Peramalan Nilai Tukar Petani Subsektor Tanaman Pangan Pada Empat Provinsi Di Pulau Jawa Menggunakan Metode GSTAR

Fuadi, Riska (2019) Peramalan Nilai Tukar Petani Subsektor Tanaman Pangan Pada Empat Provinsi Di Pulau Jawa Menggunakan Metode GSTAR. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111540000057-Undergraduate_Theses.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Indonesia sebagai negara agraris yang mayoritas penduduknya bekerja sebagai petani, memiliki cara dalam menentukan indeks kesejahteraan petani, yaitu dengan Nilai Tukar Petani (NTP). Peramalan dapat menjadi pertimbangan bagi pihak terkait dalam mengantisipasi penurunan NTP sebagai sarana menentukan kebijakan yang tepat bagi petani tanaman pangan untuk satu tahun ke depan. Dalam perkembangannya, dalam kehidupan sehari-hari sering dijumpai data runtun waktu multivariat yang tidak hanya mengandung keterkaitan dengan kejadian pada waktu-waktu sebelumnya, tetapi juga memiliki keterkaitan dengan lokasi atau tempat lain, yang disebut dengan data space-time. Pada penelitian ini dikembangkan pemodelan Generalized Space-Time Autoregressive (GSTAR) untuk identifikasi, estimasi parameter, dan peramalan NTP subsektor tanaman pangan pada empat provinsi di Pulau Jawa menggunakan metode GSTAR untuk periode 2019. Metode estimasi yang digunakan adalah estimasi Ordinary Least Square (OLS) orde 1 dengan bobot lokasi seragam, bobot lokasi invers jarak, dan bobot korelasi silang. Hasil akhir menunjukkan bahwa bobot korelasi silang menghasilkan ramalan terbaik dengan nilai RMSE terkecil sebesar 1,62. Hasil peramalan menunjukkan bahwa petani di Provinsi Jawa Timur, Jawa Barat, dan DIY cenderung sejahtera, yang dapat diketahui dari NTP yang lebih dari 100, sedangkan untuk Provinsi Jawa Tengah, petani dikategorikan tidak sejahtera pada bulan-bulan tertentu karena NTP kurang dari 100.
=============================================================================================================================
Indonesia, as an agricultural country where the majority of the population works as farmers, has a way of determining the farmers' welfare index, namely the Farmers Terms of Trade (NTP). Forecasting can serve as a consideration for related parties in anticipating declines in NTP as a means of determining appropriate policies for food crop farmers for the following year. In its development, multivariate time series data is often encountered in daily life, which not only contains relationships with events at previous times but also has relationships with other locations or places, referred to as space-time data. In this study, a Generalized Space-Time Autoregressive (GSTAR) model was developed for identification, parameter estimation, and forecasting of the food crop sub-sector NTP in four provinces on Java Island using the GSTAR method for the 2019 period. The estimation method used is Ordinary Least Squares (OLS) estimation of order 1, with uniform location weights, inverse distance location weights, and cross-correlation weights. The final results show that cross-correlation weighting produces the best forecast, with the smallest RMSE value of 1.62. The forecasting results show that farmers in East Java, West Java, and DIY tend to be prosperous, as reflected by NTP values above 100, while in Central Java Province, farmers are categorized as not prosperous in certain months when NTP falls below 100.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	multivariate, space-time, GSTAR, NTP
Subjects:	Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA275 Theory of errors. Least squares. Including statistical inference. Error analysis (Mathematics) Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Riska Fuadi
Date Deposited:	06 Aug 2026 04:32
Last Modified:	06 Aug 2026 04:32
URI:	http://repository.its.ac.id/id/eprint/66148

Actions (login required)

View Item