Prediksi Komoditas Pangan Pada Masa Pandemi Dengan Metode Forecasting dan Moving Average

Soni Adiyono(1*), Sendi Novianto(2)
(1) Universitas Diponegoro
(2) Universitas Dian Nuswantoro
(*) Corresponding Author



Abstrak


Proses mencari pola atau informasi yang berguna pada kumpulan data dengan menerapkan metode tertentu di dalamnya. Untuk memprediksi suatu harga dikemudian hari dalam penelitian ini penulis melakukan pengolahan data pada komoditas pangan yang di dalamnya terdiri dari beberapa variable. Prediksi tersebut tentunya dapat memberikan suatu informasi yang komperhensif kepada seseorang yang membutuhkan informasi mengenai harga dikemudian harinya. Dalam masa pandemi seperti sekarang ini komoditas pangan sudah menjadi kebutuhan pokok yang memang harus dipenuhi, dengan ketersediaan histori data yang diporelah dapat di olah menggunakan beberapa metode, antara lain metode forecasting dan metode moving average, serta menggunakan beberapa literatur terkait yang mengacu pada penelitian-penelitian sebelumnya. Pada penelitian ini untuk pengambilan data didapat dari sumber portal web yang sangat komperhensif dan selalu memberikan data dari hari ke harinya. Dengan menerapkan pendekatan dengan kedua metode tersebut dari sebuah history data yang sudah ada, maka akan di dapatkan sebuah nilai, dimana nilai tersebut dapat menjadi prediksi untuk kedepannya. Nilai tersebut berupa harga dari setiap variable komoditas pangan. Hasil dari kedua metode ini mempu memberikan prediksi harga di setiap komoditas pangan, hal tersebut tentunya akan diperlukan oleh masyarakat umum terlebih lagi sebagai salah satu bentuk strategi guna menjaga kestabilan dan memantau perkembangan harga pangan.

Kata Kunci


metode forecasting, metode moving average, food comodity


Teks Lengkap:

PDF


Referensi


[1] Wang, L., Feng, J., Sui, X., Chu, X., & Mu, W. “Agricultural product price forecasting methods: research advances and trend”. British Food Journal, Vol. 122 Issue. 7, pp 2121–2138. 2020.

[2] Guan, H., Dai, Z., Guan, S., & Zhao, A. “A forecasting model based on high-order fluctuation trends and information entropy”. Entropy, Vol. 20 Issue 9, pp 1–15, 2018.

[3] Alevizakos, V., Chatterjee, K., Koukouvinos, C., & Lappa, A. ”A double moving average control chart: Discussion”. Communications in Statistics: Simulation and Computation, pp 1–15, 2020.

[4] Gaspersz, Vincent.. Production Planning and Inventory Control, Jakarta: Gramedia, 2004, Cetakan Keempat

[5] Everett E, Adam, Jr., Ronald J, Ebert. Production and operations management concepts, models, and behavior, Englewood Cliffs,NJ: Pretie-Hall,1989.

[6] Supranto, J. Metode Ramalan Kuantitatif Untuk Perencanaan. Jakarta: Erlangga, 1984.

[7] S Shankar, PV Ilavarasan, S Punia, SP Singh.” Forecasting container throughput with long short-term memory networks”. Industrial management & data systems, 2019.

[8] Girond, F., Randrianasolo, L., Randriamampionona, L., Rakotomanana, F., Randrianarivelojosia, M., Ratsitorahina, M., Brou, T. Y., Herbreteau, V., Mangeas, M., Zigiumugabe, S., Hedje, J., Rogier, C., & Piola, P. “Analysing trends and forecasting malaria epidemics in Madagascar using a sentinel surveillance network: a web-based application”. Malaria Journal, Vol. 16 Issue 1, pp 1–11, 2017.

[9] Chen, Y., Liu, B., & Wang, T.”Analysing and forecasting China containerized freight index with a hybrid decomposition–ensemble method based on EMD, grey wave and ARMA”. Grey Systems: Theory and Application, Vol. 11 Issue 3, pp 358–371. 2021.

[10] Subagyo, Pangestu. Forecasting Konsep dan aplikasi. Yogyakarta: BPPE UGM, 1986.

[11] Huang, L., Sullivan, L., & Yang, J. “Analyzing the impact of a state concussion law using an autoregressive integrated moving average intervention analysis”. BMC Health Services Research, Vol. 20 Issue 1, pp 898. 2020.

[12] Qu, X. “Complete moment convergence of moving-average processes under END assumptions”. Communications in Statistics - Theory and Methods, pp 1–13, 2020.

[13] Melo, M. da S., & Alencar, A. P. “Conway–Maxwell–Poisson seasonal autoregressive moving average model”. Journal of Statistical Computation and Simulation. 2021.

[14] Li, Y., & Qin, Y. “Empirical likelihood for moving average models”. Communications in Statistics - Theory and Methods, Vol. 50 Issue 15, pp 3661–3676, 2021.

[15] Phan, D. C., & Luu, N. A. “Evaluation of exponential moving average application to smooth the power output of wind turbine with different control modes”. International Journal of Electrical and Computer Engineering, Vol 11 Issue 6, pp 4708–4717. 2021.

[16] Salehzadeh, R., Tabaeeian, R. A., & Esteki, F. “Exploring the consequences of judgmental and quantitative forecasting on firms’ competitive performance in supply chains”. Benchmarking, Vol 27 Issue 5, pp 1717–1737. 2020.

[17] Shankar, S., Ilavarasan, P. V., Punia, S., & Singh, S. P. “Forecasting container throughput with long short-term memory networks”. Industrial Management and Data Systems, Vol 120 Issue 3, pp 425–441. 2020.

[18] Bray, S. R., & Wang, B. “Forecasting unprecedented ecological fluctuations”. PLoS Computational Biology, Vol 16 Issue 6 , pp 1–17, 2020.

[19] Huang, C. J., Chen, J. H., & Lu, S. L. “Generally weighted moving average control charts using repetitive sampling”. Communications in Statistics - Theory and Methods, Vol 50 Issue 2, 297–310. 2021.

[20] Alalawin, A., Arabiyat, L. M., Alalaween, W., Qamar, A., & Mukattash, A. “Forecasting vehicle’s spare parts price and demand”. Journal of Quality in Maintenance Engineering, Vol 27 Issue 3, pp 483–499. 2020.

[21] Khan, N., Nawaz, M. S., Sherwani, R. A. K., & Aslam, M. “Moving average EWMA chart for the Weibull distribution”. Communications in Statistics: Simulation and Computation, pp 1–10. 2021.

[22] Palm, B. G., Bayer, F. M., & Cintra, R. J. “Prediction intervals in the beta autoregressive moving average model”. Communications in Statistics: Simulation and Computation, pp 1–22, 2021.

[23] Kapounek, S., Kučerová, Z., & Kočenda, E. “Selective Attention in Exchange Rate Forecasting”. Journal of Behavioral Finance, pp 1–19. 2020.

[24] Lin, C., Liu, S., Fang, Z., & Yang, Y.“Spectrum analysis of moving average operator and construction of time-frequency hybrid sequence operator”. Grey Systems: Theory and Application, Vol. ahead-of-print Issue. ahead-of-print. 2021.

[25] Alevizakos, V., Chatterjee, K., & Koukouvinos, C. “The quadruple moving average control chart for monitoring the process mean”. Communications in Statistics - Theory and Methods, pp 1–35. 2021.


Artikel Statistik

Abstrak telah dilihat : 43 kali
PDF telah dilihat : 17 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Jurusan Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.