ANALISIS DATA SCIENCE PADA STRUKTUR DATA KEPADATAN PENDUDUK KOTA TEGAL

Marstyo Ardiansyah; Aang Alim Murtopo; Nurul Fadilah; Nugroho Adhi Santoso

doi:10.55606/jupti.v1i3.620

Marstyo Ardiansyah STMIK YMI Tegal
Aang Alim Murtopo STMIK YMI Tegal
Nurul Fadilah STMIK YMI Tegal
Nugroho Adhi Santoso STMIK YMI Tegal

DOI: https://doi.org/10.55606/jupti.v1i3.620

Keywords: Kepadatan Penduduk, Mean Absolute Deviation, Mean Square Error, Mean Absolute Percentage Error, Data Science.

Abstract

Indonesia merupakan negara dengan kepadatan penduduk yang sangat banyak nomer 4 di dunia. Kepadatan penduduk Indonesia mengalami peningkatan yang cukup signifikan setiap tahunnya, bersumber dari Badan Pusat Statistik Indonesia, sensus penduduk tahun 2021 kepadatan penduduk Indonesia mencapai 273 juta jiwa (Badan Pusat Statistik 2020). Kepadatan penduduk memiliki banyak konsekuensi dalam banyak hal, antara lain: kepadatan permukiman, kerawanan sosial, penyediaan air bersih yang semakin sulit, kemacetan dan pekerjaan yang semakin sulit. Program Keluarga Berencana (KB) yang dilaksanakan oleh pemerintah belum sepenuhnya mengatasi masalah kepadatan penduduk di Indonesia. Makan dengan permasalahan yang ada membutuhkan sebuah rumus, dengan Data Science dengan mengacu pada metode peramalan yang akan digunakan untuk peramalan jangka panjang, jangka menengah, dan jangka pendek diharapkan mampu menyelesaikan permasalahan kepadatan penduduk, peneliti melakukan penelitian di kota Tegal dalam peramalan tingkat penduduk. Dan untuk mengetahui kepadatan penduduk kota Tegal pada tahun yang akan datang maka perlu dilakukan suatu sistem peramalan tingkat kepadatan penduduk untuk memprediksi kepadatan penduduk pada 10 tahun mendatang dari data 10 tahun sebelumnya, sehingga diperoleh hasil dari peramal tahun sebelumnya akan menentukan peramalan data kepadatan penduduk pada tahun sebelumnya. yang akan datang. Teknik penelitian yang digunakan meliputi: pengumpulan data, peramalan data, analisis hasil dan kesimpulan. Hasil peramalan diambil dari nilai kesalahan Mean Absolute Deviation (MAD), Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) terkecil dari hasil peramalan Kepadatan Penduduk Kota Tegal.

References

[1] A. Adhisyanda, “Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Penggabungan Teknologi Untuk Analisa Data Berbasis Data Science,” pp. 50–51, 2020.
[2] D. Triyastuti, “Pengaruh Kepadatan Penduduk Terhadap Kualitas Hidup Masyarakat Di Kecamatan Ngemplak Kabupaten Boyolali Tahun 2013 Dan 2017,” Triyastuti, Damayanti, pp. i–14, 2019.
[3] A. Suheri, C. Kusmana, M. Y. J. Purwanto, and Y. Setiawan, “Model Prediksi Kebutuhan Air Bersih Berdasarkan Jumlah Penduduk di Kawasan Perkotaan Sentul City,” J. Tek. Sipil dan Lingkung., vol. 4, no. 3, pp. 207–218, 2019, doi: 10.29244/jsil.4.3.207-218.
[4] R. Satyarini, “Menentukan Metode Peramalan Yang Tepat,” Bina Ekonomi Majalah Ilmiah Fakultas Ekonomi Unpar, vol. 11. pp. 59–70, 2007.
[5] Viva Budy Kusnandar, “Jumlah Penduduk Indonesia Capai 273 Juta Jiwa pada Akhir 2021,” Dataindonesia.id, no. Desember 2021, pp. 2021–2022, 2021.
[6] B. K. Tegal, Evaluation and Development of Water Distribution tegal, no. 122. 2019.
[7] R. Faisal, I. Budiman, and E. Kurniawan, Pengenalan DATA SCIENCE Pengenalan Azure Machine Learning Studio, no. December. 2019.
[8] P. Purwono and U. H. Bangsa, Belajar Data Science dengan Kaggle Dilengkapi dengan Praktikum Latihan Data Science Untuk Pemula, no. July. 2022.
[9] R. Wulandari, “Modul matematika barisan dan deret aritmatika,” Modul barisan dan deret aritmatika, pp. 1–13, 2019.
[10] I. Sungkawa and R. T. Megasari, “Nilai Ramalan Data Deret Waktu dalam Seleksi Model Peramalan Volume Penjualan PT Satria Mandiri Citra Mulia,” ComTech, vol. 2, no. 2, pp. 636–645, 2011.
[11] Hartati, Indrawati, R. Sitepu, and N. Tamba, “Metode geometri, metode aritmatika, dan metode eksponensial untuk memproyeksikan penduduk Provinsi Sumatera Selatan,” Pros. Semin. Nas. Sains Mat. Inform. dan Apl. IV, vol. 4, no. 4, pp. 7–18, 2019.
[12] M. A. Maricar, “Analisa Perbandingan Nilai Akurasi Moving Average dan Exponential Smoothing untuk Sistem Peramalan Pendapatan pada Perusahaan XYZ,” J. Sist. dan Inform., vol. 13, no. 2, pp. 36–45, 2019.
[13] R. Awaluddin, R. Fauzi, and D. Harjadi, “Perbandingan Penerapan Metode Peramalan Guna Mengoptimalkan Penjualan (Studi Kasus Pada Konveksi Astaprint Kabupaten Majalengka),” J. Bisnisman Ris. Bisnis dan Manaj., vol. 3, no. 1, pp. 12–18, 2021, doi: 10.52005/bisnisman.v3i1.43.
[14] A. Rakhman and N. B. Puspitasari, “Usulan Perbaikan Perencanaan Produksi pada Produk Engine Tipe CJ untuk Mobil Pick Up di PT. XYZ dengan Metode TIME – Series,” Ind. Eng. Online J., vol. 6, no. 1, 2017.