Prediction of Land Area Harvest, Production, Rice Productivity: A Accuracy Analysis of ARIMA Methods

Authors

  • Malik Ibrahim [Sinta ID: 6200128], University of Nahdlatul Ulama NTB
  • Habib Ratu Perwira Negara Universitas Bumigora Mataram
  • Syaharuddin Syaharuddin Universitas Muhammadiyah Mataram

DOI:

https://doi.org/10.31764/protech.v1i1.4776

Keywords:

Predictions, ARIMA Method, Land Area Harvest, Rice Productivity.

Abstract

Abstract: This study aims to find out the best forecasting model with ARIMA method. The data used by this study is the area of harvest, production and productivity in East Java Province in 2000-2020. Data analysis used is ARIMA method with accuracy parameters used namely MSE, MAPE, and MAD. The results showed that (1) the error rate of ARIMA method in the harvest area, MAD value of 1,013,810,484; MSE value of 16,484,292,627,223; MAPE value of 48.25; (2) ARIMA method error rate in Production, MAD value of 5,975,703,193, MSE value of 5,886,684,845,403,590, MAPE value of 54.60; (3) the last error of ARIMA method in productivity, MAD value of 14,705, MSE value of 39,969, MAPE value of 25.62.  The simulation results showed that of the four mathematical models that became the output of G-MFS, the 1st mathematical model became the best model in determining the prediction results due to smaller error parameters with a predicted planting area of 1,728,503 m2, a production rate of 9.609057 tons, and a productivity of 57.145%

 

Abstrak: Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dengan metode ARIMA. Data yang digunakan penelitian ini adalah luas panen, produksi dan produktivitas di Provinsi Jawa Timur Tahun 2000-2020. Analisis data yang digunakan adalah metode ARIMA dengan Parameter akurasi yang digunakan yaitu MSE, MAPE, dan MAD. Hasil penelitian menunjukkan bahwa (1) tingkat kesalahan metode ARIMA di luas panen, nilai MAD sebesar 1.013.810.484; nilai MSE sebesar 16.484.292.627,223; nilai MAPE sebesar 48,25; (2) tingkat kesalahan metode ARIMA di Produksi, nilai MAD sebesar 5.975.703,193, nilai MSE sebesar 5.886.684.845.403,590, nilai MAPE sebesar 54,60; (3) terakhir kesalahan metode ARIMA di produktivitas, nilai MAD sebesar 14,705, nilai MSE sebesar 39,969, nilai MAPE sebesar 25,62. Hasil simulasi menunjukkan bahwa dari empat model matematika yang menjadi output G-MFS maka model matematika ke-1 menjadi model terbaik dalam menentukan hasil prediksi karena parameter error yang lebih kecil dengan hasil prediksi luas tanam sebesar 1.728.503 m2, tingkat produksi 9.609057 ton, dan produktivitas sebesar 57,145%

Author Biography

Malik Ibrahim, [Sinta ID: 6200128], University of Nahdlatul Ulama NTB

------------------------

Scopus ID: (Article in Scopus)

Sinta ID: 6200128

Google Scholar

------------------------

Field of Research Interest:

Mathematics Education

References

Arifai, S. R. A., & Lukman Junaedi. (2020). Prediksi Permintaan Barang Bedasarkan Penjualan Menggunakan Metode Arima Box-Jenkins (Studi Kasus : Pt. Beststamp Indonesia). Jurnal E-Bis (Ekonomi-Bisnis), 4(2), 138–146. https://doi.org/10.37339/e-bis.v4i2.227

Darsyah, M. Y. (2015). Peramalan Pola Data Musiman Dengan Model Winter’s & ARIMA. Majalah Ekonomi Dan Bisnis, 11(1), 72–75.

Fejriani, F., Hendrawansyah, M., Muharni, L., Handayani, S. F., & Syaharuddin. (2020). Forecasting Peningkatan Jumlah Penduduk Berdasarkan Jenis Kelamin menggunakan Metode Arima. Jurnal Kajian, Penelitian Dan Pengembangan Pendidikan, 8(1 April), 27–36.

Holik, A., & Bachtiar, R. R. (2019). Prediksi Hasil Panen Padi Menggunakan Pesawat Tanpa Awak. Jurnal Ilmiah Rekayasa Pertanian Dan Biosistem, 7(2), 230–238. https://doi.org/10.29303/jrpb.v7i2.139

Jatmiko, Y. A., Rahayu, R. L., & Darmawan, G. (2017). Perbandingan Keakuratan Hasil Peramalan Produksi Bawang Merah Metode Holt-Winters Dengan Singular Spectrum Analysis (Ssa). Jurnal Matematika “MANTIK,†3(1), 13. https://doi.org/10.15642/mantik.2017.3.1.13-24

Negara, H. R. P., Tamur, M., Syaharuddin, Apandi, T. H., Kusuma, J. W., & Hamidah. (2020). Computational modeling of ARIMA-based G-MFS methods: Long-term forecasting of increasing population. International Journal of Emerging Trends in Engineering Research, 8(7), 3665–3669. https://doi.org/10.30534/ijeter/2020/126872020

Octora, M., & Kuntoro. (2013). Perbandingan Metode ARIMA (Box Jenkins) dan Metode Winter dalam Peramalan Jumlah Kasus Demam Berdarah Dengue. Jurnal Biometrika Dan Kependudukan, 2, 88–98.

Putra, E. F., Asdi, Y., & Maiyastri, M. (2019). Peramalan Dengan Metode Pemulusan Eksponensial Holt-Winter Dan Sarima (Studi Kasus: Jumlah Produksi Ikan (Ton) di Kota Sibolga Tahun 2000-2017). Jurnal Matematika UNAND, 8(1), 75. https://doi.org/10.25077/jmu.8.1.75-83.2019

Rahmawati, HRP Negara, S. (2021). Prediksi Jumlah Siswa SMP Dengan Metode Holt: Studi Kasus Provinsi NTB, NTT, dan Bali. Indonesian Journal of Engineering (IJE), 1(2), 105–119.

Santosa, M. A., Sarja, N. L. A. K. Y., & Wiyati, R. K. (2019). Perbandingan Metode Holt Winter Additive Dan Metode Holt Winter Additive Damped Dalam Peramalan Jumlah Pendaftaran Mahasiswa. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 5(1), 93. https://doi.org/10.24014/rmsi.v5i1.7378

Sucipto, L., & Syaharuddin, S. (2018). Konstruksi Forecasting System Multi-Model untuk pemodelan matematika pada peramalan Indeks Pembangunan Manusia Provinsi Nusa Tenggara Barat. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 4(2), 114. https://doi.org/10.26594/register.v4i2.1263

Syaharuddin, Pramita, D., Nusantara, T., & Subanji. (2019). Testing alpha-beta parameters of holt method for time series forecasting. International Journal of Scientific and Technology Research, 8(12), 3653–3656.

Syaharuddin, S., & Ahmad, A. (2020). Amount of Poverty as Policy Basis: A Forecasting Using The Holt Method. Jurnal Varian, 4(1), 51–60. https://doi.org/10.30812/varian.v4i1.849

Utara, U. S. (n.d.). atau opini, pengetahuan dan pengalaman dari penyusunnya. Oleh karena itu metode kualitatif ini disebut juga. 8–43.

Vintarno, J., Sugandi, Y. S., & Adiwisastra, J. (2019). Perkembangan Penyuluhan Pertanian Dalam Mendukung Pertumbuhan Pertanian Di Indonesia. Responsive, 1(3), 90. https://doi.org/10.24198/responsive.v1i3.20744

Downloads

Published

2021-06-30