UMUSUMUS
Jurnal Ilmiah Intech : Information Technology Journal of UMUSJurnal Ilmiah Intech : Information Technology Journal of UMUSPenelitian ini bertujuan untuk menganalisis dan memprediksi dinamika harga beras kualitas premium di tingkat penggilingan di Indonesia menggunakan metode time series model ARIMA. Data yang digunakan merupakan data sekunder dari publikasi resmi Badan Pusat Statistik (BPS) periode 2013–2023, dalam satuan Rupiah per kilogram (Rp/Kg). Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan tahapan analisis meliputi uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF) Test, identifikasi model melalui Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), serta penentuan model terbaik berdasarkan kriteria Akaike Information Criterion (AIC), Schwarz Criterion (SC), dan uji residual Ljung-Box Test. Hasil penelitian menunjukkan bahwa data harga beras premium tidak stasioner pada level, namun menjadi stasioner setelah dilakukan diferensiasi pertama (first difference). Model terbaik yang diperoleh adalah ARMA(1,1) dengan nilai R-Square tertinggi sebesar 0,9719, AIC terendah (-5,04), dan residual bersifat acak (white noise). Berdasarkan hasil peramalan, harga beras premium tahun 2024 diperkirakan stabil dengan kecenderungan menurun dari Rp9.502 pada Januari menjadi Rp9.476 pada Desember. Hasil ini menunjukkan bahwa pasar beras Indonesia relatif terkendali tanpa lonjakan harga signifikan. Temuan ini dapat menjadi dasar bagi pemerintah dalam merumuskan kebijakan pengendalian harga beras, menjaga keseimbangan kepentingan petani dan konsumen, serta memperkuat ketahanan pangan nasional.
Penelitian ini menyimpulkan bahwa harga beras premium di tingkat penggilingan pada tahun 2024 diproyeksikan stabil dengan sedikit penurunan dari Rp9.Model ARMA (1,1) terbukti paling sesuai untuk peramalan ini, memenuhi kriteria kelayakan seperti data stasioner, residual acak, dan nilai AIC serta SC terendah.Kondisi stabilitas harga ini mengindikasikan bahwa pasar beras Indonesia relatif terkendali tanpa fluktuasi ekstrem.
Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian lebih lanjut dapat dilakukan dengan mengintegrasikan faktor-faktor eksternal seperti cuaca, kebijakan pemerintah terkait impor dan subsidi, serta kondisi ekonomi global ke dalam model peramalan ARIMA untuk meningkatkan akurasi prediksi. Kedua, studi komparatif dapat dilakukan dengan membandingkan kinerja model ARIMA dengan model peramalan lainnya, seperti model machine learning (misalnya, neural network atau support vector machine), untuk mengidentifikasi model yang paling optimal dalam memprediksi harga beras premium. Ketiga, penelitian dapat diperluas dengan menganalisis dampak perubahan iklim terhadap produksi beras dan dampaknya terhadap dinamika harga di tingkat penggilingan, sehingga dapat memberikan informasi yang lebih komprehensif bagi pemerintah dalam merumuskan strategi adaptasi dan mitigasi risiko pangan. Penelitian-penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan ketahanan pangan nasional dan kesejahteraan petani beras di Indonesia.
