Analilis Pendekatan Metode Vector Autoregressive (VAR) dalam Meramalkan Jumlah Pengadaan Beras di Sulawesi Selatan
Abstrak
ABSTRAK, Penelitian ini membahas tentang peramalan jumlah pengadaan beras di Sulawesi Selatan. Meningkatnya kebutuhan beras disetiap tahunnya dikarenakan beras merupakan salah satu makanan pokok penduduk Indonesia yang dikonsumsi setiap hari. Tujuan penelitian ini yaitu untuk mengetahui model peramalan, variabel yang memiliki keterkaitan antar variabel dan hasil peramalan jumlah pengadaan beras. Hasil yang diperoleh pada penelitian ini menunjukkan bahwa nilai AIC terkecil terdapat pada panjang lag 3 sehingga model yang digunakan adalah model VAR (3). Selain itu, semua variabel yang digunakan memiliki pengaruh yang signifikan. Kemudian dari hasil peramalan yang diperoleh, variabel harga beras (Y1) dan jumlah hasil produksi padi (Y2) memiliki nilai MAPE sebesar 20,4 % dan 14,0 % yang artinya hasil peramalan tersebut baik. Adapun hasil peramalan jumlah pengadaan beras yang ditinjau dari harga beras dan jumlah hasil produksi padil ima tahun yang akan datang mengalami peningkatan disetiap tahunnya.
Referensi
[2] Fina Andika Frida, S.T., M.T dan Arif Rochman Fachruddin, S.T., M.T.,
Manajemen Industri, (Jawa Tengah : Lakeisha, 2020), h. 33.
[3] Dian Tiara dan Aniq Atiqi Rochmawati, Prediksi Harga Saham PT. Hanson International Tbk menggunakan Metode Vector Autoregressive (VAR) Stationer, Jurnal e-Proceeding of Engineering, Vol. 7, No. 1, 2020, h. 2683.
[4] Dwi Reskiyani Febrianti dkk., Metode Vector Autoregressive (VAR) dalam Menganalisis Pengaruh Kurs Mata Uang terhadap Ekspor dan Impor di Indonesia, Jurnal Statistik, Vol. 2 No. 1, 2021, h.26.
[5] Andri Saputra dan Mirtawati, Vector Autoregressive Integrated (VAR) menggunakan Software R. Jurnal Baut dan Manufaktur, Vol. 02 No. 01,2020, h. 10-11.
[6] DiAsih I Maruddanidan Diah Safitri, Vector Autoregrresive (VAR) untuk Peramalan Harga Saham PT Indofood Sukses Makmur Indonesia TBK, Jurnal Matematika, Vol. 11 No. 1, 2008, h. 7-8.
[7] Enders Walter, Applied Econometric Time Series. University of Alabama (United states of America), Waley, h. 294.
[8] C. R. Ferry, Irwan, Nurfadilah, Peramalan Tingkat Suku Bunga Pasar Uang antar Bank (PUAB) dengan Vector Autoregressive Exogenous (VARX), Jurnal MSA Vol. 6 No. 1, 2018, h. 53.
[9] Fitriani Fariz Ichsandi dkk., Peramalan Laju Inflasi dan Nilai Tukar Rupiah Terhadap Dolar Amerika menggunakan Model Vector Autoregressive (VAR), Jurnal Gaussian, Vol. 3 No. 4, 2014, h. 676.
[10] Wahyuni Windasari, Pendekatan Analisis Vector Autoregressive (VAR) dalam Hubungan Harga Saham Sektor Infrakstruktur dddan Manufaktur, Jurnal Manajemen, Vol. 8 No. 1, 2018, h. 107-108.
[11] Ari Pani Desvina dan Maryam Julliana D, Pemodelan Pencemaran Udara menggunakan Metode Vector Autoregressive (VAR) di Provinsi Riau, Jurnal Sains Teknologi dan industri, Vol. 13 No. 2, 2016, h. 161.
[12] Ari Pani Desvin dan Ratnawati, Penerapan ModelVector Autoregressive (VAR) Untuk Peramalan Curah Hujan Kota Pekanbaru, Jurnal Sains Teknologi dan Industri, Vol. 11, No. 2, 2014, h. 153.
[13] Di Asih I Maruddani dan Tutut Dewi Astuti, Uji Kausalitas Granger Pada Model Harga Saham PT. Indofood Sukses Makmur Indonesia Tbk. Jurnal Sains & Matematika, Vol. 17 No.2, 2009, h. 69-70.
[14] Tjok Gde Sahityahutti Ranangga, dkk., Metode Vector Autoregressive (VAR) dalam Peramalan Jumlah Wisatawan Mancanegara ke Bali, Jurnal Matematika, Vol. 7, No.2, 2018, h.159.
[15] Gaustama Putra dan A.R Maulud, Peramalan Kebutuhan Batubara menggunakan Metode Single Exponential Smoothing di PT. Solusi Bangun Andalas, Jurnal Optimalisasi, Vol. 6 No. 2, 2020, h. 133-134.
##submission.copyrightStatement##
##submission.license.cc.by-nc4.footer##