Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING JOURNAL OF SCIENCE AND SOCIAL RESEARCH International Research on Big-data and Computer Technology (IRobot)
Febritama, Dani
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS ARIMA UNTUK MEMPROYEKSI PERTUMBUHAN PENDUDUK DI KOTA METRO Saputri, Tri Aristi; Febritama, Dani; Moetiara R.A, Allien
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i1.2692

Abstract

Abstract: This research intends to project the increase in population of Metro City employing the Autoregressive Integrated Moving Average method. The data utilized encompasses the population figures from 2010 to 2022, sourced from the Office of Population and Civil Registration and the Central Statistics Agency. Data collection was conducted through documentation, and the analysis involved stationarity testing using the Augmented Dickey-Fuller (ADF) test, model identification for ARIMA, projection, and model validation. The analysis results indicate that the ARIMA (2,1,1) model is the most suitable for projecting the population figures. The projection for the year 2023 estimates the total population to reach 154,300 individuals, with separate projections for male and female populations also provided. These projections offer critical insights for government policy planning in addressing the challenges posed by ongoing population growth. This study recommends that future research employ alternative methods and broader data collection to enhance the accuracy of projections.Keyword: ARIMA (Autoregressive Integrated Moving Average), Population Projection, Time Series Analysis, Statistical Modeling. Abstrak: Studi ini diarahkan untuk memproyeksikan peningkatan jumlah penduduk di Kota Metro mengaplikasikan teknik Autoregressive Integrated Moving Average (ARIMA). Data yang dianalisis mencakup jumlah penduduk dari tahun 2010 hingga 2022, yang berasal dari Disdukcapil serta Badan Pusat Statistik. Metode pengumpulan data dilakukan melalui dokumentasi, dan analisis data meliputi uji stasionaritas menggunakan Uji Augmented Dickey-Fuller (ADF), identifikasi model ARIMA, proyeksi, serta validasi model. Hasil analisa menggambarkan model ARIMA (2,1,1) paling sesuai untuk memproyeksikan jumlah penduduk. Proyeksi untuk tahun 2023 menunjukkan total penduduk mencapai 154,300 jiwa, dengan rincian jumlah penduduk laki-laki dan perempuan yang juga diproyeksikan secara terpisah. Hasil proyeksi ini memberikan wawasan penting bagi perencanaan kebijakan pemerintah dalam menghadapi pertumbuhan penduduk yang terus meningkat. Penelitian ini merekomendasikan agar penelitian lanjutan dilaksanakan dengan menerapkan metode yang berbeda dan pengumpulan data yang lebih luas untuk meningkatkan akurasi proyeksi.Kata kunci: ARIMA (Autoregressive Integrated Moving Average), Proyeksi Penduduk, Analisis Deret Waktu, Pemodelan Statistik.
Comparative Study of the ARIMA Method and Multiple Linear Regression in Metro City Population Growth Projections Saputri, Tri Aristi; Rachma Ajiz, Allien Moetiara; Febritama, Dani
Journal of Applied Informatics and Computing Vol. 9 No. 2 (2025): April 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i2.9097

Abstract

This study aims to compare the effectiveness of the ARIMA (Autoregressive Integrated Moving Average) method and multiple linear regression in projecting population growth in Metro City, Lampung. The analysis utilizes population data from 2010 to 2022, sourced from the Central Statistics Agency and the Population and Civil Registration Office. The methodologies employed include ARIMA modelling and multiple linear regression, with model evaluation conducted using metrics such as Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE). The findings indicate that the multiple linear regression model predicts an average population growth of 2,200 individuals per year, resulting in a total projection of 185,032 by 2030. In contrast, the ARIMA (2,1,1) model forecasts a total population of 169,500 for the same year. The conclusion drawn from this research suggests that while both methods possess distinct advantages, ARIMA is more effective in capturing seasonal patterns and long-term trends, whereas multiple linear regression offers greater interpretability. This study recommends the complementary use of both methods to enhance the accuracy of population growth projections.
ANALISIS VISUAL PERBANDINGAN PERTUMBUHAN PENDUDUK BERDASARKAN JENIS KELAMIN DI SETIAP KECAMATAN KOTA METRO Saputri, Tri Aristy; Ajiz, Allien Mostiara Rachman; Febritama, Dani; Sulistiyanto, Sulistiyanto
International Research on Big-Data and Computer Technology: I-Robot Vol 9, No 1 (2025): April
Publisher : UNIVERSITAS DHARMA WACANA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/ir.v9i1.576

Abstract

Penelitian ini bertujuan untuk menganalisis dan memvisualisasikan perbandingan pertumbuhan penduduk berdasarkan jenis kelamin di setiap kecamatan di Kota Metro. Data pertumbuhan penduduk yang tersedia dianalisis untuk mengidentifikasi pola dan tren demografis yang ada, dengan fokus pada perbedaan jumlah penduduk laki-laki dan perempuan dari tahun ke tahun. Dalam penelitian ini, digunakan metode visualisasi data agar dapat menyajikan informasi secara efektif dan jelas dalam bentuk grafik dan diagram yang memudahkan pemangku kepentingan dalam memahami data secara cepat dan tepat. Visualisasi data ini bertujuan untuk mendukung perencanaan kebijakan yang lebih baik, dengan memberikan gambaran yang lebih terstruktur dan mudah diakses terkait dinamika pertumbuhan penduduk. Hasil penelitian menunjukkan bahwa visualisasi data dapat mempercepat pemahaman mengenai perbandingan pertumbuhan penduduk berdasarkan jenis kelamin dan memberikan kontribusi penting dalam pengambilan keputusan kebijakan berbasis data di tingkat kecamatan. Penelitian ini diharap mampu menjadi referensi pengembangan analisis data demografis dan implementasi visualisasi data dalam perencanaan pembangunan daerah.
Co-Authors Ajiz, Allien Mostiara Rachman Moetiara R.A, Allien Rachma Ajiz, Allien Moetiara Saputri, Tri Aristy Sulistiyanto Sulistiyanto, Sulistiyanto Tri Aristy Saputri