Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Research in the Mathematical and Natural Sciences
wolah, Meitasya
Unknown Affiliation
Computer Science & IT Education Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pemilihan Metode Optimal Untuk Prediksi Angka Kemiskinan Di Provinsi Gorontalo: Perbandingan Double Exponential Smoothing dan Bayesian Structural Time Series wolah, Meitasya; Nasib, Salmun K.; Arsal, Armayani; Hasan, Isran K.; Asriadi; Abdussamad, Siti Nurmardia
Research in the Mathematical and Natural Sciences Vol. 4 No. 1 (2025): November 2024-April 2025
Publisher : Scimadly Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55657/rmns.v4i1.202

Abstract

Kajian ini mengevaluasi angka kemiskinan di Indonesia yang masih tinggi dengan fokus pada Provinsi Gorontalo yang menjadi urutan kelima sebagai provinsi termiskin di Indoneisa. Meskipun angka kemiskinan ekstrem nasional menurun menjadi 1,12% pada Maret 2023, Gorontalo mencatat masih 183,71 ribu penduduk miskin dengan garis kemiskinan per kapita sebesar Rp 442.194. Tujuan penelitian ini untuk membandingkan dua teknik peramalan, yaitu Bayesian Structural Time Series (BSTS) dan Double Exponential Smoothing (DES) untuk menilai efektivitas masing-masing metode dalam memprediksi angka kemiskinan di Provinsi Gorontalo. Hasil analisis menunjukkan bahwa model Double Exponential Smoothing (DES) memiliki Mean Absolute Percentage Error (MAPE) sebesar 6,6%, lebih rendah dibandingkan MAPE Bayesian Structural Time Series (BSTS) yang mencapai 7,39%. MAPE yang lebih rendah pada Double Exponential Smoothing (DES) menunjukkan kemampuannya yang lebih baik dalam mengidentifikasi pola data dan menghasilkan perkiraan yang lebih akurat. Meskipun BSTS mampu menangkap komponen musiman dan Trend dengan teknik probabilistik yang canggih, hasil ini menegaskan bahwa Double Exponential Smoothing (DES) adalah metode yang lebih efektif untuk memprediksi angka kemiskinan di Provinsi Gorontalo.
Co-Authors Armayani Arsal Asriadi Isran K Hasan Salmun K. Nasib Siti Nurmardia Abdussamad