Perbandingan Metode Autoregresive Moving Average Dan Extreme Learning Machine Pada Prediksi Jumlah Penyerapan Tenaga Kerja (Studi Kasus: Data Buruh Pabrik Di Pt. Boyang Industrial 2016-2021)

Abstract

Sektor ekonomi di Purbalingga yang paling pesat pertumbuhannya adalah sektor industri. Hal ini memberi dampak positif bagi perekonomian masyarakat Purbalingga terutama dari sisi penyerapan tenaga kerja. Sektor industri pengolahan rambut di Purbalingga merupakan sektor mampu menyerap tenaga kerja paling banyak diantara sektor yang lainnya, yaitu lebih dari 34,06% tenaga kerja. Oleh karena itu dilakukan peramalan terhadap jumlah penyerapan tenaga kerja di PT. Boyang Industrial. Penelitian ini membandingkan 2 metode yaitu metode Autoregressive Moving Average (ARMA) dan metode Extreme Learning Machine (ELM) dalam meramalkan kemampuan penyerapan tenaga kerja dengan data jumlah buruh pabrik di PT. Boyang Industrial Purbalingga tahun 2022. Metode ARMA ini merupakan metode peramalan data runtun waktu yang memanfaatkan data historis dan data sekarang untuk menghasilkan peramalan jangka pendek yang akurat. Metode ELM merupakan metode pembelajaran baru dari jaringan syaraf tiruan yang memiliki learning speed yang cepat dan juga akurasi yang baik. Berdasarkan nilai MAPE menunjukkan bahwa metode ARMA(2, 0, 1) lebih tepat digunakan untuk meramalkan studi kasus, karena memiliki nilai MAPE yang lebih kecil dibandingkan dengan metode ELM. Didapatkan tingkat kesalahan peramalan sebesar 0,2454%. Sedangkan metode ELM dengan jumlah hidden layer sebanyak 8 menghasilkan nilai MAPE sebesar 10,7315%.