Aplikasi Metode Clustering Time Series Dalam Pemodelan Dan Peramalan Harga Jual Beras Provinsi Di Indonesia

Abstract

Indonesia, produsen beras ketiga terbesar dunia, menghadapi ketidakseimbangan antara produksi dan konsumsi yang meningkatkan harga beras dan menciptakan disparitas harga antar wilayah. Untuk mengidentifikasi pola harga serupa, digunakan Hierarchical Clustering Timeseries dengan jarak Dynamic Time Wraping dan lima pautan euclidean. Peramalan harga dilakukan dengan ARIMA pada tingkat individu dan cluster. Visualisasi dan perbandingan ambang-batas mengidentifikasi Kalimantan Tengah sebagai provinsi outlier. Pemodelan ARIMA individu menunjukkan performa model sangat baik dengan MAPE <10%. Korelasi clustering timeseries menggunakan Cophenetic mencapai 0,72 dan 0,68 pada pautan average, complete, dan centroid. Pemodelan cluster dilakukan menggunakan dua pendekatan: mengabaikan provinsi outlier (1) dan membentuk cluster tunggal untuk provinsi outlier (2). Pengukuran cluster optimal menggunakan Elbow, Silhouette Score, Calinski-Harabasz, dan Davies-Bouldin Index menghasilkan cluster optimal Pendekatan 2 sebanyak 6-7 cluster serta Pendekatan 1 dengan pengoptimalan pemotongan dendorgam sebanyak 3-5 cluster. Perbandingan data aktual individu dan peramalan cluster serta analisis paired t-test menunjukkan ward linkage Pendekatan 2 sebagai hasil terbaik, dengan 27 provinsi memiliki MAPE cluster≤individu. Ini menunjukkan pemodelan cluster mampu meghasilkan estimasi yang mendekati dan merepresentasikan peramalan individu pada 80% provinsi dengan prediksi yang akurat. Peramalan harga beras 12 periode mendatang menggunakan Pendekatan 2 menunjukkan kecenderungan kenaikan harga mayoritas provinsi Indonesia.