Fajarani, Indi Yusfida (2016) Peramalan Harga Beras Sebagai Komoditas Pangan Indonesia Dengan Menggunakan Vector Autoregressive (Studi Kasus: Bulog). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5212100083-undergraduate theses.pdf - Published Version Download (2MB) | Preview |
Preview |
Text
5212100083-paperpdf.pdf - Published Version Download (591kB) | Preview |
Preview |
Text
5212100083-presentationpdf.pdf - Presentation Download (1MB) | Preview |
Abstract
Beras memiliki peran penting dalam kehidupan masyarakat
Indonesia. Beras dianggap sebagai kebutuhan pangan penting
di Indonesia karena beras merupakan makanan pokok utama
bangsa Indonesia. Persediaan beras di Indonesia memiliki
pengaruh pada beberapa bidang, seperti bidang ekonomi,
lingkungan, dan sosial politik. Penentuan harga beras
merupakan salah satu kebijakan pemerintah yang penting dan
harus hati-hati mengingat banyaknya faktor yang
mempengaruhi dan bagaimana dampak yang ditimbulkan.
Data yang digunakan dalam penelitian ini adalah data
bulanan harga konsumen beras tingkat sebelumnya, harga
gabah kering panen, produksi padi, luas panen, pengadaan
beras dalam negeri dan luar negeri, dan harga beras Bangkok
5% pada tahun 2000-2015.
Guna mengetahui peningkatan harga beras di masa
mendatang, dilakukan peramalan harga beras dengan
menggunakan metode Vector AutoRegressive (VAR) dengan
model Vector Error Correction (VECM) untuk menganalisa
dan mengidentifikasi faktor-faktor yang mempengaruhinya. Model yang dibangun akan digunakan untuk meramalkan
harga beras Indonesia di masa mendatang. Terdapat 25 model
dengan lima kelompok yang dikembangkan dengan metode
VAR-VECM.
Berdasarkan hasil pengujian, model dengan hasil terbaik
untuk kelompok satu adalah model yang menggunakan
variabel harga beras sebelumnya dan produksi padi (MAPE
2,30%). Pada kelompok dua, model dengan hasil terbaik
adalah model yang menggunakan variabel harga beras
sebelumnya, luas panen dan produksi padi (MAPE 2,30%).
Pada kelompok tiga, model dengan hasil terbaik adalah model
yang menggunakan variabel harga beras sebelumnya, harga
beras Bangkok 5%, luas panen dan produksi padi (MAPE
2,30%). Pada kelompok empat, model dengan hasil terbaik
adalah model yang menggunakan variabel harga beras
sebelumnya, harga beras Bangkok 5%, harga gabah kering
panen, luas panen dan produksi padi (MAPE 2,33%). Pada
kelompok lima, model dengan hasil adalah model yang
menggunakan semua variabel (MAPE 2,44%). ========== Rice has an important role in the life of Indonesian people.
Rice is considered the most valuable food in Indonesia since it
is the main food of its people. Rice stock in Indonesia have
several influences towards other aspect, such as economy,
environment, and social politic. Therefore, the government has
to be careful in deciding rice price since it can be affected by
many factors and impact many aspects.
The data used in this research is the monthly data of rice
consumer price in the previous level, the price of harvested
unhusked rice, the amount of rice production, the area of
harvested field, the procurement of domestic and imported
rice, and Bangkok 5% rice price in 2000-2015.
In order to find out the future rice price, the rice price
forecasting is done using Vector AutoRegressive (VAR) with
Vector Error Correction Model (VECM) method to analyse
and identify the affecting factors. This method is developing 25
models within five groups. These models are then used to
forecast the future rice price in Indonesia
Based on test results, the best model from the first group is the
one using variables of previous rice price and the amount of rice production (MAPE 2.30%). In the secound group, the best
model is the one using variables of previous rice price, the
area of harvested field, and the amount of rice production
(MAPE 2.30%). In the third group, the best model is the one
using variables of previous rice price, Bangkok 5% rice price,
the area of harvested field, and the amount of rice production
(MAPE 2.30%). In the fourth group, the best model is the one
using variables of previous rice price, Bangkok 5% rice price,
the price of harvested unhusked rice, the area of harvested
field, and the amount of rice production (MAPE 2.33%). In the
fifth group, the best model is the one using all variables
(MAPE 2.44%).
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 519.536 Faj p |
| Uncontrolled Keywords: | forecasting, rice price, VAR, VECM, Peramalan, harga beras |
| Subjects: | H Social Sciences > HB Economic Theory > Economic forecasting--Mathematical models. Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | - Davi Wah |
| Date Deposited: | 28 Oct 2019 03:41 |
| Last Modified: | 28 Oct 2019 03:41 |
| URI: | http://repository.its.ac.id/id/eprint/71325 |
Actions (login required)
 |
View Item |