Peramalan Jumlah Kasus Kekerasan Terhadap Perempuan dan Anak di Kota Yogyakarta Menggunakan Autoregressive Integrated Moving Average
DOI:
https://doi.org/10.59395/bdsvf607Keywords:
ARIMA, Autoregressive Integrated Moving Average, forecasting, peramalanAbstract
Kasus kekerasan terhadap perempuan dan anak merupakan masalah yang mengkhawatirkan di seluruh dunia, termasuk Indonesia. Di wilayah Kota Yogyakarta jumlah kasus kekerasan terhadap perempuan dan anak masih menunjukkan angka yang tinggi dari bulan ke bulan. Hal ini dilatarbelakangi oleh beberapa faktor seperti masalah ekonomi, kurangnya pendidikan, karakter pelaku dan beberapa faktor yang mempengaruhi lainnya. Tujuan dari penelitian ini adalah untuk meramalkan jumlah kasus kekerasan terhadap perempuan dan anak selama 13 bulan mendatang berdasarkan faktor karakter pelaku menggunakan model terbaik yang didapatkan dari metode yang digunakan. Metode peramalan yang digunakan pada kasus ini adalah Autoregressive Integrated Moving Average (ARIMA) dengan data jumlah kasus kekerasan terhadap perempuan dan anak yang ditangani oleh UPT PPA Kota Yogyakarta dari Januari 2020 - November 2023. Metode ARIMA merupakan metode yang digunakan untuk melakukan peramalan jangka pendek dengan komponen Autoregressive (AR) maupun Moving Average (MA). Alur penelitian melibatkan business understanding, data understanding, data preparation & exploratory data analysis, modelling, evaluation dan terakhir deployment. Model ARIMA terbaik yaitu ARIMA orde (5, 1, 0) dengan nilai RMSE sebesar 3.708559. Hasil peramalan menggunakan model ARIMA (5, 1, 0) menunjukkan bahwa jumlah kasus kekerasan terhadap perempuan dan anak di Kota Yogyakarta selama 13 bulan ke depan cenderung menurun dibandingkan dengan bulan-bulan sebelumnya.
Downloads
References
[1] Putra, K.N.F.W., "Efektivitas Penanganan Kasus Kekerasan Terhadap Anak dan Perempuan," Das Sollens: Jurnal Kajian Komtemporer Hukum dan Masyarakat, vol.1, pp. 1-25, Juli 2023,
[2] Novitasari, N., "Analisis Undang-Undang Nomor 35 Tahun 2014 Terhadap Kekerasan Anak Pada Masa Pandemi Covid-19,” JCE (Journal Child. Educ.), vol. 5, no. 2, pp. 333–351, 2021.
[3] Ismawiyah dan Yuliani, S., “Efektivitas Pelayanan Penanganan Tindak Kekerasan Pada Perempuan dan Anak Oleh Pusat Pelayanan Terpadu Perempuan d an Anak Korban Kekerasan ‘Rekso Dyah Utami’ (P2TPAKK RDU) Daerah Istimewa Yogyakarta,” Jurnal Mahasiswa Wacana Publik, vol. 3, pp. 182–197, 2023
[4] Maulana, M.R., “Peramalan (Forecasting) Jumlah Wisatawan Obyek Wisata Guci Tegal dengan Metode Dekomposisi dan Winter’s Exponential Smoothing,” Walisongo Institutional Repository, 2021
[5] Khan, S., and Alghulaiakh, H., “ARIMA model for accurate time series stocks forecasting,” Int. J. Adv. Comput. Sci. Appl., vol. 11, no. 7, pp. 524–528, 2020.
[6] Irhami, E.A., dan Farizal, F., “Forecasting the Number of Vehicles in Indonesia Using Auto Regressive Integrative Moving Average (ARIMA) Method,” J. Phys. Conf. Ser., vol. 1845, no. 1, 2021.
[7] Abonazel, M.R., and Abd-Elftah, A.I., “Forecasting Egyptian GDP using ARIMA models,” Reports Econ. Financ., vol. 5, no. 1, pp. 35–47, 2019, doi: 10.12988/ref.2019.81023.
[8] Wawale, S.G., et al., “Minimizing the Error Gap in Smart Framing by Forecasting Production and Demand Using ARIMA Model,” J. Food Qual., vol. 2022, 2022, doi: 10.1155/2022/1139440.
[9] Satrio, C.B.A., Darmawan, W., Nadia, B.U., and Hanafiah, N., “Time series analysis and forecasting of coronavirus disease in Indonesia using ARIMA model and PROPHET,” Procedia Comput. Sci., vol. 179, no. 2020, pp. 524–532, 2021, doi: 10.1016/j.procs.2021.01.036
[10] Yunita, T., “Peramalan Jumlah Penggunaan Kuota Internet Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA),” J. Math. Theory Appl., vol. 1, no. 2, pp. 16–22, 2020, doi: 10.31605/jomta.v2i1.777.
[11] Prianda, B.G., and Widodo, E., “Perbandingan Metode Seasonal Arima Dan Extreme Learning Machine Pada Peramalan Jumlah Wisatawan Mancanegara Ke Bali,” BAREKENG J. Ilmu Mat. dan Terap., vol. 15, no. 4, pp. 639–650, 2021, doi: 10.30598/barekengvol15iss4pp639-650.
[12] Arumsari, M., and Dani, A., “Peramalan Data Runtun Waktu menggunakan Model Hybrid Time Series Regression – Autoregressive Integrated Moving Average,” J. Siger Mat., vol. 2, no. 1, pp. 1–12, 2021, doi: 10.23960/jsm.v2i1.2736.
[13] Prasetyo, V.R., Lazuardi, H., Mulyono, A.A., and Lauw, C., “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 1, pp. 8–17, 2021, doi: 10.25077/teknosi.v7i1.2021.8-17.
[14] Schröer, C., Kruse, F., and Gómez, J.M., “A systematic literature review on applying CRISP-DM process model,” Procedia Comput. Sci., vol. 181, no. 2019, pp. 526–534, 2021, doi: 10.1016/j.procs.2021.01.199.
[15] Apriliani, D., Fitriyati, N., and Zulkifli, D.U., “Prediksi Kinerja Keuangan Perusahaan Asuransi Syariah Menggunakan Metode Arima, Exponential Smoothing, Dan Hybrid,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 4, no. 3, pp. 1902–1910, 2023, doi: 10.46306/lb.v4i3.496.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Sulistyo Dwi Sancoko, Lu'lu' Itsnaini Lathifah, Silvi Indah Lestari, Ahmad Tri Hidayat
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.