Peramalan Penerimaan Iuran Program Jaminan Kehilangan Pekerjaan (JKP) BPJS Ketenagakerjaan Menggunakan Metode Hybrid Prophet-BiLSTM

Muhammad Nashih Ulwan, Drs. Danardono, MPH., Ph.D.

2025 | Skripsi | STATISTIKA

BPJS Ketenagakerjaan menyelenggarakan program Jaminan Kehilangan Pekerjaan (JKP) yang bertujuan memberikan perlindungan sosial bagi pekerja yang mengalami pemutusan hubungan kerja. Dalam memastikan keberlanjutan program ini, diperlukan metode peramalan yang andal untuk memprediksi jumlah iuran JKP di masa depan. Penelitian ini mengembangkan model peramalan berbasis pendekatan hybrid Prophet-BiLSTM dengan pembobotan menggunakan metode Linear Optimal Weighting Estimator (LOWE). Berdasarkan data bulanan iuran JKP dari Februari 2021 hingga Juli 2024, model Prophet dan BiLSTM masing-masing dioptimasi melalui proses hyperparameter tuning. Hasil evaluasi menunjukkan bahwa model hybrid Prophet-BiLSTM memberikan performa prediksi terbaik dengan nilai Mean Squared Error (MSE) sebesar 8,174 × 10^19, Root Mean Squared Error (RMSE) sebesar 9,041 × 10^9, Mean Absolute Error (MAE) sebesar 6,480 × 10^9, dan Mean Absolute Percentage Error (MAPE) sebesar 2,827%. Peramalan selama 12 bulan ke depan menunjukkan pola musiman yang konsisten dengan tren historis, dengan rentang prediksi antara Rp227,04 miliar hingga Rp294,36 miliar. Hasil ini memberikan kontribusi dalam pengambilan keputusan strategis BPJS Ketenagakerjaan untuk perencanaan keuangan yang lebih akurat dan adaptif

BPJS Ketenagakerjaan implements the Job Loss Insurance (JKP) program to provide social protection for workers affected by termination of employment. To ensure the sustainability of this program, a reliable forecasting method is needed to predict future JKP contribution amounts. This study develops a hybrid Prophet-BiLSTM forecasting model combined using the Linear Optimal Weighting Estimator (LOWE) method. Prophet is used to capture trend and seasonal components, while BiLSTM models the nonlinear residual patterns. Using monthly JKP contribution data from February 2021 to July 2024, both Prophet and BiLSTM models underwent hyperparameter tuning. Evaluation results show that the hybrid Prophet-BiLSTM model achieved the best predictive performance with an MSE of 8,174×10^19, RMSE of 9,041×10^9, MAE of 6,480×10^9, and MAPE of 2,827%. The 12-month-ahead forecast reflects seasonal patterns consistent with historical trends, with predicted values ranging from Rp227.04 billion to Rp294.36 billion. These results support BPJS Ketenagakerjaan in making strategic decisions and enable more accurate and adaptive financial planning.

Kata Kunci : Jaminan Kehilangan Pekerjaan, Prophet, BiLSTM, Model hybrid, LOWE, peramalan deret waktu