Perbandingan VARIMA dan Generalized Space Time ARIMA dalam Memodelkan Harga Cabai.
View/ Open
Date
2018Author
Kencana, Briandamar
Aidi, Nur Muhammad
Wijayanto, Hari
Metadata
Show full item recordAbstract
Cabai merupakan komoditas penting bagi perekonomian dan kenaikan
harga cabai turut menyumbang besarnya inflasi bahan makanan yang terjadi di
Indonesia. Provinsi DKI Jakarta merupakan daerah yang tidak mempunyai produksi
cabai, pemenuhan kebutuhan cabai didatangkan terutama dari Provinsi Jawa Barat,
Jawa Tengah dan Jawa Timur. Hal tersebut mengindikasikan terdapat keterkaitan
antara lokasi pada harga cabai di Pulau Jawa. Permodelan harga cabai pada lima
provinsi di Pulau Jawa dimaksudkan untuk meramalkan harga cabai mingguan yang
tidak hanya terkait dengan waktu sebelumnya tetapi juga terkait dengan provinsi
disekitarnnya. Model Vector Autoregressive Integrated Moving Average
(VARIMA) adalah model peramalan data deret waktu peubah ganda. Model
tersebut tidak hanya bergantung pada lag dari peubah itu sendiri tetapi juga
dipengaruhi oleh lag peubah lainnya. Sedangkan pendekatan dengan model
Generalized Space Time Autoregressive Intergrated Moving Average
(GSTARIMA) merupakan pengembangan model data deret waktu peubah ganda
yang memasukan pembobot lokasi. Hasil penelitian menunjukan model yang
dihasilkan untuk meramalkan harga cabai menggunakan kedua model tersebut
adalah model VAR (3) dan GSTAR(3;1). Nilai mean absolute percentage error
(MAPE) yang dihasilkan pada model VAR (3) lebih kecil dibandingkan model
GSTAR (3;1). Nilai MAPE yang dihasilan oleh model VAR (3) sebesar 6.8378%
dengan R2 sebesar 92.9677%