95 Prasetyono, Anggraini, Analisis Peramalan Tingkat… https://doi.org/10.35760/ik.2021.v26i2.3699 ANALISIS PERAMALAN TINGKAT KEMISKINAN DI INDONESIA DENGAN MODEL ARIMA 1 Rinaldo Isnawan Prasetyono, 2 Dyah Anggraini 1,2 Program Pasca Sarjana Universitas Gunadarma, Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat 1 aldoisnawan18@gmail.com, 2 d_anggraini@staff.gunadarma.ac.id Abstrak Kemiskinan di Indonesia merupakan masalah yang kompleks dan multidimensi, karena tingkat kemiskinan di suatu negara akan mempengaruhi indikator keberhasilan baik dari segi pembangunan maupun perekonomian negara tersebut. Berdasarkan permasalahan tersebut diperlukan sebuah cara untuk mengetahui tingkat kemiskinan di Indonesia baik wilayah Perkotaan, Pedesaan maupun secara Nasional, salah satunya yaitu dengan menggunakan metode peramalan. Pada penelitian kali ini, peneliti menggunakan sebuah model dari Box Jenkins yaitu Auto Regresive Moving Average (ARIMA) untuk meramalkan tingkat kemiskinan di Indonesia pada masa yang akan datang. Dataset kemiskinan yang digunakan bersumber dari Badan Pusat Statistik (BPS) dengan data pengujian dari tahun 2011 hingga tahun 2020. Peneliti akan menggunakan 3 parameter error untuk mengevaluasi hasil tingkat kemiskinan di Perkotaan, Pedesaan maupun secara Nasional yaitu RMSE, MAE dan MAPE. Berdasarkan pengujian yang dilakukan bahwa dataset perkotaan menghasilkan model ARIMA(2,2,5) sebagai model ARIMA terbaik dengan RMSE=1.246582, MAE=0.923255 dan MAPE=12%, untuk dataset pedesaan menghasilkan model ARIMA(1,2,1) sebagai yang terbaik dengan RMSE=0.392650, MAE=0.311529 dan MAPE=2%. Sementara untuk dataset secara nasional menghasilkan model ARIMA(0,2,5) sebagai yang terbaik dengan RMSE=2.533166, MAE=2.090505 dan MAPE=20%. Dari 3 pengujian tersebut disimpulkan bahwa model ARIMA berhasil menghasilkan nilai peramalan tingkat kemiskinan di Indonesia baik wilayah Perkotaan, Pedesaan maupun secara Nasional dengan hasil yang baik . Kata Kunci: ARIMA, Kemiskinan, MAE, MAPE, RMSE Abstract Poverty in Indonesia is a complex and multidimensional problem, because the level of poverty in a country will affect indicators of success both in terms of development and the country's economy. Based on these problems, a way is needed to find out the level of poverty in Indonesia, both in urban, rural and national areas, one of which is by using the forecasting method. In this study, the researcher uses a model from Box Jenkins, namely the Auto Regressive Moving Average (ARIMA) to predict the level of poverty in Indonesia in the future. The poverty dataset used is sourced from the Central Statistics Agency (BPS) with test data from 2011 to 2020. Researchers will use 3 error parameters to evaluate the results of poverty rates in urban, rural and national levels, namely RMSE, MAE and MAPE. Based on the tests conducted, the urban dataset produces the ARIMA(2,2,5) model as the best ARIMA model with RMSE=1.246582, MAE=0.923255 and MAPE=12%, for the rural dataset, the ARIMA(1,2,1) model as the the best with RMSE=0.392650, MAE=0.311529 and MAPE=2%. Meanwhile, for the national dataset, the ARIMA(0,2,5) model is the best with RMSE=2.533166, MAE=2.090505 and MAPE=20%. From these 3 tests, it is concluded that the ARIMA model has succeeded in producing forecasting values for poverty levels in Indonesia, both in urban, rural and national areas with good results. Keywords: ARIMA, MAE, MAPE, Poverty, RMSE