Deret Berkala Data Pendidikan Indikator Angka putus Sekolah SMP seProvinsi DKI Jakarta tahun 2010-2014 dan Peramalan Angka putus Sekolah SMP seProvinsi DKI Jakarta pada tahun 2020

Ratu Delima, 1306110Program Studi Teknik InformatikaSekolah Tinggi Teknologi Garut, Jl. Mayor Samsu No.1 Garut, 44151, Indonesia1306110@sttgarut.ac.id

Abstrak-Pada penelitian ini penulis akan menyajikan materi deret berkala dan peramalan. Dimana penulis kali ini akan membahas mengenai Data Pendidikan Indikator Angka putus Sekolah SMP seProvinsi DKI Jakarta. Mengapa ini menjadi salah satu topik yang menarik untuk dibahas karena salah satu hal yang perlu ditangani di negeri kita ini adalah mengenai putus sekolah. Mungkin dengan adanya sebuah pemaparan mengenai peramalan putus Sekolah akan membantu dalam mempertimbangkan agar ada cara kedepannya untuk menekan angka putus sekolah khususnya di daerah provinsi Jakarta.Dari datayang diperoleh dari internet mengenai persentase Angka putus Sekolah SMP seProvinsi DKI Jakarta tahun 2010-2014 dapat diramalkan persentasenya 6 tahun kedepan dengan menggunakan deret waktu dan peramalan menggunakan trenlinear, kuadrat, dan eksponensial.

I. PENDAHULUANA. Latar BelakangPendidikan di Indonesiaadalah seluruhpendidikanyang diselenggarakan di Indonesia, baik itu secara terstruktur maupun tidak terstruktur. Secara terstruktur, pendidikan di Indonesia menjadi tanggung jawabKementerian Pendidikan dan Kebudayaan Republik Indonesia(Kemdikbud), dahulu bernama Departemen Pendidikan Nasional Republik Indonesia (Depdiknas). Di Indonesia, semua penduduk wajib mengikuti programwajib belajarpendidikan dasar selama sembilan tahun, enam tahun disekolah dasar/madrasah ibtidaiyahdan tiga tahun disekolah menengah pertama/madrasah tsanawiyah. Saat ini, pendidikan di Indonesia diatur melalui Undang-Undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional.Pendidikan di Indonesia terbagi ke dalam tiga jalur utama, yaitu formal, nonformal, dan informal. Pendidikan juga dibagi ke dalam empat jenjang, yaitu anak usia dini, dasar, menengah, dan tinggi.Pindidikan itu penting, maka dari itu penulis membahas mengenai Data Pendidikan Indikator Angka putus Sekolah SMP seProvinsi DKI Jakarta. Mengapa ini menjadi salah satu topik yang menarik untuk dibahas karena salah satu hal yang perlu ditangani di negeri kita ini adalah mengenai putus sekolah. Mungkin dengan adanya sebuah pemaparan mengenai peramalan putus Sekolah akan membantu dalam mempertimbangkan agar ada cara kedepannya untuk menekan angka putus sekolah khususnya di daerah provinsi Jakarta.Penulis akan mnggunakan metode deret berkala dan peramalan untuk menghitung kemungkinan peramalan pada tahun 2020.

B. Rumusan MasalahDi dalam laporan ini penulis akan membahas mengenai : Bagaimana mencari data persentase Angka putus Sekolah SMP seProvinsi DKI Jakarta dalam trend linear? Bagaimana mencari data persentase Angka putus Sekolah SMP seProvinsi DKI Jakarta dalam trend kuadrat? Bagaimana mencari data persentase Angka putus Sekolah SMP seProvinsi DKI Jakarta dalam trend eksponen? Bagaimana memilih trend terbaik yang sesuai dengan harapan?

