Perbandingan Metode Holt-Winters dan Seasonal ARIMA dalam Memprediksi Produksi Beras di Indonesia
DOI:
https://doi.org/10.31849/agr.v26i02.17672Keywords:
Forecast, Holt-Winters, SARIMA, Produksi BerasAbstract
Indonesia telah memiliki stok beras yang cukup tanpa perlu impor, dengan stok beras nasional mencapai 10.15 juta ton pada tahun 2022. Selain itu, Indonesia juga meraih penghargaan dari Institut Penelitian Padi Internasional (IRRI) karena telah memiliki sistem ketahanan pangan yang baik dan berhasil swasembada beras pada periode 2019-2021. Untuk mengetahui keberhasilan Indonesia dalam mempertahankan swasembada beras di tahun 2024, dilakukan peramalan terhadap jumlah produksi beras menggunakan metode Seasonal ARIMA dan Holt-Winter's Method. Berdasarkan hasil analisis, ditemukan indikasi terjadinya penurunan jumlah produksi beras, terutama pada Maret 2024. Jumlah produksi beras pada bulan Maret yang biasanya menghasilkan produksi beras terbesar di tiap tahunnya justru mengalami penurunan sejak tahun 2018 sampai tahun 2024, yaitu sebesar 5,547 juta ton pada tahun 2018 dan diperkirakan menurun hingga menyentuh angka 5,064 juta ton beras di tahun 2024. Metode Holt-Winter menghasilkan MAPE sebesar 15,6614 dan MAD sebesar 0.39658. Nilai tersebut lebih kecil dibandingkan metode SARIMA (2,0,3)(1,0,1)12 dengan MAPE sebesar 16,79464 dan MAD sebesar 0,39694. Dengan demikian, metode peramalan Holt-Winters lebih baik dalam meramal produksi bulanan beras (juta ton) nasional dibandingkan SARIMA(2,0,3)(1,0,1)12.
References
[2] I. K. Suratha, “KRISIS PETANI BERDAMPAK PADA KETAHANAN PANGAN DI INDONESIA,” pp. 67–80, 2013.
[3] S. E. Rahayu and H. Febriaty, “Analisis Perkembangan Produksi Beras Dan Impor Beras Di Indonesia,” Proseding Semin. Nas. Kewirausahaan, vol. 1, no. 1, pp. 219–226, 2019, [Online]. Available: https://doi.org/10.30596/snk.v1i1.3613
[4] N. Suryani, R. Abdurrachim, and N. Alindah, “Analisis Kandungan Karbohidrat, Serat Dan Indeks Glikemik Pada Hasil Olahan Beras Siam Unus Sebagai Alternatif Makanan Selingan Penderita Diabetes Mellitus,” Jurkessia, Vol. VII, No. 1, Novemb. 2016, vol. 7, no. 4, pp. 772–782, 2016, [Online]. Available: http://d.wanfangdata.com.cn/Periodical_zwstxb200904016.aspx%5Cnhttp://dx.doi.org/10.3773/j.issn.1005-264x.2009.04.016
[5] Kementerian Pertanian, “DIAKUI LEMBAGA INTERNASIONAL SUDAH SWASEMBADA, KEMENTAN: STOK BERAS LEBIH DARI 10 JUTA TON,” Kementerian Pertanian RI. [Online]. Available: https://ppid.pertanian.go.id/index.php/news/view/1759
[6] Sekretaris Kabinet RI, “Berhasil Swasembada Beras, Indonesia Raih Penghargaan dari IRRI,” Humas. Accessed: Dec. 09, 2023. [Online]. Available: https://setkab.go.id/berhasil-swasembada-beras-indonesia-raih-penghargaan-dari-irri/
[7] T. Ii, N. Made, S. Ananda, A. J. Utami, and R. Mirnawati, “PROSPEK SWASEMBADA BERAS DI PROVINSI KALIMANTAN TIMUR,” vol. 9, no. 1, pp. 224–240, 2022.
[8] R. Fahrudin and I. D. Sumitra, “Peramalan Inflasi Menggunakan Metode Sarima Dan Single Exponential Smoothing (Studi Kasus: Kota Bandung),” Maj. Ilm. UNIKOM, vol. 17, no. 2, pp. 111–120, 2020, doi: 10.34010/miu.v17i2.3180.
[9] E. Hermawan, “Perbandingan Metode Box-Jenkins dan Holt-Winters dalam Prediksi Anomali OLR Pentad di Kawasan Barat Indonesia,” J. Sains Dirgant., vol. 9, no. 1, pp. 25–35, 2011.
[10] A. Supriatna, E. Hertini, B. Subtini, D. Susanti, and S. Supian, “Prediction of Tourist Arrivals To the Island of Bali With Holt Method of Winter and Seasonal Autoregressive Integrated Moving Average (Sarima),” J. Sains Dasar, vol. 6, no. 2, pp. 81–90, 2017.
[11] I. Efrilia, “Comparison Of ARIMA And Exponential Smoothing Holt-Winters Methods For Forecasting CPI In The Tegal City, Central Java,” J. Ekon. Pembang., vol. 19, no. 2, pp. 97–106, 2021.
[12] D. D. Pertiwi, “Applied Exponential Smoothing Holt-Winter Method for Predict Rainfall in Mataram City,” J. Intell. Comput. Heal. Informatics, vol. 1, no. 2, p. 45, 2020, doi: 10.26714/jichi.v1i2.6330.
[13] S. Makridakis, S. C. Wheelwright, and R. J. Hyndman, Forecasting methods and applications. John wiley & sons, 2008.
[14] G. E. P. Box, G. M. Jenkins, G. C. Reinsel, and G. M. Ljung, Time series analysis: forecasting and control. John Wiley & Sons, 2015.
[15] W. Enders, “Applied Econometric Time Series, John Wiley&Sons, University of Alabama.” 2014.
[16] E. Z. Martinez, E. A. S. da Silva, and A. L. D. Fabbro, “A SARIMA forecasting model to predict the number of cases of dengue in Campinas, State of São Paulo, Brazil,” Rev. Soc. Bras. Med. Trop., vol. 44, pp. 436–440, 2011.
[17] W. W. S. WEI, “Univariate and Multivariate Methods,” TIME Ser. Anal., 2006.
[18] Badan Pusat Statistik, LUAS PANEN DAN PRODUKSI PADI DI INDONESIA 2019. 2020.
[19] Badan Pusat Statistik, “LUAS PANEN DAN PRODUKSI PADI DI INDONESIA 2020,” 2021.
[20] Badan Pusat Statistik, “Produksi Padi Di Indonesia 2022,” Badan Pus. Stat., pp. 15–20, 2022, [Online]. Available: https://www.bps.go.id/publication/2023/08/03/a78164ccd3ad09bdc88e70a2/luas-panen-dan-produksi-padi-di-indonesia-2022.html
[21] Badan Pusat Statistik, “Luas Panen dan Produksi Padi di Indonesia 2023 (Angka Sementara),” Bps.Go.Id, vol. 19, no. 27, pp. 1–8, 2023, [Online]. Available: https://www.bps.go.id/pressrelease/2023/10/16/2037/luas-panen-dan-produksi-padi-di-indonesia-2023--angka-sementara-.html#:~:text=Produksi beras pada 2023 untuk,sebesar 31%2C54 juta ton.
[22] J. S. Armstrong, “Evaluating forecasting methods,” Princ. Forecast. A Handb. Res. Pract., pp. 443–472, 2001.
CC 
