Peramalan Harga Beras Sebagai Komoditas Pangan Indonesia Dengan Menggunakan Vector Autoregressive (Studi Kasus: Bulog)

Fajarani, Indi Yusfida (2016) Peramalan Harga Beras Sebagai Komoditas Pangan Indonesia Dengan Menggunakan Vector Autoregressive (Studi Kasus: Bulog). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5212100083-undergraduate theses.pdf - Published Version

Download (2MB) | Preview
[img]
Preview
Text
5212100083-paperpdf.pdf - Published Version

Download (591kB) | Preview
[img]
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
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: https://repository.its.ac.id/id/eprint/71325

Actions (login required)

View Item View Item