C. Tujuan Data persentase Angka putus Sekolah SMP seProvinsi DKI Jakarta dalam trend linear Data persentase Angka putus Sekolah SMP seProvinsi DKI Jakarta dalam trend kuadrat Data persentase Angka putus Sekolah SMP seProvinsi DKI Jakarta dalam trend eksponen Memilih trend terbaik yang sesuai dengan harapan

II. LANDASAN TEORI

Deret waktu (time series) dapat digunakan oleh suatu manajemen sebagai landasan untuk membuat keputusan baik di masa sekarang maupun di masa yang akan datang. Karena biasanya kejadian di masa yang lalu akan berlanjut di masa yang akan datang.Deret waktuadalah kumpulan data-data yang merupakan data historis dalam suatu periode waktu tertentu. Data yang dapat dijadikan deret waktu harus bersifat kronologis, artinya data harus memiliki periode waktu yang berurutan.

2.1 Komponen Deret WaktuTerdapat empat komponen deret waktu, yaitutrend,siklus,musimdantak beraturan(irregular).Trend(T) adalah deret waktu yang memiliki kecenderungan naik atau turun dalam jangka panjang yang nilainya cukup rata (smooth).Siklus(C) adalah deret waktu yang berkarakteristik nilai naik dan turun dalam satu periode yang lebih dari satu tahun.Musim(S) adalah deret waktu yang memiliki pola perubahan nilai dalam kurun waktu satu tahun. Pola ini kemudian berulang pada tahun berikutnya.Irregular(I) adalah deret waktu yang memiliki nilai naik turun tidak beraturan dan tidak dapat diprediksi

2.2 Trend LinierSering kali data deret waktu jika digambarkan ke dalam plot mendekati garis lurus. Deret waktu seperti inilah yang termasuk dalam trend linier.Persamaan trend linier adalah sebagai berikut:

Yt = a + bt

Di manaYtmenunjukkan nilai taksiran Y pada nilai t tertentu. Sedangkanaadalah nilaiinterceptdari Y, artinya nilai Yt akan sama denganajika nilait= 0. Kemudianbadalah nilai slope artinya besar kenaikan nilai Yt pada setiap nilait. Dan nilaitsendiri adalah nilai tertentu yang menunjukkan periode waktu.

2.2.1 Metode Least SquareUntuk menentukan nilai Yt pada trend linier, kita dapat menggunakan metode least square. Persamaan umum least square adalah: Yt = a + bt Dengan nilai a dan b diperoleh dariformula.

2.3 Trend KuadratikJika trend linier merupakan deret waktu yang berupa garis lurus, makatrend kuadratikmerupakan deret waktu dengan data berupa garis parabola.

Persamaan untuk trend kuadratik adalah:Yt =a+bt+ct2

2.4 Trend EksponensialUntuk mengukur sebuah deret waktu yang mengalami kenaikan atau penurunan yang cepat maka digunakan metodetrend eksponensial. Dalam metode ini digunakan persamaan:Yt = a . btTetapi dalam melakukan perhitungannya, persamaan di atas dapat diubah dalam bentuksemi logsehingga memudahkan untuk mencari nilaiadanb.

TREND EKSPONENSIAL

2. 5 Memilih Trend TerbaikUntuk membuat suatu keputusan yang akan dilakukan di masa yang akan datang berdasarkan deret waktu diperlukan suatu metode peramalan yang paling baik sehingga memiliki nilai kesalahan yang cenderung kecil.Terdapat beberapa cara untuk menentukan metode peramalan mana yang akan dipilih sebagai metode peramalan yang paling baik. Antaralainmean squareerror(MSE), meanabsoluteerror(MAE) dan mean absolutepercentageerror(MAPE). Berikut adalah formula untuk MSE, MAE dan MAPE:

III. HASIL DAN PEMBAHASAN

3.1 Trend LinearUntuk mencari persamaan Least Square, maka diperlukan nilai-nilai seperti pada tabel di bawah ini yang diperoleh dari rumus berikut:a = Y / n = 4555/ 5 =911b =XY / X2=-2946/10=-294,6

