ANALISIS TREN DAN MUSIMAN DALAM PRODUKSI MANGGA DI INDRAMAYU MENGGUNAKAN MODEL ARIMA

##plugins.themes.academic_pro.article.sidebar##

Published Sep 21, 2024
https://doi.org/10.31943/teknokom.v7i2.229
Download
PDF
Statistic

Downloads

Download data is not yet available.
Vol. 7 No. 2 (2024): TEKNOKOM

##plugins.themes.academic_pro.article.main##

Muhammad Edi Iswanto
Politeknik Negeri Indramayu
Vera Wati
Politeknik Negeri Indramayu
Joko Irawan
Politeknik Negeri Indramayu
Arif Maulana Yusuf
Politeknik Negeri Indramayu

Abstract

Penelitian ini bertujuan untuk menganalisis tren dan pola musiman dalam produksi mangga di Kabupaten Indramayu serta melakukan peramalan untuk tahun 2024 dan 2025 menggunakan model ARIMA (Autoregressive Integrated Moving Average). Data yang digunakan mencakup periode tahun 2018 hingga 2023 yang diperoleh dari sumber resmi terkait. Metode penelitian meliputi pengumpulan data, pra-pemrosesan, uji stasioneritas dengan Augmented Dickey-Fuller (ADF) Test, serta analisis Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF) untuk menentukan parameter optimal model ARIMA. Hasil penelitian menunjukkan adanya fluktuasi produksi mangga dari tahun ke tahun dengan pola yang dipengaruhi oleh tren dan faktor musiman. Model ARIMA yang dibangun berhasil memproyeksikan produksi mangga untuk dua tahun ke depan dengan tingkat akurasi yang memadai. Prediksi ini diharapkan dapat menjadi dasar pertimbangan bagi pemangku kepentingan, termasuk pemerintah daerah dan petani, dalam merencanakan strategi produksi, distribusi, dan pemasaran yang lebih efektif. Penelitian ini juga membuka peluang untuk pengembangan model lebih lanjut dengan mempertimbangkan variabel eksternal seperti cuaca, pola tanam, dan manajemen pascapanen untuk meningkatkan kualitas prediksi.

##plugins.themes.academic_pro.article.details##

Creative Commons License

This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.

How to Cite
Iswanto, M. E. ., Wati, V. ., Irawan, J. ., & Yusuf, A. M. (2024). ANALISIS TREN DAN MUSIMAN DALAM PRODUKSI MANGGA DI INDRAMAYU MENGGUNAKAN MODEL ARIMA. TEKNOKOM, 7(2), 266–273. https://doi.org/10.31943/teknokom.v7i2.229

