Prediksi Harga Gabah Kering Panen menggunakan Metode Autoregressive Integrated Moving Average

Canda Ria; Farid Wajidi; Nahya Nur

doi:10.30865/json.v6i4.8614

Authors

Canda Ria Universitas Sulawesi Barat
Farid Wajidi Universitas Sulawesi Barat
Nahya Nur Universitas Sulawesi Barat

DOI:

https://doi.org/10.30865/json.v6i4.8614

Keywords:

ARIMA, Prediksi Harga, Gabah Kering Panen, Deret Waktu, Peramalan

Abstract

Gabah kering panen (GKP) merupakan komoditas pertanian strategis yang berperan signifikan dalam mendukung ketahanan pangan nasional. Fluktuasi harga gabah yang tidak menentu menjadi tantangan serius bagi petani dalam menentukan harga jual hasil panen. Dalam penelitian ini, harga gabah kering panen diprediksi dengan menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Data yang digunakan diambil dari data bulanan yang dikumpulkan oleh Badan Pusat Statistik (BPS) dari januari 2010 hingga desember 2024. Proses penelitian meliputi tahap pengumpulan data, pengolahan data, uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF), analisis Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), pemilihan parameter optimal (p, d, q) menggunakan pendekatan grid search, pembangunan model ARIMA, prediksi, dan mengevaluasi performa model. Hasil uji ADF menunjukkan bahwa data menjadi stasioner setelah differencing kedua. Berdasarkan hasil grid search dan nilai Akaike Information Criterion (AIC) yang paling rendah. Dengan nilai AIC, model yang paling cocok adalah ARIMA (1,2,2). Sebesar 2188,98. Evaluasi terhadap nilai Mean Absolute Percentage Error (MAPE) sebesar 8,90%, Root Mean Squared Error (RMSE) sebesar 636,97 dan Mean Squared Error (MSE) sebesar 405731,65. Dari hasil penelitian ini, dapat disimpulkan bahwa model ARIMA cukup andal dan akurat dalam memprediksi harga gabah kering panen.

References

S. M. Igirisa and Amiruddin, “Prediksi Harga Cabai Di Kota Gorontalo Menggunakan Metode Weighted Moving Average,” J. Ilm. Ilmu Komput. Banthayo Lo Komput., vol. 1, no. 2, pp. 110–117, 2022.

D. Julika Sari, H. Saputra, A. Nasution, S. Informasi, and S. Tinggi Manajemen Informatika dan Komputer Royal Kisaran, “the Use of the Wma Method Predicts the Inventory of Tofu Raw Materials Case Study Industry Tahu Iyus,” J. Tek. Inform., vol. 3, no. 2, pp. 429–436, 2022, [Online]. Available: https://doi.org/10.20884/1.jutif.2022.3.2.224

R. Maiyuriska, “Penerapan Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Panen Gabah Padi,” J. Inform. Ekon. Bisnis, vol. 4, pp. 28–33, 2022, doi: 10.37034/infeb.v4i1.115.

L. S. Marita and I. Darwati, “Prediksi Persediaan Barang Menggunakan Metode Weighted Moving Average, Exponential Smoothing dan Simple Moving Average,” J. Tekno Kompak, vol. 16, no. 1, p. 56, 2022, doi: 10.33365/jtk.v16i1.1484.

F. P. Naya, S. S. Berlianti, N. Parcha, and A. Kayla, “Peramalan harga beras indonesia menggunakan metode arima,” Kult. Digit. MEDIA ( Res. Acad. Publ. Consult. ), vol. 6, no. 2, pp. 184–193, 2024.

S. P. Fauzani and D. Rahmi, “Penerapan Metode ARIMA Dalam Peramalan Harga Produksi Karet di Provinsi Riau,” J. Teknol. dan Manaj. Ind. Terap., vol. 2, no. 4, pp. 269–277, 2023, doi: 10.55826/tmit.v2i4.283.

M. Zidan Rusminto, S. Adi Wibowo, and F. Santi Wahyuni, “Peramalan Harga Saham Menggunakan Metode Arima (Autoregressive Integrated Moving Average) Time Series,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1263–1270, 2024, doi: 10.36040/jati.v8i2.9089.

A. M. Windhy and A. S. Jamil, “Peramalan Harga Cabai Merah Indonesia : Pendekatan ARIMA,” J. Agriekstensia, vol. 20, no. 1, pp. 78–87, 2021.

D. W. Lestari and R. Yotenka, “Arima Aplikasi Metode Box-Jenkins (Arima) Untuk Meramalkan Harga Komoditas Cabai Merah,” Khazanah J. Mhs., vol. 14, no. 1, 2022, doi: 10.20885/khazanah.vol14.iss1.art4.

H. Fadhila, “Perbandingan Metode ARIMA dan Prophet dalam Prediksi Harga Cabai Rawit di Provinsi Jawa Timur,” vol. 2024, no. Senada, 2024.

R. S. Fitri and D. Hafidzah, “Inovasi dan Kreativitas dalam Ekonomi PENGARUH PERUBAHAN HARGA GABAH TERHADAP KESEJAHTERAAN PETANI DI SUMATERA BARAT,” vol. 7, no. 12, pp. 210–218, 2023.

H. Afridar, … G. G.-I. J. of, and undefined 2022, “Penerapan Metode ARIMA untuk Prediksi Harga Komoditi Bawang Merah di Kota Tegal,” Journal.Peradaban.Ac.Id, vol. 3, no. 2, pp. 18–29, 2023, [Online]. Available: http://journal.peradaban.ac.id/index.php/ijir/article/view/1214

A. S. Panjaitan, M. R. Maretha, Hilmiah, and B. Mardhotillah, “Optimalisasi Penerapan Metode ARIMA dalam Mengestimasi Harga Emas di Negara Indonesia,” J. Ekon. Dan Stat. Indones., vol. 3, no. 2, pp. 136–146, 2023, doi: 10.11594/jesi.03.02.06.

H. Syafwan, F. Siagian, P. Putri, M. Handayani, S. H. Tinggi Manajemen Informatika dan Komputer Royal Jln M Yamin No, and S. Utara, “Forecasting Jumlah Pengangguran Di Kabupaten Asahan Menggunakan Metode Weighted Moving Average,” J. Tek. Inform. Kaputama, vol. 5, no. 2, pp. 224–229, 2021.

A. Suwandi, “Prediksi Harga Emas Menggunakan Metode Single Moving Average,” JiTEKH, vol. 8, no. 1, pp. 32–36, 2020, doi: 10.35447/jitekh.v8i1.194.

S. Nurhayati and A. Syafiq, “Sistem Prediksi Jumlah Produksi Baju Menggunakan Weighted Moving Average,” J. Manaj. Inform., vol. 12, no. 1, pp. 14–24, 2022, doi: 10.34010/jamika.v12i1.6680.

M. Harga, P. Saham, B. Amrt, H. Raihansyah, M. S. Paendong, and M. L. Mananohas, “d ’ CartesiaN Jurnal Matematika dan Aplikasi Penerapan Model Autoregressive Integrated Moving Average ( Arima ) untuk,” pp. 62–68.

M. R. Susila, M. Jamil, and B. H. Santoso, “Akurasi Model Hybrid ARIMA-Artificial Neural Network dengan Model Non Hybrid pada Peramalan Peredaran Uang Elektronik di Indonesia,” Jambura J. Math., vol. 5, no. 1, pp. 46–58, 2023, doi: 10.34312/jjom.v5i1.14889.