Penerapan Metode Campuran Autoregressive Integrated Moving Average Dan Quantile Regression (Arima-Qr) Untuk Peramalan Harga Cabai Sebagai Komoditas Strategis Pertanian Indonesia

Putri, Maria Cendanasari Kurniawan (2018) Penerapan Metode Campuran Autoregressive Integrated Moving Average Dan Quantile Regression (Arima-Qr) Untuk Peramalan Harga Cabai Sebagai Komoditas Strategis Pertanian Indonesia. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5214100132-Undergraduate_Theses.pdf]
Preview
Text
5214100132-Undergraduate_Theses.pdf - Accepted Version

Download (5MB) | Preview

Abstract

Salah satu komoditas atau tanaman hortikultura yang memiliki nilai ekonomi penting di Indonesia ialah cabai. Adapun kondisi harga cabai merah sebagai salah satu komoditas strategis di Indonesia ini dari tahun ke tahun terus mengalami fluktuasi, namun cenderung meningkat selama beberapa tahun terakhir. Ketika pasokan cabai di pasar kurang, harganya dapat jauh melambung tinggi dari harga normal. Dan sebaliknya ketika pasokannya berlebihan, harganya akan turun jauh di bawah harga normal. Hal ini dipengaruhi oleh berbagai faktor seperti musim panen, jumlah pasokan, konsumsi masyarakat dan lain-lain. Oleh karena itu, diperlukan suatu metode peramalan untuk dapat memperkirakan harga dari komoditas strategis ini sehingga dapat digunakan untuk mendukung pembuatan keputusan terkait dengan masalah harga.

Untuk itu, dalam tugas akhir ini dilakukan peramalan harga cabai dengan menggunakan metode ARIMA-QR. Dalam melakukan peramalan, digunakan beberapa variabel yang berpengaruh terhadap fluktuasi harga cabai merah, di antaranya jumlah produksi cabai, konsumsi cabai, luas panen dan hari besar nasional. Data yang digunakan adalah data bulanan selama 8 tahun, mulai dari tahun 2008 hingga tahun 2016. 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 pemodelan ARIMA, dimana nilai peramalan dari model ARIMA ini nantinya akan dijadikan sebagai input variable bersama variabel lainnya dalam model QR.

Tugas akhir ini memberikan model peramalan harga menggunakan ARIMA dan ARIMA-QR. Hasil evaluasi model menggunakan MAPE membuktikan bahwa metode yang dipilih baik ARIMA maupun ARIMA-QR memiliki tingkat akurasi yang tinggi, karena nilai MAPE keduanya di bawah 20%.
Peramalan dengan menggunakan metode ARIMA-QR dengan melibatkan semua variabel pada studi kasus ini untuk keempat provinsi selain Jawa Barat adalah lebih baik jika dibandingkan dengan metode ARIMA-QR tanpa variabel hari besar nasional. Adapun Adapun variabel hari besar memang memiliki pengaruh terhadap harga cabai, namun pengaruhnya sangat kecil, yakni rata-rata hanya sebesar 0,13%.

Peramalan dengan menggunakan metode ARIMA pada studi kasus ini untuk kelima provinsi adalah lebih baik jika dibandingkan metode ARIMA-QR dengan quantile 0.25 dan 0.75. Sementara ARIMA-QR yang melibatkan seluruh variabel dengan quantile 0.50 (median) untuk keempat provinsi selain Jawa Barat memiliki nilai MAPE yang lebih baik dari metode ARIMA.

Adapun bila hasil peramalan diukur dengan MDA, metode ARIMA menunjukkan hasil yang lebih baik daripada ARIMA-QR. Dengan kata lain, peramalan dengan metode ARIMA dapat lebih mengikuti pola data aktual dibandingkan metode ARIMA-QR.

========================================================================================

One of the commodities or horticultural crops that have important economic value in Indonesia is chili. The condition of red chili price as one of strategic commodities in Indonesia from year to year continue to experience fluctuation, but tends to increase during the last few years. When the supply of chili in the market is low, the price can soar higher than the normal price. Oppositely, when the supply is excessive, the price will fall well below the normal price. It is influenced by various factors such as harvest season, supply amount, public consumption and others. Therefore, a forecasting method is needed to be able to estimate the price of this strategic commodity so that it can be used to support decision-making related to price issues.

For that, in this final project is done forecasting the price of chili by using ARIMA-QR method. In this forecasting, used several variables that affect the fluctuation of red chili prices, including the amount of chili production, chili consumption, harvested area and national day. The data used is monthly data for 8 years, starting from 2008 until 2016. Before doing the forecasting, it is need to make the best model with parameters that have a certain value so that has the lowest error value. This model will be used to forecast the next period in ARIMA modeling, where the forecasting value of this ARIMA model will be used as input variable along with other variables in the QR model.

This final project provides forecasting model of price using ARIMA and ARIMA-QR. The results of model evaluation using MAPE proved that the chosen method of both ARIMA and ARIMA-QR has a high degree of accuracy, because the MAPE value is still below 20%. The forecasting using ARIMA-QR method involving all variables in this case study for the four provinces besides West Java is better than ARIMA-QR method without national day variable. When compared with ARIMA method, ARIMA forecasting result is better than ARIMA-QR method with quantile 0.25 and 0.75. While ARIMA-QR involving all variables with quantile 0.50 (median) for the four provinces besides West Java has MAPE value better than ARIMA method.

As for when forecasting results are measured by MDA, ARIMA methods show better results than ARIMA-QR. In other words, forecasting by ARIMA method can more follow the actual data pattern than ARIMA-QR method.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 519.535 Put p-1 3100018074300
Uncontrolled Keywords: Peramalan,komoditas strategis pertanian,harga cabai merah, ARIMA,Quantile regression, ARIMA-QR
Subjects: Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions: Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis
Depositing User: Maria Cendanasari Kurniawan Putri
Date Deposited: 28 Feb 2018 07:33
Last Modified: 15 Jun 2020 08:42
URI: http://repository.its.ac.id/id/eprint/49559

Actions (login required)

View Item View Item