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;
• Jurnal Informatika
• 4
• 1-7

- 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 IJCIT LPPM Universitas Bina Sarana Informatika, Jakarta Jawa Barat

REFERENSI

5. REFERENSI
Anandyani, A. R., Astutik, D. K. A., Bariroh, N., &
Indrasetianigsih, A. (2021). Prediksi RataRata 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.v15i
2.17721
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/d
wijenagro/article/view/1079%0Ahttp://ej
ournal.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/datapubl
ish/2024/06/07/harga-beras-premium-didki-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