Peramalan Harga Ayam di Bandung

5.2. Peramalan Harga Ayam di Bandung

5.2.1. Identifikasi Pola Data Harga Ayam di Bandung

Berdasarkan plot data harga ayam di Bandung, memperlihatkan bahwa data tersebut memiliki kecenderungan yang positif. Plot data yang memiliki kecenderungan positif, mengindikasikan bahwa data memiliki unsur trend yang diperlihatkan dari garis rata-rata yang meningkat. Dari plot autokorelasi data diduga memiliki unsur musiman, tetapi tidak terlihat jelas karena time lag yang berbeda nyata dari nol tidak mempunyai jarak yang sama Lampiran 1. Plot data juga menunjukkan bahwa harga ayam di Ba ndung mengalami fluktuasi yang sangat besar. Permintaan konsumen merupakan salah satu hal yang menyebabkan harga ayam menjadi meningkat pada saat permintaan melonjak naik. Di sisi lain pasokan dari penjualpeternak dapat menyebabkan harga turun bila ayam yang dipasok ke pasaran relatif lebih banyak. Harga Ayam di Bandung 10.000 11.000 12.000 13 .00 14.000 15.000 16 .00 17.000 18.000 19.000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 Periode bulan ke- Harga Rpkg Gambar 7. Plot Data Harga Ayam di Bandung Model tentatif yang digunakan adalah model yang dianggap sesuai dengan pola data harga ayam di Bandung yang memiliki unsur trend dan musiman. Beberapa model tentatif akan disajikan sebagai bahan perbandingan dan untuk menentukan model tentatif yang terbaik.

5.2.2. Model Peramalan Harga Ayam di Bandung

Setelah melakukan langkah identifikasi pola data, tahap berikutnya adalah penerapan model peramalan time series yang sesuai dengan pola data yang akan dianalisis. Model terbaik yang akan digunakan untuk meramalkan harga ayam di Bandung ditentukan dengan melihat nilai MSE terkecil. Tabel 7 menyajikan nilai MSE hasil penerapan beberapa model time series yang dianggap sesuai dengan pola data harga ayam di Bandung. Berdasarkan hasil penerapan beberapa model peramalan time series pada Tabel 7, nilai MSE terkecil diperoleh melalui model SARIMA 0,1,02,1,0 12 . Nilai MSE terkecil yang diperoleh berdasarkan model SARIMA 0,1,02,1,0 12 adalah sebesar 327.960. Berdasarkan hasil diagnostik model, terdapat beberapa alternatif model ARIMA yang memenuhi syarat, yaitu SARIMA 0,1,00,1,1 12 , dan SARIMA 0,1,01,1,0 12 . Kedua model alternatif ARIMA tersebut telah memenuhi kriteria iterasi ya ng harus konvergen. Hal ini dibuktikan oleh pernyataan relative change in each estimate less than 0,0010 pada sesion. Kriteria residual acak juga telah dipenuhi oleh kedua model tersebut, hal ini ditunjukkan pada indikator modified Box-Pierce Statistic dengan nilai P-value untuk uji statistik lebih besar dari 0,05. Syarat stasioneritas ataupun invertibilitas terpenuhi oleh kedua model tersebut. Hal ini dapat dibuktikan dengan mengamati jumlah koefisien MA, AR, SMA atau SAR yang masing- masing harus kurang dari satu. Tabel 7. Nilai MSE Hasil Penerapan Model Time Series untuk Harga Ayam di Bandung Metode Ordo L MSE Naïve 710.477 Rata-rata Sederhana 2.719.214 Rata-Rata Bergerak Sederhana 3 1.184.449 4 1.317.725 6 1.348.192 12 1.788.834 Rata-Rata Begerak Ganda 3 7.030.855 4 7.451.475 6 7.557.678 12 8.907.394 Pelicinan Eksponensial Tunggal 689.559 Pelicinan Eksponensial Ganda 754.462 Dekomposisi Aditif 3 1.298.690 4 1.313.934 6 1.317.939 12 1.286.898 Dekomposisi Multiplikatif 3 1.299.287 4 1.316.303 6 1.332.151 12 1.299.760 Winters Aditif 3 761.021 4 785.948 6 712.535 12 639.468 Winters Multiplikatif 3 757.162 4 793.652 6 730.876 12 669.746 ARIMA 0,1,02,1,0 12 327.960 0,1,00,1,1 12 737.297 0,1,01,1,0 12 1.220.203 Parameter yang diestimasi oleh kedua model tersebut sudah signifikan atau berbeda nyata dari nol yang ditunjukkan oleh nilai P-value koefisien masing- masing model kurang dari 0,05. Kondisi parsimonious dianggap telah dipenuhi oleh kedua model, karena model tersebut telah berada pada bentuk yang paling sederhana. Syarat terakhir yang harus dipenuhi oleh model adalah memiliki nilai MSE yang terkecil dibandingkan dengan model yang lain dan kriteria ini dipenuhi oleh model SARIMA 0,1,02,1,0 12 . Berdasarkan kriteria tersebut dapat ditarik kesimpulan bahwa model SARIMA 0,1,02,1,0 12 lebih cocok untuk menjelaskan pola data harga ayam di Bandung. Dari output pada Lampiran 3 persamaan model tersebut adalah: 24 12 9825 , 7532 , 85 , 193 − − − − = t t t Y Y Y Dimana: t Y = nilai ramalan harga ayam di Bandung untuk satu periode ke depan 12 − t Y = harga ayam di Bandung pada periode t-12 24 − t Y = harga ayam di Bandung pada periode t-24 Selain model ARIMA, model winters aditif dengan ordo L 12 merupakan pilihan terbaik berikutnya untuk meramalkan data harga ayam di Bandung. Model ini memberikan kemudahan tetapi tetap mengutamakan tingkat keakuratan yang tinggi. Model winters aditif menghasilkan nilai MSE terkecil berik utnya setelah model ARIMA, yaitu sebesar 639.468.

5.2.3. Peramalan Harga Ayam di Bandung dengan Model Peramalan

Terbaik Berdasarkan penerapan model time series yang disesuaikan dengan pola data harga ayam di Bandung, model yang menghasilkan nilai MSE paling kecil adalah model SARIMA 0,1,02,1,0 12 . Model ini selanjutnya digunakan sebagai model terbaik untuk meramalkan harga ayam di Bandung. Hasil Peramalan harga ayam di Bandung ditampilkan pada Gambar 8 berikut. Hasil Peramalan di Kota Bandung 15.000 16.000 17.000 18.000 19.000 20.000 21.000 22.000 23.000 24.000 25.000 Periode bulan Ke- Harga Rpkg Forecast 19.827 19.462 19.816 17.904 18.264 20.105 21.825 21.904 23.505 22.736 21.632 22.592 22.415 24.484 59 60 61 62 63 64 65 66 67 68 69 70 71 72 Gambar 8. Hasil Peramalan Harga Ayam di Bandung Dilihat dari kecenderungan hasil peramalan harga ayam di Bandung untuk 14 periode yang akan datang menunjukkan bahwa harga ayam di Bandung akan mengalami kenaikan secara drastis yang diakibatkan oleh mekanisme pembentukan harga yang terjadi di pasar. Berdasarkan hasil peramalan diharapkan adanya peran serta dari pihak terkait, agar ketidakstabilan harga dapat dihindari dan tidak merugikan pihak konsumen maupun produsen.

5.3. Peramalan Harga Ayam di Semarang