Peramalan Harga Cabai dan Bawang di Pasar Tradisional Purwokerto dengan Model Autoregressive Integrated Moving Average (ARIMA)

Cabai dan bawang menjadi salah satu komoditas pertanian yang kerap digunakan sehari-hari. Namun, fluktuatifnya harga cabai dan bawang dapat menyebabkan ketidakstabilan pasar dan merugikan petani saat harga menurun tajam. Oleh karenanya, perlu dilakukan peramalan untuk memprediksi harga keduanya di m...

Full description

Saved in:
Bibliographic Details
Published inSeminar Nasional Official Statistics Vol. 2023; no. 1; pp. 757 - 766
Main Authors Ulya, Fadilla Zundina, Wijaya, Andreas Rony, Puspita, Popy Laras
Format Journal Article
LanguageEnglish
Published 04.10.2023
Online AccessGet full text

Cover

Loading…
More Information
Summary:Cabai dan bawang menjadi salah satu komoditas pertanian yang kerap digunakan sehari-hari. Namun, fluktuatifnya harga cabai dan bawang dapat menyebabkan ketidakstabilan pasar dan merugikan petani saat harga menurun tajam. Oleh karenanya, perlu dilakukan peramalan untuk memprediksi harga keduanya di masa mendatang. Penelitian ini dilakukan untuk menemukan model terbaik dalam meramalkan harga cabai dan bawang menggunakan metode Autoregressive Integrated Moving Average (ARIMA) yang dikaji dengan nilai AIC dan BIC minimum. Data yang digunakan yaitu harga cabai merah besar, cabai rawit, bawang merah, dan bawang putih di Pasar Tradisional Purwokerto sejak Bulan Januari 2022 sampai April 2023. Model yang terpilih yaitu ARIMA (0,1,0), ARIMA (1,1,0), ARIMA (0,1,0), dan ARIMA (3,1,0) berturut-turut untuk cabai merah besar, cabai rawit, bawang merah, dan bawang putih. Metrik evaluasi model peramalan yang digunakan adalah RMSE dan MAPE. Nilainya yang cukup kecil dapat mengindikasikan bahwa model telah sesuai. Berdasarkan hasil peramalan, harga cabai dan bawang pada satu bulan ke depan akan cenderung konstan di harga Rp55.000,- untuk cabai merah besar, Rp55.086,- untuk cabai rawit, Rp45.000,- untuk bawang merah, dan Rp40.000,- untuk bawang putih.
ISSN:2722-1970
2722-1970
DOI:10.34123/semnasoffstat.v2023i1.1794