Linear Regression-Based Forecast PERAMALAN JUMLAH PENDUDUK DKI JAKARTA DENGAN METODE REGRESI LINEAR UNTUK MEMPERSIAPKAN INDONESIA EMAS 2045
Analisis Pertumbuhan Penduduk Usia Produktif dalam Mendukung Indonesia Emas 2045
DOI:
https://doi.org/10.31848/jkri.v3i2.4717Kata Kunci:
Peramalan, Regresi linear, Indonesia emas, Bonus demografiAbstrak
Indonesia telah mengalami bonus demografi sejak tahun 2015. Tanpa perencanaan yang matang, bonus demografi dapat berubah menjadi beban demografi. Oleh karena itu penelitian ini bertujuan untuk menganalisis dan memprediksi jumlah sumber daya manusia usia produktif (15-64 tahun) dan sumber daya manusia non produktif (>65 tahun) untuk menyongsong misi Indonesia emas 2045 menggunakan metode peramalan Regresi linear berdasarkan data 8 tahun terakhir dari Badan Pusat Statistik DKI Jakarta. Berdasarkan hasil prediksi Penduduk Usia Produktif di DKI Jakarta pada Indonesia Emas 2045 diperkiraan mencapai 9.015.054 jiwa, dan usia non produktif diperkirakan mencapai 3.056.602 jiwa. Berdasarkan hasil prediksi tersebut didapatkan rasio ketergantungan sebanyak 33,91% yang menunjukan bahwa nilai ketergantungan rendah sehingga negara dapat memaksimalkan bonus demografi. Maka dari itu diharapkan pemerintah dapat menyediakan akses pembelajaran yang merata, fasilitas pembinaan berbagai profesi ketenagakerjaan serta memperluas lapangan pekerjaan untuk mencapai tujuan pembangunan berkelanjutan yang akan mendukung suksesnya visi misi Indonesia Emas 2045 sehingga Indonesia dapat menjadi negara maju.
Referensi
Ababil, O. J., Wibowo, S. A., & Zulfia Zahro’, H. (2022). Penerapan Metode Regresi Linier Dalam Prediksi Penjualan Liquid Vape Di Toko Vapor Pandaan Berbasis Website. JATI (Jurnal Mahasiswa Teknik Informatika), 6(1), 186–195. https://doi.org/10.36040/jati.v6i1.4537
Badan Pusat Statistik. (2023). Bonus Demografi dan Visi Indonesia Emas 2045. Badan Pusat Statistik, 1–12. https://bigdata.bps.go.id/documents/datain/2023_01_2_Bonus_Demografi_dan_Visi_Indonesia Emas_2045.pdf
Harlan, J. (2018). Analisis Regresi Linear. In Journal of Chemical Information and Modeling (Vol. 53, Issue 9).
Makridakis, & Wheelwright. (1983). Forecasting Methods and Applications 2nd Edition.
Nurulita. (2012). Penerapan Metode Peramalan Arima (Autoregressive Integrated Moving Average) Untuk Penentuan Tingkat Safety Stock Pada Industri Elektronik.
Rachman, R. (2018). Penerapan Metode Moving Average Dan Exponential Smoothing Pada Peramalan Produksi Industri Garment. Jurnal Informatika, 5(2), 211–220. https://doi.org/10.31311/ji.v5i2.3309
Ruspendi, Rusmalah, & Nurmutia, S. (2022). Teknik Peramalan. Lembaga Penerbit dan Publikasi Universitas Pamulang (Issue 1).
Sya’adah, A., Salim Dahda, S., & Ismiyah, E. (2023). Perbandingan Keakuratan Peramalan Produksi Obat Dengan Metode Winter Dan Metode Dekomposisi. Jurnal Rekayasa Sistem Industri, 9(1), 15–20. https://doi.org/10.33884/jrsi.v9i1.8143
