Evaluasi Kriteria Pemilihan Model untuk Peramalan Inflasi Komoditas Pangan Hewani dan Olahannya dengan Pendekatan TSClust

Abstract

Isu permasalahan yang ada pada pemodelan ARIMA yaitu pada pemilihan model ARIMA terbaik. Tahapan pemodelan deret waktu yang berbasis model ARIMA (p,d,q)) memiliki tiga tahapan iteratif. Tahapan tersebut menghasilkan model ARIMAterbaik berdasarkan kriteria pemilihan model. Ada beberapa kriteria yang biasa digunakan, yaitu: Akaike’s information criterion (AIC), Akaike’s information criterion bias corrected (AICC) dan Bayesian information criterion (BIC), mean absolute percentage error (MAPE), dan root mean squared error (RMSE). Model ARIMA yang dihasilkan berdasarkan kriteria pemilihan model kadang sama atau berbeda ketika kriteria pemilihan model yang digunakan berbeda-beda. Kriteria pemilihan model dapat menghasilkan model terbaik yang berbeda-beda sehingga dapat mempersulit untuk memilih model terbaik yang akan digunakan dan tidak diketahui kriteria pemilihan mana yang memiliki ketepatan identifikasi model ARIMA yang paling baik. Disamping itu, kriteria pemilihan model juga dapat menghasilkan model yang sama sehingga harus dilakukan kajian tentang seberapa mirip antar kriteria pemilihan tersebut. Oleh karena itu, diperlukan suatu kajian tentang karakteristik dari kriteria pemilihan model. Karakteristik yang dapat diamati dari kriteria pemilihan model tersebut adalah ketepatan dalam mengidentifikasi model dan kemiripan antar kriteria pemilihan model. Pada penelitian ini karakteristik ini akan dievaluasi dengan simulasi menggunakan kondisi data pembangkitan yang berbeda-beda. Model ARIMA(p,d,q) dapat digunakan dalam peramalan dengan pendekatan penggeromboan deret waktu (TSClust). Penggerombolan data deret waktu merupakan penggerombolan yang memperhatikan sifat dinamis dari suatu data deret waktu. Penggerombolan deret waktu dibagi menjadi tiga jenis berdasarkan penggunaan jaraknya, yaitu: raw data, feature data dan parameter model. Salah satu jarak yang berbasil model deret waktu adalah jarak Piccolo. Jarak Piccolo menggunakan model ARIMA untuk penggerombolan data deret waktu. Dari masing-masing deret waktu dibuat sebuah model ARIMA berdasarkan kriteria penentuan model terbaik. Kriteria pemilihan model yang akan digunakan adalah kriteria terbaik hasil kajian pada tahap simulasi. Data riil yang digunakan pada penelitian ini adalah data inflasi komoditas pangan hewani dan olahannya di Provinsi DKI Jakarta. Data ini diambil berdasarkan pertimbangan bahwa inflasi merupakan peristiwa yang penting dalam perekonomian nasional. Inflasi diartikan sebagai suatu kecenderungan meningkatnya harga-harga barang dan jasa secara umum dan terus-menerus. Inflasi juga merupakan salah satu indikator pengendalian ekonomi makro yang berdampak luas terhadap berbagai indikator ekonomi lainnya. Kestabilan inflasi merupakan prasyarat bagi pertumbuhan ekonomi yang berkesinambungan yang pada akhirnya memberikan manfaat bagi peningkatan kesejahteraan masyarakat. Pentingnya pengendalian inflasi didasarkan pada pertimbangan bahwa inflasi yang tinggi dan tidak stabil memberikan dampak negatif kepada kondisi sosial ekonomi masyarakat. Adapun tujuan penelitian ini adalah melakukan evaluasi ketepatan mengidentifikasi model ARIMA berdasarkan kriteria pemilihan model dengan simulasi, melakukan evaluasi kemiripan antar kriteria pemilihan model dengan simulasi, dan melakukan peramalan inflasi komoditas pangan hewani dan olahannya Provinsi DKI Jakarta dengan pendekatan TSClust. Kriteria pemilihan model yang memiliki ketepatan paling tinggi yaitu kriteria pemilihan model BIC dengan rata-rata ketepatan identifikasi model ARIMA, yaitu sebesar 63.36%. Kriteria pemilihan model AIC, BIC, AICC dan RMSE memiliki pola nilai yang mirip pada 50 kondisi simulasi ini, karena persamaan antara AIC, BIC, AICC, RMSE memiliki dasar yang sama yaitu menggunakan jumlah kuadrat galat. MAPE tidak memiliki kesamaan pola dengan kriteria lainnya, karena persamaannya dari galat relatif. Selanjutnya, hasil penerapan pada data riil adalah laju inflasi bulanan komoditas pangan hewani dan olahannya mempunyai pola yang beragam. Pemodelan peramalan inflasi dengan penggerombolan efektif dan layak digunakan berdasarkan hasil evaluasi. Komoditas pangan hewani dan olahannya dikelompokan menjadi tujuh gerombol. Masing-masing gerombol mempunyai pola yang berbeda.