Peramalan produksi padi di Kabupaten Sleman menggunakan model arima

Sherlyna Maryanto Putri, Prodi Matematika FMIPA UNY, Indonesia
Elly Arliani, Prodi Matematika FMIPA UNY, Indonesia

Abstract


Kabupaten Sleman merupakan kabupaten dengan jumlah penduduk tertinggi di Provinsi DIY dengan jumlah penduduk mencapai 1,2 juta jiwa pada tahun 2020. Pertumbuhan penduduk di Kabupaten Sleman juga meningkat setiap tahunnya. Populasi penduduk yang banyak tentu menjadi tantangan tersendiri untuk menyediakan kebutuhan pangan untuk masa yang akan datang sehingga perlu dilakukan peramalan untuk memperkirakan hasil produksi padi pada masa mendatang. Penelitian ini bertujuan untuk mendeskripsikan model yang tepat untuk peramalan produksi padi di Kabupaten Sleman dengan menggunakan metode ARIMA dan untuk mendeskripsikan hasil peramalan produksi padi di Kabupaten Sleman pada tahun 2021 hingga 2023. Penelitian ini menggunakan data tahunan produksi padi di Kabupaten Sleman dari tahun 1998 hingga 2020. Hasil penelitian menunjukkan bahwa model ARIMA(0,2,1) merupakan model terbaik untuk melakukan peramalan produksi padi di Kabupaten Sleman. Berdasarkan model ARIMA(0,2,1), diperoleh peramalan produksi padi di Kabupaten Sleman pada tahun 2021 hingga 2023 berturut-turut adalah 242.988 ton, 238.904 ton, dan 234.610 ton.


Full Text:

PDF

References


Badan Perencanaan Pembangunan Daerah. (2020). Jumlah Konsumsi. DIY.

Badan Pusat Statistik. (2020). Jumlah Penduduk menurut Kabupaten/Kota di D.I. Yogyakarta (Jiwa), 2018-2020. D.I. Yogyakarta.

Badan Pusat Statistik. (2020). Penduduk, Laju Pertumbuhan Penduduk, Distribusi Presentase Penduduk, Kepadatan Penduduk, Rasio Jenis Kelamin Penduduk Menurut Kabupaten/Kota di D.I. Yogyakarta, 2000, 2010, dan 2019. D.I. Yogyakarta.

Dewi, E. N. S., & Chamid, A. A. (2019). Implementation of Single Moving Average Methods For Sales Forecasting Of Bag In Convection Tas Loram Kulon. Jurnal Transformatika, 16(2), 113–124.

Din, M. A. (2016). ARIMA by Box Jenkins Methodology for Estimation and Forecasting Models in Higher Education. Athens: ATINER’S Conference Paper Series, January 2015, 1–14.

Hanke, J. E., & Wichern, D. (2014). Business Forecasting (9th ed.).

Harjono, A. E., & Kuntoro. (2018). Perbandingan Hasil Peramalan Jumlah Kasus HIV Berdasarkan Jenis Kelamin di Kota Malang dengan Metode Exponential Smoothing. Jurnal Biometrika Dan Kependudukan, 6(1), 9-16.

Hartati. (2017). Penggunaan Metode Arima Dalam Meramal Pergerakan Inflasi. Jurnal Matematika Sains Dan Teknologi, 18(1), 1–10.

Iftikhar, N., & Iftikhar-ul-Amin. (2013). Forecasting the inflation in Pakistan; The Box-Jenkins Approach. World Applied Sciences Journal, 28(11), 1502–1505.

K., S., & Karuppasamy, K. M. (2020). Forecasting for Agricultural Production using ARIMA. 17(9), 5939–5949.

Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (1997). Forecasting: Methods and Application (3rd ed.).

Mantiri, R. I. K. A., Rotinsulu, D. C., & Murni, S. (2019). Analisis Faktor-Faktor Yang Mempengaruhi Produksi Padi Sawah Di Kecamatan Dumoga. Jurnal Pembangunan Ekonomi Dan Keuangan Daerah, 18(1), 1-15.

Montgomery, D.C., Jennings, C. L., & Kulachi, M. (2008). Introduction to Time Series Analysis and Forecasting. New Jersey: John Wiley & Sons. Inc.

Nasiru, S., & Sarpong, S. (2011). Forecasting Milled Rice Production in Ghana Using Box-Jenkins Approach. International Journal of Agricultural Management and Development, 2(2), 568–584.

Panjaitan, H., Prahutama, A., & Sudarno. (2018). Peramalan Jumlah Penumpang Kereta Api Menggunakan Metode ARIMA, Intervensi dan ARFIMA (Studi Kasus : Penumpang Kereta Api Kelas Lokal Ekonomi DAOP IV Semarang. Jurnal Gaussian, 7(1). 96-109.

Rahayu, S., Astutik, P., & Hendikawati, P. (2018). Peramalan Inflasi di Demak Menggunakan Metode ARIMA Berbantuan Software R dan MINITAB. PRISMA, Prosiding Seminar Nasional Matematila, 1, 745–754.

Safitri, T., Dwidayati, N., & Sugiman. (2017). Perbandingan Peramalan Menggunakan Exponential Smoothing Holt-Winters dan Arima. Unnes Journal of Mathematics, 6(1), 48–58.

Wei, W. W. S. (2006). Time Series Analysis Univariate and Multivariate Method. United States of America: Pearson Education, Inc.

Zainul, A., Hanani, N., Kustiono, D., Syafrial, S., & Asmara, R. (2021). Forecasting the Basic Conditions of Indonesia’s Rice Economy 2019-2045. Agricultural Social Economic Journal, 21(2), 111–120.


Refbacks

  • There are currently no refbacks.


 

Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.