Multi Regresi Linear Untuk Prediksi Kepadatan Penduduk Berdasarkan Variable Kependudukan Di Indonesia
DOI:
https://doi.org/10.58776/jriti.v1i2.67Kata Kunci:
kepadatan penduduk, variable kependudukan, multi regresi linear, prediksi, IndonesiaAbstrak
Penduduk adalah orang yang bertempat tinggal dan telah menetap atau berniat menetap dalam minimum 1 tahun pada wilayah tertentu. Masalah yang akan dibahas dalam penelitian ini adalah masalah kepadatan penduduk Indonesia yang semakin cepat dan mendesak. Dalam penelitian ini, variabel yang meliputi jumlah penduduk, penduduk yang lahir, dan penduduk yang meninggal dunia di Indonesia akan digunakan untuk memperkirakan jumlah penduduk yang akan terserap di masa mendatang. Tingkat kepadatan penduduk di Indonesia saat ini sulit diprediksi dengan cepat. Hal ini dikarenakan adanya pergerakan penduduk yang tidak terkendali dari Kawasan perdesaan ke perkotaan. Pergerakan ini dipengaruhi kondisi ekonomi penduduk yang menggantungkan hidupnya dari mencari pekerjaan di wilayah lain. Imbasnya, peningkatan dan kepadatan penduduk suatu wilayah di Indonesia seringkali berubah dengan cepat. Tujuan penelitian ini adalah untuk memprediksi jumlah penduduk di Indonesia menggunakan metode multi regresi linear sehingga dapat diidentifikasi kepadatan penduduk suatu wilayah. Penelitian ini menggunakan teknik multi linear regresi untuk mengestimasi jumlah penduduk yang berfokus pada pertumbuhan penduduk di Indonesia disetiap tahunnya. Data yang digunakan adalah data dari Badan Pusat Statistik (BPS) Indonesia periode 2010-2022. Variabel yang digunakan adalah jumlah penduduk, penduduk yang meninggal, dan penduduk yang lahir di Indonesia. Dengan menggunakan pendekatan multi regresi linear untuk mengembangkan model prediksi jumlah penduduk Indonesia. Metode ini digunakan untuk memprediksi jumlah penduduk berdasarkan data historis yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia pada tahun 2010 sampai dengan tahun 2022 dengan tetap memperhatikan beberapa variabel seperti penduduk, penduduk yang meninggal, dan penduduk yang lahir. Prediksi yang dilakukan pada tahun 2023 menghasilkan angka kematian sebesar 1.926.300, kelahiran sebesar 4.638.200, dan penduduk sebesar 279.410.057. Dengan secara keseluruhan jumlah penduduk di Indonesia pada tahun 2023 sebesar 282.121.957.
Referensi
I. Indriani, D. Siregar, and A. P. Windarto, “Penerapan Metode Linear Regression dalam Mengestimasi Jumlah Penduduk,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 4, p. 1112, Aug. 2022, doi: 10.30865/jurikom.v9i4.4676.
C. Adi Rahmat and Y. Novianto, “Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM) Penerapan Metode Regresi Linier Berganda Untuk Mengestimasi Laju Pertumbuhan Penduduk Kabupaten Musi Banyuasin.” [Online]. Available: http://ejournal.unama.ac.id/index.php/jakakom
H. Noviyanto and A. Fauzi, “PREDIKSI PERTUMBUHAN PENDUDUK DI INDONESIA MENGGUNAKAN METODE LEAST SQUARE PREDICTION OF POPULATION GROWTH IN INDONESIA USING THE LEAST SQUARE METHOD.”
W. A. L. Sinaga, S. Sumarno, and I. P. Sari, “The Application of Multiple Linear Regression Method for Population Estimation Gunung Malela District,” JOMLAI: Journal of Machine Learning and Artificial Intelligence, vol. 1, no. 1, pp. 55–64, Mar. 2022, doi: 10.55123/jomlai.v1i1.143.
Y. Asohi, “IMPELEMENTASI ALGORITMA REGRESI LINIER BERGANDA UNTUK PREDIKSI PENJUALAN,” 2020.
E. Triyanto, H. Sismoro, and A. D. Laksito, “IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI PRODUKSI PADI DI KABUPATEN BANTUL,” Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 4, no. 2, pp. 66–75, Jul. 2019, doi: 10.36341/rabit.v4i2.666.
M. Reza Fahlepi, A. Widjaja, and J. Surya Sumantri No, “Penerapan Metode Multiple Linear Regression Untuk Prediksi Harga Sewa Kamar Kost,” 2019.
E. Pertumbuhan Penduduk di et al., “Estimation of Population Growth in Tasikmalaya District Using Multiple Linear Regression Methods.”
T. Wilson, I. Grossman, M. Alexander, P. Rees, and J. Temple, “Methods for Small Area Population Forecasts: State-of-the-Art and Research Needs,” Popul Res Policy Rev, vol. 41, no. 3, pp. 865–898, Jun. 2022, doi: 10.1007/s11113-021-09671-6.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Najmi Baihaqi

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.






