Peramalan Harga Komoditas Padi (GKG) dengan Metode ARIMA di Provinsi Sumatera Selatan
DOI:
https://doi.org/10.38035/sjam.v4i1.856Kata Kunci:
ARIMA, Peramalan Harga GKG, Sumatera Selatan, Deret Waktu, Ketahanan Pangan.Abstrak
Padi (Oryza sativa L.) merupakan komoditas pertanian yang paling strategis di Indonesia, berfungsi sebagai makanan pokok bagi sebagian besar penduduk dan berperan penting dalam ketahanan pangan nasional. Provinsi Sumatera Selatan termasuk daerah penghasil padi terbesar di Pulau Sumatera, sehingga peramalan harga gabah kering giling (GKG) secara akurat menjadi sangat penting bagi petani, pelaku pasar, dan pembuat kebijakan. Penelitian ini bertujuan untuk: (1) mengetahui hasil peramalan harga komoditas padi (GKG) dengan metode ARIMA di Provinsi Sumatera Selatan pada tahun 2026 berdasarkan data historis dari tahun 2021–2025; dan (2) mengevaluasi tingkat akurasi model peramalan ARIMA. Penelitian menggunakan pendekatan kuantitatif dengan data deret waktu sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Selatan dan Badan Pangan Nasional. Pengolahan dan analisis data dilakukan menggunakan perangkat lunak SPSS mengikuti prosedur Box-Jenkins yang mencakup plot data, uji stasioneritas melalui analisis ACF dan PACF, differencing orde kedua, identifikasi model, estimasi parameter, serta diagnostic checking. Hasil penelitian menunjukkan bahwa ARIMA (2,2,0) merupakan model terbaik dengan kedua parameter autoregresif AR(1) dan AR(2) yang signifikan secara statistik. Hasil peramalan menunjukkan tren peningkatan harga padi (GKG) yang konsisten sepanjang tahun 2026, dari Rp8.239 per kilogram pada Januari hingga Rp10.890 per kilogram pada Desember. Model menunjukkan akurasi sangat tinggi dengan nilai MAPE sebesar 5,808%, R-squared sebesar 0,742, RMSE sebesar 0,548, serta nilai p-value uji Ljung-Box sebesar 0,326 yang mengonfirmasi residual memenuhi asumsi white noise.
Referensi
Adi, S. H., Sosiawan, H., Sarwani, M., Irianto, G., & Nina, L. (2023). Disrupsi Sistem Produksi Padi Nasional: Mampukah Indonesia Memenuhi Kebutuhan Beras di Tahun 2045. Jurnal Triton, 14(2), 403–421. https://doi.org/10.47687/jt.v14i2.588
Aftidar, H., Gunawan, & Andriani, W. (2023). Penerapan metode arima untuk prediksi harga komoditi bawang merah di kota tegal. Journal Peradaban, 3(2), 18–29.
Elhakim, R. R. (2020). Prediksi Nilai Tukar Rupiah ke Dollar Amerika Serikat Menggunakan Metode ARIMA. Jurnal Mathunesa, 8(2). https://doi.org/10.26740/mathunesa.v8n2.p145-150
Fajari, D. A., Fauzanabyantara, M., & Lingga, H. A. (2021). Peramalan Rata-Rata Harga Beras Pada Tingkat Perdagangan Besar atau Grosir Indonesia Dengan Metode SARIMA. Jurnal Agribisnis Terpadu, 14(1), 88–97. https://doi.org/10.33512/jat.v14i1.11460
Fauzani, Putri, Depriwana, S., & Rahmi. (2023). Penerapan Metode ARIMA Dalam Peramalan Harga Produksi Karet di Provinsi Riau. Jurnal Teknologi dan Manajemen Industri Terapan, 2(4), 269–277. https://doi.org/https://doi.org/10.55826/tmit.v2i4.283
Gracia, B. A., & Dipayanti, K. (2024). Pengaruh Harga Terhadap Keputusan Pembelian Konsumen. Jurnal Pemasaran Kompetitif, 07(3), 275–292. https://doi.org/10.32493/jpkpk.v7i3.41049
Khairunnisa, Haryadi, Q. A. D., Audyna, N., & Nabyla. (2022). Aplikasi Metode ARIMA Dalam Meramalkan Rata-Rata. Jurnal Agribisnis, 7(2), 227–238. https://doi.org/10.31849/agr.v24i2.8683
Khofi, B., & Farhan, A. (2025). Prediksi Produksi Padi Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA). Jurnal Corisindo, 1(1), 186–193. https://doi.org/10.30812/corisindo.v1.5326
Mahfud, A., Kurniasari, D., & Usman, M. (2021). Peramalan Data Time Series Seasonal Menggunakan Metode Analisis Spektral. Jurnal Ilmiah Edunomika, 01(01), 10–15. https://doi.org/10.23960/jsm.v1i1.2484
Maya, R., Lubis, F., Situmorang, Z., & Rosnelly, R. (2021). Autoregressive Integrated Moving Average (ARIMA-Box Jenkins) Pada Peramalan Komoditas Cabai Merah di Indonesia. Jurnal Media Informatika, 5(April), 485–494. https://doi.org/10.30865/mib.v5i2.2927
Muzakir, Yahya, N. A., & Zarkawi, M. (2025). Analisis Perbandingan Model Double Exponential Smoothing dan ARIMA untuk Prediksi Harga Beras di Indonesia. Jurnal Variansi, 7(1), 7–20. https://doi.org/10.35580/variansiunm.349
Naya, Berlianti, F. P. S., Parcha, S., Kayla, N., & Aisyah. (2024). Peramalan harga beras indonesia menggunakan metode arima. Jurnal Intelektiva, 6(2), 184–193. https://www.jurnalintelektiva.com/index.php/jurnal/article/view/1063
Risvenjaya, E., Yuliawan, D., & Andrian, T. (2024). Analisis Indeks Ketahanan Pangan di Provinsi Sumatera Selatan. Journal of Education, 07(01), 8516–8524. https://doi.org/10.31004/joe.v7i1.7690
Ruliana, F. S., Fahmi, M., & Nurul. (2025). Penerapan Time Series Regression (TSR) dan Autoregressive Integrated Moving Average (ARIMA) Pada Peramalan Produksi di Indonesia. Jurnal Variansi, 7(3), 205–215. https://doi.org/10.35580/variansiunm12895
Toy, A. L., & Kleden, M. A. (2025). Menggunakan Model Autoregressive Integrated Moving Average (ARIMA). Mathunesa, 13(03), 127–137.
Windhy, A. M., & Jamil, A. S. (2021). Peramalan Harga Cabai Merah Indonesia: Pendekatan ARIMA. Jurnal Agriekstensia, 20(1).
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Anisa Anggraini, Ary Eko Prastya Putra, Andri Irawan, Iman Sulaiman
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Copyright :
Authors who publish their manuscripts in this journal agree to the following conditions:
- Copyright in each article belongs to the author.
- The author acknowledges that the Siber Journal of Advanced Multidisciplinary (SJAM) has the right to be the first to publish under a Creative Commons Attribution 4.0 International license (Attribution 4.0 International CC BY 4.0).
- Authors can submit articles separately, arrange the non-exclusive distribution of manuscripts that have been published in this journal to other versions (for example, sent to the author's institutional repository, publication in a book, etc.), by acknowledging that the manuscript has been published for the first time at SJAM.
