Efektivitas Metode Arima dan Exponential Smoothing untuk Meramalkan Nilai Tukar Petani di Jawa Tengah

Abstract

Peramalan adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk matematis. Kesejahteraan petani merupakan arah dan tujuan pembangunan pertanian.Salah satu alat ukur kesejahteraan petani yang digunakan saat ini adalah Nilai Tukar Petani (NTP). Adapun tujuan utama dari penelitian ini adalah untuk meramalkan Nilai Tukar Petani di Jawa Tengah dengan menggunakan metode Autoregressive Moving Average (ARIMA) dan Exponential Smoothing.Metode ARIMA terdiri beberapa
langkah yaitu identifikasi model, estimasi parameter, uji diagnosis, pemilihan model terbaik, dan terakhir peramalan. Sedangkan Exponential Smoothing merupakan prosedur perbaikan terus menerus pada peramalan
terhadap objek pengamatan terbaru dengan analisis pola data trend, penetapan nilai konstanta pemulusan dan peramalan. Efektivitas kedua metode dilihat berdasarkan nilai MSE dan MAPE pada peramalan.Metode
ARIMA lebih baik dalam meramalkan data Nilai Tukar Petani di Jawa Tengah karena nilai MSE dan MAPE cenderung lebih kecil dibandingkan nilai MSE dan MAPE pada metode Exponential Smoothing. Hasil analisis
ARIMA untuk peramalan Nilai Tukar Petani di Jawa Tengah periode Juli - September 2018 berturut – turut pada bulan Juli sebesar 100,665 ; bulan Agustus sebesar 100,087 ; dan bulan September sebesar 99,640.
Kata kunci: ARIMA; Exponential Smoothing; Peramalan; Time series

Abstract

Forecasting is art and science to estimate future events. This can be done by involving taking past data and placing it in the future with a mathematical form. Farmer welfare is the direction and objective of agricultural development. One of the measuring tools for farmers' welfare that is used today is Farmer Exchange Rate (NTP). The main purpose of this study is to predict Farmer Exchange Rates in Central Java by using the
Autoregressive Moving Average (ARIMA) and Exponential Smoothing methods. ARIMA method consists of several steps, namely model identification, parameter estimation, diagnosis test, selection of the best model, and final forecasting. While Exponential Smoothing is a continuous improvement procedure for forecasting the latest observation objects by analyzing trend data patterns, determining the smoothing and forecasting constant values. The effectiveness of both methods is based on the MSE and MAPE values on forecasting. The ARIMA method is better at predicting Farmer Exchange Rate data in Central Java because MSE and MAPE values tend to be smaller than the MSE and MAPE values in the Exponential Smoothing method. ARIMA analysis results for forecasting Farmer Exchange Rate in Central Java for the July - September 2018 period respectively in July amounted to 100,665; August was 100,087; and September is 99,640.