Primageza, Hasnaq (2021) Perbandingan Metode NNs-ARIMAX Dan NNs-GSTARIMAX Pada Peramalan Harga Beras Di Indonesia. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211740000062-Undergraduate_Thesis.pdf - Accepted Version Download (5MB) | Preview |
Abstract
Beras merupakan komoditas penyumbang utama pembentuk garis kemiskinan makanan Indoensia. Hal ini terjadi karena beras merupakan makanan pokok sebagian besar penduduk Indonesia. Kebutuhan beras akan selalu terpenuhi jika beras selalu tersedia dan memiliki harga yang stabil.
Akan tetapi harga rata-rata beras nasional pada tahun 2020 mengalami fluktuasi. Fluktuasi ini dipengaruhi oleh berbagai faktor yaitu harga beras di periode sebelumnya, harga gabah beras, konsumsi beras, cuaca dan harga beras di daerah lainnya. Salah satu solusi untuk menyelesaikan permasalahan ini adalah melakukan peramalan terhadap harga beras.
Berdasarkan permasalahan tersebut penelitian ini menawarkan solusi untuk membandingkan metode dalam meramalkan harga beras di Indonesia. Metode yang digunakan adalah Hybrid NNs-ARIMAX dengan Hybrid NNs-GSTARIMAX. Daerah yang dipilih yaitu provinsi di pulau Jawa, yaitu Jawa Barat, Jawa Tengah, Jawa Timur, DKI Jakarta, DI Yogyakarta dan Banten. Variabel input yang dipilih adalah data historis harga rata-rata beras konsumen dengan variabel prediktor luas panen dengan periode mingguan dalam rentang waktu 1 Januari 2008 sampai dengan 31 Desember 2019.
Luaran dari penelitian ini adalah suatu hasil peramalan harga rata-rata beras dan perbandingan akurasi dari metode-metode yang digunakan. Model NNs-ARIMAX terbaik untuk provinsi Banten adalah ARIMAX(4,1,5), provinsi DKI Jakarta adalah ARIMAX(2,1,5), dan ARIMAX(1,1,1) untuk provinsi Jawa Barat, Jawa Tengah, DI Yogyakarta dan Jawa Timur. Model NNs-GSTARIMAX terbaik adalah GSTARIMAX(1,1,0)1. Model tersebut merupakan model terbaik untuk opsi percobaan paling akurat, yaitu 85:15. Terjadi peningkatan nilai MAPE dari metode ANN tunggal ke metode hybrid NNs-ARIMAX sebesar 0.06% dan penurunan nilai MAPE dari metode ANN tunggal ke metode NNs-GSTARIMAX sebesar 4.09%. Hal ini menunjukkan bahwa akurasi metode NNs-GSTARIMAX lebih baik daripada NNs-ARIMAX. Metode NNs-GSTARIMAX memiliki nilai MAPE peramalan lebih baik dan juga memiliki hasil peramalan yang lebih stabil daripda NNs-ARIMAX. Sehingga dapat disimpulkan bahwa metode NNs-GSTARIMAX lebih baik daripada metode NNs-ARIMAX untuk meramalkan harga beras di Indonesia.
======================================================================================================
Rice is the main contributor in food's line of poverty in Indonesia. This happens because rice is the staple food of most of Indonesia's population. Rice needs will always be met if rice is always available and has a stable price.
However, the national average price of rice in 2020 fluctuated. This fluctuation is influenced by various factors namely the price of rice in the previous period, the price of grain in the past, the availability of rice stocks, harvested area, rice production, rice consumption, weather, and rice prices in other areas. Therefore, forecasting the rice price is carried out to solve this problem.
Based on these problems, this study offers a solution to compare methods in predicting rice prices in Indonesia. The method used is Hybrid NNs-ARIMAX with Hybrid NNs-GSTARIMAX. The selected areas are provinces on the island of Java, namely West Java, Central Java, East Java, DKI Jakarta, DI Yogyakarta and Banten. The selected input variable is historical data on the average price of consumer rice with a predictor variable for harvested area with a period ranging from January 1, 2008 to December 31, 2019.
The output of this research is a result of forecasting the average price of rice and a comparison of the accuracy of methods used. The best NNs-ARIMAX model for Banten province is ARIMAX(4,1,5), DKI Jakarta province is ARIMAX(2,1,5), and ARIMAX(1,1,1) for West Java, Central Java, DI Yogyakarta, and East Java. The best NNs-GSTARIMAX model is GSTARIMAX(1,1,0)1. This model is the best model for the most accurate trial option, which is 85:15. There was an increase in the MAPE value from the single ANN method to the NNs-ARIMAX hybrid method by 0.06% and a decrease in the MAPE value from the single ANN method to the NNs-GSTARIMAX method by 4.09%. This shows that the accuracy of the NNs-GSTARIMAX method is better than NNS-ARIMAX. The NNs-GSTARIMAX method has better forecasting MAPE values and also has more stable forecasting results than NNs-ARIMAX. So it can be concluded that the NNs-GSTARIMAX method is better than the NNs-ARIMAX method for predicting rice prices in Indonesia.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Peramalan, Forecasting, Harga Beras, Rice Price, ANN, ARIMAX, GSTARIMAX, Space-time Data, Exogenous Variable |
| Subjects: | H Social Sciences > HB Economic Theory > Economic forecasting--Mathematical models. Q Science > Q Science (General) Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. T Technology > T Technology (General) T Technology > T Technology (General) > T174 Technological forecasting |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Hasnaq Primageza |
| Date Deposited: | 14 Aug 2021 01:32 |
| Last Modified: | 19 Sep 2024 04:04 |
| URI: | http://repository.its.ac.id/id/eprint/86261 |
Actions (login required)
 |
View Item |