ANALISIS PERAMALAN MENGGUNAKAN PEMULUSAN WINTER DAN ARIMA PADA INDEKS HARGA PERDANGANGAN BESAR INDONESIA KELOMPOK KOMODITI PERTANIAN TAHUN 2016 – 2017

Abstract

Dalam perekonomian Indonesia, indikator untuk melihat perkembangan perekonomian secara umum serta sebagai bahan dalam analisa pasar dan moneter adalah dengan mengukur rata-rata perubahan harga antarwaktu dari suatu paket jenis barang pada perdagangan besar.Di Indonesia dalam kurun waktu 2016 –
2017, komoditi pertanian dalam Indeks Harga Perdagangan Besar merupakan komoditi yang paling dominan diantara komoditi lainnya. Dalam penelitian ini bertujuan untuk melihat prediksi peramalan pada Indeks Harga Perdagangan Besar Komoditi Pertanian dalam kurun waktu 5 bulan kedepan, yang artinya selama bulan Januari – Maret 2018 akan di prediksi IHPB nya. Setelah dilakukan analisis
menggunakan dua metode yaitu ARIMA dan Winter dengan nilai MAPE pada Autoregressive Integrated Moving Average (ARIMA) sebesar 80.72 dan Winter sebesar 3.947. Karena MAPE yang digunakan dalam pemilihan model terbaik, maka kedua model yang digunakan dengan MAPE terkecil yang tepat untuk meramalkan data aktual IHPB Komoditi Pertanian. Karena MAPE pada model Winter yang paling kecil, maka model yang tepat adalah model Winter.

Kata kunci: Peramalan ARIMA, Winter, Indeks Harga Perdagangan Besar, IHPB

Abstract

In Indonesian economy, indicators for looking at economic development in general and as an ingredient in market and monetary analysis are by measuring the average intertemporal price changes of a package of goods in wholesale trade. In Indonesia in the period of 2016 - 2017, agricultural commodities in the index The Big Trade Price is the most dominant commodity among other commodities. In this study aims to see the forecast prediction on the Agricultural Commodity Big Price Index in the next 5 months, which means that during January - March
2018 the IHPB will be predicted. After doing the analysis using two methods, ARIMA and Winter with the MAPE value on the Autoregressive Integrated Moving Average (ARIMA) of 80.72 and Winter of 3,947. Because the MAPE is used in the selection of the best models, the two models used with the smallest MAPE are the right to predict the actual data of the Agricultural Commodity IHPB. Because MAPE in the Winter model is the smallest, the right model is the Winter model.