Aplikasi Model Generalized Space Time Autoregressive (GSTAR) pada Data Jumlah TKI Jawa Barat dengan Pemilihan Lokasi Berdasarkan Klaster DBSCAN

• Main Authors: Herlin Dewi Karlina, Rini Cahyandari, Asep Solih Awalluddin
• Format: Article
• Language: Indonesian
• Published: Department of Mathematics, FMIPA, Universitas Padjadjaran 2014-04-01
• Series: Jurnal Matematika Integratif
• Online Access: http://jurnal.unpad.ac.id/jmi/article/view/10183
• ISSN: 1412-6184; 2549-9033

Menurut data BNP2TKI Indonesia, Jawa Barat tercatat sebagai provinsi yang paling banyak menempatkan warganya bekerja ke luar negeri dengan fungsi pekerjaan didominasi sebagai sektor pekerja rumah tangga. Karena itu, pemodelan jumlah TKI tiap kota/kabupaten wilayah Jawa Barat perlu dibuat sebagai pertimbangan untuk mengatasi permasalahan TKI dalam perencanaan penciptaan lapangan kerja bagi masyarakat. Model statistika yang digunakan adalah Generalized Space Time Autoregressive (GSTAR) yang merupakan perluasan model STAR yang mampu mempertimbangkan faktor lokasi dan waktu secara simultan, sehingga model yang dihasilkan akan meningkatkan tingkat akurasi dalam meramalkan jumlah TKI Jawa Barat pada masa mendatang. Pemilihan lokasi kabupaten wilayah Jawa Barat berdasarkan analisis klaster Density Based on Spatial Clustering with Noise (DBSCAN), yaitu pembentukan klaster berdasarkan pada koneksi dan fungsi densitas. Pada penelitian ini diperoleh 3 klaster wilayah, yaitu: klaster 1 sebanyak 13 lokasi, klaster 2 sebanyak 3 lokasi, dan klaster 3 ada 1 lokasi. Matriks bobot lokasi yang digunakan adalah matriks dengan bobot biner, bobot seragam, dan bobot korelasi silang. Identifikasi model menggunakan STACF dan STPACF menunjukkan model yang sesuai dengan data adalah model GSTAR(10) dan GSTAR(11) dengan matriks bobot biner dan korelasi silang. Estimasi parameter menggunakan metode Odinary Least Square (OLS) memberikan model terbaik adalah model GSTAR(10) yang memiliki nilai Root Mean Squared Error (RMSE)terkecil dengan nilai RMSE sebesar 21,4651.