Peramalan Harga Beras di Indonesia Dengan ARIMA
Abstract
Posisi beras sebagai bahan makanan pokok menyebabkan beras akan terus dibutuhkan di kelas manapun sepanjang waktu.Kecenderungan peningkatan kebutuhan maupun permintaan beras yang tidak diikuti oleh peningkatan produksi akan menyebabkan peningkatan harga beras di pasaran. Penelitian ini bertujuan untuk mengetahui hasil peramalan harga beras pada periode selanjutnya. Salah satu metode untuk melakukan peramalan pada data time series yaitu ARIMA (Autoregressive Integrated Moving Average). Adapun model terbaik yang diperoleh yaitu ARIMA (1,2,4). Model tersebut digunakan untuk memprediksi harga beras pada bulan Mei 2024. Penelitian ini dapat dikembangkan dalam penelitian selanjutnya atau dikembangkan dengan metode peramalan lainnya
References
Arofah, Suci Latul .(2020). Peramalan Harga Beras Di Provinsi Jawa Tengah Menggunakan Metode Backpropagation Neural Network Dengan Optimasi Conjugate Gradient Beale-Powell Restars. Skripsi. Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Muhammadiyah Semarang
Badan Pusat Statistika (2023). Diakses pada 15 juni 2023 dari https://www.bps.go.id/
Dewi, D. M., Nafi, M. Z., & Nasrudin, N. (2022). Analisis Peramalan Harga Emas Di Indonesia Pada Masa Pandemi Covid-19 Untuk Investasi. Jurnal Litbang Sukowati: Media Penelitian dan Pengembangan, 5(2), 38-50
Fadlina, R. (2012). Pengaruh Fluktuasi Harga Beras Terhadap Keputusan Konsumen dalam Konsumsi Beras Premium dan Non Premium di Kota Banda Aceh. Skripsi. Fakultas Pertanian Universitas Syiah Kuala, Banda Aceh
Junita, S. (2023). Analisis Peramalan Harga Emas Antam Menggunakan ARIMA. Seminar Nasional Teknologi Informasi dan Matematika. Vol.2, No.1, Hal. 77-84
Hartati, H. (2017). Penggunaan Metode Arima Dalam Meramal Pergerakan Inflasi. Jurnal Matematika Sains Dan Teknologi, 18(1), 1-10
Hassan MF, Islam MA, Imam MF, Sayem SM.(2011). Forecasting Coarse Rice Prices in Bangladesh. Progress.Agric. 22(1&2): 193-201
Hendikawati, P. (2015). Peramalan Data Runtun Waktu Metode dan Aplikasinya dengan Minitab & Eviews. Semarang: FMIPA Unnes
Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2015). Introduction to time series analysis and forecasting. John Wiley & Sons.
Ohyver M, Pudjihastuti H. (2018). ARIMA Model for Forecasting the Price of Medium Quality Rice to Anticipate Price Fluctuations. Procedia Computer Science.135: 707- 711
Setiawan, B. (2013). Menganalisa Statistik Bisnis dan Ekonomi dengan SPSS 21. Yogyakarta: Andi
Sudjana. (2002). Metoda Statistika. Tarsito, Bandung
This work is licensed under a Creative Commons Attribution 4.0 International License.
Penulis yang menerbitkan karyanya ke jurnal ini setuju dengan persyaratan berikut:
Penulis menyimpan hak cipta dan memberikan hak penerbitan pertama kepada jurnal, dengan karya yang secara serentak dilisensikan di bawah Lisensi: Creative Commons Attribution - Share Alike 4.0 Internasional License yang memungkinkan orang lain membagikan karya dengan pengakuan penerbitan awal dan kepenulisan karya di jurnal ini.
