Comparison of Rice Price Forecasting Using the ARIMA Method on Amazon Forecast and Sagemaker
| Main Authors: | Mardianto, Is, Muhamad Ichsan Gunawan, Dedy Sugiarto, Abdul Rochman |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2020
|
| Subjects: | |
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/1902 http://jurnal.iaii.or.id/index.php/RESTI/article/view/1902/260 |
Daftar Isi:
- Rice is one of the main commodities of trade in Indonesia. PT Food Station as the management company of Cipinang Rice Main Market every day publishes data on price, type of rice and the amount of rice that enters and exits Jakarta area. This study aims to forecast rice prices in the Jakarta area using data held by PT FoodStation during the 2016-2018 data period. Rice price prediction is carried out for the next 30 days using the Auto Regressive Integrated Moving Average (ARIMA) method on the Amazon Forecast and Amazon Sagemaker platforms. The ARIMA model is a form of regression analysis that measures the strength of one dependent variable that is relatively influential on other change variables. The ARIMA model is a special type of regression model in which the dependent variable is considered stationary and the independent variable is the lag or previous value of the dependent variable itself and the error lag. ARIMA is a combination of auto-regressive and moving average processes. The final result obtained in this experiment is that the ARIMA model on Amazon Sagemaker cloud computing is superior when compared to Amazon Forecast. From the experimental results obtained the results of Amazon Sagemaker RMSE (313.379941) are smaller than Amazon Forecast (322.4118029). So it can be concluded that the ARIMA model run at Amazon Sagemaker is more accurate than Amazon Forecast for forecasting the price of rice for 30 days at the Cipinang Rice Main Market
- Beras merupakan salah satu komoditas utama perdagangan di Indonesia. PT Food Station selaku perusahaan pengelola Pasar Induk Beras Cipinang setiap hari mempublikasikan data harga, jenis beras dan jumlah beras yang masuk dan keluar dari wilayah Jakarta. Penelitian ini bertujuan untuk melakukan peramalan harga beras di wilayah Jakarta menggunakan data yang dimiliki oleh PT FoodStation selama periode data 2016-2018. Prediksi harga beras dilakukan selama 30 hari kedepan menggunakan metode Auto Regressive Integrated Moving Average (ARIMA) pada platform Amazon Forecast dan Amazon Sagemaker. Model ARIMA adalah bentuk analisis regresi yang mengukur kekuatan satu variabel dependen yang relatif berpengaruh terhadap variabel perubahan lainnya. Model ARIMA adalah tipe khusus dari model regresi di mana variabel dependen dianggap stasioner dan variabel independen adalah lag atau nilai sebelumnya dari variabel dependen itu sendiri dan lag kesalahannya. ARIMA adalah kombinasi antara auto-regresif dan proses rata-rata bergerak. Hasil akhir yang didapatkan pada percobaan ini adalah model ARIMA pada komputasi awan Amazon Sagemaker lebih unggul ketika dibandingkan dengan Amazon Forecast. Dari hasil percobaan didapatkan hasil nilai RMSE Amazon Sagemaker (313.379941) lebih kecil dari pada Amazon Forecast (322.4118029). Sehingga dapat disimpulkan model ARIMA yang dijalankan di Amazon Sagemaker lebih akurat dibanding Amazon Forecast untuk peramalan harga beras selama 30 hari di Pasar Induk Beras Cipinang