Prediksi Banyaknya Gangguan Keamanan Ketertiban Masyarakat Menggunakan Model ARIMA
DOI:
https://doi.org/10.36815/majamath.v8i1.3822Keywords:
Peramalan, ARIMA (p,d,q), Gangguan KeamananAbstract
Abstrak
Prediksi data sangat penting dalam mengantisipasi terjadinya gangguan keamanan dan ketertiban masyarakat. Dengan adanya prediksi data yang dilakukan dapat mendeteksi gangguan yang akan muncul dan data prediksi yang diperolah dapat dijadikan bahan pertimbangan pemerintah dalam pengambilan keputusan kebijakan serta penetapan strategi pencegahan. Untuk itu, urgensi penelitian ini menjadi penting dalam upaya mendapatkan data prediksi gangguan keamanan dan ketertiban masyarakat sehingga pemerintah dapat bertindak lebih proaktif dalam pencegahannya. Model yang digunakan dalam prediksi banyakanya gangguan keamanan dan ketertiban masyarakat adalah model ARIMA yang berbentuk ARIMA (p,d,q) dengan p menyatakan ordo dari unsur Autoregressive (AR), d ialah ordo dari unsur Integrated (I), dan q dari ordo Moving Average (MA). Model terbaik dipilih jika memenuhi uji signifikansi parameter, uji white noise, uji normalitas dan melihat nilai error RMSE, MAPE. Pengujian dilakukan dengan bantuan SPSS, diperoleh bahwa model ARIMA terbaik adalah Model ARIMA (0,1,1) dengan nilai RMSE 4.938 dan MAPE sebesar 37.141. ARIMA (0,1,1) merupakan model yang mampu meramalkan dengan baik untuk dapat digunakan selanjutnya pada prediksi atau peramalan beberapa periode ke depan. Dihasilkan bahwa, banyaknya gangguan keamanan dan ketertiban masyarakat di wilayah Batang dari bulan April 2025 sampai dengan Desember 2025 yaitu sebanyak 17.89 , 17.92, 17.96, 17.99, 18.02, 18.05, 18.09, 18.12, 18.15.
Kata Kunci: Peramalan, ARIMA (p,d,q), Gangguan Keamanan
Abstract
Data prediction is very important in anticipating the occurrence of disturbances in public order and security. With the data prediction that is carried out, disturbances that will arise can be detected and the prediction data obtained can be used as a consideration by the government in making policy decisions and determining prevention strategies. For this reason, the urgency of this research is essential to obtain data on predictions of disturbances in public order and security so that the government can act more proactively in preventing them. The model used in predicting the number of disturbances in public order and security is the ARIMA model in the form of ARIMA (p,d,q) with p stating the order of the Autoregressive (AR) element, d being the order of the Integrated (I) element, and q from the Moving Average (MA) order. The best model is chosen if it meets the parameter significance test, white noise test, and normality test and sees the error values ??RMSE, and MAPE. Testing was carried out with the help of SPSS, it was obtained that the best ARIMA model was the ARIMA Model (0,1,1) with an RMSE value of 4,938 and a MAPE of 37,141. ARIMA (0,1,1) is a model that can predict well and can be used further in predictions or forecasts for several periods ahead. It was found that the number of disturbances to public order and security in the Batang area from April 2025 to December 2025 was 17.89, 17.92, 17.96, 17.99, 18.02, 18.05, 18.09, 18.12, and 18.15.
Keywords: Forecasting, ARIMA (p,d,q), Disturbance of Public
References
Anik, R., & Afif, E. M. (2018). Analisis Time Series untuk Menentukan Model Terbaik Produk Songkok Nasional di Kabupaten Gresik. Prosiding Seminar Nasional Matematika Dan Terapannya, 1–16.
Aspriyani, R., & Ahmad, M. (2023). PREDIKSI JUMLAH SISWA BARU MENGGUNAKAN LEAST SQUARE METHOD. Majamath: Jurnal Matematika Dan Pendidikan Matematika, 6(1), 1–12.
