Muhammad Hafid Fikrianto (1), Tedjo Sukmono (2)
General Background Local tax revenue plays a crucial role in supporting regional development and fiscal sustainability. Specific Background Sidoarjo Regency experienced a general increase in local tax revenue from 2014 to 2024, with a significant decline in 2020 due to the COVID-19 pandemic. Knowledge Gap Accurate forecasting methods are required to anticipate future revenue and support regional financial planning, yet the most suitable model for Sidoarjo’s tax data remains unclear. Aims This study aims to forecast Sidoarjo local tax revenue for 2025 and determine the most appropriate Exponential Smoothing model. Results Single, Double, and Triple Exponential Smoothing methods were applied and compared using Mean Absolute Percentage Error. The Triple Exponential Smoothing model produced the lowest MAPE value of 8.37% and a forecasted revenue of Rp. 1,507,007,282,941 for 2025. Novelty This study provides a comparative application of Exponential Smoothing models using long-term local tax data with explicit accuracy evaluation. Implications The findings support evidence-based regional revenue planning and contribute to methodological selection in public sector financial forecasting.
Highlights:
Comparative evaluation of three Exponential Smoothing models
Triple Exponential Smoothing yields the lowest forecasting error
Local tax revenue trend shows post-pandemic recovery
Keywords: Forecasting, Local Tax Revenue, Exponential Smoothing, Time Series Analysis, Regional Finance
Pajak adalah kontribusi wajib kepada Daerah yang terutang oleh individu atau lembaga yang bersifat memaksa berdasarkan Undang-Undang, dengan tidak memperoleh imbalan secara langsung dan dipakai untuk kebutuhan daerah bagi sebesar-besarnya kemakmuran rakyat [1]. Pembangunan seringkali dikaitkan dengan proses industrialisasi. Oleh karena itu pembangunan industri tidak sekedar melaksanakan akivitas mandiri saja, tetapi memiliki target utama untuk meningkatkan kemakmuran masyarakat di sekitarnya. Dengan adanya kegiatan industri juga selalu disangku-pautkan dengan kedudukan industri sebagai sektor pemimpin (leading sector), yaitu pembangunan industri bisa menggenjot dan menaikkan pembangunan bidang yang lain seperti bidang perdagangan, pertanian, ataupun bidang jasa.
Sidoarjo memiliki berbagai jenis industri, termasuk makanan dan minuman, keramik, pengolahan hasil bumi, serta industri kertas, cetakan, penerbitan, dan furniture. Industri manufaktur di Sidoarjo menyerap banyak tenaga kerja. Misalnya, industri kertas, cetakan, penerbitan, serta furniture kayu, logam, dan plastik membutuhkan karyawan dalam jumlah besar per perusahaan, sehingga perlu perhatian khusus. Pada tahun 2024, nilai produksi industri manufaktur di Sidoarjo mencapai Rp. 127.696.000.000.000. Hal tersebut seharusnya bisa menjadi keuntungan Kabupaten Sidoarjo untuk meningkatkan pendapatan daerah melalui pungutan pajak.
Pendapatan Pajak Daerah Sidoarjo dari tahun 2014 – 2024 secara umum mengalami kenaikan. Namun terjadi penurunan pendapatan pada tahun 2020 saat wabah COVID-19 mulai menyebar, dimana pedapatan pajak daerah sebesar Rp. 1.032.160.117.010 pada tahun 2019 menjadi Rp. 929.261.529.990. Namun tidak lama pada tahun 2021 – 2024 pendapatan pajak daerah bengangsur naik, dimana tahun 2021 sebesar Rp. 1.027.822.704.720, tahun 2022 sebesar Rp, 1.214.783.864.840, tahun 2023 sebesar Rp. 1.302.626.605.440, dan ditahun 2024 sebesar Rp. 1.407.663.067.473.
