PERAMALAN HARGA BERAS MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA): STUDI KASUS PROVINSI DKI JAKARTA

PERAMALAN HARGA BERAS MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA): STUDI KASUS PROVINSI DKI JAKARTA

• By Giffari Aulya, Karisma Melisa, Putri Zhafirah Dwi;
• S1- Sistem Infomasi
• 3
• 1-72

Beras merupakan struktur pangan dengan nutrisi yang sangat penting dan sangat banyak dikonsumsi oleh masyarakat Indonesia. Ketersediaan beras dalam negeri harus terpenuhi karena beras adalah komoditas pangan yang strategis dan politis. Provinsi DKI Jakarta sebagai pusat perekonomian dan ibu kota negara mempunyai peranan yang strategis dalam memajukan perekonomian nasional, pergerakan harga komoditas bahan pangan seperti beras kerap menjadi pusat perhatian dibandingkan daerah lain. Beragam faktor dapat berdampak terhadap kestabilan harga serta stok beras yang berefek pada fluktuasi naik-turunnya harga beras setiap bulannya. Untuk itu dibutuhkan suatu program yang dapat melakukan peramalan harga pokok beras untuk menggambarkan permasalahan ketidakstabilan harga bahan pangan di masa yang akan datang. Pada penelitian kali ini kami membuatkan program peramalan harga beras menggunakan bahasa pemrograman Python dan IDE Jupyter Notebook dengan menerapkan metode deret waktu ARIMA (Autoregressive Integrated Moving Average). Data yang dipakai adalah data tunggal berisi harga beras dalam kurun waktu 2018 – 2023 dengan granularity bulanan. Hasil peramalan harga beras diukur melalui 4 error metrics yaitu MSE, RMSE, MAE, dan MAPE yang menunjukkan bahwa hasil akurat dengan interpretasi error yang rendah.

• Katakunci ARIMA, Python, Peramalan Harga Beras, DKI Jakarta, Error Metrics
• URL http://
• Penerbit ,

REFERENSI

Anandyani, A. R., Astutik, D. K. A., Bariroh, N., & Indrasetianigsih, A. (2021). Prediksi Rata-Rata Harga Beras Yang Dijual Oleh Pedagang Besar (Grosir) Menggunakan Metode Arima Box Jenkins. Teknosains: Media Informasi Sains Dan Teknologi, 15(2), 151. https://doi.org/10.24252/teknosains.v15i2.17721

BPS. (2022). Provinsi DKI Jakarta Dalam Angka DKI Jakarta Province In Figures 2022. 81–81.

Elsa Fitri, A., Nabila, D., Melenia, D., Guntoro Aji, L., Salwa Azmah, N., & Fadilah, S. (2021). Peramalan Harga Beras Pada Pasar Tradisional Di Indonesia Dengan Menggunakan Model Arima. DwijenAGRO, 11(1), 12–16. http://ejournal.undwi.ac.id/index.php/dwijenagro/article/view/1079%0Ahttp://ejournal.undwi.ac.id/index.php/dwijenagro/article/download/1079/950

Fadhlurrahman, I. (2024). Harga Beras Premium di DKI Jakarta Tiga Bulan Terakhir Turun 5,15%. https://databoks.katadata.co.id/datapublish/2024/06/07/harga-beras-premium-di-dki-jakarta-tiga-bulan-terakhir-turun-515

Fauzani, S. P., & Rahmi, D. (2023). Penerapan Metode ARIMA Dalam Peramalan Harga Produksi Karet di Provinsi Riau. Jurnal Teknologi Dan Manajemen Industri Terapan, 2(4), 269–277. https://doi.org/10.55826/tmit.v2i4.283

Lestiyanto Wibisono, Arman, & Taufikurohman, M. R. (2022). Analisis Ketersediaan Stok Beras Terhadap Harga Beras Di Dki Jakarta (Studi Kasus: Pasar Induk Beras Cipinang). Jurnal Bioindustri, 4(2), 149–163. https://doi.org/10.31326/jbio.v4i2.1007

Natasya, Musdalifah, S., & Andri. (2021). Prediksi Harga Beras Di Tingkat Perdagangan Besar Indonesia Menggunakan Algoritma Backpropagation. Jurnal Ilmiah Matematika Dan Terapan, 18(2), 148–159. https://doi.org/10.22487/2540766x.2021.v18.i2.15688

Naya, F. P., Berlianti, S. S., Parcha, N., & Kayla, A. (2024). Peramalan harga beras indonesia menggunakan metode arima. 6(2), 184–193.

Shidiq, B. G. A., Furqon, M. T., & Muflikhah, L. (2022). Prediksi Harga Beras menggunakan Metode Least Square. Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(3), 1149–1154.

Wahyu ngestisari. (2020). The Perbandingan Metode ARIMA dan Jaringan Syaraf Tiruan untuk Peramalan Harga Beras. Indonesian Journal of Data and Science, 1(3), 96–107. https://doi.org/10.33096/ijodas.v1i3.18