References

  1. I. S. Anugrah, “Mendudukkan Komoditas Mangga sebagai Ungguan Daerah dalam Suatu Kebijakan Sistem Agribisnis: Upaya Menyatukan Dukungan Kelembagaan Bagi Eksistensi Petani,” Anal. Kebijak. Pertan. (Agriculture Policy Anal., vol. 7, no. 2, pp. 189–211, 2009, [Online]. Available: http://ejurnal.litbang.pertanian.go.id/index.php/akp/article/view/4260/3597
  2. E. Ariningsih, H. P. Saliem, M. Maulana, and K. S. Septanti, “Kinerja agribisnis mangga gedong gincu dan potensinya sebagai produk ekspor pertanian unggulan,” in Forum penelitian Agro Ekonomi, 2021, vol. 39, no. 1, pp. 49–71.
  3. T. I. Santoso, P. S. Agribisnis, F. Pertanian, and U. Wiralodra, “Strategi Pengembangan Mangga Agrimania Sebagai Komoditas Buah Unggulan Baru di Kabupaten Indramayu,” vol. 16, no. September, pp. 89–100, 2024.
  4. D. Dari et al., “ANALISIS KARAKTERISTIK KONSUMEN PRODUK OLAHAN MANGGA DITINJAU DARI ASPEK DEMOGRAFIS, GEOGRAFIS, PSIKOGRAFIS SERTA PERILAKU KONSUMEN SEBELUM DAN SAAT PANDEMI COVID-19,” vol. 7, no. 2, pp. 1618–1638, 2021.
  5. W. E. E. Muthahar and W. Sulistijanti, “Peramalan Hasil Panen Mangga dengan Pendekatan Seasonal Autoregresif Integrated Moving Average Method,” 2017.
  6. W. P. Putra, E. Ismantohadi, M. Qomarrudin, T. Informatika, P. Negeri, and I. Pendahuluan, “Sistem Monitoring Tanaman Hortikultura Pertanian,” J. Teknol. dan Inf. UNIKOM, vol. 9, no. 1, pp. 45–54, 2019.
  7. R. H. Shumway, D. S. Stoffer, R. H. Shumway, and D. S. Stoffer, “ARIMA models,” Time Ser. Anal. its Appl. with R examples, pp. 75–163, 2017.
  8. A. A. Ariyo, A. O. Adewumi, and C. K. Ayo, “Stock price prediction using the ARIMA model,” in 2014 UKSim-AMSS 16th international conference on computer modelling and simulation, 2014, pp. 106–112.
  9. V. Kozitsin, I. Katser, and D. Lakontsev, “Online forecasting and anomaly detection based on the ARIMA model,” Appl. Sci., vol. 11, no. 7, p. 3194, 2021.
  10. E. I. Sihombing, C. D. Suhendra, and L. F. Marini, “KLIK: Kajian Ilmiah Informatika dan Komputer Analisis Data Time Series Untuk Prediksi Harga Komoditas Pangan Menggunakan Autoregressive Integrated Moving Average,” Media Online), vol. 4, no. 6, pp. 2711–2720, 2024, doi: 10.30865/klik.v4i6.1863.
  11. H. Afridar, … G. G.-I. J. of, and undefined 2022, “Penerapan Metode ARIMA untuk Prediksi Harga Komoditi Bawang Merah di Kota Tegal,” Journal.Peradaban.Ac.Id, vol. 3, no. 2, pp. 18–29, 2023, [Online]. Available: http://journal.peradaban.ac.id/index.php/ijir/article/view/1214
  12. B. Nath, D. S. Dhakre, and D. Bhattacharya, “Forecasting wheat production in India: An ARIMA modelling approach,” J. Pharmacogn. Phytochem., vol. 8, no. 1, pp. 2158–2165, 2019.
  13. D. Fan, H. Sun, J. Yao, K. Zhang, X. Yan, and Z. Sun, “Well production forecasting based on ARIMA-LSTM model considering manual operations,” Energy, vol. 220, p. 119708, 2021.
  14. F. N. Hadiansyah, “Chili price prediction using ARIMA time series modeling,” Indones. J. Comput., vol. 2, no. 1, p. 71, 2017, doi: 10.21108/indojc.2017.21.144.
  15. L. Susanti, S. J. Pririzki, Z. Zeleansi, and ..., “Prediksi Harga Cabai Rawit Merah Sebagai Kebutuhan Pangan Masyarakat Di Kota Pangkalpinang,” Proc. …, pp. 140–145, 2022, [Online]. Available: https://journal.ubb.ac.id/snppm/article/view/3752
  16. N. M. Sunariadi, P. K. Intan, D. C. R. Novitasari, and Y. Hariningsih, “Prediksi Produksi Bawang Merah Di Kabupaten Nganjuk Dengan Metode Seasonal Arima (Sarima),” Transform. J. Pendidik. Mat. dan Mat., vol. 6, no. 1, pp. 49–60, 2022, doi: 10.36526/tr.v6i1.1672.
  17. S. R. A. Arifai and Lukman Junaedi, “Prediksi Permintaan Barang Bedasarkan Penjualan Menggunakan Metode Arima Box-Jenkins (Studi Kasus?: Pt. Beststamp Indonesia),” J. E-Bis, vol. 4, no. 2, pp. 138–146, 2020, doi: 10.37339/e-bis.v4i2.227.

Similar Articles

You may also start an advanced similarity search for this article.

Most read articles by the same author(s)