Peramalan adalah cara untuk melakukan estimasi secara kuantitaif terhadap apa yang terjadi di masa depan dengan dasar data yang relevan dengan data masa lalu. Tujuan dari peramalan adalah untuk melakukan perencanaan yang dapat dipakai untuk pengambilan keputusan karena peramalan dapat mengurangi ketidakpastian di masa depan berdasar data historis [2]. Salah satu metode untuk melakukan peramalan yaitu metode Exponential Smoothing. Metode Exponential Smoothing adalah cara peramalan rata-rata bergerak yang melakukan pembobotan pada histori data dengan melakukan perbaikan berulang pada peramalan terhadap data terbaru. Exponential Smoothing adalah teknik yang sering digunakan dalam forecasting yang memiliki keterkaian dengan kemudahan, kemudahan beradaptasi dengan reaksi terhadap perubahan dalam proses forecasting dan keakurasian yang tepat. Keunggulan utamanya yaitu diketahui dari kemudahan dalam operasi yang relatif simple dan keakurasian forcasting yang lebih baik [3]
Penelitian ini bertujuan mengetahui bagaimana penerapan metode Exponential Smoothing dalam meramalkan pendapatan pajak daera Sidoarjo di tahun 2025 dan mengetahui hasil dari perbandingan metode Single Exponential Smoothing, Double Exponential Smoothing, dan Triple Exponential Smoothing.
Penelitian ini dilaksanakan dalam jangka waktu 6 bulan, yakni Januari 2025 – Juni 2025 di website Badan Pusat Statistik Kabupaten Sidoarjo (https://sidoarjokab.bps.go.id/id). Proses pengumpulan data didapatkan dari data sekunder dan studi literatur. Data sekunder merupakan kumpulan informasi yang sudah ada sebelumnya dan digunakan sebagai pelengkap kebutuhan data penelitian. Yang termasuk data sekunder yaitu, dokumen – dokumen penting, situs web, dan lainnya. Data sekunder pada penelitian ini diperoleh dari website Kementrian Keuangan Republik Indonesia yang berkaitan dengan objek yang akan diteliti, yaitu data realisasi pendapatan negara Indonesia.
Figure 1. Gambar 1. Alur Penelitian
Tahapan-tahapan yang dilakukan dalam melakukan penelitian ini yaitu mulai dengan mengidentifikasi penerapan metode Exponential Smoothing dalam memprediksi pendapatan negara di tahun 2025, dimana penelitian ini bertujuan untuk mengetahui prediksi pendapatan negara di tahun 2025 dan membandingkan hasil perhitungan dari ketiga metode Exponential Smoothing yang digunakan dalam penelitian ini. Tahap selanjutnya yakni pengumpulan data yang dilakukan dengan mengakses website resmi Kementrian Keuangan Republik Indonesia untuk memperoleh data realisasi pendapatan negara. Data kemudian diolah menggunakan metode Single Exponential Smoothing, Double Exponential Smoothing, dan Triple Exponential Smoothing. Kemudian hasil dari perhitungan ketiga metode tersebut dicari nilai MAPE (Mean Absolute Percentage Error) paling terkecil.
Single Exponensial Smoothing ialah metode yang bisa diterapkan untuk meramal dalam kurun waktu pendek, umumnya digunakan untuk 1 bulan kedepan. Caranya yaitu dengan cara terus memperbaiki perkiraan dengan menghitung nilai rata-rata masa lalu dari suatu deret waktu secaran menurun (exonential). Metode ini punya parameter smoothing yakni a dengan nilai antara 0 – 1 [2]. Berikut adalah persamaan rumusnya:
Figure 2.
Double Exponential Smoothing adalah metode peramalan data time series yang digunakan untuk menghitung tren dan level data pada seri waktu. Metode ini melibatkan penggunaan dua konstanta smoothing, yaitu pemulusan level (alpha) dan smoothing tren (beta). Metode ini kerap dipakai untuk forecasting data dengan trend stabil namun memiliki fluktuasi atau variasi yang acak. Double Exponential Smoothing dapat diartikan sebagai metode peramalan seri waktu yang menggunakan dua seri yang sudah disempurnakan (diperhalus) untuk memperkirakan tingkat dan kemiringan saat ini dari seri tersebut. Kompenen kemiringan dapat digunakan untuk membuat peramalan tren linier [4]. Berikut rumus dari Double Exponential Smoothing:
Figure 3.
Figure 4.