YLinear = 911 + (-294,6x)ELinear = (Y-Ylinear)2

Tabel 3.1 data Trend LinearTahunyxXYX^2YlinearErrorLinear

20101592-2-318441500.28427.24

20111176-1-117611205.6876.16

201280400091111449

201355215521616.44147.36

201443128624321.811924.64

Jumlah4555-294610455536824.4

3.2 Trend Kuadrat Untuk mencari persamaantrend kuadrat, maka diperlukan nilai-nilai seperti pada tabel di bawah ini.

A = (4555*34) - (9820*10) / 5*34-(102) = -512990B = -2946/5 = -589,2C = (5*9820) (10*4555) / 5*34-(102) = 260740

YKuadrat = -512990 + (-589,2x) + (260740x2)EKuadrat = (Y-YKuadrat)2

Tabel 3.2 data Trend KuadratTahunyxXYX^2X^2YX^4YkuadratErrorKuadrat

20101592-2-31844636816-15547722.422268E+12

20111176-1-1176111761-773140.85.995665E+11

201280400000-5129902.639843E+11

2013552155215521-774319.26.004254E+11

201443128624172416-15571282.425991E+12

jumlah4555-294610982034-51723506.312235E+12

3.3 Trend EksponensialUntuk mencari persamaantrend eksponensial,maka diperlukan nilai-nilai seperti pada tabel di bawah ini yang diperoleh dari rumus berikut:

A = 10(14,55402278/5) = 814,3377287B = 10(-1,46339983/10) = 0.713937209

YEksponen = 814,3377287 * 0.713937209xEEksponen = (Y-YEksponen)2

Tabel 3.3 data Trend EksponensialTahunyxx^2log yx log YYEksponenErrorEksponen

20101592-243.201943063-6.403886131597.6605932.04227951

20111176-113.070407322-3.070407321140.6293421251.083438

2012804002.9052560490814.3377287106.8686348

2013552112.7419390782.741939078581.386005863.5372891

2014431242.634477275.26895454415.0731016253.666093

JUMLAH45551014.55402278-1.463399834549.0867672507.197735

3.4 Memilih Trend TerbaikBerikut ini merupakan hasil dari perhitungan ketiga trend:1. Tabel trend terbaik LinearTAHUNYX

20101592-2

20111176-1

20128040

20135521

20144312

2015-255671763

201675323592054

2017-22190327523565

20186537270491132966

2019-1925879886685080007

2020567364214617426000008

2. Tabel trend terbaik KuadratTAHUNYX

20101592-2

20111176-1

20128040

20135521

20144312

2015-28614183

2016-46871874

2017-70344365

2018-99031656

2019-132933747

2020-172050648

3. Tabel trend terbaik EksponenTAHUNYX

20101592-2

20111176-1

20128040

20135521

20144312

20152963

20162124

20171515

20181086

2019777

2020558

Dilihat dari tigal tabel Dapat diputuskan bahwa trend terbaik adalah dari trend eksponensial karena nilai errornya yaitu2507.197735.Dengan demikian dapat diketahui peramalan persentase Indikator Angka putus Sekolah SMP seProvinsi DKI Jakarta adalah sebagai berikut:TAHUNYX

20101592-2

20111176-1

20128040

20135521

20144312

20152963

20162124

20171515

20181086

2019777

2020558

Jadi, persentase Indikator Angka putus Sekolah SMP seProvinsi DKI Jakarta pada tahun 2020 diperkirakan adalah ada55 siswa/i, yang merupakan hasil dari pendekatan berdasarkan trend ekponensial Y2020=814,3377287 * (0.7139372098) = 55.

IV. KESIMPULANJadi kesimpulannya datayang diperoleh dari internet mengenai persentase Angka putus Sekolah SMP seProvinsi DKI Jakarta tahun 2010-2014 dapat diramalkan persentasenya 6 tahun kedepan dengan menggunakan deret waktu dan permalan menggunakan tren linear, kuadrat, dan eksponensial. Ternyata setelah dilakukan analisis terhadap ketiga trend tersebut, maka dapat ditentukan trend yang terpilih adalah tren eksponensial dengan hasil sebagai berikut: trend ekponensial Y2020=814,3377287 * (0.7139372098) = 55.DAFTAR PUSTAKASatria, Eri. 2015.Deret Berkala dan Peramalan.id.wikipedia.org. pendidikan di indonesia.