Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika p-ISSN 2721-8929

http://lebesgue.lppmbinabangsa.id/index.php/home e-ISSN 2721-8937

Vol. 3, No. 2, Agustus 2022 DOI Issue: 10.46306/lb.v3i2

PERAMALAN TINGKAT PENGANGGURAN TERBUKA PROVINSI

BANTEN DENGAN METODE TRIPLE EXPONENTIAL SMOOTHING
Rindang Ndaru Puspita1
1
Dinas Kependudukan dan Pencatatan Sipil Kabupaten Tangerang
rindangnp31@gmail.com

Abstract
The Unemployment Rate is the main indicator to measure the unemployment in the labor force. The higher
Unemployment Rate will have an impact on the decline in people's welfare. Based the results of SAKERNAS in
February 2022, Banten Province's Unemployment Rate is the highest in Indonesia, besides that, since the Covid-19
pandemic, the Banten Province's Unemployment Rate has increased. There needs an effort to reduce the
Unemployment Rate so that it can reduce the number of unemployed, one of which is by knowing the predicted value
of the Unemployment Rate in the future. From the results of historical data analysis, it is known that the data pattern
of the Banten Province's Unemployment Rate is seasonal, so the Triple Exponential Smoothing Method is suitable
to be used because it can stabilize seasonal patterns. Forecasting is carried out to determine the Unemployment
Rate in Banten Province in the next 7 periods, from Semester 2 of 2022 to Semester 2 of 2025. From the forecasting
results, the MAPE value is 8.858859%, which is smaller than 10%, that shows very accurate predictions.
Furthermore, the results of this research are expected to be used as consideration in determining strategies to
reduce the Banten Province's Unemployment Rate.
Keywords: Unemployment, Forecasting, Triple Exponential Smoothing

Abstrak
Tingkat Pengangguran Terbuka merupakan indikator utama untuk mengukur angka pengangguran dalam angkatan
kerja. Semakin tinggi Tingkat Pengangguran Terbuka akan berdampak pada turunnya kesejahteraan masyarakat.
Tingkat Pengangguran Terbuka Provinsi Banten berdasarkan hasil SAKERNAS Februari 2022 tertinggi di Indonesia,
selain itu semenjak adanya pandemi Covid-19 Tingkat Pengangguran Terbuka Provinsi Banten mengalami kenaikan.
Perlu adanya upaya untuk menurunkan Tingkat Pengangguran Terbuka sehingga dapat mengurangi jumlah
pengangguran salah satunya dengan mengetahui nilai prediksi Tingkat Pengangguran Terbuka dimasa mendatang.
Dari hasil analisa data historis diketahui pola data Tingkat Pengangguran Terbuka Provinsi Banten adalah musiman,
maka Metode Triple Exponential Smoothing cocok untuk digunakan karena dapat menstabilkan pola musiman.
Peramalan dilakukan untuk mengetahui Tingkat Pengangguran Terbuka di Provinsi Banten pada 7 periode
mendatang yaitu Semester 2 Tahun 2022 sampai dengan Semester 2 Tahun 2025. Dari hasil peramalan diperoleh
nilai MAPE 8.858859% yaitu lebih kecil dari 10%, yang menunjukkan hasil prediksi atau peramalan sangat akurat.
Selanjutnya dari hasil penelitian ini diharapkan dapat digunakan sebagai bahan pertimbangan dalam menentukan
strategi untuk menurunkan Tingkat Pengangguran Terbuka Provinsi Banten.
Kata kunci: Pengangguran, Peramalan, Triple Exponential Smoothing

Received: July 30, 2022 / Accepted: August 30, 2022 / Published Online: August 30, 2022

358
Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Rindang Ndaru Puspita
Vol. 3, No. 2, Agustus 2022 hal. 358-366
DOI Artikel: 10.46306/lb.v3i2.138

