DES memberikan MAPE terendah masing-masing 16,602% dan 8,299%; untuk SMA terbaik adalah TES dengan MAPE 9,003%. Temuan ini mengindikasikan pola tren dan (atau) musiman ringan yang lebih efektif ditangkap oleh kerangka pemulusan eksponensial dibandingkan SARIMA dalam studi ini. Model terbaik per kategori kemudian digunakan untuk memproyeksikan TPT semester berikutnya, yang dapat menjadi rujukan penyusunan intervensi ketenagakerjaan yang lebih terarah menurut jenjang pendidikan.
Unemployment in West Java varies across education levels, requiring reliable forecasting to inform policy. This study compares the accuracy of Exponential Smoothing including Single (SES), Double/Holt (DES), and Triple/Holt-Winters (TES) against SARIMA on Open Unemployment Rate (OUR/TPT) data observed semiannually (February–August) for six education groups (primary to university) from 2019 to 2025. Performance is assessed using MAPE, MSE, and MAD, and the best model is selected by the lowest MAPE. Results indicate that Exponential Smoothing is generally more competitive than SARIMA for most categories. For example, DES yields the lowest MAPE for primary (SD) and junior secondary (SMP) at 16.602% and 8.299%, respectively; for senior secondary (SMA), TES performs best with MAPE 9.003%. These findings suggest that trend and mild seasonality patterns are more effectively captured by exponential smoothing frameworks than by SARIMA in this case. The best model for each category is subsequently used to produce the next-semester forecasts, providing actionable inputs for targeted employment policies by education level.
Detail Information
Citation
APA Style
. (2025).PERBANDINGAN METODE EXPONENTIAL SMOOTHING DAN SARIMA UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA BERDASARKAN TARAF PENDIDIKAN DI JAWA BARAT ().Teknik Informatika:FTI
Chicago Style
.PERBANDINGAN METODE EXPONENTIAL SMOOTHING DAN SARIMA UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA BERDASARKAN TARAF PENDIDIKAN DI JAWA BARAT ().Teknik Informatika:FTI,2025.Text
MLA Style
.PERBANDINGAN METODE EXPONENTIAL SMOOTHING DAN SARIMA UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA BERDASARKAN TARAF PENDIDIKAN DI JAWA BARAT ().Teknik Informatika:FTI,2025.Text
Turabian Style
.PERBANDINGAN METODE EXPONENTIAL SMOOTHING DAN SARIMA UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA BERDASARKAN TARAF PENDIDIKAN DI JAWA BARAT ().Teknik Informatika:FTI,2025.Text