2019 : PERAMALAN DATA HARGA BERAS MENGGUNAKAN METODE GSTARX-GLS DENGAN VARIABEL EKSOGEN BERSKALA NON-METRIK

Ir. Mutiah Salamah Chamid
Mike Prastuti S.Si., M.Si.

External link

Type

RESEARCH

Keywords

-


Abstract

Model spatio-temporal merupakan suatu model deret waktu yang banyak diaplikasikan dalam bidang ekonomi, geologi, ekologi, dan beberapa aplikasi lainnya. Model tersebut merupakan kumpulan data yang diurutkan berdasarkan waktu dari beberapa lokasi yang berbeda. Model Generalized Space Time Autoregressive (GSTAR) merupakan suatu model peramalan hasil pengembangan dari model spatio-temporal yang menggabungkan unsur dependensi waktu dan lokasi pada suatu data deret waktu multivariat. Dalam aplikasinya, model GSTAR seringkali dipengaruhi oleh variabel lain diluar model atau yang disebut variabel eksogen. Pada model GSTAR, peramalan yang melibatkan suatu variabel eksogen disebut dengan GSTARX. Dalam hal ini X merupakan suatu simbol atau notasi dari variabel eksogen atau variabel prediktor yang dapat berskala metrik (interval atau rasio) atau non-metrik (nominal atau ordinal). Model peramalan dengan menambahkan variabel prediktor banyak terbukti mampu meningkatkan akurasi suatu ramalan pada data time series multivariat. Oleh karena itu, dalam penelitian ini akan menggunakan model GSTARX-GLS dengan variabel eksogen berskala non-metrik. Studi kasus yang digunakan adalah data harga beras di Surabaya, Sidoarjo dan Gresik. Variabel eksogen yang digunakan berupa kebijakan pemerintah dalam menaikkan harga Bahan Bakar Minyak (BBM) serta kejadian lebaran sebagai variabel dummy. Metode ini diharapkan mampu menghasilkan ramalan data harga beras yang lebih akurat di tiga lokasi tersebut. Sehingga nantinya hasil ramalan tersebut dapat digunakan oleh pihak-pihak yang berkepentingan untuk bisa digunakan dalam hal evaluasi, perencanaan, serta pengambilan kebijakan agar harga beras tetap stabil di Surabaya, Sidoarjo dan Gresik.