PENDAHULUAN
Penduduk yang termasuk angkatan kerja adalah penduduk yang telah memasuki usia kerja yaitu 15
hingga 65 tahun, baik yang telah berkerja, belum bekerja atau sedang mencari pekerjaan. Berdasarkan
Survei Angkatan Kerja Nasional (SAKERNAS) yang dilakukan BPS, pengangguran terbuka terdiri dari 4
kriteria, yaitu tidak berkerja dan mencari pekerjaan, tidak bekerja dan mempersiapkan usaha, tidak bekerja
dan tidak mencari pekerjaan dikarenakan merasa tidak mungkin mendapatkan pekerjaan, sudah punya
pekerjaan tetapi belum mulai bekerja.
Menurut Badan Pusat Statistik, Tingkat Pengangguran Terbuka merupakan indikator utama untuk
mengukur angka pengangguran dalam angkatan kerja. Tingkat Pengangguran Terbuka ialah persentase
jumlah pengangguran terhadap jumlah angkatan kerja. Tingkat Pengangguran Terbuka merupakan data
deret waktu atau time series yang disajikan semesteran oleh BPS. Semakin tinggi Tingkat Pengangguran
Terbuka menunjukkan semakin banyaknya jumlah pengangguran sehingga akan berdampak pada turunnya
kesejahteraan masyarakat. Selain itu, dari hasil perhitungan Tingkat Pengangguran Terbuka selanjutnya
dapat digunakan sebagai acuan pemerintah untuk membuka lapangan kerja baru serta sebagai bahan
evaluasi keberhasilan pembangunan ekonomi.

10,64

9,01 9,01
8,53
8,11 7,99
7,55

Februari 2019/ Agustus 2019/ Februari 2020/ Agustus 2020/ Februari 2021/ Agustus 2021/ Februari 2022/
2019 Semester 1 2019 Semester 2 2020 Semester 1 2020 Semester 2 2021 Semester 1 2021 Semester 2 2022 Semester 1

Gambar 1. Grafik Tingkat Pengangguran Terbuka Provinsi Banten Februari 2019 - Februari 2022

Berdasarkan Gambar 1 dapat diketahui hasil SAKERNAS yang dilakukan oleh BPS di Provinsi
Banten. Tingkat Pengangguran Terbuka Provinsi Banten mengalami kenaikan 2.65% sejak munculnya
pandemi Covid-19 di Indonesia pada bulan Maret 2020. Tingkat Pengangguran Terbuka dari yang
sebelumnya pada Februari 2020 atau semester 1 tahun 2020 yaitu 7.99% naik menjadi 10.64% pada
Agustus 2020 atau semester 2 tahun 2020. Walaupun seiring berjalannya waktu selama pandemi Covid-19
Tingkat Pengangguran Terbuka Provinsi Banten terus mengalami penurunan, tetapi masih lebih tinggi jika
dibandingkan Tingkat Pengangguran Terbuka sebelum pandemi.

359
Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Rindang Ndaru Puspita
Vol. 3, No. 2, Agustus 2022 hal. 358-366
DOI Artikel: 10.46306/lb.v3i2.138

Gambar 2. Diagram Tingkat Pengangguran Terbuka Seluruh Provinsi di Indonesia Periode Februari 2022

Pada Gambar 2 jika dilihat dari diagram batang, dapat dilakukan perbandingan Tingkat
Pengangguran Terbuka seluruh Provinsi di Indonesi berdasarkan hasil SAKERNAS periode Februari 2022
dan Provinsi Banten menduduki posisi paling tinggi Tingkat Pengangguran Terbuka di Indonesia. Maka
dari itu diperlukan suatu upaya yang perlu dilakukan untuk menurunkan Tingkat Pengangguran Terbuka
sehingga dapat mengurangi jumlah pengangguran salah satunya dengan mengetahui nilai prediksi Tingkat
Pengangguran Terbuka dimasa mendatang. Dari nilai prediksi atau peramalan Tingkat Pengangguran
Terbuka selanjutnya dapat digunakan untuk pertimbangan dalam penyusunan strategi dan kebijakan untuk
mengatasi Tingkat Pengangguran Terbuka.
Dalam penelitian ini akan dilakukan peramalan Tingkat Pengangguran Terbuka Provinsi Banten
dengan menggunakan metode Triple Exponential Smoothing untuk mengetahui hasil prediksi Tingkat
Pengangguran Terbuka di masa yang akan datang dengan akurat. Dari hasil penelitian diharapkan dapat
dijadikan sebagai bahan acuan dalam mengatasi permasalahan pengangguran di Provinsi Banten.

