Kajian Model Peramalan Tiga Harga Komoditas Pangan Untuk 34 Ibu Kota Provinsi dengan Pendekatan Multivariate Time Series

Abstract

Fluktuasi harga pangan di Indonesia, khususnya pada komoditas beras, telur ayam, dan bawang merah, merupakan isu penting yang berpengaruh signifikan terhadap stabilitas ekonomi dan daya beli masyarakat. Dinamika harga tersebut tidak hanya dipengaruhi oleh mekanisme pasar domestik, tetapi juga oleh faktor makroekonomi seperti nilai tukar Rupiah serta perbedaan kondisi sosial ekonomi, infrastruktur, dan geografis antarwilayah. Kompleksitas hubungan antarpeubah dan keragaman pola temporal di setiap daerah menuntut pendekatan analisis yang mampu menangkap keterkaitan dinamis antarvariabel secara simultan. Oleh karena itu, penelitian ini mengembangkan model peramalan berbasis multivariate time series dengan mengintegrasikan pendekatan ekonometrika dan pembelajaran mesin melalui kombinasi VECMX dan LSTM pada data harga pangan 34 ibu kota provinsi di Indonesia. Penelitian ini bertujuan untuk mengidentifikasi karakteristik volatilitas harga pangan di berbagai wilayah Indonesia, menganalisis pengaruh nilai tukar Rupiah terhadap dinamika harga, mengoptimalkan strategi penggerombolan wilayah berdasarkan kesamaan pola pergerakan harga, peramalan harga komoditas pangan untuk 22 periode mendatang, serta mengevaluasi ketahanan model dalam mengahadapi berbagai kondisi pasar melalui skema simulasi. Pemodelan peramalan dilakukan menggunakan tiga pendekatan utama, yaitu VECMX, LSTM, dan hybrid VECMX–LSTM yang memanfaatkan residual model linear sebagai input bagi LSTM untuk menangkap pola nonlinier. Penggerombolan wilayah dilakukan menggunakan algoritma K-Means berbasis jarak DTW dengan input data hasil peramalan model individu menggunakan pendekatan predictive-based. Penentuan nilai K optimal menggunakan Elbow dan Silhouette Score, serta kualitas gerombol dievaluasi kembali dengan DBI. Evaluasi dan validasi performa model peramalan dilakukan secara kuantitatif menggunakan MAPE dan uji Wilcoxon. Selain itu, dilakukan evaluasi visual melalui grafik pola hasil peramalan individu dan gerombol guna memperkuat interpretasi kuantitatif dan memastikan kesesuaian pola temporal antara prediksi dan observasi. Analisis dilakukan pada data empiris dan data simulasi dengan tiga skenario yaitu peningkatan volatilitas 1.5 kali dan 2 kali, serta penambahan tren untuk menguji ketahanan model perubahan harga jangka panjang. Hasil penelitian menunjukkan bahwa karakteristik volatilitas harga pangan antarwilayah di Indonesia bersifat heterogen. Wilayah Indonesia bagian timur seperti Papua, Maluku, dan Manokwari memiliki tingkat harga lebih tinggi dengan volatilitas yang relatif stabil, sedangkan wilayah barat cenderung menunjukkan fluktuasi yang lebih dinamis. Perbedaan ini mencerminkan ketimpangan struktur pasar dan distribusi antarwilayah yang memengaruhi pergerakan harga komoditas pangan secara spasial. Berdasarkan hasil pemodelan VECMX, nilai tukar Rupiah berpengaruh signifikan terhadap dinamika harga ketiga komoditas pangan, terutama melalui mekanisme biaya impor dan distribusi, meskipun pengaruh relatifnya lebih kecil. Hasil uji kointegrasi dan kausalitas menunjukkan adanya hubungan jangka panjang antar komoditas, yang diperkuat oleh nilai ECT yang signifikan, menandakan bahwa setiap komoditas memiliki mekanisme penyesuaian terhadap ketidakseimbangan harga jangka panjang. Kombinasi model VECMX dan LSTM melalui pendekatan hybrid terbukti meningkatkan akurasi dan stabilitas peramalan di seluruh wilayah dan skenario simulasi. Model hybrid memperoleh nilai MAPE di bawah 10%, menandakan tingkat akurasi sangat baik. Model ini mampu menangkap hubungan struktural jangka panjang sekaligus fluktuasi nonlinier jangka pendek secara simultan. Hasil peramalan 22 periode ke depan menggunakan model hybrid menunjukkan bahwa harga beras cenderung meningkat secara moderat dan stabil, harga telur ayam mengalami peningkatan yang konsisten, sementara harga bawang merah memperlihatkan fluktuasi yang lebih tajam dengan interval naik-turun yang lebih pendek, menandakan volatilitas yang tinggi pada sektor hortikultura. Pendekatan penggerombolan wilayah berbasis DTW berhasil mengelompokkan 34 wilayah ke dalam tiga gerombol utama dengan pola harga yang serupa. Hasil evaluasi menunjukkan nilai Silhouette Score sebesar 0.45 dan Davies–Bouldin Index sebesar 0.67, menandakan kualitas penggerombolan yang baik dan stabil terhadap variasi data. Model berbasis gerombol menghasilkan akurasi yang sebanding dengan model individu namun lebih efisien secara komputasi dan tetap stabil terhadap perubahan kondisi pasar. Berdasarkan evaluasi MAPE, uji Wilcoxon, serta visualisasi hasil peramalan, pendekatan penggerombolan terbukti mampu merepresentasikan pola umum harga antarwilayah tanpa kehilangan karakteristik utama hasil peramalan individu, sekaligus menunjukkan konsistensi performa antarulang pengujian. Pengujian melalui skenario simulasi menunjukkan bahwa model hybrid tetap stabil dan konsisten meskipun terjadi peningkatan volatilitas hingga dua kali lipat dan penambahan tren kebijakan. Tidak terdapat perbedaan signifikan antara hasil peramalan pada level individu dan gerombol, yang mengindikasikan bahwa pendekatan spasio-temporal multivariat ini robust terhadap perubahan struktur pasar dan dinamika eksternal. Dengan demikian, pendekatan penggerombolan tidak dimaksudkan untuk menggantikan pemodelan individu, tetapi menjadi alternatif yang sangat efektif dan efisien dalam menangani peramalan harga pangan berskala besar, karena mampu mempertahankan ketepatan prediksi sambil mengurangi kompleksitas komputasi dan redundansi pemodelan antarwilayah. Secara keseluruhan, penelitian ini membuktikan bahwa integrasi model hybrid dengan pendekatan penggerombolan berbasis DTW mampu menggambarkan dinamika spasio-temporal harga pangan di Indonesia secara komprehensif. Pendekatan ini efektif dalam menghasilkan prediksi dengan tingkat akurasi tinggi, tangguh terhadap berbagai skenario volatilitas, serta memberikan pemahaman mendalam mengenai keterkaitan struktural antar komoditas dan antarwilayah. Pendekatan ini juga dapat menjadi pendekatan alternatif yang efisien, andal, dan berpotensi besar untuk mendukung kebijakan stabilisasi harga pangan yang berbasis bukti dan berskala nasional.