Dave, E., Leonardo, A., Jeanice, M., & Hanafiah, N. (2021). Forecasting Indonesia Exports using a Hybrid Model ARIMA-LSTM. Procedia Computer Science, 179(2020), 480–487. https://doi.org/10.1016/j.procs.2021.01.031
Dona, A. R., & Sugiman. (2021). Peramalan Metode ARIMA Data Saham PT. Telekomunikasi Indonesia. PRISMA: Prosiding Seminar Nasional Matematika, 4, 611–620. https://journal.unnes.ac.id/sju/index.php/prisma/
Fauzani, S. P., & Rahmi, D. (2023). Penerapan Metode ARIMA Dalam Peramalan Harga Produksi Karet di Provinsi Riau. Jurnal Teknologi Dan Manajemen Industri Terapan, 2(4), 269–277. https://doi.org/10.55826/tmit.v2i4.283
Gahansa, W. V., Mantiri, M., & Kairupan, J. (2018). Peran Pemerintahan Dalam Meminimalisir Gangguan Keamanan dan Ketertiban Masyarakat di Kelurahan Lewet Kecamatan Amurang Kabupaten Minahasa Selatan. Jurnal Eksekutif, 1(1), 1–11.
Mardiyah, I., Dianita Utami, W., Rini Novitasari, D. C., Hafiyusholeh, M., & Sulistiyawati, D. (2021). Analisis Prediksi Jumlah Penduduk Di Kota Pasuruan Menggunakan Metode Arima. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 15(3), 525–534. https://doi.org/10.30598/barekengvol15iss3pp525-534
Prasetyono, R. I., & Anggraini, D. (2021). Analisis Peramalan Tingkat Kemiskinan Di Indonesia Dengan Model Arima. Jurnal Ilmiah Informatika Komputer, 26(2), 95–110. https://doi.org/10.35760/ik.2021.v26i2.3699
Pratiwi, D. (2013). Perencanaan Produksi Menggunakan Model ARIMA dan Pengendalian Persediaan Menggunakan Program Dinamik untuk Meminimumkan Total Biaya (Studi Kasus: Produksi Amplang UD. Usaha Devi) Production Planning using ARIMA Model and Inventory Controlling using Dynami. Jurnal EKSPONENSIAL, 4(1), 25–32.
Putra, R. G., & Wahid, A. (2021). Pendekatan Problem SolvingBhabinkamtibmas Dalam Pembinaan Keamanan Dan Ketertiban Masyarakat Di Desa Bunder Kecamatan Susukan Kabupaten Cirebon. Risalah Hukum, 17(1), 26–43.
Putra, Z., Hasan, I., . B., Maulidasari, C. D., & Chan, S. (2019). Pelatihan Pengolahan Data Penelitian Dengan Software Spss Bagi Mahasiswa Lintas Perguruan Tinggi Dalam Kabupaten Aceh Barat Provinsi Aceh. Jurnal Pengabdian Masyarakat Universitas Merdeka Malang, 3(0), 1–7. https://doi.org/10.26905/abdimas.v3i0.2666
Widyaningrum, T., Prastiwinarti, W., & Muryeti. (2022). Penerapan Autoregressive Integrated Moving Average (Arima) Terhadap Peramalan Permintaan Box Blender Di Pt Z. Prosiding Seminar Nasional Tetamekraf, 1(2), 399–405.
Yusrini, Firmayasari S, D., Hukmah, & M, S. (2024). ANALISIS PERAMALAN JUMLAH PENGANGGURAN DI PROVINSI ACEH TAHUN 2023-2032 MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE ( ARIMA ). ProximalS, 7(2), 961–974.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 MAJAMATH: Jurnal Matematika dan Pendidikan Matematika

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Seluruh artikel di jurnal ini dapat disebarluaskan dengan tetap mencamtumkan sumber yang sah. Identitas judul artikel tidak boleh dihilangkan. Penerbit tidak bertanggung jawab terhadap naskah yang diplubikasikan. Isi artikel menjadi tanggung jawab penulis.