Analisis Clustering Time Series Harga Kedelai Impor Pada Provinsi di Indonesia dengan Jarak Dynamic Time Warping (DTW)

Biantoro, Putri Likawati (2025) Analisis Clustering Time Series Harga Kedelai Impor Pada Provinsi di Indonesia dengan Jarak Dynamic Time Warping (DTW). Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2043211003-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (5MB) | Request a copy

Abstract

Indonesia sebagai negara agraris memiliki produksi kedelai terbesar di Asia Tenggara, namun Indonesia tetap harus mengimpor kedelai untuk memenuhi kebutuhan nasional. Produksi kedelai Indonesia berkisar pada angka 555 ribu ton, sedangkan kebutuhan nasional mencapai 2,7 juta ton. Harga kedelai impor ini tidak stabil dan terus mengalami fluktuasi pada beberapa periode waktu dan memiliki harga jual yang berbeda pada setiap provinsi yang disebabkan karena biaya distribusi, penurunan nilai tukar rupiah, perang geopolitik, dan dan perubahan iklim. Pemerintah hanya memberikan subsidi kedelai sebesar Rp 1.000 per kilogram bagi setiap pengusaha tahu dan tempe yang mana nominal ini sama di setiap provinsinya. Oleh karena itu, pentingnya penelitian ini untuk mengelompokkan provinsi di Indonesia berdasarkan pola harga kedelai impor untuk menganalisis faktor penyebab ketidakstabilan harga pada setiap kelompok sehingga dapat diambil kebijakan yang tepat. Metode analisis dalam penelitian ini menggunakan metode clustering time series secara hierarki dengan metode single linkage, complete linkage, dan average linkage serta secara non-hierarki dengan metode K-Medoids, dan pengukuran jarak pengukuran yang digunakan adalah Dynamic Time Warping (DTW). Data yang digunakan berupa data sekunder harga jual kedelai impor pada tahun 2023 melalui situs Badan Pangan Nasional (BPN). Melalui penelitian ini didapatkan hasil karakteristik rata-rata harga tertinggi di Provinsi Papua dan terendah di D.I. Yogyakarta, standar deviasi tertinggi di Provinsi Jawa Barat dan terendah Sumatera Utara, dan linechart mengindikasikan adanya pola harga yang stabil pada bulan Januari-Maret dan Desember dan pola harga fluktuatif pada bulan April-November. Metode pengelompokan terbaik yang digunakan adalah clustering hierarki dengan menggunakan metode average linkage yang menghasilkan 2 cluster, 23 provinsi pada cluster 1 dan 10 provinsi pada cluster 2 yang memiliki perbedaan yang signifikan antar kelompok. Pemetaan yang dilakukan menggambarkan bahwa sebagian besar provinsi yang berada pada suatu pulau yang sama akan menjadi satu kelompok. Hasil penelitian ini diilustrasikan dengan sebuah rancangan dashboard clustering time series menggunakan Streamlit Python.
===================================================================================================================================
Indonesia, as an agrarian country, has the largest soybean production in Southeast Asia. However, it still needs to import soybeans to meet national demand. Indonesia's soybean production amounts to approximately 555 thousand tons, while the national demand reaches 2.7 million tons. The price of imported soybeans is unstable and fluctuates over various periods, with selling prices varying across provinces due to factors such as distribution costs, depreciation of the rupiah, geopolitical conflicts, and climate change. The government provides a soybean subsidy of IDR 1,000 per kilogram for tofu and tempeh producers, with the same amount applied in every province. Therefore, this study aims to classify provinces in Indonesia based on the price patterns of imported soybeans to analyze the factors causing price instability in each group, enabling the formulation of appropriate policies. The analysis method used in this study involves hierarchical time-series clustering with single linkage, complete linkage, and average linkage methods, as well as non-hierarchical clustering using the K-Medoids method. The distance measurement employed is Dynamic Time Warping (DTW). The data used consists of secondary data on imported soybean selling prices in 2023 obtained from the National Food Agency (BPN) website. The study's findings reveal that the average highest price was in Papua Province, while the lowest was in D.I. Yogyakarta. The highest standard deviation was observed in West Java, and the lowest in North Sumatra. A line chart indicates stable price patterns from January to March and in December, while fluctuating patterns occur from April to November. The best clustering method identified was hierarchical clustering using the average linkage method, resulting in two clusters: 23 provinces in cluster 1 and 10 provinces in cluster 2, with significant differences between groups. The mapping showed that most provinces on the same island tend to belong to the same group. The findings are illustrated through a prototype time-series clustering dashboard designed using Streamlit in Python.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Dynamic Time Warping, Harga Kedelai, Indonesia, K-Medoids, Metode Linkage, Streamlit, Time Series Clustering
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HA Statistics > HA30.3 Time-series analysis H Social Sciences > HD Industries. Land use. Labor > HD9000 Agricultural industries
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Putri Likawati Biantoro
Date Deposited:	20 Jan 2025 02:00
Last Modified:	20 Jan 2025 02:00
URI:	http://repository.its.ac.id/id/eprint/116426

Actions (login required)

View Item