Analisis Forecasting Peserta KB Jenis Suntik dan Pil Di Kabupaten Sidenreng Rappang Dengan Metode Seasonal Autoregressive Moving Average (SARIMA)

  • Ahmad Faiz Universitas Islam Negeri Alauddin Makassar
    (ID)
  • Andi Mariani Universitas Islam Negeri Alauddin Makassar
    (ID)
  • Wahidah Alwi Universitas Islam Negeri Alauddin Makassar
    (ID)
DOI: https://doi.org/10.24252/msa.v12i2.54841
Kata Kunci: : Peramalan, Time Series, Metode SARIMA, Peserta KB jenis suntik dan pil

Abstrak

Penelitian ini bertujuan untuk menganalisis peningkatan kebutuhan alat kontrasepsi sehingga diperlukan Forecasting untuk mengantisipasi kebutuhan di masa depan dan menghindari kekurangan pasokan. Untuk mendukung program ini, diperlukan metode forecasting yang dapat memprediksi jumlah peserta KB di masa depan. Penelitian ini menggunakan metode time series SARIMA (Seasonal Autoregressive Integrated Moving Average) untuk meramalkan jumlah peserta KB jenis suntik dan pil di Kabupaten Sidenreng Rappang. Hasilnya menunjukkan bahwa model SARIMA (0,1,0) (0,1,1)12 paling sesuai untuk peserta KB jenis suntik, sementara model SARIMA (1,1,0) (0,1,1)12 digunakan untuk peserta KB jenis pil. Peramalannya menunjukkan penurunan jumlah peserta KB suntik dan pil dari Januari 2024 hingga Desember 2025.

##submission.authorBiography##

##submission.authorWithAffiliation##

Program Studi Matematika

Referensi

[1] Ananta, A., & Arifin, E. N. (2015). Indonesia's Population: Ethnicity and Religion in a Changing Political Landscape. Singapura: ISEAS-Yusof Ishak Institute.
[2] Yuliyanti, R., & Arliani, E. (2022). Peramalan jumlah penduduk menggunakan model arima. Jurnal Kajian dan Terapan Matematika, 114-128.
[3] Dimashanti, A. R., & Sugiman. (2021). Peramalan Indeks Harga Konsumen Kota Semarang. Jurnal PRISMA, 565-576.
[4] Sitorus, V. B., Wahyuningsih, S., & Hayati, M. N. (2017). Peramalan dengan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Jurnal Eksponensial.
[5] Box, G., Jenkins, G., & Reinsel, G. (2015). Time Series Analysis: Forecasting and Control. New Jersey: John Wiley & Sons.
[6] Lusiana, A., & Yuliarty, P. (2020). Penerapan Metode Peramalan (Forecasting). Industri Inovatif - Jurnal Teknik Industri ITN Malang.
[7] Handayani, R., Wahyuningsih, S., & Yuniarti, D. (2018). Pemodelan Generalized Space Time Autoregressive (GSTAR) Pada Data Inflasi. Jurnal Eksponensial.
[8] Wei, W. (2006). Time Series Analysis Univariate and Multivariate Methods. Philadelphia: Pearson Addison.
[9] Ruslan, R., Harahap, A. S., & Sembiring, P. (2013). Peramalan Nilai Ekspor Di Propinsi Sumatera Utara Dengan Metode Arima Box-Jenkins. Saintia Matematika, 579-589.
[10] Rufaidah, A., & Effindi, M. A. (2019). Analisis Time Series Untuk Menentukan Model Terbaik. Jurnal Teori dan Terapan Matematika.
[11] Kafara, Z., Rumlawang, F. Y., & Sinay, L. J. (2017). Peramalan Curah Hujan Dengan Pendekatan Seasonal Autoregressive Integrated Moving Average (Sarima). Jurnal Ilmu Matematika dan Terapan, 63-74.
[12] Lestari, N., & Wahyuningsih, N. (2012). Peramalan Kunjungan Wisata dengan Pendekatan Model SARIMA. Jurnal Sains dan Seni ITS.
[13] Rizki, M. I., & Taqiyuddin, T. A. (2021). Penerapan Model SARIMA untuk Memprediksi Tingkat Inflasi di Indonesia. Jurnal Sains Matematika dan Statistika, 62-72.
Diterbitkan
2025-01-27
##submission.howToCite##
[1]
Ahmad Faiz, Andi Mariani, dan Wahidah Alwi, “Analisis Forecasting Peserta KB Jenis Suntik dan Pil Di Kabupaten Sidenreng Rappang Dengan Metode Seasonal Autoregressive Moving Average (SARIMA)”, MSA, vol. 12, no. 2, hlm. 132-140, Jan 2025.
Terbitan
Vol 12 No 2 (2024): VOLUME 12 NO 2 TAHUN 2024
Bagian
Artikel

##submission.copyrightStatement##

##submission.license.cc.by-nc4.footer##
Abstrak viewed = 79 times

##plugins.generic.recommendByAuthor.heading##