Analisis Intervensi Fungsi Step terhadap Produksi Padi di Indonesia
Date
2023Author
Latifah, Fella Sufah
Afendi, Farit M.
Dito, Gerry Alfa
Metadata
Show full item recordAbstract
Salah satu komoditas pertanian terbesar di Indonesia yaitu padi. Keberadaan
padi sebagai makanan pokok harus terjaga sehingga dilakukan peramalan terhadap
produksi padi di Indonesia. Peramalan terhadap produksi padi di Indonesia
menggunakan analisis intervensi karena adanya perubahan metode penghitungan
luas panen padi yang digunakan oleh BPS menyebabkan perbedaan hasil produksi
padi di Indonesia cukup signifikan. Model digunakan dalam peramalan ini yaitu
model Autoregressive Integrated Moving Average (ARIMA). Data yang digunakan
dalam penelitian ini merupakan data deret waktu tahunan produksi padi di
Indonesia dari tahun 2000 hingga tahun 2021. Tujuan dari penelitian ini yaitu
mengetahui peramalan produksi padi di Indonesia tahun 2022 dan 2023
menggunakan model regresi dengan ARIMA error dan mengetahui pengaruh
perubahan metode penghitungan luas panen padi terhadap produksi padi di
Indonesia. Model ARIMA pre-intervensi terbaik pada penelitian ini yaitu ARIMA
(1,1,0). Model intervensi dibentuk melalui model regresi dengan ARIMA (1,1,0)
error dengan peubah penjelas regressor yaitu peubah boneka Kerangka Sampel
Area (KSA). Peramalan menggunakan model regresi dengan ARIMA (1,1,0) error
pada produksi padi di Indonesia pada tahun 2022 dan 2023 berturut-turut sebesar
54.303.880 ton dan 54.250.800 ton. Uji validasi model regresi dengan ARIMA
(1,1,0) error menggunakan nilai MAPE. Hasil menunjukkan nilai MAPE pada data
latih dan data uji berturut-turut sebesar 2,684 dan 5,980. Hal tersebut menunjukkan
model regresi dengan ARIMA (1,1,0) error sangat baik digunakan untuk peramalan.
Produksi padi di Indonesia menggunakan metode KSA memiliki perbedaan nilai
sebesar 207,477% lebih rendah dibandingkan dengan produksi padi di Indonesia
menggunakan metode eye estimate. One of the largest agricultural commodities in Indonesia is rice. The
existence of rice as a staple food must be maintained so that forecasting of rice
production in Indonesia is carried out. Forecasting of rice production in Indonesia
used intervention analysis because there was a change in the method of calculating
rice harvest area used by BPS causing significant differences in rice production
results in Indonesia. The model used in this forecasting was the Autoregressive
Integrated Moving Average (ARIMA) model. The data used in this research was
annual time series data for rice production in Indonesia from 2000 to 2021. The
purpose of this research were to determine the forecast for rice production in
Indonesia in 2022 and 2023 using a regression model with ARIMA errors and to
determine the effect of changes in the method of calculating area rice harvest on
rice production in Indonesia. The best pre-intervention ARIMA model in this
research was ARIMA (1,1,0). The intervention model was formed through the
regression model with ARIMA (1,1,0) error with the regressor exogenous variable,
namely the Area Sampling Frame (ASF) dummy variable. Forecasting used a
regression model with an ARIMA (1,1,0) error for rice production in Indonesia in
2022 and 2023 of 54.303.880 tonnes and 54.250.800 tonnes respectively.
Regression model validation test with ARIMA (1,1,0) error used the MAPE value.
The results showed that the MAPE values in the training data and test data were
2,684 and 5,980 respectively. This showed that the regression model with ARIMA
(1,1,0) error was very good for forecasting. Rice production in Indonesia used the
ASF method had a value difference of 207,477% lower than rice production in
Indonesia used the eye estimate method.