PENERAPAN METODE CAMPURAN ARIMA DAN QUANTILE REGRESSION (ARIMA-QR) UNTUK PERAMALAN HARGA BERAS SEBAGAI KOMODITAS UTAMA INDONESIA (STUDI KASUS: BULOG)

HANDAYANI, FAJAR RATNA (2017) PENERAPAN METODE CAMPURAN ARIMA DAN QUANTILE REGRESSION (ARIMA-QR) UNTUK PERAMALAN HARGA BERAS SEBAGAI KOMODITAS UTAMA INDONESIA (STUDI KASUS: BULOG). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5213100052-Undergraduate_Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Harga beras sebagai komoditas pangan utama di Indonesia, dari tahun ke tahun terus mengalami fluktuasi, namun cenderung meningkat selama beberapa tahun terakhir. Hal ini mengharuskan pihak Perum BULOG untuk melakukan tindakan guna menjaga stabilisasi harga. Sebagai pertimbangan pengambilan keputusan mengenai berapa jumlah stok atau cadangan beras pemerintah dan pelepasan stok ke pasar, penetapan jumlah beras impor, dan lain-lain maka pihak Perum Bulog perlu mengetahui perkiraan atau prediksi harga beras selama beberapa periode ke depan agar dapat menetapkan tindakan atau kebijakan yang terbaik. Untuk itu, dalam tugas akhir ini dilakukan peramalan harga beras dengan menggunakan metode ARIMA-QR. Dalam melakukan peramalan ini digunakan beberapa variabel yang berpengaruh terhadap fluktuasi harga beras sepertiharga dasar gabah (GKG) dan harga beras dunia, jumlah stok Bulog, hari besar nasional, dan nilai peramalan harga beras yang telah dilakukan sebelumnya. Data yang digunakan adalah data bulanan selama 16 tahun, mulai dari tahun 2000 hingga tahun 2015. Sebelum melakukan peramalan, perlu dibuat model yang paling baik dengan parameter-parameter yang memiliki nilai tertentu sehingga memiliki nilai error yang paling rendah. Model inilah yang akan digunakan untuk melakukan peramalan pada periode selanjutnya dalam meodel ARIMA, dimana nilai peramalan dari model ARIMA akan dijadikan sebagai input variable bersama variabel lain dalam model QR. Tugas akhir ini memberikan model peramalan harga menggunakan ARIMA, dan ARIMA-QR. Hasil evaluasi model menggunakan MAPE membuktikan bahwa model yang dipilih baik ARIMA maupun ARIMA-QR memiliki tingkat akurasi yang tinggi, karena nilai MAPE masih di bawah 10%. Jika dibandingkan dengan metode campuran ARIMA-QR, metode ARIMA metupakan metode yang lebih baik pada studi kasus ini karena memiliki nilai MAPE yang lebih rendah. Namun, pada metode ARIMA-QR, terdapat nilai MAPE yang lebih rendah yaitu pada quantile 0.50 atau median. Hasil nilai peramalan harga beras hingga bulan Desember 2017 yang dihasilkan dari penelitian ini dapat membantu pihak Perum Bulog maupun pemerintah dalam proses pengambilan keputusan mengenai penetapan kebijakan harga, penetapan jumlah produksi beras, penetapan waktu dan jumlah beras impor, penetapan jumlah stok (cadangan) beras pemerintah dan pelepasan stok ke pasar, menjaga harga dasar pembelian gabah dan harga gabah kering giling (GKG), stabilisasi harga beras, dan kebijakan lain yang terkait. ==================================================================================== The price of rice as a main food commodities in Indonesia, has fluctuated from year to year, but tended to increase over the last few years. It requires the BULOG to take actions to maintain price stability. As consideration for decisions about how much the stock or the government's rice reserve and the release of the stock to the market, the determination of the amount of rice imports and others, then the Bulog needs to know the estimated or predicted rice prices for the period ahead in order to define an action or best policy. Therefore, in this final task of forecasting the price of rice by using ARIMA-QR. In forecasting is used several variables that influence price fluctuations as the basic price grain rice (GKG) and world rice prices, the number of stock Bulog, national holidays, and the value of forecasting the price of rice has been done before. The data used was monthly data for 16 years, from 2001 to 2015. Prior to forecast, should be made the best model with the parameters that have a certain value so that it has the lowest error value. This model will be used for forecasting the next period in meodel ARIMA, where the value ARIMA forecasting model will be used as input variables along with other variables in the QR model. This final project provides a model price forecasting using ARIMA and ARIMA-QR. MAPE model using the evaluation results prove that the model chosen both ARIMA and ARIMA-QR has a high degree of accuracy, since the value of MAPE is still below 10%. When compared with a mixture of ARIMA-QR method, the method ARIMA metupakan better method in this case study because it has a lower value of MAPE. However, at ARIMA-QR method, there is a lower value MAPE in 0.50 quantile or median quantile. The results of forecasting the price of rice up in December 2017 which resulted from this research can help the Bulog and government in the decision-making process regarding the determination of pricing policy, the determination of total grain output, the timing and amount of imported rice, the determination of the number of stocks (reserves) of government rice and the release of stock into the market, keeping the base price of the purchase of grain and the price of milled rice (GKG), the rice price stabilization, and other related policies.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Peramalan, BULOG, ARIMA, Quantile Regression, ARIMA-QR, harga beras
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
T Technology > T Technology (General)
Divisions: Faculty of Information Technology > Information System > (S1) Undergraduate Theses
Depositing User: FAJAR RATNA HANDAYANI
Date Deposited: 18 Jan 2017 06:47
Last Modified: 05 Mar 2019 03:23
URI: http://repository.its.ac.id/id/eprint/1732

Actions (login required)

View Item View Item