| File size | 674.4 KB |
| Pages | 10 |
| Short Link | https://juris.id/p-3et |
| Lookup Links | Google ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard |
| DMCA | Report |
Related /
UMUSUMUS Oleh karena itu dalam penelitian ini, peneliti ini mengusulkan untuk melakukan analisis dampak pre-processing dari kombinasi algoritma CLAHE dan DCP yangOleh karena itu dalam penelitian ini, peneliti ini mengusulkan untuk melakukan analisis dampak pre-processing dari kombinasi algoritma CLAHE dan DCP yang
JOURNALKEBERLANJUTANJOURNALKEBERLANJUTAN Hasilnya mengungkapkan tingkat pencemaran yang bervariasi, dengan nilai BOD5, COD, dan TSS yang tinggi menunjukkan pencemaran organik dan kimia serta tingkatHasilnya mengungkapkan tingkat pencemaran yang bervariasi, dengan nilai BOD5, COD, dan TSS yang tinggi menunjukkan pencemaran organik dan kimia serta tingkat
ITBMITBM Penelitian ini menggunakan desain eksperimen dengan empat perlakuan suplementasi tepung cangkang (0%, 10%, 20%, dan 30%). Analisis laboratorium menunjukkanPenelitian ini menggunakan desain eksperimen dengan empat perlakuan suplementasi tepung cangkang (0%, 10%, 20%, dan 30%). Analisis laboratorium menunjukkan
IRPIIRPI Sistem ini mengintegrasikan berbagai teknologi, termasuk PHP, Python, Golang, Flutter, dan MySQL, untuk mengotomatisasi proses-proses esensial, mencapaiSistem ini mengintegrasikan berbagai teknologi, termasuk PHP, Python, Golang, Flutter, dan MySQL, untuk mengotomatisasi proses-proses esensial, mencapai
IRPIIRPI Studi ini menunjukkan bahwa solusi berbasis AI dapat meningkatkan pengambilan keputusan, mengurangi limbah makanan, dan secara signifikan meningkatkanStudi ini menunjukkan bahwa solusi berbasis AI dapat meningkatkan pengambilan keputusan, mengurangi limbah makanan, dan secara signifikan meningkatkan
IRPIIRPI Pendekatan Class Weighted (WC) berkontribusi besar terhadap peningkatan akurasi, sedangkan teknik Data Augmentation (DA) tidak memberikan hasil yang diharapkan.Pendekatan Class Weighted (WC) berkontribusi besar terhadap peningkatan akurasi, sedangkan teknik Data Augmentation (DA) tidak memberikan hasil yang diharapkan.
UNIMALUNIMAL Struktur komunitas plankton, nekton dan benthos relatif tidak stabil serta ada kecenderungan didominansi oleh jenis tertentu. Penelitian mengungkapkanStruktur komunitas plankton, nekton dan benthos relatif tidak stabil serta ada kecenderungan didominansi oleh jenis tertentu. Penelitian mengungkapkan
UNIMALUNIMAL Penurunan salinitas berpengaruh signifikan terhadap laju konsumsi oksigen, pertambahan bobot, dan pertumbuhan ikan kerapu lumpur. Salinitas 24 ppt menunjukkanPenurunan salinitas berpengaruh signifikan terhadap laju konsumsi oksigen, pertambahan bobot, dan pertumbuhan ikan kerapu lumpur. Salinitas 24 ppt menunjukkan
Useful /
UMUSUMUS Sistem dikembangkan menggunakan Python untuk tahap pra-pemrosesan. Proses analisis mencakup seleksi data, pembersihan, transformasi, klasifikasi denganSistem dikembangkan menggunakan Python untuk tahap pra-pemrosesan. Proses analisis mencakup seleksi data, pembersihan, transformasi, klasifikasi dengan
JOURNALMPCIJOURNALMPCI Temuan mengungkapkan korelasi positif yang signifikan antara paparan CO dan NOâ‚‚ dan tingkat stres (r=0,217, p = 0,022), meskipun hubungannya lemah. TidakTemuan mengungkapkan korelasi positif yang signifikan antara paparan CO dan NOâ‚‚ dan tingkat stres (r=0,217, p = 0,022), meskipun hubungannya lemah. Tidak
IRPIIRPI Penelitian ini bertujuan mengembangkan model prediksi dampak perubahan iklim terhadap ketahanan pangan dengan memanfaatkan algoritma Support Vector MachinePenelitian ini bertujuan mengembangkan model prediksi dampak perubahan iklim terhadap ketahanan pangan dengan memanfaatkan algoritma Support Vector Machine
IRPIIRPI Aplikasi ini dibangun dengan HyperText Markup Language (HTML), Cascading Style Sheets (CSS), Python, JavaScript, dan Flask, memungkinkan pengguna mengunggahAplikasi ini dibangun dengan HyperText Markup Language (HTML), Cascading Style Sheets (CSS), Python, JavaScript, dan Flask, memungkinkan pengguna mengunggah