Sari, Ayusha Qamara (2018) Peramalan Harga Beras Indonesia Menggunakan Metode Hybrid Neural Networks dan Autoregressive Integrated Moving Average with Exogenous Variables (Hybrid NNs-ARIMAX). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211440000014-Undergraduate_Theses.pdf - Accepted Version Download (15MB) | Preview |
Abstract
Pangan merupakan kebutuhan pokok bagi masyarakat Indonesia. Sebagian besar masyarakat Indonesia mengkonsumsi beras sebagai makanan pokok. Berdasarkan data yang diperoleh dari Badan Pusat Statistik (BPS) menunjukkan adanya tren menaik terhadap harga eceran beras di pasar tradisional. Harga beras sendiri memiliki keunikan dalam proses penentuannya sehingga perlu berhati-hati dalam menentukan harganya, oleh sebab itu perlu dilakukan peramalan yang tepat.
Pada tahun 2017 terjadi surplus beras sebesar 15 ton dimana produksi lebih tinggi dibandingkan dengan konsumsi. Hal ini merupakan bentuk dari buruknya manajemen stok yang dapat mengakibatkan kenaikkan harga beras. Selain itu harga beras sendiri dapat dipengaruhi oleh beberapa faktor lainnya seperti luas lahan panen padi, produksi beras, konsumsi beras, dan musim. Faktor-faktor tersebut akan digunakan sebagai variabel dalam peramalan.
Metode yang digunakan dalam penelitian ini adalah metode Hybrid NNs-ARIMAX yang merupakan penggabungan dari metode Artificial Neural Network dan ARIMAX. Variabel yang digunakan dalam peramalan ini adalah produksi beras, luas lahan panen padi, konsumsi beras, dan musim. Data yang digunakan adalah data bulanan selama 10 tahun, mulai dari tahun 2008 hingga 2017. Sebelum melakukan peramalan perlu dibuat model terbaik dengan parameter tertentu yang menghasilkan nilai error terendah. Kemudian model tersebut akan digunakan untuk melakukan peramalan dengan model ANN dan selanjutnya diambil nilai residunya untuk dilanjutkan ke model ARIMAX.
Output tugas akhir ini berupa hasil peramalan harga beras secara perbulan selama setahun yakni 2018-2019 di beberapa provinsi. Hasil evaluasi model menunjukkan bahwa metode Hybrid memberikan hasil yang lebih baik dibandingkan metode tunggal ANN, hal ini disebabkan oleh data input memiliki pola linear dan non-linear yang lebih cocok dengan metode Hybrid. Terdapat peningkatan kemampuan peramalan dari metode tunggal ANN ke metode Hybrid NNs-ARIMA dan Hybrid NNs-ARIMAX dengan rata-rata nilai penurunan MAPE sebesar 1,21% dari ANN menuju Hybrid NNs-ARIMA, dan 0,23% dari ANN menuju Hybrid NNs-ARIMAX. Metode Hybrid NNs-ARIMAX memiliki kemampuan peramalan yang sedikit lebih kecil dibandingkan metode Hybrid NNs-ARIMAX. Pada Provinsi Papua dan Maluku menunjukkan paling baik menggunakan metode Hybrid NNs-ARIMAX dengan nilai MAPE 24,85% dan 25,59%. Sedangkan untuk 9 provinsi lainnya lebih cocok menggunakan metode Hybrid NNs-ARIMA dengan rata-rata nilai MAPE 20,44%.
==========================================================================================================
Food is primary needs for the people of Indonesia. Most Indonesians consume rice as their primary food. Based on the data obtained from Badan Pusat Statistik (BPS), shows that there is increasing trend toward the retail price of rice in traditional markets. The price of rice has uniqueness in the process of determining it, so it is necessary to be careful in determining the price, therefore it is necessary to do the appropriate forecasting.
In 2017 there is a rice surplus of 15 tons where production is higher than consumption. This is an example of poor stock management that can lead to higher rice prices. In addition, the price of rice can be affected by several other factors such as rice harvest area, rice production, rice consumption, and season. These factors will be used as variables in forecasting.
The method used in this research is Hybrid NNs-ARIMAX which is a combination of Artificial Neural Network and ARIMAX. Variables used in this forecasting are rice production, rice harvest area, rice consumption, and season. The data used are monthly data for 10 years, starting from 2008 to 2017. 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. Then the model will be used for forecasting with ANN model and then calculate the residue to proceed in ARIMAX model.
The output of this final project is the result of forecasting rice price per month during the year 2018-2019 in several provinces. The result of model evaluation shows that Hybrid method gives better result than ANN single method, this is because input data has linear and non-linear pattern which is more suitable with Hybrid method than single method. There is an increasing in forecasting ability from ANN single method to Hybrid NNs-ARIMA and Hybrid NNs-ARIMAX methods with an average decreasing MAPE of 1.21% of ANN to Hybrid NNs-ARIMA, and 0.23% of ANN to Hybrid NNs-ARIMAX. The Hybrid NNs-ARIMAX Method has a slightly smaller forecasting capability than the Hybrid NNs-ARIMAX method. In Papua and Maluku provinces it is best to use the Hybrid NNs-ARIMAX method with MAPE 24.85% and 25.59%. While for the other 9 provinces more suitable to use Hybrid NNs-ARIMA method with MAPE average value of 20.44% .
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 006.32 Sar p-1 3100018075820 |
| Uncontrolled Keywords: | Peramalan, Harga Beras, Hybrid NNs-ARIMAX, Artificial Neural Network, ARIMAX, Exogenous Variable, Forecasting, The Price of Rice, Hybrid NNs-ARIMAX, Artificial Neural Network, ARIMAX, Exogenous Variable |
| Subjects: | H Social Sciences > HB Economic Theory > Economic forecasting--Mathematical models. Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.62 Decision support systems |
| Divisions: | Faculty of Information and Communication Technology |
| Depositing User: | Sari Ayusha Qamara |
| Date Deposited: | 18 Oct 2018 07:02 |
| Last Modified: | 16 Feb 2021 06:52 |
| URI: | http://repository.its.ac.id/id/eprint/52627 |
Actions (login required)
 |
View Item |