Forecasting Unemployment Rate in Aceh Province: Can We Actually Overcome Those Numbers?

Rika Mulia, Muhammad Zulhilmi, Winny Dian Safitri, Fricia Indriana

Abstract


Studi ini mengkaji kondisi pengangguran dan memprediksi kondisi pengangguran di masa depan di Provinsi Aceh. Penelitian ini bertujuan untuk menganalisis keadaan pengangguran di Provinsi Aceh dari tahun 1990 hingga 2019 dan memperkirakan gambaran pengangguran di Aceh dalam sepuluh tahun ke depan (2020 hingga 2030). Data dalam penelitian ini adalah data pengangguran Provinsi Aceh tahun 1990-2019. Metode analisis yang digunakan adalah Autoregressive Integrated Moving Average (ARIMA). Penelitian ini menyimpulkan bahwa jumlah pengangguran di Aceh pada tahun 2030 berjumlah 69.649 orang. Jumlah ini turun rata-rata 6,91%, namun angka pengangguran di perkotaan dan lulusan Diploma dan Sarjana meningkat. Hal ini menyarankan pembuat kebijakan, institusi pendidikan dan pemangku kepentingan terkait lainnya untuk mengidentifikasi akar penyebabnya, misalnya mereka harus mendorong perguruan tinggi untuk terus mengevaluasi kurikulumnya atau meningkatkan program terkait yang meningkatkan keterampilan seperti pelatihan profesional khusus atau kejuruan. Menjadi catatan penting bagi pemerintah Aceh untuk memperhatikan penyerapan tenaga kerja bagi masyarakat yang berpendidikan tinggi untuk mewujudkan pemerataan kesejahteraan masyarakat di Provinsi Aceh.

Keywords


Pengangguran, Prediksi, ARIMA

Full Text:

PDF

References


Asif, K. (2013) ‘Factors Effecting Unemployment: A Cross Country Analysis’, International Journal of Academic Research in Business and Social Sciences, 3(1).

Azad, Abdul Kalam and Mahsin, M. (2011) ‘Forecasting Exchange Rates of Bangladesh using ANN and ARIMA Models: A Comparative Study’, International Journal of Advanced Engineering Sciences and Technologies (IJAEST), 10(1), pp. 31–36.

Badan Pusat Statistik (2019a) Indeks Pembangunan Manusia Aceh 2019. Provinsi Aceh: Badan Pusat Statistik Provinsi Aceh.

Badan Pusat Statistik (2019b) Statistik Dalam Angka Indonesia. Provinsi Aceh.

Fadly, F. and Sari, E. (2020) ‘An An Approach to Measure the Death Impact of Covid-19 in Jakarta using Autoregressive Integrated Moving Average (ARIMA)’, Unnes Journal of Public Health, 9(2). doi: 10.15294/ujph.v9i2.38460.

Folawewo, A. O. and Adeboje, O. M. (2017) ‘Macroeconomic Determinants of Unemployment: Empirical Evidence from Economic Community of West African States’, African Development Review, 29, pp. 197–210.

Ho, S. L., Xie, M. and Goh, T. N. (2002) ‘A comparative study of neural network and Box-Jenkins ARIMA modeling in time series prediction’, in Computers and Industrial Engineering. doi: 10.1016/S0360-8352(02)00036-0.

Maindonald, J. H. (2009) ‘Time Series Analysis With Applications in R, Second Edition by Jonathan D. Cryer, Kung-Sik Chan’, International Statistical Review, 77(2). doi: 10.1111/j.1751-5823.2009.00085_1.x.

Massar, K., Nübold, A., Doorn, R.v. and Schelleman-Offermans, K. (2020), "Picking Up the Reigns: The Crucial Role of Psychological Capital in the Transition from Long-Term Unemployment to Entrepreneurship", Perrewé, P.L., Harms, P.D. and Chang, C.-H. (Ed.) Entrepreneurial and Small Business Stressors, Experienced Stress, and Well-Being (Research in Occupational Stress and Well Being, Vol. 18), Emerald Publishing Limited, Bingley, pp. 147-170. https://doi.org/10.1108/S1479-355520200000018007

Mseleku, Z. (2022), "Youth high unemployment/unemployability in South Africa: the unemployed graduates' perspectives", Higher Education, Skills and Work-Based Learning, Vol. 12 No. 4, pp. 775-790. https://doi.org/10.1108/HESWBL-06-2021-0114

Pandji, B. Y., Indwiarti, I. and Rohmawati, A. A. (2019) ‘Perbandingan Prediksi Harga Saham dengan model ARIMA dan Artificial Neural Network’, Indonesia Journal on Computing (Indo-JC), 4(2).

Polasek, W. (2013) ‘Time Series Analysis and Its Applications: With R Examples, Third Edition by Robert H. Shumway, David S. Stoffer’, International Statistical Review, 81(2). doi: 10.1111/insr.12020_15.

Prybutok, V. R., Yi, J. and Mitchell, D. (2000) ‘Comparison of neural network models with ARIMA and regression models for prediction of Houston’s daily maximum ozone concentrations’, European Journal of Operational Research, 122(1). doi: 10.1016/S0377-2217(99)00069-7.

Ramli, S. F. et al. (2018) Prediction of the Unemployment Rate in Malaysia, International Journal of Modern Trends in Social Sciences.

Ruth, H., Emmanuel, A. Y. and Ndubuisi-Okolo, P. (2014) ‘Understanding and Overcoming the Challenge of Youth Unemployment in Nigeria’, Review of Public Administration and Management, 400(3614), pp. 1–9.

Sungkawa, I. and Megasari, R. T. (2011) ‘Penerapan Ukuran Ketepatan Nilai Ramalan Data Deret Waktu dalam Seleksi Model Peramalan Volume Penjualan PT Satriamandiri Citramulia’, ComTech: Computer, Mathematics and Engineering Applications, 2(2). doi: 10.21512/comtech.v2i2.2813.

Urrutia, J. D., Tampis, R. L. and Atienza, J. B. E. (2017) ‘An analysis on the unemployment rate in the Philippines: A time series data approach’, in Journal of Physics: Conference Series. doi: 10.1088/1742-6596/820/1/012008.




DOI: https://doi.org/10.29103/e-mabis.v23i2.864

Copyright (c) 2022 Rika Mulia, Muhammad Zulhilmi, Winny Dian Safitri

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.