Perbandingan VARIMA dan Generalized Space Time ARIMA dalam Memodelkan Harga Cabai.

Abstract

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%