Peramalan Dinamika Harga Beras Premium di Tingkat Penggilingan dengan Model ARIMA
Article Sidebar
Main Article Content
Abstract
Penelitian ini bertujuan untuk menganalisis dan memprediksi dinamika harga beras kualitas premium pada tingkat penggilingan di Indonesia menggunakan metode time series model ARIMA. Data yang digunakan merupakan data sekunder dari publikasi resmi Badan Pusat Statistik (BPS) periode 2013–2023, dalam satuan Rupiah per kilogram (Rp/Kg). Penelitian ini menggunakan pendekatan deskriptif kuantitatif dengan tahapan analisis meliputi uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF) Test, identifikasi model melalui Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), serta penentuan model terbaik berdasarkan kriteria Akaike Information Criterion (AIC), Schwarz Criterion (SC), dan uji residual Ljung-Box Test. Hasil penelitian menunjukkan bahwa data harga beras premium tidak stasioner pada level, namun menjadi stasioner setelah dilakukan diferensiasi pertama (perbedaan pertama). Model terbaik yang diperoleh adalah ARMA(1,1) dengan nilai R-Square tertinggi sebesar 0,9719, AIC terendah (-5,04), dan residu bersifat acak (white noise). Berdasarkan hasil peramalan, harga beras premium tahun 2024 diperkirakan stabil dengan kecenderungan menurun dari Rp9.502 pada Januari menjadi Rp9.476 pada Desember. Hasil ini menunjukkan bahwa pasar beras Indonesia relatif terkendali tanpa adanya harga yang signifikan. Temuan ini dapat menjadi dasar bagi pemerintah dalam menetapkan kebijakan pengendalian harga beras, menjaga keseimbangan kepentingan petani dan konsumen, serta memperkuat ketahanan pangan nasional.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
N. D. Budiman and L. Santu, “Kajian Strategi dan Kebijakan Pemerintah Indonesia dalam Mencapai Target Swasembada Beras,” J. Pertan. Cemara, vol. 21, no. 2, pp. 125–136, 2024.
M. F. Annaji, M. Pratama, I. P. A. Weny, and P. D. A. O. Lelangrian, “Analisis Kebijakan Terhadap Harga Beras Dalam Konteks Negara VS Pasar Pada Ekonomi Politik,” J. Soc. Bridg., vol. 3, no. 1, pp. 1–9, 2025.
F. Feriansyah and A. Frasipa, “Faktor-Faktor yang Memengaruhi Volatilitas Harga Beras Masa Pandemi Covid-19 di Indonesia,” J. Agrimanex Agribusiness, Rural Manag. Dev. Ext., vol. 4, no. 1, pp. 1–9, 2023.
B. L. Pradana, “Time Series Forecasting of LQ45 Stock Index Using ARIMA: Insights and Implications,” Rev. Manag. Account. Tour. Stud., vol. 1, no. 1, pp. 27–40, 2025.
A. Frasipa, H. Harianto, and S. Suharno, “Retail Rice Price Volatility Analyzes In Indonesia Using Arch-Garch Model,” J. Austrian Soc. Agric. Econ., vol. 17, no. 6, pp. 595–602, 2021.
U. Fakhriyah Jayatri, “Modelling and Predicting Volatility in Essential Food Prices Using ARIMA-GARCH Models,” vol. 1, no. 1, 2024, [Online]. Available: https://journal.uny.ac.id/publications/eejie/
N. Khotimah, S. Ramayanti, and P. Aprilianto, “Forecasting Ketahanan Pangan Nasional Melalui Produktivitas Hasil Pertanian Di Provinsi Sumatera Selatan (Studi Kasus Rice Estate),” TheJournalish Soc. Gov., vol. 4, no. 5, pp. 232–250, 2023.
V. Sari and S. A. Hariyanto, “Peramalan Harga Beras Premium Bulanan Di Tingkat Penggilingan Menggunakan Fuzzy Time Series Markov Chain,” J. Gaussian, vol. 12, no. 3, pp. 322–329, 2023.
A. Wardhono, Y. Indrawati, C. G. Qoriah, and M. A. Nasir, Analisis Data Time Series Dalam Model Makroekonomi. Pustaka Abadi, 2019.
N. T. Qurniawan and T. Sukmono, “Peramalan Permintaan dengan Menerapkan Metode Autoregressive Integrated Moving Average (ARIMA) pada Industri Beton,” J. Teknol. dan Manaj. Ind. Terap., vol. 4, no. 3, pp. 1024–1032, 2025.
L. Junaedi, N. Damastuti, L. Latipah, and A. Widodo, “Penerapan Metode Seasonal ARIMA (SARIMA) untuk Peramalan Penjualan Barang dengan Pola Musiman Tahunan,” JISEM (Jurnal Inform. Sist. Informasi, dan Elektro Mod., vol. 1, no. 01, pp. 38–48, 2025.