Zulfa, Andi Naila (2025) Metode ARIMA Menggunakan Modified Artificial Bee Colony (MABC) Untuk Peramalan Produksi Beras Indonesia. Undergraduate thesis, Universitas Diponegoro.

	Text File 1 - Andi Naila Zulfa.pdf Download (497kB)
	Text File 2 - Andi Naila Zulfa.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text File 3 - Andi Naila Zulfa.pdf Download (158kB)

Abstract

Fluktuasi produksi beras di Indonesia menimbulkan kesulitan dalam memperoleh peramalan yang akurat, sementara model ARIMA yang umum digunakan masih memiliki keterbatasan karena proses penentuan parameternya bergantung pada identifikasi manual. Model ARIMA diintegrasikan dengan algoritma Modified Artificial Bee Colony (MABC) sebagai metode optimasi parameter secara otomatis, dengan menggunakan data produksi beras bulanan periode Januari 2022 hingga Desember 2023. Model ARIMA awal yang dinyatakan valid berdasarkan uji stasioneritas, signifikansi parameter, serta uji diagnostik residu, yaitu "ARIMA" (0,0,1) (0,0,1)_12, menghasilkan MAPE sebesar 16.65%. Setelah proses optimasi melalui fase Employed Bee, Onlooker Bee, dan Scout Bee, diperoleh model terbaik "ARIMA" (1,0,2) (1,0,0)_12 dengan MAPE 4.55%, sehingga akurasinya meningkat secara signifikan. Model optimal tersebut mampu menghasilkan prediksi empat bulan terakhir tahun 2023 yang mengikuti pola musiman aktual. Hasil penelitian menunjukkan bahwa MABC efektif dalam meingkatkan akurasi ARIMA dan dapat menjadi alternatif metode peramalan untuk data deret waktu musiman, khususnya pada produksi pertanian.

Actions (login required)

View Item