Please use this identifier to cite or link to this item: http://repository.ipb.ac.id/handle/123456789/91592
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAidi, Muhammad Nur-
dc.contributor.advisorAfendi, Farit Mochamad-
dc.contributor.authorMessakh, Januar Harun Paulus-
dc.date.accessioned2018-04-18T08:13:34Z-
dc.date.available2018-04-18T08:13:34Z-
dc.date.issued2018-
dc.identifier.urihttp://repository.ipb.ac.id/handle/123456789/91592-
dc.description.abstractBeras telah menjadi sumber bahan makanan pokok utama masyarakat di hampir seluruh daerah di Indonesia dengan konsumsi per kapita per tahun mencapai 85 kilogram. Salah satu masalah yang mungkin timbul akibat penambahan jumlah populasi penduduk adalah pemenuhan kebutuhan pangan dalam negeri. Penambahan jumlah penduduk perlu diikuti dengan strategi dan kebijakan yang tepat terkait pemenuhan kebutuhan pangan dalam negeri. Untuk menyusun strategi dan kebijakan yang tepat diperlukan ketersediaan data yang akurat. Salah satu indikator penting terkait data pangan adalah luas panen padi yang erat hubungannya dan secara teknis menentukan besar atau kecilnya angka produksi padi. Selain data yang akurat, diperlukan juga metode yang tepat untuk memprediksi kejadian di masa yang akan datang, salah satunya adalah dengan permalan. Generalized Space Time Autoregressive Integrated Moving Average (GSTARIMA) adalah teknik analisis ruang dan waktu yang mengkombinasikan analisis deret waktu yakni Autoregressive Integrated Moving Average (ARIMA) dengan keterkaitan antar lokasi yang direpresentasikan oleh matriks pembobot spasial. Di Indonesia terdapat enam provinsi yang memiliki luas panen padi terbesar yakni Jawa Barat, Jawa Tengah, Jawa Timur, Sulawesi Selatan, Sumatera Selatan, dan Sumatera Utara. Model GSTARIMA untuk peramalan luas panen padi di keenam provinsi di Indonesia yang dibentuk adalah GSTARIMA (2,0,0)*(0,1,1)12 dengan matriks pembobot kebalikan jarak dan korelasi silang. Perbandingan hasil peramalan luas panen padi 12 periode ke depan diperoleh model dengan matriks pembobot korelasi silang memberi akurasi yang lebih baik dibanding matriks pembobot kebalikan jarak, hal ini dapat dilihat dari MAPE Total model dengan pembobot korelasi silang lebih kecil dibanding model dengan pembobot kebalikan jarak. Model ARIMA secara umum memberikan hasil ramalan yang lebih baik dibanding model GSTARIMA karena lebih fleksibel dalam penentuan ordo pada masing-masing lokasi.id
dc.language.isoidid
dc.publisherBogor Agricultural University (IPB)id
dc.subject.ddcStatistical applicationid
dc.subject.ddcStatistical modelid
dc.subject.ddc2015id
dc.subject.ddcIndonesiaid
dc.titlePemodelan Luas Panen Padi Menggunakan GSTARIMA Pada Enam Provinsi Di Indonesiaid
dc.typeThesisid
dc.subject.keywordGSTARIMAid
dc.subject.keywordluas panen padiid
dc.subject.keywordmatriks pembobot spasialid
dc.subject.keywordperamalanid
dc.subject.keywordruang-waktuid
Appears in Collections:MT - Mathematics and Natural Science

Files in This Item:
File SizeFormat 
2018jhp.pdf
  Restricted Access
19.17 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.