Perbandingan Metode Winter Exponential Smoothing SARIMA, dan Neural Network Dalam Memprediksi Jumlah Saldo Jaminan Kematian Di BPJS Ketenagakerjaan Kabupaten Gresik

Authors

  • Cristanti Dwi Ratnasari Mahasiswa
  • Vina Ria Aulina UIN Sunan Ampel Surabaya
  • Hani Khaulasari UIN Sunan Ampel Surabaya

Keywords:

Peramalan, Winter, SARIMA, Neural Network, Saldo Jaminan Kematian

Abstract

Abstrak: Jaminan sosial merupakan program pemerintah yang ditunjukan bagi perusahaan serta perkerja dengan tujuan memberi kenyamanan yang ditangani oleh BPJS Ketenagakerjaan. Namun terdapat permasalahan yaitu terkait pencairan dana yang tidak dapat langsung dicairkan setelah berhenti kerja, karyawan harus menunggu selama kurang lebih satu bulan untuk dapat mencairkan dana BPJS Ketenagakerjaan. Untuk mengetahui jumlah klaim dalam program Klaim JKM pada BPJS dapat melakukan peramalan dengan data 4 tahun yang lalu yaitu pada tahin 2018-2021. Pada peramalan kali ini akan membandingkah 3 metode yaitu : metode Winter, SARIMA, dan Neural Network dengan cara memilih nilai error paling kecil untuk dilakukan peramalan. nilai mape Winter: 0,1632 ; SARIMA: 13,916 ; Neural Network : data Training : 1,999 , data testing : 1,1196. Dari hasil tersebut Metode Winterl dengan nilai MAPE terkecil maka akan dilakukan peramalan dengan model Winter  selanjutnya parameter terbaik untuk nilai  pada peramalan dilakukan dengan metode trial dan error  untuk 12 bulan kedepan atau pada tahun 2022.

Downloads

Published

2022-12-31

How to Cite

Ratnasari, C. D., Vina Ria Aulina, & Hani Khaulasari. (2022). Perbandingan Metode Winter Exponential Smoothing SARIMA, dan Neural Network Dalam Memprediksi Jumlah Saldo Jaminan Kematian Di BPJS Ketenagakerjaan Kabupaten Gresik. Jurnal Algebra, 3(02), 188–194. Retrieved from https://jurnalsaintek.uinsa.ac.id/mhs/index.php/algebra/article/view/207

Most read articles by the same author(s)

1 2 > >>