PENERAPAN MODEL SPACE TIME AUTOREGRESSIVE INTEGRATED (STARI(1,1,1)) PADA DATA NTP TANAMAN PANGAN DARI TIGA PROVINSI DI PULAU JAWA
Abstract
Indikator yang digunakan untuk mengukur kesejahteraan petani tanaman pangan adalah Nilai Tukar Petani (NTP) tanaman pangan. NTP tanaman pangan dipengaruhi oleh waktu dan lokasi. Oleh karena itu, peramalan NTP tanaman pangan dapat menggunakan model Space Time Autoregressive Integrated (STARI). Pada paper ini, model STARI diterapkan untuk data NTP tanaman pangan pada tiga provinsi di Pulau Jawa, yaitu: Jawa Tengah, Daerah Istimewa Yogyakarta (DIY), dan Jawa Timur. Berdasarkan kestasioneran data menunjukkan bahwa data tidak stasioner, sehingga harus dilakukan proses differencing sebanyak satu kali. Identifikasi orde model AR secara univariat berdasarkan plot PACF yang terpotong pada lag 1. Lag spasial yang digunakan pada penelitian ini adalah lag spasial 1, artinya posisi Jawa Tengah, DIY, dan Jawa Timur berada dalam satu wilayah. Oleh karena itu, NTP tanaman pangan dapat dimodelkan dengan model STARI(1,1,1). Penaksiran parameter model STARI(1,1,1) digunakan metode OLS dengan matriks bobot invers jarak. Berdasarkan analisis yang dilakukan diperoleh kesimpulan bahwa model STARI(1,1,1) memenuhi asumsi residual berdistribusi normal multivariat dan white noise. Hasil peramalan NTP di tiga provinsi menggunakan model STARI(1,1,1) menunjukkan pola yang mendekati data aktualnya. Hal ini ditunjukkan dengan nilai MAPE yang diperoleh di tiga provinsi, masing-masing kurang dari 10%. Dengan demikian, model STARI(1,1,1) dapat digunakan dalam meramalkan NTP tanaman pangan di tiga provinsi dan dapat dijadikan bahan rekomendasi kepada instansi terkait
Downloads
References
BPS Provinsi Jawa Tengah. Nilai Tukar Petani, Jawa Tengah (2016), BPS Provinsi Jawa Tengah. Diakses melalui http://jateng.bps.go.id/publication/download/, (2016). [2] E. Suryamah, B. N. Ruchjana, and K. Joebaedi, “Kajian Matriks Bobot Lokasi Model Space Time AutoRegresi (STAR)”, Jurnal Matematika Integratif, 9(2), 119-130, (2013). [3] G. E. P. Box, and G. M. Jenkins, Time Series Analysis, Forecasting and Control. Holden-Day. Inc. San Fransisco, (1976). [4] A.D. Cliff, and J. K. Ord, “Model Building and The Analysis of Spatial Pattern in Human Geography”, J. Roy. Statist. Soc. B, 37(3), 297-348, (1975). [5] P. E. Pfeifer, and S. J. Deutsch, “A Three-Stage Iterative Procedure for Space-Time A Three-Stage Iterative Procedure for Space-Time”, Tehcnometrics, 22(1), 35-47, (1980). [6] M. Alawiyah, D. A Kusuma, and B. N. Ruchjana, “Model Space Time Autoregressive Integrated (STARI) untuk Data Debit Air Sungai Citarum di Provinsi Jawa Barat”, BAREKENG: Jurnal Ilmu Matematika dan Terapan, 14(1), 147–158, (2020). [7] W. W. S. Wei, Time Series Analysis Univariate and Multivariate Method, Second Edition, USA: Addison-Wesley Publishing Company. (2006).
Copyright (c) 2022 Pattimura Proceeding: Conference of Science and Technology
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.