Perbandingan Metode Grey-Markov (1,1), Grey (1,1), dan Double Moving Average Untuk Peramalan Jumlah Balita Stunting di Jawa Barat

Abstract. Forecasting is a process to calculate future estimates based on current values and past values. Many forecasting methods are based on time series data, including the Double Moving Average (DMA) method, which is a part of classical time series methods. However, classical time series methods require certain assumptions to be met, and a significant amount of available data is needed to achieve good accuracy. The Grey model is a forecasting method suitable for limited and fluctuating data. It is then combined with Markov Chains to predict future states based on transition probabilities over several steps. The Grey-Markov (1,1) model is a combination of the Markov Chain with the Grey (1,1) model, which involves a first-order differential and a single variable. This study aims to forecast the number of toddlers with stunting in West Java. Stunting is a growth disorder in children characterized by shorter height for their age. Three forecasting methods are used for the number of toddlers with stunting in West Java: Grey-Markov (1,1), Grey (1,1), and Double Moving Average, to determine the best forecasting model. Based on the calculation results of the three models, it is concluded that the Grey-Markov (1,1) model provides highly accurate results compared to the other two models. The estimated result for the year 2022 is 189,473 cases with model accuracy using MAPE, MAE, and posterior error ratio C are 3.29%, 9415.135, and 0.1829, respectively. The MAPE and posterior error ratio (C) values fall into the category of highly accurate, and the MAE value is smaller compared to the MAE of the Grey (1,1) model and the Double Moving Average model. Abstrak. Peramalan adalah proses untuk menghitung perkiraan masa yang akan datang berdasarkan nilai saat ini dan nilai masa lalu. Banyak metode peramalan didasarkan pada data deret waktu, diantaranya yaitu Double Moving Average (DMA) yang termasuk dalam metode deret waktu klasik. Namun, untuk menggunakan metode deret waktu klasik harus memenuhi asumsi dan data yang tersedia harus banyak untuk menghasilkan akurasi yang baik. Model Grey merupakan metode peramalan untuk data yang terbatas dan berfluktuasi, kemudian model Grey dikombinasikan dengan Rantai Markov untuk meramalkan keadaan di masa yang akan datang berdasarkan probabilitas transisi dalam beberapa langkah. Model Grey-Markov (1,1) adalah kombinasi Rantai Markov dengan model Grey (1,1) yang merupakan model dengan diferensial orde satu serta satu variabel yang digunakan. Pada penelitian ini akan dilakukan peramalan untuk jumlah balita stunting di Jawa Barat. Stunting merupakan gangguan pertumbuhan pada anak yang ditandai dengan tinggi badan anak lebih pendek dari usianya. Digunakan tiga metode untuk peramalan jumlah balita stunting di Jawa Barat yaitu Grey-Markov (1,1), Grey (1,1), dan double moving average sebagai perbandingan untuk menentukan model peramalan terbaik. Berdasarkan hasil perhitungan ketiga model, diperoleh kesimpulan bahwa model Grey-Markov (1,1) merupakan model yang memberikan hasil yang sangat akurat dibandingkan dua model lainnya. Hasil estimasi untuk tahun 2022 yaitu 189.473 kasus dengan tingkat akurasi model menggunakan MAPE, MAE, dan posterior error ratio C secara berturut-turut yaitu 3,29%, 9415,135, dan 0,1829. Nilai MAPE dan posterior error ratio (C) tersebut termasuk dalam kategori sangat akurat dan nilai MAE yang terkecil dibandingkan nilai MAE model Grey (1,1) dan model double moving average.