The Perbandingan Metode ARIMA dan Jaringan Syaraf Tiruan untuk Peramalan Harga Beras

  • wahyu ngestisari Universitas Kristen Satya Wacana
Keywords: Harga Beras, Peramalan, ARIMA, Jaringan Syaraf Tiruan

Abstract

Beras merupakan bahan makanan pokok yang setiap bulannya selalu mengalami kenaikan dan penurunan harga, disebabkan adanya beberapa faktor. Hal ini menimbulkan ketertarikan untuk dilakukannya prediksi harga beras periode selanjutnya. Berdasarkan data rata-rata harga beras bulanan di tingkat grosir pada tahun 2010-2018 yang diperoleh dari situs resmi BPS, fluktuasi harga beras cenderung mengikuti pola musiman. Metode ARIMA merupakan metode yang paling sering digunakan dalam melakukan peramalan data berpola musiman. Metode lain yang dapat digunakan dalam melakukan peramalan harga beras adalah Jaringan Syaraf Tiruan metode Backpropagation. Pada penelitian ini dilakukan perbandingan terhadap kedua metode tersebut untuk menentukan metode yang lebih akurat dalam melakukan peramalan harga beras. Kriteria ukuran kesalahan peramalan yang digunakan untuk mengetahui ketepatan hasil peramalan adalah menghitung Mean Squared Error (MSE) dari data hasil ramalan masing-masing metode dengan data out sample (Januari 2019- Desember 2019). Berdasarkan hasil peramalan dengan metode ARIMA diperoleh model ARIMA terbaik adalah ARIMA (1,1,0) (0,1,1)12 dengan nilai MSE 51695.36. Sedangkan dengan Jaringan Syaraf Tiruan metode Backpropagation untuk 6 tahun model pelatihan dan 4 tahun untuk model pengujian, diperoleh model arsitektur terbaik adalah JST 12-7-1 dengan nilai MSE 43475.02. Dengan demikian metode yang paling optimal untuk memprediksi harga beras periode selanjutnya adalah JST 12-7-1.

Downloads

Download data is not yet available.

References

A. R. Yanuarti and M. D. Afsari, “PROFIL KOMODITAS BARANG KEBUTUHAN POKOK DAN BARANG PENTING KOMODITAS BERAS,” 2016, p. 44.
K. Sukiyono and R. Rosdiana, “Pendugaan Model Peramalan Harga Beras Pada Tingkat Grosir,” J. AGRISEP, vol. 17, no. 1, pp. 23–30, 2018, doi: 10.31186/jagrisep.17.1.23-30.
R. Ristiana, “Perbandingan arima dan jaringan syaraf tiruan propagasi balik dalam peramalan tingkat inflasi nasional radita ristiana,” 2015.
Y. Andriani, H. Silitonga, and A. Wanto, “Analisis Jaringan Syaraf Tiruan untuk prediksi volume ekspor dan impor migas di Indonesia,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 4, no. 1, p. 30, 2018, doi: 10.26594/register.v4i1.1157.
V. K. Laura, “PERAMALAN BANYAKNYA PENABUNG DI CREDIT UNION SUMBER KASIH TERAJU DENGAN METODE BOX JENKINS,” 2018.
L. R. Sasongko, L. N. Rahayu, and A. R. Kota, “Penentuan Model Peramalan Indeks Harga Saham Gabungan dengan Metode Arima,” Pros. Semin. Nas. Sains dan Pendidik. Sains UKSW, pp. 786–796, 2010.
Z. Kafara, F. Y. Rumlawang, and L. J. Sinay, “Peramalan Curah Hujan Dengan Pendekatan Seasonal Autoregressive Integrated Moving Average (Sarima),” BAREKENG J. Ilmu Mat. dan Terap., vol. 11, no. 1, pp. 63–74, 2017, doi: 10.30598/barekengvol11iss1pp63-74.
N. Istiqomah, “Prediksi Kemunculan Titik Panas Di Provinsi Riau Menggunakan Seasonal Autoregressive Integrated Moving Average (Sarima),"p. 19, 2015.
M. T. P. Manalu, “Jaringan Syaraf Tiruan untuk Memprediksi Curah Hujan Sumatera Utara dengan Metode Back Propagation (Studi Kasus : BMKG Medan),” JURIKOM (Jurnal Ris. Komputer), vol. 3, no. 1, pp. 35–40, 2016.
N. Amalina, “PENERAPAN METODE ARTIFICIAL NEURAL NETWORKS UNTUK MERAMALKAN NILAI EKSPOR MIGAS DAN NON MIGAS DI INDONESIA,” 2016.
Published
2020-12-31