METODE PENELITIAN

Data runtun waktu atau time series adalah data yang disusun dalam urutan waktu serta konsisten,
bisa dalam tahunan, semesteran, bulanan, mingguan bahkan harian. Menurut Hanke dan Wichren (2005)
Pola data runtun waktu ada 4 macam yaitu horizontal, trend, musiman dan siklis. Pola data horizontal atau
stationer merupakan fluktuasi data yang konstan walaupun terjadi kenaikan atau penurunan data, tetapi rata-
rata data masih dalam titik rata-rata (Firdaus, 2006). Pola data trend menunjukkan pergerakan data yang
meningkat atau menurun dalam waktu lama (Makridakis dkk, 1999). Pola data musiman merupakan
fluktuasi data yang berulang setiap beberapa periode tertentu, seperti semesteran, bulan, minggu bahkan
hari (Firdaus, 2006). Pola data siklis menurut Firdaus (2006) seperti gelombang disekitar trend, dapat
disebut juga sebagai pola data musiman jangka panjang dan berulang.

360
Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Rindang Ndaru Puspita
Vol. 3, No. 2, Agustus 2022 hal. 358-366
DOI Artikel: 10.46306/lb.v3i2.138

Peramalan merupakan usaha untuk meramalkan keadaan dimasa yang akan datang melalui
pengujian kedaan masa lalu (Prasetya dkk, 2009). Menurut Shahabuddin (2009) peramalan penting
dilakukan untuk membuat suatu perencanaan. Salah satu metode peramalan data runtun waktu adalah
metode Exponential Smoothing, dimana terdiri dari tiga macam metode berdasarkan pola data historis yaitu
Simple Exponential Smoothing untuk pola data stationer, Double Exponential Smoothing untuk pola data
trend, serta Triple Exponential Smoothing untuk pola data musiman.
Pada penelitian ini akan dibahas aplikasi Triple Exponential Smoothing untuk memprediksi atau
meramalkan Tingkat Pengangguran Terbuka Provinsi Banten dimasa akan datang. Menurut Makridakis
(1999) Triple Exponential Smoothing adalah pengembangan dari metode Double Exponential Smooting
dengan menambah penghalusan ketiga untuk menstabilkan pola musiman, sehingga diperoleh hasil
peramalan yang baik.
Peramalan Triple Exponential Smoothing dimulai dengan memasukkan parameter alpha, beta,
gamma untuk dilakukan inisialisasi data perhitungan nilai pemulusan tunggal, trend, dan musiman dalam
beberapa persamaan sampai dengan akhirnya dapat dihitung nilai prediksi atau peramalannya sebagai
berikut:

𝑆′𝑡 = 𝛼𝑋𝑡 + (1 − 𝛼)𝑆′𝑡−1 ……………………………………………………………………..………...1

𝑆′′𝑡 = 𝛼𝑆′𝑡 + (1 − 𝛼)𝑆′′𝑡−1…………………..…………………………………………………………2
𝑆′′′𝑡 = 𝛼𝑆′′𝑡 + (1 − 𝛼)𝑆 ′′′ 𝑡−1………………………………………………………………… …3
𝑎𝑡 = 3𝑆′𝑡 − 3𝑆 ′′ 𝑡 + 𝑆′′′𝑡 ………………………………………………………………………….4
𝑏𝑡 = 𝑎/2(1 − 𝑎)(6 − 5𝑎)𝑆 ′ 𝑡 − (10 − 8𝑎)𝑆 ′′ 𝑡 + (4 − 3𝑎)𝑆′′′𝑡 ………………………………...5
𝑐𝑡 = 𝑎2 /(1 − 𝑎)2 (𝑆 ′ 𝑡 − 2𝑆 ′′ 𝑡 + 𝑆′′′𝑡 ……………………………….............................................6
𝐹𝑡+𝑚 = 𝑎𝑡 + 𝑏𝑡 + 1/2𝑐𝑡 ……………………………………………………………………….…7
dimana:
𝑆′𝑡 = Nilai pemulusan tunggal
𝑆′′𝑡 = Nilai pemulusan ganda
𝑆′′′𝑡 = Nilai pemulusan musiman
𝛼𝑝 = Parameter pemulusan exponential (0<𝛼𝑝 <1)
𝐹𝑡+𝑚 = Nilai peramalan waktu ke 𝑡 + 𝑚

Setelah diperoleh nilai permalan, langkah selanjutnya adalah menguji keakuratan dari hasil
peramalan dengan menggunakan Mean Absolute Percentage Error (MAPE) yang dihitung dari selisih nilai
peramalan dengan nilai aktual.

