Fuzzy Time Series Untuk Prediksi Harga Gabah Kering Panen

Sri Siswanti; Agus Nugroho; Bebas Widada; Andriani Kusumaningrum

doi:10.33633/tc.v22i2.7956

Fuzzy Time Series Untuk Prediksi Harga Gabah Kering Panen

Sri Siswanti, Agus Nugroho, Bebas Widada, Andriani Kusumaningrum

Abstract

Meningkatnya jumlah penduduk membuat kebutuhan akan makanan pokok akan selalu meningkat, terutama beras. Namun di sisi lain, dengan adanya jumlah lahan pertanian semakin menyempit akibatnya beralih fungsi lahan pertanian sebagai lahan non pertanian. Hal ini mengakibatkan produksi padi saat ini tidak mampu mengimbangi kebutuhan pangan di Indonesia. Permasalahan yang sering dihadapi petani adalah lemahnya posisi tawar karena kurangnya akses pasar, informasi pasar, dan permodalan. Hal ini membuat petani tidak berdaya untuk menegosiasikan harga hasil panennya, sehingga petani menjual hasil panennya secara borongan kepada orang yang bermodal lebih, dimana dalam penetapan harga menjadi tidak menguntungkan bagi petani. Tujuan dari penelitian ini adalah membuat suatu sistem yang dapat memberikan informasi perubahan harga gabah kering pada panen bulan berikutnya. Informasi ini akan dijadikan acuan untuk menentukan harga jual gabah kering, sehingga kerugian dapat dikurangi. Hasil perhitungan peramalan menggunakan metode Fuzzy Times Series pada bulan Juni dengan harga gabah Rp. 4544,39 per Kilogram dengan nilai MAPE 2,68% atau akurasi tinggi.

Keywords

Fuzzy Time Series, Petani, Prediksi, Gabah Kering

Full Text:

PDF

References

Badan Pusat Statistik, Luas Panen dan Produksi Padi di Indonesia 2019. 2020.

BPS, “Luas Panen dan Produksi Padi di Indonesia 2021 (Angka Sementara),” Ber. Resmi Stat., vol. 2021, no. 77, pp. 1–14, 2021.

I. D. Nugrahani, Y. Susanti, and N. Qona’ah, “Modeling of Rice Production in Indonesia Using Robust Regression with The Method of Moments (MM) Estimation,” vol. 2021, pp. 79–87, 2021, doi: 10.11594/nstp.2021.1111.

Z. Arifin, N. Hanani, D. Kustiono, Syafrial, and R. Asmara, “Forecasting the Basic Conditions of Indonesia’S Rice Economy 2019-2045,” Agric. Soc. Econ. J., vol. 21, no. 02, pp. 111–120, 2021, doi: 10.21776/ub.agrise.2021.021.2.4.

Y. Holle, “Penguatan Kelembagaan Kelompok Tani Untuk Meningkatkan Posisi Tawar Petani,” J. Sosio Agri Papua, vol. 11, no. 1, pp. 35–40, 2022.

M. F. F. Mardianto, E. Tjahjono, M. Rifada, A. Herawanto, A. L. Putra, and K. A. Utama, “The Prediction of Rice Production in Indonesia Provinces for Developing Sustainable Agriculture,” in Journal The First International Conference of Food and Agriculture, 2018, vol., no., pp. 325–333.

Rasna, I. W. Sudarsana, and D. Lusiyanti, “Forecasting Of Crude Palm Oil By Using Fuzzy Time Series Method (Study Case : PT. Buana Mudantara Plantation),” Param. J. Stat., vol. 1, no. 1, pp. 31–40, 2021, doi: 10.22487/27765660.2021.v1.i1.15442.

L. Patria, “Fuzzy Time Series Application in Predicting the Number of Confirmation Cases of Covid-19 Patients in Indonesia,” Int. J. Quant. Res. …, vol. 2, no. 4, pp. 193–200, 2021.

Arnita, N. Afnisah, and F. Marpaung, “A Comparison of the Fuzzy Time Series Methods of Chen, Cheng and Markov Chain in Predicting Rainfall in Medan,” J. Phys. Conf. Ser., vol. 1462, no. 1, 2020, doi: 10.1088/1742-6596/1462/1/012044.

A. Hadjira, H. Salhi, and F. El Hafa, “A Comparative Study between ARIMA Model, Holt-Winters – No Seasonal and Fuzzy Time Series for New Cases of COVID-19 in Algeria,” Am. J. Public Heal. Res., vol. 9, no. 6, pp. 248–256, 2021, doi: 10.12691/ajphr-9-6-4.

A Sumarudin, Adi Suheryadi, Bahrainsyah Oksareinaldi, and Lia Nurfadilah, “Aplikasi Monitoring dan Prediksi Harga Komoditas Pasar Daerah Indramayu Berbasis Fuzzy Time Series,” JITSI J. Ilm. Teknol. Sist. Inf., vol. 1, no. 1, pp. 15–24, 2020, doi: 10.30630/jitsi.1.1.4.

S. Solikhin and U. Yudatama, “Fuzzy Time Series dan Algoritme Average Based Length untuk Prediksi Pekerja Migran Indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, p. 369, 2019, doi: 10.25126/jtiik.2019641177.

W. Widiyani, Y. Setyawan, and M. T. Jatipaningrum, “Perbandingan Metode Fuzzy Time Series-Chen Dan Weighted Fuzzy Integrated Time Series Untuk Memprediksi Data Indeks Harga Saham Gabungan,” J. Stat. Ind. dan Komputasi, vol. 7, no. 1, pp. 81–87, 2022.

DOI: https://doi.org/10.33633/tc.v22i2.7956