PEMODELAN HARGA JUAL CABAI MERAH KERITING DI JAWA TIMUR DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
| Main Author: | MUKTI AKBAR, 081311833029 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.unair.ac.id/80513/1/ABSTRAK_ST.S.30%2018%20Akb%20p.pdf http://repository.unair.ac.id/80513/ http://lib.unair.ac.id |
Daftar Isi:
- Cabai merah keriting sebagai salah satu komoditas holtikultural yang cukup penting di Indonesia. Masalah komoditas cabai merah keriting menyangkut fluktuasi harga selalu menjadi kekhawatiran petani. Sehingga proses peramalan untuk harga cabai merah keriting sangat penting karena konsumsi cabai merah keriting yang sangat tinggi akan mempengaruhi volatilitas harga cabai merah keriting. Proses peramalan dilakukan untuk mengetahui kemungkinan perubahan harga cabai merah keriting di masa mendatang. Tujuan penelitian ini adalah melakukan pemodelan yang sesuai dengan volatilitas harga cabai merah keriting serta peramalannya dengan pendekatan GARCH. Data yang digunakan diperoleh dari Bulog (Badan Urusan Logistik) Jawa Timur sebanyak 100 data. Hasil analisis menunjukkan bahwa model ARIMA terbaik untuk peramalan harga cabai merah keriting adalah model ARIMA (2,2,1) dengan menggunakan variabel data transformasi dan differencing sebanyak dua kali. Model ARIMA menganggap bahwa nilai residual bersifat homogen sedangkan model GARCH menganggap bahwa nilai residual yang bersifat heteroskedastik dapat mempengaruhi nilai residual data satu dengan data lainnya yang nantinya akan berpengaruh terhadap hasil forecasting. Namun hasil kuadrat residual dari model ARIMA (2,2,1) tidak homogen, sehingga dilakukan pemodelan GARCH. Model GARCH(1,1) merupakan model GARCH terbaik karena semua parameternya signifikan, mempunyai nilai AIC, BIC dan SIC terkecil, dan memenuhi asumsi residual white noise. Peramalan harga cabai merah keriting di Jawa Timur untuk 10 hari ke depan berdasarkan plot time series antara data out sample, forecast ARIMAGARCH dan forecast ARIMA, diketahui bahwa jarak antara data out sample dan forecast ARIMA-GARCH lebih dekat dengan data out sample dibandingkan dengan ARIMA sehingga secara keseluruhan harga cabai merah keriting sesuai jika dimodelkan dengan model ARIMA (2,2,1) – GARCH (1,1).