1 𝐹𝑡 −𝑦𝑖
𝑀𝐴𝑃𝐸 = 𝑛 ∑𝑛𝑖=0 | 𝑦𝑖
| × 100%.................................................................................................8
dimana:

361
Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Rindang Ndaru Puspita
Vol. 3, No. 2, Agustus 2022 hal. 358-366
DOI Artikel: 10.46306/lb.v3i2.138

𝐹𝑡 = Nilai peramalan
𝑦𝑖= Nilai aktual
𝑛 = Banyak data
Menurut C. D. Lewis (1982) semakin kecil nilai MAPE maka semakin baik atau akurat hasil
peramalan, kriteria nilai MAPE dapat dilihat pada tabel berikut:

Tabel 1 Kriteria Nilai MAPE

Nilai MAPE Interpretasi
<10% Hasil peramalan sangat akurat
10% - 20% Hasil peramalan akurat
20% - 50% Hasil peramalan cukup akurat
>50% Hasil peramalan tidak akurat

1.1 Ruang Lingkup dan Sumber Data

Data yang digunakan dalam penelitian merupakan data sekunder yang berasal dari sudi kasus tingkat
pengangguran terbuka Provinsi Banten, diambil dari Survei Angkatan Kerja Nasional (SAKERNAS) yang
dilakukan oleh Badan Pusat Statistik dalam periode semesteran yaitu semester 1 pada bulan Februari dan
semester 2 pada bulan Agustus setiap tahunnya. Data tingkat pengangguran terbuka yang digunakan dalam
penelitian merupakan data runtun waktu atau time series dari tahun 2005 Semester 1 sampai dengan tahun
2022 Semester 1 dalam satuan persentase.

HASIL DAN PEMBAHASAN

Berdasarkan data Tingkat Pengangguran Terbuka Provinsi Banten Tahun 2005 Semester 1 sampai
dengan Tahun 2022 Semester 1 dapat dilihat karakteristik dari pola data historis sebagai berikut:

Gambar 3. Grafik Data Historis Tingkat Pengangguran Terbuka Provinsi Banten

362
Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Rindang Ndaru Puspita
Vol. 3, No. 2, Agustus 2022 hal. 358-366
DOI Artikel: 10.46306/lb.v3i2.138

Dari Gambar 3 dapat dilihat grafik dari data historis Tingkat Pengangguran Terbuka Provinsi
Banten dari periode Semester 1 Tahun 2005 sampai dengan Semester 1 Tahun 2022 dengan pola data
fluktuatif dan membentuk trend menurun. Selanjutnya untuk mengetahui adanya pola musiman dari data
historis, dapat dilihat pada grafik berikut:

Gambar 4. Grafik Pola Data Tingkat Pengangguran Terbuka Provinsi Banten

Berdasarkan Gambar 4 dapat diketahui data Tingkat Pengangguran Terbuka Provinsi Banten
memiliki karakteristik pola trend menurun dan musiman. Maka selanjutnya akan dilakukan peramalan
Tingkat Pengangguran Terbuka Provinsi Banten pada periode mendatang dengan menggunakan metode
Triple Exponential Smoothing.

363
Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Rindang Ndaru Puspita
Vol. 3, No. 2, Agustus 2022 hal. 358-366
DOI Artikel: 10.46306/lb.v3i2.138

Gambar 5. Output Triple Exponential Smoothing

Pada Gambar 5 diketahui output nilai parameter alpha 0,8899929, parameter beta 0,229103
dan parameter gamma 1. Selanjutnya dilakukan peramalan 7 periode mendatang yaitu Semester 2
Tahun 2022 sampai dengan Semester 2 Tahun 2025 dengan hasil peramalan Tingkat
Pengangguran Terbuka Provinsi Banten sebagai berikut:

Gambar 6. Grafik Hasil Peramalan

Dari Gambar 6 yaitu grafik hasil peramalan menunjukkan hasil peramalan atau prediksi
Tingkat Pengangguran Terbuka Provinsi Banten pada 7 periode kedepan dengan karakteristik data
364
Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Rindang Ndaru Puspita
Vol. 3, No. 2, Agustus 2022 hal. 358-366
DOI Artikel: 10.46306/lb.v3i2.138

hasil peramalan yang fluktuatif serta menunjukkan adanya pola data musiman. Secara detail nilai
per periode dapat dilihat pada tabel berikut:

Tabel 2. Hasil Peramalan Tingkat Pengangguran Terbuka Provinsi Banten

Tingkat Pengangguran Terbuka
Periode
(Persen)
Semester 2 Tahun 2022 9.42
Semester 1 Tahun 2023 8.59
Semester 2 Tahun 2023 9.48
Semester 1 Tahun 2024 8.64
Semester 2 Tahun 2024 9.54
Semester 1 Tahun 2025 8.70
Semester 2 Tahun 2025 9.59

Selanjutnya untuk mengetahui akurasi dari hasil peramalan Tingkat Pengangguran Terbuka
Provinsi Banten dilakukan perhitungan nilai Mean Absolute Percentage Error (MAPE).

