forecasting cultivated areas and production of wheat in
DESCRIPTION
Forecasting Cultivated Areas and Production of Wheat In indiaTRANSCRIPT
FORECASTING CULTIVATED AREAS AND PRODUCTION OF WHEAT IN INDIA USING ARIMA MODEL
(PERAMALAN AREA BUDIDAYA DAN PRODUKSI GANDUM DI INDIA MENGGUNAKAN MODEL ARIMA)
BAIQ RAUDATUL JANNAHG1D 010 026
METODE PENELITIAN
Jenis Penelitian• Penelitian ini menggunakan
pendekatan kuantitatifSubjek Penelitian• Subjek penelitian ini adalah data
area budidaya gandun dan produksi gandum di India periode 1950-1951 sampai 2011-2012.
METODE PENELITIAN
LANJUTAN...• Prosedur
Metode analisis data
PERSIAPAN
PENGUMPULAN DATA
ANALISIS DATA
IDENTIFIKASI
ESTIMASI
PERAMALAN
PEMERIKSAAN
DIAGNOSTIC
Identifikasi
• mengidentifikasi kestasioneran data dan mengidentifikasi orde p,d
dan q Model ARIMA.
• Model umum ARIMA (p, d, q) disajikan dalam bentuk sederhana
seperti :
(B) d Xt = (B) Ut
Contoh model ARIMA (1,1,1) dimana p = 1, d = 1, q = 1
Dengan demikian model menjadi
1 and 1 adalah parameter dari model ARIMA (1, 1, 1).
(B) = 1 - 1 B1
1 = (1-B) 1 = 1 – B(B) = 1 - 1B
1
(1–1B) (1–B) Xt = (1–1B1) Ut
(1 – 1B1) (Xt – Xt–1) = Ut – 1 Ut–1
Xt – t Xt–1 – Xt–1 + t Xt–2 = Ut – 1 Ut–1
(Xt – Xt–1) – (Xt-1– Xt–2) = Ut – 1 Ut–1
Wt – 1 Wt–1 = Ut – 1 Ut–1
Estimasi
• Estimasi parameter autoregressive dan moving average
menggunakan metode kuadrat terkecil.
• Misalnya Kriteria kuadrat terkecil untuk AR ( 1 ) dilengkapi di
bawah ini.
(1–1B) Xt = Ut
(1–1B) ( Xt – μ ) = Ut (dimana ( Xt = Xt – μ ))
Xt – 1 Xt – 1 – μ + 1 μ = Ut
Xt = 1 Xt – 1 + μ – 1 μ + Ut
Xt = μ (1 – 1 ) + 1 Xt – 1 + Ut
Pemeriksaan diagnostik
mengidentifikasi sifat residual menggunakan :
Uji normalitas
Uji independensi
Uji homoskedastisitas
Peramalan
Peramalan runtun waktu untuk masa yang akan datang
berdasarkan model terbaik yang sudah diperoleh
sebelumnya.
HASIL DAN PEMBAHASAN
Jadi model yang paling cocok adalah ARIMA (1, 1, 1) untuk
daerah Gandum dan ARIMA (1, 1, 0) untuk produksi Gandum
memiliki nilai AIC dan SBC terendah.
ARIMA (p,d,q) AIC SBC
Area Gandum 110 158.096 162.318
111 157.151 163.484
112 159.124 167.567
Produksi Gandum 110 314.989 319.211
111 317.021 323.354
112 318.677 327.12
Area Gandum Produksi Gandum
Lag ACF SE PACF SE Lag ACF SE PACF SE
1 -0.105 0.125 -0.105 0.128 1 -0.374 0.125 -0.374 0.128
2 -0.097 0.124 -0.110 0.128 2 0.153 0.124 0.015 0.128
3 -0.068 0.123 -0.093 0.128 3 0.041 0.123 0.119 0.128
4 -0.108 0.122 -0.142 0.128 4 -0.155 0.122 -0.124 0.128
5 0.102 0.121 0.055 0.128 5 0.215 0.121 0.119 0.128
6 -0.055 0.120 -0.074 0.128 6 -0.188 0.120 -0.062 0.128
7 -0.028 0.119 -0.049 0.128 7 0.063 0.119 -0.042 0.128
8 0.111 1.117 0.091 0.128 8 0.052 1.117 0.060 0.128
9 -0.068 0.116 -0.047 0.128 9 -0.169 0.116 -0.104 0.128
10 -0.175 0.115 -0.205 0.128 10 -0.031 0.115 -0.219 0.128
11 0.112 0.114 0.082 0.128 11 0.083 0.114 0.087 0.128
12 -0.078 0.113 -0.095 0.128 12 -0.124 0.113 -0.045 0.128
13 0.015 0.112 -0.064 0.128 13 0.177 0.112 0.087 0.128
14 -0.004 0.111 -0.031 0.128 14 -0.052 0.111 0.099 0.128
15 0.083 0.109 0.121 0.128 15 -0.071 0.109 -0.098 0.128
16 0.110 0.108 0.053 0.128 16 0.175 0.108 0.062 0.128
Pemeriksaan residual
ACF dan PACF residual model ARIMA untuk area
gandum.
ACF dan PACF residual model ARIMA untuk
produksi gandum
Hasil peramalan
Nilai peramalan area budidaya gandum dan produksi gandum dengan tingkat keyakinan 95%.
Tahun Nilai peramalan( seratus hektar)
LCL UCL Nilai peramalan( seratus ton)
LCL UCL
2012 – 13 30.25 28.55 31.95 92.73 86.44 99.02
2013 – 14 30.67 28.43 32.91 95.16 87.80 102.50
2014 – 15 31.07 28.5 32.91 96.17 87.39 104.94
2015 – 16 31.46 28.67 34.25 97.73 87.92 107.55
KESIMPULAN
model yang dikembangkan untuk area budidaya gandum
dan produksi didapatkan masing-masing ARIMA ( 1 , 1 , 1 )
dan ARIMA ( 1 , 1 , 0 ). Dari perkiraan yang tersedia dengan
menggunakan model yang dikembangkan , dapat dilihat
bahwa daerah budidaya gandum dan produksi diperkirakan
meningkat empat tahun ke depan .