PERAMALAN JUMLAH PENDUDUK MISKIN DI KOTA MEDAN MELALUI ANALISIS ARIMA TIME-SERIES FORECASTING METHODS DENGAN KENAIKAN HARGA BAHAN BAKAR MINYAK (BBM) SEBAGAI VARIABEL MODERATING

Abstract

ABSTRAK - Penelitian ini bertujuan untuk mengetahui keadaan penduduk miskin di kota Medan dalam selang lima tahun mendatang, seberapa besar jumlah penduduk miskin di kota Medan lima tahun, dan mengetahui sejaumana kenaikan harga bahan bakar minyak (BBM) mempengaruhi laju jumlah penduduk miskin di kota Medan. Data diperoleh melalui website resmi Badan Pusat Statistik Sumatera Utara dan BPS Kota Medan. Proses analisa data dilakukan dengan software minitab 15. Dari hasil analisis data yang telah dilakukan diatas dapat dikatakan bahwa peramalan terhadap penduduk miskin kota medan dengan menggunakan metode ARIMA dapat dilakukan dengan model ARIMA (0,1,1) karena memiliki nilai MSE terkecil yaitu 773.1. Dari uji Ljung-Box pada model ARIMA (0,1,1) diperoleh nilai p-value sebesar 0.000 <  0.05 (α). Artinya model tersebut telah memenuhi asumsi white-noise dan dapat dinyatakan signifikan. Selanjutnya dapat dibangun persamaannya melalui model ARIMA (0,1,1) untuk peramalan jumlah penduduk miskin kota Medan untuk tahun 2022 sampai 2026 yaitu  atau . Kemudian jika kenaikan harga BBM dijadikan sebagai variabel moderating dalam meramalkan jumlah penduduk miskin kota Medan akan diperoleh persamaan regresi linear  berarti bila variabel kenaikan harga BBM sebesar nol (0), maka kenaikan jumlah penduduk miskin kota Medan sebesar 4.185. Nilai koefisien beta sebesar 0.00710 berarti bahwa setiap perubahan pada variabel kenaikan harga BBM  sebesar satu satuan akan mengakibatkan perubahan jumlah penduduk miskin sebesar 149,01218 = 149,01 satuan.  Sementara itu, dari uji t diketahui bahwa nilai  t_hitung 0.051 > 0.050. Sehingga dapat dikatakan bahwa kenaikan harga BBM tidak berpengaruh terhadap jumlah penduduk miskin. Kemudian dari uji determinasi dapat ditunjukkan bahwa nilai R-Square sebesar 0.143, hal ini berarti bahwa variabel kenaikan harga BBM hanya mempengaruhi jumlah penduduk miskin sebesar 14,3% , dan sisanya sebesar 85,7% dipengaruhi oleh variabel lain.

Kata Kunci: Peramalan (Forecasting), Penduduk Miskin, Model ARIMA