Metode Seasonal ARIMA untuk Meramalkan Produksi Kopi Dengan Indikator Curah Hujan Menggunakan Aplikasi R di Kabupaten Lampung Barat
Abstract
Abstrak. Penelitian ini bertujuan untuk mendapatkan model terbaik dan meramalkan jumlah produksi kopi berdasarkan model terbaik yang telah diperoleh menggunakan metode Seasonal ARIMA yaitu dengan cara memodelkan data. Setelah diperoleh beberapa model pada masing-masing data, kemudian model terbaik dipilih berdasarkan pada kriteria nilai AIC dan SBC dengan nilai paling minimum. Hasil penelitian diperoleh untuk nilai AIC dan SBC yang paling minimum untuk data produksi kopi adalah model ARIMA (1,2,0)(1,2,1)12 dan untuk data curah hujan adalah model ARIMA (0,1,1)(1,1,0)12. Model tersebut adalah model yang akan digunakan untuk memprediksi jumlah kopi pada beberapa tahun mendatang di Kabupaten Lampung Barat.
Kata Kunci: seasonal ARIMA, peramalan, aplikasi R, kopi, lampung
Abstract. This research is used to get the best model and predict the amount of coffee production based on the best model that have been obtained by using seasonal ARIMA method. There are several steps of ARIMA seasonal method, the first is modeling data After obtaining several models on each data then the best model is chosen based on AIC and SBC value criteria with minimum value, minimum AIC and SBC value for coffee production data is ARIMA model (1,2,0)(1,2,1)12 and for rainfall data is ARIMA model (0,1,1)(1,1,0)12. The model is a model that will be used to predict the number of copies in the next few years in West Lampung District.
Keywords: seasonal ARIMA, forecasting, R application, coffee, lampung
Full Text:
PDF (Bahasa Indonesia)References
H Bando, S Prasetyo, “Peramalan Produksi Kelapa Sawit Berdasarkan Intensitas Curah Hujan Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average) Studi Kasus Kabupaten Morowali Sulawesi Tengah”, Artikel Ilmiah, Universitas Kristen Satya Wacana Salatiga, 2012. h.19.
A Apriyadi, S Prasetyo, “Metode SARIMA Untuk Meramalkan Produksi Padi Dengan Indikator Curah Hujan Kabupaten Boyolali Jawa Tengah Periode 2012”, Laporan Penelitian, Universitas Kristen Satya Wacana Salatiga, 2012. h.8.
N Iriawan, SP Astuti. “Mengolah Data Statistik Dengan Mudah Menggunakan Minitab 14”, Yogyakarta: C.V Andi Offset, 2006.
N Istiqomah, “Prediksi Kemunculan Titik Panas Di Provinsi Riau Menggunakan Seasonal Autoregressive Integrated Moving Average (SARIMA)”, Skripsi, Institut Pertanian Bogor, 2015. h.19.
A Pankratz, “Forecasting With Dynamic Regression Models”, Canada: Willey Intersciences Publication, 1991. h.27.
Wei, WS William, “Time Series Analysis Univariate And Multivariate Method”, 2nd ed. Canada: Pearson eddison Wesley, 2006. h.10.
DC Montogomery, CL Jennings, M Kulahci, “Introduction Time Series Analysis and Forecasting”, New Jersey: Wiley Interscience, 2008. h.57.
FH Badruzzaman, E Harahap, E Kurniati, MD Johansyah, “Pengendalian Persediaan Produksi Hijab Berdasarkan Economic Production Quantity di RAR Azkia”, Jurnal Matematika Universitas Islam Bandung, Vol 16 No 2, 2017.
IL Nur'aini, E Harahap, FH Badruzzaman, D Darmawan, “Pembelajaran Matematika Geometri Secara Realistis Dengan GeoGebra”, Jurnal Matematika Universitas Islam Bandung, Vol 16 No 2, 2017.
MY Fajar, E Harahap, FH Badruzzaman, “Penentuan EOQ Masalah Persediaan Multi-Item Dengan Non-Linear Goal Programming”, Jurnal Matematika Universitas Islam Bandung, Vol 6 No 1, 2007.
DOI: https://doi.org/10.29313/jmtm.v17i2.3831
Refbacks
- There are currently no refbacks.
Copyright (c) 2019 Matematika
ISSN : 1412-5056 | E-ISSN 2598-8980
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Indexed by:
