PENERAPAN METODE BOX-JENKINS DALAM PERAMALAN HARGA CABAI MERAH DI KOTA SURAKARTA
DOI:
https://doi.org/10.53625/jcijurnalcakrawalailmiah.v2i1.3513Keywords:
Inflasi,Indeksharga Konsumen,JumlahUang Beredar,Autoregressive Distributed LagAbstract
Cabai merah sendiri merupakan salah satu satu komoditas holtikultura yang penting dalam memenuhi kebutuhan masyarakat. Bahkan selain itu, jika melihat dari sisi produksinya sendiri, cabai menjadi sayuran dengan produksi tertinggi di Indonesia. Di Kota Surakarta sendiri, produksi cabai merah tidak diproduksi sendiri tiap tahunnya, melainkan masih mengandalkan distribusi atau impor dari daerah lain untuk memenuhi kebutuhan masyarakat. Akibatnya, berdasarkan BPS Kota Surakata (2020), komoditas cabai merah menjadi salah satu komoditas penyumbang inflasi tertinggi di Kota Surakarta di tahun 2019, yaitu sebesar 0,17 %. Oleh karena itu, perlu dilakukan analisis prakiraan atau forecast harga karena prakiraan harga dapat menjadi informasi penting sebagai dasar pengambilan keputusan dan pengembangan strategi untuk memprediksi kenaikan harga cabai secara tiba-tiba. Data yang digunakan dalam penelitian ini adalah harga mingguan cabai merah di kota Surakarta dari bulan Agustus 2017 sampai dengan Agustus 2020. Berdasarkan penelitian mengenai ramalan harga cabai merah di Kota Surakarta dapat disimpulkan bahwa model terbaik adalah model ARIMA C (2,1,0) yang diperkirakan akan turun trennya. Hal ini terjadi karena terjadi kelebihan pasokan dan mulai panen, sehingga pasokan cabai cukup banyak. Meskipun ada faktor eksternal lain yang menyebabkan harga cabai merah berfluktuasi, kondisi alam adalah salah satunya. Selain itu, hari raya keagamaan juga dapat mempengaruhi kenaikan harga cabai di suatu daerah.
References
Badan Pusat Statistik. (2015). Statistik Indonesia 2015.
Badan Pusat Statistik Kota Surakata. (2020). Komoditas Penyumbang Inflasi Terbesar 2019. https://surakartakota.bps.go.id/indicator/3/220/1/komoditas-penyumbang-inflasi-terbesar.html
Gujarati, D. N. (2015). Dasar-Dasar Ekonometrika. Salemba Empat.
Nabilah. (2017). Peramalan Harga Dan Produksi Cabai Rawit Di Provinsi Jawa Timur. Repository.Its.Ac.Id, 90. http://repository.its.ac.id/41816/
Perihatini, D. I., Lestari, I. F., & Primandari, A. H. (2018). Peramalan Harga Cabai Merah Besar Keriting Kabupaten Banyumas Menggunakan Metode ARIMA Box-Jenkins.
Puspatika, K., & Kusumawati, Y. (2018). Peramalan Harga Cabai Dengan Metode Arima Arch- Garch Dan Single Moving Average Di Kota Semarang. Journal JOINS Udinus, 03(02), 192–201.
Putra, J. eka. (2021). Pemrakiraan Harga Cabai Rawit di Kota Surabaya JOSHUA EKA PUTRA, Dr. Jamhari, S.P., M.P. ; Dr. Hani Perwitasari, S.P., M.Sc. 2020–2021.
Rahmanta, R., & Maryunianta, Y. (2020). Pengaruh Harga Komoditi Pangan Terhadap Inflasi Di Kota Medan. Jurnal Agrica, 13(1), 35–44. https://doi.org/10.31289/agrica.v13i1.3121
Setyowati, V. A., & Septiani, Y. (2021). Peramalan Harga Cabai Merah Besar Keriting dengan Metode ARIMA Box-Jenkins. 4(2), 89–101.
Stevanus, H., Wahyuni, D., Simbolon, Y. R. E., Deti, & Amelia, R. (2021). Peramalan Harga Cabai Rawit pada Masa Pandemi Covid-19 di Pangkalpinang Provinsi Kepulauan Bangka Belitung. 161–166.
Sukiyono, K., & Janah, M. (2019). Forecasting Model Selection of Curly Red Chili Price at Retail Level. Indonesian Journal of Agricultural Research, 2(1), 1–12. https://doi.org/10.32734/injar.v2i1.859
Sukiyono, K., Nabiu, M., Sumantri, B., Novanda, R. R., Arianti, N. N., Sriyoto, S., Zulkarnain Yuliarso, M., Badrudin, R., Mustopa Romdhon, M., & Mustamam, H. (2018). Selecting an Accurate Cacao Price Forecasting Model. Journal of Physics: Conference Series, 1114(1). https://doi.org/10.1088/1742-6596/1114/1/012116
Widarjono, A. (2018). Ekonometrika Pengantar dan Aplikasinya Disertai Panduan EViews (Lima).
Windhy, A. M., & Jamil, A. S. (2021). Peramalan Harga Cabai Merah Indonesia : Pendekatan ARIMA Forecasting Indonesian Red Chilli Prices : The ARIMA Approach. Agriekstensia, 20(1), 78–87.