Anantio, Ridha Septiara (2025) Model ARIMA-GARCH untuk Peramalan Harga Beras di Indonesia. Undergraduate thesis, Universitas Diponegoro.

	Text cov_pengesahan_abstrak - Ridha Septiaraa.pdf Download (461kB)
	Text bab 3-4_merged - Ridha Septiaraa.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text daftar pustaka - Ridha Septiaraa.pdf Download (173kB)

Abstract

Indonesia mengalami tekanan ketahanan pangan karena terjadinya peningkatan harga pada sejumlah komoditi pertanian salah satunya adalah beras. Beras memiliki peran strategis dalam ketahanan serta stabilitas ekonomi nasional karena fluktuasi harga beras yang tidak stabil dapat langsung berdampak pada kesejahteraan masyarakat Indonesia. ARIMA-GARCH akan digunakan untuk memprediksi fluktuasi harga beras di masa depan. ARIMA adalah salah satu metode statistik yang digunakan untuk analisis deret waktu, ARIMA bersifat fleksibel karena mengikuti pola data. ARIMA menggunakan tiga komponen utama yaitu komponen AR (autoregressive), I (integrated), dan MA (moving average). GARCH (Generalized Autoregressive Conditional Heteroskedasticity) adalah model yang dapat digunakan untuk menangani perubahan pada variabilitas atau ketidakstabilan data dari waktu ke waktu dan dapat menangkap karakteristik volatilitas seperti clustering volatility, dimana periode volatilitas yang tinggi biasanya diikuti oleh volatilitas tinggi lainnya, sama halnya dengan volatilitas rendah. GARCH yang dikombinasikan dengan ARIMA dapat mengatasi masalah residual model ARIMA yang memiliki heteroskedastisitas dalam variani residual (volatilitas) sehingga model ARIMA-GARCH lebih baik untuk forecasting data time series. Data time series yang digunakan dalam penelitian ini adalah data harga beras di Indonesia periode Januari 2010−Desember 2024 untuk memprediksi harga beras di Indonesia periode Januari 2010−Desember 2026 . Hasil penelitian ini menunjukkan bahwa model ARIMA(1,1,0)-GARCH(0,1) yang digunakan memiliki nilai akurasi MAPE sebesar 9,58%.

Actions (login required)

View Item