Prediksi Produksi Padi Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA)
DOI:
https://doi.org/10.30812/corisindo.v1.5326Keywords:
Peramalan, ARIMA, Produksi Padi, Deret Waktu, Nusa Tenggara BaratAbstract
Sebagai salah satu wilayah agraris di Indonesia, Provinsi Nusa Tenggara Barat memiliki peran penting dalam mendukung ketahanan pangan nasional. Namun, produksi padi di wilayah ini mengalami fluktuasi signifikan dari tahun ke tahun, yang mendukung perencanaan pasokan, distribusi, serta penetapan kebijakan pangan secara berkelanjutan. Ketidakpastian ini menjadi tantangan utama dalam menjaga stabilitas ketahanan pangan daerah. Penelitian ini bertujuan untuk memperkirakan jumlah produksi padi di NTB dengan menerapkan metode Autoregressive Integrated Moving Average (ARIMA) berdasarkan data tahunan periode 2001 hingga 2023. Data sekunder diperoleh dari Dinas Pertanian dan Perkebunan Provinsi NTB dan dianalisis secara keseluruhan pada tingkat provinsi. Setelah melalui uji stasioneritas serta identifikasi parameter optimal menggunakan grafik ACF, PACF, dan evaluasi kriteria AIC dan BIC, model ARIMA(1,1,0) terpilih sebagai model terbaik. Hasil prediksi untuk periode 2024 hingga 2026 menunjukkan tren produksi yang relatif stabil, dengan tingkat akurasi tinggi yang ditunjukkan oleh nilai MAPE sebesar 5,26%. Temuan ini membuktikan bahwa model ARIMA efektif dalam mengenali pola historis dan dapat digunakan sebagai dasar dalam penelitian strategi distribusi dan ketahanan pangan di wilayah NTB.
References
[1] W. Hariadi and S. Sulantari, “Pemodelan Autoregressive Integrated Moving Average Ensemble (ARIMA ENSEMBLE) Averaging Method Dalam Peramalan Produksi Padi di Provinsi Jawa Timur,” Estim. J. Appl. Stat. Math. Data Sci., vol. 2, no. 2, pp. 44–55, 2025, doi: 10.31537/estimator.v2i2.2158.
[2] N. M., S. Sabiham, B. Pramudya, W. Widiatmaka, and I. W. Rusastra, “Penetapan Luas Lahan Optimum Usahatani Padi Sawah Mendukung Kemandirian Pangan Berkelanjutan di Nusa Tenggara Barat,” J. Agro Ekon., vol. 29, no. 2, p. 113, 2016, doi: 10.21082/jae.v29n2.2011.113-145.
[3] S. H. Simanjuntak and W. Widodo, “Analisis Pengaruh Perubahan Struktural Ekonomi dalam Sistem Multiregional di Indonesia,” J. Ilmu Manajemen, Bisnis dan Ekon. JIMBE, vol. 3, no. 1, pp. 28–41, 2025.
[4] S. D. Ariyanti, U. Nabila, and L. Rahmawati, “Pemenuhan Kebutuhan Produksi Beras Nasional dalam Meningkatkan Kesejahteraan Masyarakat Menurut Perspektif Ekonomi Islam,” J. Ekon. Syariah dan Bisnis, vol. 7, no. 1, pp. 82–93, 2024, doi: 10.31949/maro.v7i1.9121.
[5] W. Chen and X. Zhao, “Understanding Global Rice Trade Flows: Network Evolution and Implications,” Foods, vol. 12, no. 17, pp. 1–18, 2023, doi: 10.3390/foods12173298.
[6] A. F. Anjani, N. Choirunnisa, M. R. Haizar, N. A. Robbaniyyah, and T. M. Rusadi, “Prediksi Harga Beras di Provinsi Nusa Tenggara Barat Dengan Metode Least Square Approximation,” JSN J. Sains Nat., vol. 3, no. 1, pp. 54–63, 2025, doi: 10.35746/jsn.v3i1.690.
[7] M. Ibrahim, H. R. Perwira Negara, and S. Syaharuddin, “Prediction of Land Area Harvest, Production, Rice Productivity: A Accuracy Analysis of ARIMA Methods,” Protech Biosyst. J., vol. 1, no. 1, p. 1, 2021, doi: 10.31764/protech.v1i1.4776.
[8] I. R. Akolo, “Perbandingan Exponential Smoothing Holt-Winters Dan Arima Pada Peramalan Produksi Padi Di Provinsi Gorontalo,” J. Technopreneur, vol. 7, no. 1, pp. 20–26, 2019, doi: 10.30869/jtech.v7i1.314.
[9] Kevin-Caldemon-Handa, Michelle-Malapit-Mila, and Aubrey Jane-Atilano-Sabalberino, “Forecasting value of production of palay and retail price of rice in the Philippines using ARIMA modelling,” World J. Adv. Res. Rev., vol. 17, no. 3, pp. 035–054, 2023, doi: 10.30574/wjarr.2023.17.3.0345.
[10] R. H. Br Bangun, “Penerapan Autoregressive Integrated Moving Average (Arima) Pada Peramalan Produksi Kedelai Di Sumatera Utara,” J. Agrica, vol. 9, no. 2, p. 90, 2017, doi: 10.31289/agrica.v9i2.484.
[11] R. A. Pitaloka, S. Sugito, and R. Rahmawati, “Perbandingan Metode Arima Box-Jenkins Dengan Arima Ensemble Pada Peramalan Nilai Impor Provinsi Jawa Tengah,” J. Gaussian, vol. 8, no. 2, pp. 194–207, 2019, doi: 10.14710/j.gauss.v8i2.26648.
[12] L. Nur Komara and Dwi Agustin Nuriani Sirodj, “Metode Autoregressive Integrated Moving Average (ARIMA) untuk Meramalkan Produksi Padi di Provinsi Jawa Tengah,” Bandung Conf. Ser. Stat., vol. 3, no. 2, pp. 496–504, 2023, doi: 10.29313/bcss.v3i2.8442.
[13] H. R. Sri, S. Wahyuningsih, and M. Siringoringo, “Peramalan Harga Emas Indonesia Menggunakan Model ARIMA (0,1,1)-GARCH (1,0),” J. Eksponensial, vol. 15, no. 1, pp. 1–10, 2024.
[14] A. Olivia and E. S. Nugraha, “Forecasting PT Bank Central Asia Tbk Stock Price Using ARIMA Model,” J. Actuar. Financ. Risk Manag., vol. 2, no. 1, p. 20, 2023, doi: 10.33021/jafrm.v2i1.4563.