Fluctuations in food prices in Indonesia, particularly for rice, chicken eggs, and shallots, represent a critical issue that significantly influences economic stability and household purchasing power. These price dynamics are shaped not only by domestic market mechanisms but also by macroeconomic factors such as the Rupiah exchange rate, as well as socio-economic, infrastructural, and geographical disparities across regions. The complexity of inter-variable relationships and the heterogeneity of temporal patterns across provinces necessitate an analytical approach capable of capturing dynamic interdependencies simultaneously. Therefore, this study develops a multivariate time series forecasting model that integrates econometric and machine learning approaches through a hybrid combination of VECMX and LSTM using food price data from 34 provincial capitals in Indonesia. The study aims to identify the characteristics of food price volatility across regions in Indonesia, analyze the impact of the Rupiah exchange rate on price dynamics, optimize regional clustering strategies based on similarities in price movement patterns, forecast food prices for the next 22 periods, and evaluate the model’s robustness under various market conditions through simulation scenarios. The forecasting framework employs three main modeling approaches, VECMX, LSTM, and hybrid VECMX–LSTM, where the residuals from the linear model serve as input for the LSTM to capture nonlinear patterns. Regional clustering is performed using a DTW-based K-Means algorithm with predictive-based input from individual model forecasts. The optimal number of clusters (K) is determined using the Elbow and Silhouette Score methods, while gerombol quality is assessed using the DBI. Model performance is quantitatively evaluated using MAPE and the Wilcoxon test, complemented by visual evaluation through comparative plots of individual and clustered forecasts to validate temporal consistency between predictions and observations. Analyses are conducted on both empirical and simulated data under three scenarios: volatility increases of 1.5x and 2x, and an added trend component to test model resilience under long-term market shifts. The results reveal that food price volatility across Indonesian regions is heterogeneous. Eastern regions such as Papua, Maluku, and Manokwari exhibit higher price levels with relatively stable volatility, while western regions display more dynamic fluctuations. These disparities reflect structural and distributional inequalities that shape the spatial dynamics of food prices. The VECMX model confirms that the Rupiah exchange rate significantly affects price movements of the three commodities, mainly through import and distribution cost mechanisms, although the magnitude of this effect is relatively smaller compared to inter- commodity relationships. Cointegration and causality tests indicate both long- and short-term relationships among commodities, reinforced by significant ECT, signifying each commodity’s adjustment mechanism toward long-run equilibrium. The hybrid VECMX–LSTM model demonstrates superior forecasting accuracy and stability across all regions and simulation scenarios, achieving MAPE values below 10%, which indicates excellent predictive performance. This hybrid approach effectively captures both structural long-term relationships and nonlinear short-term fluctuations. Forecasts for the next 22 periods show that rice prices are projected to rise moderately and remain stable, chicken egg prices to steadily increase, and shallot prices to fluctuate sharply with shorter up-and-down intervals, illustrating higher volatility in the horticultural sector. The DTW-based clustering approach successfully grouped the 34 regions into three main clusters with similar price movement patterns. Evaluation results show a Silhouette Score of 0.45 and a Davies–Bouldin Index of 0.67, indicating good clustering quality and robustness to data variations. Gerombol-based models achieved accuracy comparable to individual models while being more computationally efficient and stable under changing market conditions. Based on MAPE, Wilcoxon tests, and visual comparisons, the clustering approach effectively represents general interregional price dynamics without losing the distinctive features of individual forecasts, maintaining consistency across repetitions and scenarios. Simulation-based experiments further confirm that the hybrid model remains stable and consistent even under increased volatility and added policy trend scenarios. No significant difference was found between individual- and gerombol- level forecasts, suggesting that this spatio-temporal multivariate approach is robust to structural and external market changes. Consequently, the clustering approach is not intended to replace individual modeling, but rather serves as a highly effective and efficient alternative for large-scale food price forecasting, maintaining predictive accuracy while reducing computational complexity and redundancy across regions. Overall, this study demonstrates that integrating a hybrid VECMX–LSTM model with a DTW-based clustering framework can comprehensively capture the spatio-temporal dynamics of food prices in Indonesia. The proposed approach delivers highly accurate, robust, and interpretable forecasts, offering deep insights into structural linkages across commodities and regions. This method provides a reliable and scalable analytical foundation to support evidence-based, adaptive policymaking for national food price stabilization.