UNIMUNIM

MAJAMATH: Jurnal Matematika dan Pendidikan MatematikaMAJAMATH: Jurnal Matematika dan Pendidikan Matematika

Harga komoditas bahan pokok pada saat ini cenderung naik, terutama beras. Informasi terkait prediksi harga beras sangat perlu bagi masyarakat untuk perencanaan dan pengelolaan rumah tangga. Tujuan penelitian ini adalah menerapkan analisis trend untuk memprediksi harga eceran rata-rata beras di Kota Padang. Metode penelitian yang digunakan pada penelitian ini adalah metode kualitatif dengan pendekatan studi kasus. Data yang digunakan adalah data rata-rata harga eceran beras di daerah Padang pada Juli 2020 – Desember 2021. Analisis trend adalah metode analisis yang bertujuan untuk memperkirakan atau memprediksi masa depan. Variabel penelitian yang digunakan pada ini adalah harga eceran rata-rata beras pada periode tertentu sebagai variabel terikat dan periode waktu dalam bulan sebagai variabel bebas. Ada tiga jenis model trend yang diterapkan yaitu trend linier, trend kuadratik dan trend eksponen. Tingkat kesalahan dalam peramalan diuji dengan menggunakan MAPE (mean absolute percent error). Berdasarkan hasil perhitungan MAPE diperoleh model peramalan harga eceran rata-rata beras terbaik, yaitu menggunakan model trend kuadratik dikarenakan model trend tersebut mempunyai tingkat kesalahan paling kecil.

Analisis trend dapat dipakai untuk meramalkan harga eceran beras di Kota Padang dengan akurasi tinggi.Dari tiga model yang diuji, model trend kuadratik memberikan tingkat kesalahan paling rendah (MAPE terendah).Oleh karena itu, model trend kuadratik direkomendasikan sebagai metode utama peramalan harga beras di wilayah tersebut.

Penelitian selanjutnya dapat menyelidiki pengaruh faktor ekonomi‑sosial, seperti pendapatan rumah tangga dan kebijakan subsidi, terhadap fluktuasi harga beras dengan menggunakan model regresi multivariat untuk memperoleh insight yang lebih komprehensif. Selanjutnya, studi perbandingan dapat dilakukan dengan memperluas cakupan wilayah ke beberapa kota atau provinsi serta memperpanjang rentang waktu data, sehingga dapat menguji konsistensi performa model trend kuadratik dalam konteks geografis dan temporal yang lebih luas. Akhirnya, penting untuk mengevaluasi keakuratan metode prediksi berbasis pembelajaran mesin seperti ARIMA, LSTM, atau jaringan saraf tiruan dibandingkan dengan pendekatan trend tradisional, guna menentukan teknologi forecasting yang paling efektif untuk mengantisipasi perubahan harga beras di masa depan.

  1. Peramalan Harga Komoditas dengan Menggunakan Metode Arima-Garch | Jurnal Varian. peramalan harga komoditas... doi.org/10.30812/varian.v3i2.653Peramalan Harga Komoditas dengan Menggunakan Metode Arima Garch Jurnal Varian peramalan harga komoditas doi 10 30812 varian v3i2 653
  2. ANALISIS TREND PENAWARAN DAN PERMINTAAN KOMODITI KEDELAI INDONESIA | Jurnal Ilmiah Sosio Agribis. analisis... journal.uwks.ac.id/index.php/sosioagribis/article/view/830ANALISIS TREND PENAWARAN DAN PERMINTAAN KOMODITI KEDELAI INDONESIA Jurnal Ilmiah Sosio Agribis analisis journal uwks ac index php sosioagribis article view 830
  3. Track Irregularity Time Series Analysis and Trend Forecasting - Chaolong - 2012 - Discrete Dynamics in... onlinelibrary.wiley.com/doi/10.1155/2012/387857Track Irregularity Time Series Analysis and Trend Forecasting Chaolong 2012 Discrete Dynamics in onlinelibrary wiley doi 10 1155 2012 387857
  1. #bangun datar#bangun datar
  2. #metode trend moment#metode trend moment
Read online
File size776.81 KB
Pages10
Short Linkhttps://juris.id/p-2MF
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test