Horse Racing Regresi Terpenalisasi: Identifikasi Model Terbaik untuk Peramalan Harga Beras di Jawa Bagian Barat

Abstract

Harga beras di Jawa bagian barat menunjukkan tren yang bervariasi dan cenderung meningkat, sehingga menyulitkan perumusan kebijakan pangan yang tepat waktu dan akurat. Penelitian ini bertujuan menganalisis dinamika harga beras berdasarkan kualitas serta mengidentifikasi model peramalan terbaik dengan mempertimbangkan horizon waktu, kualitas beras, dan metode regularisasi. Data yang digunakan berupa data harian periode April 2019 hingga Januari 2026 dari 27 pasar di DKI Jakarta, Banten, dan Jawa Barat. Metode yang digunakan adalah pendekatan machine learning melalui regresi terpenalisasi dengan skema kompetisi model (horse race), meliputi AR dan ARDL, serta evaluasi menggunakan Root Mean Square Error. Hasil menunjukkan bahwa harga beras antarwilayah saling terintegrasi dengan tren meningkat, di mana DKI Jakarta memiliki harga tertinggi, Banten lebih fluktuasi, dan Jawa Barat relatif stabil. Model terbaik bervariasi menurut horizon, di mana AR unggul pada jangka pendek, sedangkan ARDL dengan faktor nasional paling optimal pada jangka menengah dan seluruh kualitas beras. Elastic Net menjadi metode regularisasi terbaik pada data yang kompleks.

Rice prices in the western part of Java exhibit varying and generally increasing trends, making it difficult to formulate timely and accurate food policies. This study aims to analyze the dynamics of rice prices based on rice quality and to identify the best forecasting model by considering forecasting horizons, rice quality, and regularization methods. The study uses daily data from April 2019 to January 2026 collected from 27 markets across DKI Jakarta, Banten, and West Java. The methodology applies a machine learning approach through penalized regression with a horse race model competition framework, including AR and ARDL models, with evaluation based on Root Mean Square Error (RMSE). The results show that rice prices across regions are interconnected and generally exhibit an upward trend, with DKI Jakarta recording the highest prices, Banten experiencing higher volatility, and West Java remaining relatively stable. The best performing model varies across forecasting horizons, where the AR model performs better in the short term, while the ARDL model with national factors is the most optimal for medium-term forecasting across all rice quality categories. Elastic Net emerges as the best regularization method for handling complex data structures.