The PERBANDINGAN METODE ARIMA DAN SARIMA DALAM PERAMALAN PENJUALAN KELAPA

-

  • SARA SEPTIANA ARUAN UNIVERSITAS TEKNOLOGI YOGYAKARTA
https://doi.org/10.46510/jami.v2i2.82
Abstract views: 350 , PDF downloads: 215
Keywords: Peramalan, ARIMA, SARIMA

Abstract

Objektif.  Peramalan dilakukan untuk memprediksi kejadian yang akan terjadi dimasa depan berdasarkan data masa lalu. Dalam hal ini dilakukan peramalan penjualan kelapa di UKM Pak Balen Pasar Kandak Medan untuk membantu UKM tersebut memprediksi penjualan kelapa di tengah pendemi Covid 19. Peramalan dilakukan untuk memprediksi penjualan kelapa pada bulan Januari -Maret 2021. Selanjutnya, hasil peramalan yang diperoleh akan divalidasi dengan data aktual penjualan kelapa. Validasi ini bertujuan untuk mengetahui apakah metode peramalan yang digunakan sesuai untuk meramalkan penjualan di UKM Pak Balen Pasar Kandak Medan. Jika hasil peramalan dan validasi sesuai maka metode peramalan yang dipilih tepat untuk digunakan sebagai metode peramalan penjualan kelapa di UKM Pak Balen Pasar Kandak Medan.

Material and Metode.  Metode peramalan yang digunakan untuk meramalkan penjualan kelapa di UKM Pak Balen Pasar Kandak Medan adalah metode ARIMA dan SARIMA. Kemudian dilakukan serangkaian uji untuk memilih metode yang tepat yang terdiri dari uji stasioneritas ragam, uji stasioneritas rata-rata, uji white noise, pemodelan sementara, dan uji signifikansi.

Hasil.  Berdasarkan pengolahan data penjualan kelapa di UKM Pak Balen Pasar Kandak Medan diperoleh peramalan dengan metode ARIMA yang sesuai untuk meramalkan penjualan kelapa pada bulan Januari – Maret 2021 masing-masing adalah 520 kelapa, 486 kelapa, dan 459 kelapa. Sedangkan, metode SARIMA berdasarkan pengolahan data tidak memenuhi untuk peramalan, karena pada pengolah data uji signifikansi tidak terdapat model SARIMA yang signifikan.

Kesimpulan.  Metode yang paling sesuai untuk meramalkan penjualan kelapa di UKM Pak Balen Pasar Kandak Medan adalah metode ARIMA dengan model (1, 1, 1). Dari validasi peramalan ARIMA dan penjualan aktual maka dapat disimpulkan bahwa metode ARIMA sesuai untuk meramalkan penjualan kelapa di UKM Pak Balen Pasar Kandak Medan. Karena hasil peramalan ARIMA mendekati data penjualan kelapa aktual pada bulan Januari – Maret 2021 yaitu masing-masing 572 kelapa, 490 kelapa, dan 451 kelapa.

Downloads

Download data is not yet available.

References

Assidiq, A., Hendikawati, P., & Dwidayati, N. (2017). Perbandingan Metode Weighted Fuzzy Time Series , Seasonal. UNNES Journal of Mathematics, 6(2), 129–142.
Dave, E., Leonardo, A., Jeanice, M., & Hanafiah, N. (2021). Forecasting Indonesia Exports using a Hybrid Model ARIMA-LSTM. Procedia Computer Science, 179(2020), 480–487.
Farsi, M., Hosahalli, D., Manjunatha, B. R., Gad, I., Atlam, E. S., Ahmed, A., Elmarhomy, G., Elmarhoumy, M., & Ghoneim, O. A. (2021). Parallel genetic algorithms for optimizing the SARIMA model for better forecasting of the NCDC weather data. Alexandria Engineering Journal, 60(1), 1299–1316.
Fransiska, H., Novianti, P., & Agustina, D. (2020). Permodelan Curah Hujan Bulanan Di Kota Bengkulu Dengan Seasonal Autoregressive Integrated Moving Average (Sarima). Seminar Nasional Official Statistics, 2019(1), 390–395.
Hartati, H. (2017). Penggunaan Metode Arima Dalam Meramal Pergerakan Inflasi. Jurnal Matematika Sains Dan Teknologi, 18(1), 1–10.
Lubis, D. A., Johra, M. B., & Darmawan, G. (2017). Peramalan Indeks Harga Konsumen dengan Metode Singular Spectral Analysis (SSA) dan Seasonal Autoregressive Integrated Moving Average (SARIMA). Jurnal Matematika “MANTIK,” 3(2), 74–82.
Lau, K., Dorigatti, I., Miraldo, M., & Hauck, K. (2021). SARIMA-modelled greater severity and mortality during the 2010/11 post-pandemic influenza season compared to the 2009 H1N1 pandemic in English hospitals. International Journal of Infectious Diseases, 105, 161–171.
Lestari N, W. (2012). Peramalan Kunjungan Wisata Dengan Pendekatan Model Sarima. 1(1).
Salwa, N., Tatsara, N., Amalia, R., & Zohra, A. F. (2018). Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average). Journal of Data Analysis, 1(1), 21–31.
Wang, Y., Xu, C., Wang, Z., & Yuan, J. (2019). Seasonality and trend prediction of scarlet fever incidence in mainland China from 2004 to 2018 using a hybrid SARIMA-NARX model. PeerJ, 2019(1), 1–23.
Published
2021-12-20

PlumX Metrics

How to Cite
ARUAN, S. S. (2021). The PERBANDINGAN METODE ARIMA DAN SARIMA DALAM PERAMALAN PENJUALAN KELAPA: -. JAMI: Jurnal Ahli Muda Indonesia, 2(2), 186-198. https://doi.org/10.46510/jami.v2i2.82
Issue
Vol. 2 No. 2 (2021): Desember 2021
Section
Articles

Copyright (c) 2021 SARA SEPTIANA ARUAN

Creative Commons License

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

Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License