Prediksi PDRB Sektor Pertanian di Provinsi NTB dengan Metode Least Square
DOI:
https://doi.org/10.30872/2g4mg112Keywords:
metode least square, PDRB, prediksi, sektor pertanianAbstract
Sebagai salah satu sektor utama, pertanian memiliki kontribusi signifikan terhadap Produk Domestik Regional Bruto (PDRB) di Provinsi Nusa Tenggara Barat (NTB). PDRB dapat dijadikan sebagai tolak ukur untuk mengetahui bagaimana kualitas hidup masyarakat di suatu daerah tertentu. Penelitian ini bertujuan untuk meramalkan PDRB sektor pertanian di NTB menggunakan metode Least Square, yang mampu dalam memprediksi tren data historis. Data sekunder dari Badan Pusat Statistik (BPS) NTB untuk periode 2010-2024 digunakan dalam penelitian ini. Hasil perhitungan menunjukkan adanya peningkatan nilai PDRB sektor pertanian dari tahun ke tahun, dengan proyeksi mencapai angka yang lebih tinggi pada tahun 2025. Analisis menggunakan Mean Absolute Percentage Error (MAPE) menghasilkan nilai error sebesar , menunjukkan tingkat akurasi yang sangat baik dalam model peramalan ini. Garis tren juga mendekati semua titik pada grafik, menunjukkan bahwa model memberikan hasil yang baik. Hasil penelitian ini diharapkan dapat menjadi dasar bagi pemangku kebijakan dalam perencanaan pembangunan sektor pertanian, kehutanan dan perikanan yang berkelanjutan di NTB.
References
[1] Juliansyah, O., & Setyowati, E. (2023). Analisis Faktor-Faktor yang Mempengaruhi PDRB Pertanian di Provinsi Nusa Tenggara Barat. SEIKO: Journal of Management & Business, 6(1), 853-860. https://doi.org/10.37531/sejaman.v6i1.4204.
[2] Fortunika, S.O., Istiyanti, E., & Sriyadi. (2017). Kontribusi Sektor Pertanian Terhadap Perekonomian Kabupaten Banjarnegara. AGRARIS: Journal of Agribusiness and Rural Development Research, 3(2), 120-127. https://doi.org/10.18196/agr.3252.
[3] Badan Pusat Statistik Provinsi Nusa Tenggara Barat. (2024). Potensi Pertanian Provinsi Nusa Tenggara Barat Tantangan dan Profil Komoditas Unggulan Menuju Pertanian Berkelanjutan. Mataram: Badan Pusat Statistik Nusa Tenggara Barat. https://ntb.bps.go.id/.
[4] Syahrindra, A., Ekowati, T., & Prastiwi, W. D. (2023). Analisis Trend dan Peramalan Produk Domestik Regional Bruto Sektor Pertanian Provinsi Jawa Tengah. Jurnal Litbang Provinsi Jawa Tengah, 21(1), 21-34. https://doi.org/10.36762/jurnaljateng.v21i1.988
[5] Kurniati, R., & Dini, S.K.D. Peramalan Jumlah Produk Domestik Regional Bruto di Provinsi Nusa Tenggara Barat Tahun 2024 Menggunakan Metode Dekomposisi Multiplikatif. Seminar Nasional Sains Data, UPN Veteran Jawa Timur, 21-29. https://doi.org/10.33005/senada.v4i1.153.
[6] Lestari, S.I.P., et al. (2019). Peramalan Stok Spare Part Menggunakan Metode Least Square. Medan: Sefa Bumi Persada.
[7] Harahap, F. K., Azzahri, K., Sabrina, L., & Zainarti, Z. (2024). Analisis Penganggaran Penjualan Umkm Al-Fazza Parfume menggunakan Metode Kuadrat Terkecil. Jurnal Ilmiah Ekonomi, Manajemen, Bisnis dan Akuntansi, 1(2), 513-521. https://doi.org/10.61722/jemba.v1i2.233.
[8] Badan Pusat Statistik Provinsi Nusa Tenggara Barat. (2024). Produk Domestik Regional Bruto Provinsi Nusa Tenggara Barat Menurut Pengeluaran. Mataram: Badan Pusat Statistik Nusa Tenggara Barat. https://ntb.bps.go.id/.
[9] Lasaksi, P. (2023). Analisis Peran Sektor Pertanian Terhadap Perekonomian. Lentera: Multidisciplinary Studies, 1(3), 165-171. https://lentera.publikasiku.id/index.php/ln/article/view/23
[10] Sayuti, R. H. (2020). Analisis Kinerja Sektor Pertanian Dalam Upaya Pengentasan Kemiskinan Di Nusa Tenggara Barat Pada Periode 2008-2018. AGROTEKSOS, 30(1), 11-17. https://doi.org/10.29303/agroteksos.v30i1.589.
[11] Saragih, N. F., Sitanggang, I., & Larosa, F. GN. (2022). Aplikasi Prediksi Penjualan dan Pengelolaan Informasi Menggunakan Metode Least Square dan Metode Apriori. Jurnal Ilmiah Sistem Informasi, 2(2), 53-59.
https://ejurnal.methodist.ac.id/index.php/methosisfo/article/view/2290
[12] Novita, R., Yani, I., & Ali, G. (2022). Sistem Prediksi untuk Penentuan Jumlah Pemesanan Obat Menggunakan Regresi Linier: Prediction System for Determine The Number of Drug Orders using Linear Regression. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 2(1), 62-70. https://doi.org/10.57152/malcom.v2i1.198.
[13] Diksa, I. G. B. N. (2022). Forecasting the Existence of Chocolate with Variation and Seasonal Calendar Effects Using the Classic Time Series Approach. Jurnal Matematika, Statistika dan Komputasi, 18(2), 237-250. https://doi.org/10.20956/j.v18i2.18542.