A. Pengumpulan Data
Data yang dipakai dalam penelitian ini diperoleh dari situs resmi Badan Pusat Statistik Kabupaten Sidoarjo, yaitu data Realisasi Pendapatan Pajak Daerah Kabupaten Sidoarjo dari tahun 2014 hingga 2024. Data tersebut digunakan sebagai dasar untuk melakukan peramalan nilai pendapatan pajak daerah pada tahun 2025. Jumlah pendapatan dari tahun ke tahun cenderung mengalami kenaikan, walaupun terdapat penurunan yang cukup berarti pada tahun 2020 akibat dampak pandemi COVID-19.Berikut merupakan ringkasan data realisasi pendapatan pajak daerah (dalam rupiah)
Data menunjukkan tren kenaikan yang relatif konsisten kecuali pada tahun 2020 akibat pandemi COVID-19. Kenaikan tajam terlihat sejak tahun 2021 hingga 2024. Dari grafik dan data historis, diketahui bahwa pendapatan pajak daerah Kabupaten Sidoarjo mengalami tren pertumbuhan yang konsisten, terutama setelah tahun 2020. Kenaikan ini menunjukkan bahwa data memiliki komponen tren linear yang relatif stabil. Namun, tidak ditemukan pola musiman yang konsisten atau signifikan dalam data tahunan tersebut. Oleh karena itu, model peramalan yang sesuai adalah model dangan kriteria mampu menangkap tren kenaikan secara akurat, tidak terlalu kompleks karena data musiman tidak dominan, dan emberikan hasil akurasi tertinggi pada struktur data tahunan.
B. Pengolahan Data
1. Peramalan Pendapatan Pajak Daerah Sisoarjo 2025
Membuat Diagram pancar untuk mengetahui pola trend data masa lalu, yang digunakan sebagai patokan untuk memilih metode peramalan yang terbaik.
Figure 5. Gambar 2. Grafik Pendapatan Pajak Daerah Sidoarjo
2. Perhitungan Peramalan Dengan Single Exponential Smoothing
Dari tebel terlihat bahwa nilai MAPE terkecil sebesar 10,47 dihasilkan oleh parameter = 0,9. Sesuai kriteria nilai MAPE >10% menunjukkan bahwa model mampu meramal pendapatan pajak daerah dengan baik.
3. Perhitungan Peramalan Dengan Double Exponential Smoothing
Dari tebel terlihat bahwa nilai MAPE terkecil sebesar 10,19% dihasilkan oleh parameter a = 0,9 dan β = 0,1. Sesuai kriteria nilai MAPE >10% menunjukkan bahwa model mampu meramal pendapatan pajak daerah dengan baik.
4. Perhitungan Peramalan Dengan Double Exponential Smoothing
Dari tebel terlihat bahwa nilai MAPE terkecil sebesar 8,37% dihasilkan oleh parameter a = 0,7 dan β = 0,1, dan γ =0,1 . Sesuai kriteria nilai MAPE >10% menunjukkan bahwa model mampu meramal pendapatan pajak daerah dengan sangat baik.
5. Analisa Hasil Peramalan
Setelah melakukan peramalan data pendapatan pajak daerah Sidoarjo untuk tahun 2025 diketahui bahwa metode Triple Exponential Smoothing memiliki nilai MAPE paling baik daripada metode Single Exponential Smoothing dan Triple Exponential Smoothing dengan nilai MAPE sebesar 8,37% dengan nilai peramalan sebesar Rp. 1.507.007.282.941.
Dari hasil perhitungan dan analisa peramalan pendapatan pajak daerah Sidoarjo untuk tahun 2025 dengan menggunakan metode Single Exponential Smoothing, Double Exponential Smoothing, dan Triple Exponential Smoothing dperoleh kesimpulan bahwa metode Triple Exponential Smooting menjadi metode yang terbaik untuk meramalkan pendapatan pajak daerah Sidoarjo tahun 2025 dengan nilai MAPE sebesar 8,37% dan nilai peramalan sebesar Rp. 1.507.007.282.941.
Ucapan Terima Kasih
Dengan terselesaikannya penelitian ini penulis mengucapkan terima kasih kepada seluruh jajaran dosen Universitas Muhammadiyah Sidoarjo, khususnya Prodi Teknik Industri. Serta tak luput dari ingatan atas dukungan dari orang tua, keluarga, sahabat dan rekan yang telah membantu hingga terselesikannya penelitian ini.
[1] Presiden Republik Indonesia, Undang-Undang Republik Indonesia Nomor 28 Tahun 2009 Tentang Pajak Daerah dan Retribusi Daerah, Jakarta, Indonesia, 2009.
[2] M. S. A. F. Santoso, “Analisis Anggaran Pendapatan Belanja Negara (APBN) Terhadap Pendanaan Kebijakan Pendidikan,” Jurnal Studi Ilmu Pemerintahan, vol. 2, no. 2, pp. 31–36, 2021, doi: 10.35326/jsip.v2i2.1524.
