Pengembangan Pemodelan Harga Beras di Wilayah Indonesia Bagian Barat dengan Pendekatan Clustering Time Series

Sekarsari Utami Wijaya, Ngatini Ngatini Ngatini

Abstract


Beras merupakan bahan pokok pangan bagi masyarakat Indonesia dan hampir 90% masyarakat Indonesia mengonsumsi beras. Pada awal tahun 2018 harga beras mengalami peningkatan. Kenaikan harga beras ini jika terus dibiarkan akan menyebabkan terjadinya inflasi yang berdampak pada melambatknya pertumbuhan ekonomi nasional serta dampak negatif lainnya. Dalam rangka perumusan kebijakan pengendalian inflasi maka data dan informasi terkait proyeksi keadaan pasar sangat dibutuhkan. Oleh karena itu, pemodelan harga beras di Indonesia sangat perlu dilakukan. Sebagian besar sentra beras di Indonesia berasal dari provinsi di wilayah Indonesia bagian barat, sehingga pada penelitian ini dilakukan pengembangan model harga beras untuk wilayah Indonesia bagian barat dengan menggunakan pendekatan clustering time series. Pemodelan dilakukan dengan tahapan pengumpulan data, pemodelan ARIMA pada level provinsi, pemodelan ARIMA pada level klaster dan evaluasi keakuratan model dengan menggunakan MAPE. Hasil penelitian ini menunjukan model ARIMA level klaster memiliki keakuratan yang lebih tinggi daripada level provinsi. 


Keywords


Clustering Time Series, Harga Beras, ARIMA, MAPE

Full Text:

PDF

References


M. Ismet, "Tantangan Mewujudkan Kebijakan Pangan Nasional yang Kuat," J. Pangan, vol. 16, no. 1, 2007, doi: https://doi.org/10.33964/jp.v16i1.271.

T. D. Komalasari, "Inflasi, Makna dan Pengaruhnya untuk Kita," 2018. https://www.pikiran-rakyat.com/ekonomi/pr-01293148/inflasi-makna-dan-pengaruhnya-untuk-kita-419017 (accessed Jul. 21, 2018).

H. A. Al Hikam, "12 Provinsi akan Jadi Tumpuan Produksi Beras RI," 2019. https://finance.detik.com/berita-ekonomi-bisnis/d-4428624/12-provinsi-akan-jadi-tumpuan-produksi-beras-ri (accessed Jul. 21, 2018).

Kementerian Perdagangan, Kajian Pengembangan Model Proyeksi Jangka Pendek Pasar Komoditas Pangan Pokok. Jakarta: Kementerian Perdagangan, 2009.

Ngatini, E. Apriliani, and H. Nurhadi, "Ensemble and Fuzzy Kalman Filter for position estimation of an autonomous underwater vehicle based on dynamical system of AUV motion," Expert Syst. Appl., vol. 68, pp. 29–35, Feb. 2017, doi: 10.1016/j.eswa.2016.10.003.

E. N. L. Ati, "Analisis Volatility Forecasting 9 Bahan Pokok Menggunakan Metode GARCH dengan Program R," Universitas Negeri Semarang, 2015.

Sumaryanto, "Analisis Volatilitas Harga Eceran Beberapa Komoditas Pangan Utama Dengan Model Arch/Garch," J. Agro Ekon., vol. 27, no. 2, pp. 135–163, 2009.

W. Adinugroho, "Pengembangan Model Peramalan Harga Minyak Goreng Dengan Pendekatan Clustering Time Series Widyayanto Adinugroho," IPB, 2018.

D. Riyadi, M. A. A., Fithriasari, K., "Data Mining Peramalan Konsumsi Listrik dengan Pendekatan Clustering Time Series sebagai Preprocessing," J. Sains dan Seni ITS , vol. 5, no. 1, pp. D121–D126, 2016.

Z. W. Nazarko J, Jurczuk A, "ARIMA Models in Load Modelling with Clustering Approach," 2005, doi: 10.1109/PTC.2005.4524719.

W. Wei, Time Series Analysis: Univariate and Multivariate Methods. Second penyunt. Temple (US): Pearson Addison Wesley., 2006.

Badan Pusat Statistik (BPS), "Statistik Harga Konsumen Perdesaan Kelompok Makanan Tahun 2010-2018," 2019. https://www.bps.go.id/publication/2019/05/08/0815f41af6d51e3a59ba7957/statistik-harga-konsumen-perdesaan-kelompok-makanan-2010-2018.html.

P. J. Kaufman, L. & Rousseeuw, Finding Groups in Data: An Introduction to Cluster Analysis. New Jersey (US): John Wiley and Sons Inc., 1990.

W. T. Liao, "Clustering of time series data - A survey," Pattern Recognit., vol. 38, no. 11, pp. 1857–1874, 2005, doi: 10.1016/j.patcog.2005.01.025.

D. J. Berndt and J. Clifford, "Using Dynamic Time Warping to Find Patterns in Time Series," in Knowledge Discovery in Databases Workshop, 1994, pp. 359–370.

C. A. Niennattrakul, V. & Ratanamahatana, "On Clustering Multimedia Time Series Data Using K-Means and Dynamic Time Warping," 2007.

R. T. Sungkawa, I. & Megasari, "Penerapan Ukuran Ketepatan Nilai Ramalan Data Deret Waktu dalam Seleksi Model Peramalan Volume Penjualan PT Satriamandiri Citramulia," ComTech Comput. Math. Eng. Appl., vol. 2, no. 2, pp. 636–645, 2011.

M. Montgomery, D. C., Jennings, C. L. & Kulahci, Introduction to Time Series Analysis and Forecasting. Third penyunt. New Jersey (US): John Wiley & Sons Inc., 2008.

S. U. Wijaya, "Pendugaan Parameter dan Pengujian Hipotesis pada Bivariate Poisson Inverse Gaussian Regression," ITS, 2017.

C. D. Lewis, Industrial and Business Forecasting methods: A Radical Guide to Exponential Smoothing and Curve Fitting. Boston (US): Butterworth Scientific., 1982.




DOI: http://dx.doi.org/10.12962/limits.v17i1.5994

Refbacks

  • There are currently no refbacks.


Jumlah Kunjungan:

Creative Commons License
Limits: Journal Mathematics and its Aplications by Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://iptek.its.ac.id/index.php/limits.