IMPLEMENTASI AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DALAM MEMPREDIKSI PERUBAHAN HARGA BERAS DI INDONESIA

Muhammad Hafidz Ananto, - and Indira Syawanodya, - and Mochamad Iqbal Ardimansyah, - (2025) IMPLEMENTASI AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DALAM MEMPREDIKSI PERUBAHAN HARGA BERAS DI INDONESIA. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Beras merupakan produk pangan dengan konsumsi terbanyak di Indonesia. Konsumsi beras yang banyak ini tentu menyebabkan permintaan beras yang tinggi. Untuk memenuhi permintaan tersebut dibutuhkan proses distribusi produk yang efisien dari produsen ke konsumen. Salah satu model distribusi beras yang banyak digunakan di Indonesia adalah melalui pengecer. Pengecer akan membeli produk dari produsen untuk kemudian disalurkan kepada konsumen. Harga merupakan hal penting dalam proses pendistribusian beras. Konsumen akan memilih beras dengan harga yang sesuai dengan kebutuhan mereka. Harga beras terus mengalami perubahan yang dapat disebabkan dari beragam faktor baik internal maupun eksternal. Pihak yang melakukan distribusi harus mampu membaca situasi perkembangan harga dalam proses pengadaan barang. Jika pihak distributor berhasil membaca perkembangan harga, maka mereka dapat memaksimalkan pendapatan dan meminimalkan pengeluaran mereka. Begitu juga sebaliknya, kegagalan dalam membaca perkembangan harga akan menyebabkan kerugian yang akan mengancam keberlangsungan usaha. Dengan demikian, membaca perkembangan harga menjadi penting untuk menjamin perkembangan serta kelanjutan suatu usaha sehingga dibutuhkan alat yang mampu membantu pihak distributor dalam melakukan proses pengadaan. Memprediksi atau meramalkan perkembangan harga merupakan metode yang dapat digunakan untuk membantu distributor dalam melakukan proses pengadaan. Salah satu model peramalan menggunakan komputer yang banyak digunakan adalah autoregressive integrated moving average (ARIMA). ARIMA merupakan model yang dapat digunakan untuk memprediksi perkembangan harga beras berdasarkan perkembangan beras dari waktu sebelumnya. Kelayakan model ARIMA dapat ditentukan dengan melihat hasil matriks evaluasi mean absolute error (MAE), root mean squared error (RMSE) dan mean absolute percentage error (MAPE). Jika hasil matriks evaluasi terhadap model mendekati 0, maka model dapat dikatakan layak untuk digunakan. Hasil skor evaluasi model ARIMA dalam meramalkan harga beras adalah MAE sebesar 0.0118 untuk beras premium, 0.0125 untuk beras medium, 0.0135 untuk beras submedium dan 0.0264 untuk beras pecah; nilai RMSE sebesar 0.0145 untuk beras premium, 0.0159 untuk beras medium, 0.0165 untuk beras submedium dan 0.0293 untuk beras pecah; nilai MAPE sebesar 0.0118 untuk beras premium, 0.0125 untuk beras medium, 0.0135 untuk beras submedium dan 0.0265 untuk beras pecah. Berdasarkan hasil evaluasi tersebut model dinyatakan layak untuk digunakan karena skor MAE, RMSE dan MAPE mendekati 0 yang menunjukkan bahwa model memiliki tingkat galat yang sangat rendah. -------- Rice is a staple food product in Indonesia. High consumption of rice will lead to high demand of rice. An efficient distribution system from producer to consumer is necessary to meet the high demand. One of the most common rice distribution model is through retailer. Retailer will acquire the product from the producer and distribute the product to the consumer. The price has an important role in this process. Consumer will choose rice with price according to their needs. As rice price keep changing, it is necessary for the distribution to read the market during procurement process. The seller will be able to maximize their profit if they are successful in reading the market. Failing to read the market will cause loss that will threaten their business. It is therefore necessary for seller to be able to read the market for their growth and have a tool to help the distribution to read the market. Forecasting can be used to read the market by forecasting the value of the product in the future. One the model for such case is autoregressive integrated moving average (ARIMA). ARIMA is model that can be used to predict rice prices in the future based on its value in the past. To determine whether ARIMA model is suitable for use, an evaluation matrix of mean absolute error (MAE), root mean squared error (RMSE) and mean absolute percentage error (MAPE) can be used to determine whether it is suitable for use. The evaluation matrix will estimate the performance of the model in forecasting the price with a value closer to 0 can be considered suitable. The evaluation result show that the model has MAE score of 0.0118 for premium type, 0.0125 for medium type, 0.0135 for submedium type and 0.0264 fo pecah type; RMSE score of 0.0145 for premium type, 0.0159 for medium type, 0.0165 for submedium type and 0.0293 for pecah type; MAPE score of 0.0118 for premium type, 0.0125 for medium type, 0.0135 for submedium type and 0.0265 for pecah type. This research conclude that ARIMA can be used to predicting rice price growth with acceptable result based on the model evaluation result, which shows that the MAE, RMSE and MAPE score are all close to 0 which indicate that the model has a very low chance of error.

	Text S_RPL_1904357_Title.pdf Download (1MB)
	Text S_RPL_1904357_Chapter1.pdf Download (54kB)
	Text S_RPL_1904357_Chapter2.pdf Restricted to Staf Perpustakaan Download (232kB)
	Text S_RPL_1904357_Chapter3.pdf Download (391kB)
	Text S_RPL_1904357_Chapter4.pdf Restricted to Staf Perpustakaan Download (433kB)
	Text S_RPL_1904357_Chapter5.pdf Download (38kB)
	Text S_RPL_1904357_Appendix.pdf Restricted to Staf Perpustakaan Download (140kB)

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=list_works&hl=en&user=R-guNZ8AAAAJ ID SINTA Dosen Pembimbing: Indira Syawanodya: 6681751 Mochamad Iqbal Ardimansyah: 6658552
Uncontrolled Keywords:	Beras, Peramalan, Analisa deret waktu, ARIMA. Rice, Forecasting, Time Series Analysis, ARIMA.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	UPI Kampus cibiru > S1 Rekayasa Perangkaat Lunak
Depositing User:	Muhammad Hafidz Ananto
Date Deposited:	19 Aug 2025 07:51
Last Modified:	19 Aug 2025 07:51
URI:	http://repository.upi.edu/id/eprint/135320

Actions (login required)

View Item