PENERAPAN MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) DALAM MERAMALKAN HARGA CABAI DI KOTA BUKITTINGGI

Putri Azura Andila Azura Andila

doi:10.23960/jitet.v13i2.6148

Authors

Putri Azura Andila Azura Andila Universitas Negeri Padang

DOI:

https://doi.org/10.23960/jitet.v13i2.6148

Abstract Views: 238 File Views: 439

Abstract

Cabai merah merupakan salah satu komoditas strategis hortikultura di Indonesia yang memiliki nilai ekonomis tinggi, baik di tingkat nasional maupun daerah. Tingginya konsumsi masyarakat terhadap cabai merah menjadikannya salah satu faktor penting dalam perekonomian. Namun, fluktuasi harga yang sering terjadi menimbulkan risiko kerugian bagi petani, sehingga diperlukan peramalan harga yang akurat untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk memperkirakan harga cabai merah di Kota Bukittinggi dari Bulan Januari hingga Desember 2024, menggunakan metode ARMA (Autoregressive Moving Average). Setelah melalui tahap identifikasi model, pendugaan parameter, dan pemeriksaan diagnostik, maka diperoleh model ARMA (1,0,1) sebagai model terbaik pada analisis harga cabai merah di Kota Bukittiggi.

Downloads

Download data is not yet available.

Author Biography

Putri Azura Andila Azura Andila, Universitas Negeri Padang

Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam

References

S. A. Wulandari, “Fluktuasi harga cabai merah di masa pandemi Covid 19 di Kota Jambi,” J. MeA (Media Agribisnis), vol. 5, no. 2, hal. 112–120, 2020.

BPS Kota Bukittinggi, “Statistika Daerah Kota Bukittinggi 2023,” Bukittinggi, 2023. doi: 1101002.1375.

A. H. Ansori, “Analisis Efisiensi Usahatani Cabai Merah di Desa Junrejo Kecamatan Junrejo,” 2024.

S. Miranda, “Peramalan Produksi Cabai Merah Keriting Menggunakan Metode Causal Forecasting (Studi Kasus pada Pasar Lelang Cabai Sleman),” 2020.

G. E. . Box dan G. M. Jenkins, TIME SERIES ANALYSIS forecasting and control. california, 1976.

I. Wibisonya, “Analisis risiko harga cabai merah keriting di Kabupaten Cianjur Provinsi Jawa Barat,” J. Agribus. Sci. Rural Dev., vol. 1, no. 2, hal. 23–29, 2022.

C. A. Melyani, A. Nurtsabita, G. Z. Shafa, dan E. Widodo, “Peramalan inflasi di Indonesia menggunakan metode Autoregressive Moving Average (ARMA),” J. Math. Educ. Sci., vol. 4, no. 2, hal. 67–74, 2021.

R. J. Hyndman, Forecasting: principles and practice. OTexts, 2018.

F. F. Damanik, “Peramalan Produksi Cabe Besar Dan Cabe Rawit Di Kalimantan Tengah Dengan Metode Arima,” J. Agrienvi Fak. Pertan., 2019.

S. Makridakis, S. C. Wheelwright, dan V. E. McGee, “Metode dan aplikasi peramalan,” Jakarta: Erlangga, 1999.

D. N. Gujarati dan D. C. Porter, “Basic Econometrics, hardcover ed.” McGraw-Hill Education: New York, NY, USA, 2008.

C. Chatfield dan H. Xing, The analysis of time series: an introduction with R. Chapman and hall/CRC, 2019.

D. A. Dickey dan W. A. Fuller, “Distribution of the estimators for autoregressive time series with a unit root,” J. Am. Stat. Assoc., vol. 74, no. 366a, hal. 427–431, 1979.

R. H. Shumway, D. S. Stoffer, dan D. S. Stoffer, Time series analysis and its applications, vol. 3. Springer, 2000.

P. J. Brockwell dan R. A. Davis, Introduction to time series and forecasting. Springer, 2002.

M. Hasan, G. Wathodkar, dan M. Muia, “ARMA model development and analysis for global temperature uncertainty,” Front. Astron. Sp. Sci., vol. 10, hal. 1–20, 2023, doi: 10.3389/fspas.2023.1098345.