ANALISIS KOMPARATIF PERFORMA MODEL BSTS, SARIMA, DAN LSTM DALAM PREDIKSI ANGKATAN KERJA USIA MUDA PADA KONDISI DATA TERBATAS DI INDONESIA

Al Jafar, Harun (2026) ANALISIS KOMPARATIF PERFORMA MODEL BSTS, SARIMA, DAN LSTM DALAM PREDIKSI ANGKATAN KERJA USIA MUDA PADA KONDISI DATA TERBATAS DI INDONESIA. Diploma thesis, Universitas Nasional.

	Text COVER (Cover, Lembar Penunjang, Abstrak, Kata Pengantar, Daftar Isi, Daftar Tabel, Daftar Gambar).pdf Download (1MB)
	Text BAB 1.pdf Download (474kB)
	Text BAB 2.pdf Download (1MB)
	Text BAB 3.pdf Download (560kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (404kB)
	Text BAB 6.pdf Download (374kB)
	Text LAMPIRAN (Daftar Pustaka, Hasil Turnitin).pdf Download (541kB)

Abstract

Kelompok usia 15–24 tahun memiliki peranan penting dalam mendukung
bonus demografi Indonesia, namun kondisi pasar kerja muda masih menunjukkan
fluktuasi yang dipengaruhi keterbatasan keterampilan, dinamika ekonomi, serta belum
tersedianya sistem prediksi tenaga kerja yang kuat. Tantangan lain muncul dari
keterbatasan data tahunan 2015–2024 yang jumlahnya sedikit dan mengandung
missing value, sehingga memerlukan pendekatan pemodelan yang tepat untuk
menghasilkan prediksi yang akurat. Penelitian ini bertujuan mengembangkan model
prediksi jumlah angkatan kerja muda menggunakan pendekatan BSTS, LSTM, dan
SARIMA, sekaligus membandingkan tingkat akurasi ketiganya berdasarkan MAPE
dan RMSE. Penelitian juga bertujuan menguji signifikansi perbedaan performa model
melalui uji statistik serta mengidentifikasi model paling optimal yang dapat digunakan
sebagai dasar perencanaan kebijakan ketenagakerjaan muda di Indonesia. Penelitian
menggunakan analisis deret waktu dengan data BPS tahun 2015–2024. Tahapan prapemrosesan
meliputi
imputasi
missing
value
menggunakan
interpolasi
linier,

normalisasi
data,
dan
pembagian
data
menjadi
bagian
latih
dan
uji.
Pemodelan

dilakukan
menggunakan
BSTS,
LSTM,
dan
SARIMA,
kemudian
dievaluasi

menggunakan
MAPE,
RMSE,
serta
uji
statistik
Wilcoxon
atau
paired
t-test
untuk

melihat
signifikansi
perbedaan
performa
antar
model.

LSTM dan SARIMA
menunjukkan akurasi terbaik dengan nilai MAPE sebesar 3,44%, sedangkan BSTS
memiliki performa yang lebih rendah pada data tahunan yang terbatas. Uji statistik
menunjukkan bahwa BSTS berbeda signifikan dibandingkan dua model lainnya,
sementara LSTM dan SARIMA tidak memiliki perbedaan performa secara signifikan.
Penurunan akurasi pada periode 2020–2021 mengindikasikan bahwa pasar kerja muda
sangat sensitif terhadap guncangan eksternal seperti pandemi. SARIMA dan LSTM
merupakan model yang paling sesuai untuk memprediksi jumlah angkatan kerja muda
berbasis data tahunan. Temuan ini dapat digunakan untuk mendukung penyusunan
kebijakan ketenagakerjaan yang lebih adaptif dan berbasis data, sehingga potensi bonus
demografi dapat dimanfaatkan secara optimal.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 04:12
Last Modified:	28 Apr 2026 04:12
URI:	https://repository.unas.ac.id/id/eprint/15435

Actions (login required)

View Item