[3] Presiden Republik Indonesia, Undang-Undang Nomor 28 Tahun 2022 Tentang Anggaran Pendapatan dan Belanja Negara Tahun Anggaran 2023, Jakarta, Indonesia, 2022.
[4] Y. N. Marlim and A. Hajjah, “Analisis Kuantitatif Penjualan Menggunakan Metode Single Exponential Smoothing,” JOISIE Journal of Information Systems and Informatics Engineering, vol. 6, no. 2, pp. 111–116, 2022.
[5] A. Hajjah and Y. N. Marlim, “Analisis Error Terhadap Peramalan Data Penjualan,” Jurnal Statistika dan Analisis Data, vol. 20, no. 1, pp. 1–9, 2021.
[6] M. D. B. Barus, Mustofa, and F. S. Thahirah, “Single Exponential Smoothing: Analisis Forecasting Dalam Perencanaan Produksi,” in Proceedings of the Seminar on Social Science, Engineering, and Humanities, 2021, pp. 200–212.
[7] N. Lisnawati, H. Syafwan, and N. Nehe, “Penerapan Metode Single Exponential Smoothing dalam Peramalan Jumlah Ikan,” Bulletin of Information Technology and Systems, vol. 4, no. 2, pp. 829–838, 2022, doi: 10.47065/bits.v4i2.2132.
[8] M. Ena, “Penerapan Metode Single Exponential Smoothing Dalam Memprediksi Jumlah Penerimaan Mahasiswa Baru,” Lebesgue Journal of Mathematics Education, vol. 4, no. 2, pp. 962–969, 2023, doi: 10.46306/lb.v4i2.357.
[9] V. Tarigan, “Penerapan Metode Double Exponential Smoothing Untuk Memprediksi Jumlah Penjualan Springbed,” Jurnal Informatika Polinema, vol. 9, no. 3, pp. 339–346, 2023, doi: 10.33795/jip.v9i3.1335.
[10] A. D. Selasakmida, T. Tarno, and T. Wuryandari, “Perbandingan Metode Double Exponential Smoothing Holt dan Fuzzy Time Series Chen Untuk Peramalan Harga Paladium,” Jurnal Gaussian, vol. 10, no. 3, pp. 325–336, 2021, doi: 10.14710/j.gauss.v10i3.32782.
[11] E. C. Pratama, M. T. Furqon, and S. Adinugroho, “Exponential Smoothing untuk Peramalan Jumlah Penjualan Hijab,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 12, pp. 5264–5271, 2021.
[12] R. N. Yolanda, D. Rahmi, A. Kurniati, and S. Yuniati, “Penerapan Metode Triple Exponential Smoothing dalam Peramalan Produksi Buah Nenas,” Jurnal Statistika Terapan, vol. 3, no. 1, pp. 1–10, 2025.
[13] B. Utama and S. Hatta, “Perbandingan Metode Holt–Winters Exponential Smoothing dan Extreme Learning Machine untuk Peramalan,” Jurnal Gaussian, vol. 11, no. 3, pp. 439–446, 2023, doi: 10.14710/j.gauss.11.3.439-446.
[14] R. Yoel et al., “Perbandingan Metode Triple Exponential Smoothing Additive dan Damped untuk Peramalan Indeks Harga Konsumen,” Jurnal Statistika dan Komputasi, vol. 13, no. 1, pp. 77–83, 2025.
[15] R. K. Nur et al., “Metode Triple Exponential Smoothing untuk Peramalan Indeks Harga Konsumen Kota Surabaya,” in Proceedings of SENADA, 2024, pp. 615–623.
[16] U. Prediksi et al., “Metode Single Exponential Smoothing untuk Prediksi Penjualan,” Jurnal Sistem Informasi, vol. 1, no. 2, pp. 259–266, 2015.
[17] E. Wahyudi and R. Utami, “Metode Single Exponential Smoothing untuk Aplikasi Prediksi Penjualan,” in Proceedings of the National Seminar on Science and Technology, 2021, pp. 119–126.
[18] K. A. Hariadnyani et al., “Analisis Peramalan Permintaan Produk dengan Metode Triple Moving Average dan Triple Exponential Smoothing,” Jurnal Manajemen Industri, vol. 1, no. 3, pp. 498–503, 2024.