Gambar 7. Output Nilai MAPE

Berdasarkan Gambar 5 diperoleh hasil nilai MAPE yaitu 8.858859%, dimana menurut
Lewis (1982) semakin kecil nilai MAPE maka semakin baik atau akurat hasil peramalan serta nilai
MAPE<10 menunjukkan kriteria hasil prediksi atau peramalan sangat akurat.

KESIMPULAN

Berdasarkan hasil penelitian untuk meramalkan atau memprediksi Tingkat Pengangguran

Terbuka Provinsi Banten 7 periode kedepan dari Semester 2 Tahun 2022 sampai dengan Semester
2 Tahun 2025 dengan metode Triple Exponential Smoothing diperoleh hasil peramalan yang akurat
dikarenakan nilai MAPE <10, sehingga metode Triple Exponential Smoothing sesuai untuk
digunakan dalam meramalkan Tingkat Pengangguran Terbuka Provinsi Banten.
Dari hasil penelitian yang diperoleh, maka hasil peramalan Tingkat Pengangguran Terbuka
Provinsi Banten dengan metode Triple Exponential Smoothing diharapkan dapat digunakan sebagai
bahan pertimbangan dalam pengambilan keputusan dan penyusunan strategi sebagai upaya untuk
menurunkan Tingkat Pengangguran Terbuka Provinsi Banten.

365
Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Rindang Ndaru Puspita
Vol. 3, No. 2, Agustus 2022 hal. 358-366
DOI Artikel: 10.46306/lb.v3i2.138

DAFTAR PUSTAKA

Badan Pusat Statistik. (2022). Tingkat Pengangguran Terbuka Menurut Provinsi.

https://www.bps.go.id/indicator/6/543/1/tingkat-pengangguran-terbuka-menurut-provinsi.html.
diakses 1 Juli 2022.
C. D. Lewis. (1982). Industrial and business forecasting methods: A practical guide to exponential
smoothing and curve fitting. Butterworth:Heinemann.
Firdaus, M. (2006). Analisis Deret Waktu Satu Ragam. Jakarta: IPB Press.
Hanke, J.E., & Wichern, D.W. (2005). Business Forecasting. Prentice Hall: New York.
Lestari, S., dkk. (2020). Eksplorasi Metode Triple Exponential Smoothing pada Peramalan Jumlah
Penggunaan Air Bersih di PDAM Kota Makassar. Variansi. Vol.2 No.3: 128-146.
Makridakis, S., Wheelwright, S.C., McGee, V.E., (1999). Metode dan Aplikasi Peramalan Jilid 1. Jakarta:
Erlangga.
Prasetya, H. & Lukiastuti, F. (2009). Manajemen Operasi. Yogyakarta: Media Pressindo
Shahabuddin, Syed. (2009). Forecasting Automobile Sales. Management Research News. Vol. 32 No. 7:
670-682.
Sulaiman, A. & Juarna, A. (2021). Peramalan Tingkat Pengangguran di Indonesia Menggunakan Metode
Time Series dengan Model ARIMA dan Holt-Winters. Jurnal Ilmiah Informatika Komputer. Vol.26
No.1: 13-28.
Sumari, A.D.W, dkk. (2020). Perbandingan Kinerja Metode-Metode Prediksi pada Transaksi Dompet
Digital di Masa Pendemi. Jurnal Resti. Vol.4 No.4: 642-647.
Tistiawan, T. A., Andini, T. W., (2019). Pemanfaatan Metode Triple Exponential Smoothing Dalam
Peramalan Penjualan Pada PT.Dinamika Daya Segara Malang. Jurnal Ilmiah Teknologi Informasi
Asia. Vol.13 No.1: 69-76.
Utama, S.S., dkk. (2015). Pemodelan Tingkat Pengangguran Terbuka di Jawa Tengah Menggunakan
Regresi Spline. Jurnal Gaussian. Vol.4 No.1: 113-122.

366