Evaluasi Kinerja Model Adaptive Response Rate Exponential Smoothing dalam Memprediksikan Harga Beras


Ismail Gaffar(1*); Arwini Arisandi(2); Andi Ridwan Makkulawu(3);

(1) Politeknik Pertanian Negeri Pangkajene Kepulauan
(2) Politeknik Pertanian Negeri Pangkajene Kepulauan
(3) Politeknik Pertanian Negeri Pangkajene Kepulauan
(*) Corresponding Author

  

Abstract


Penelitian ini bertujuan untuk mengidentifikasi model peramalan terbaik untuk memprediksi harga beras di Kota Makassar dengan membandingkan metode Adaptive Response Rate Exponential Smoothing (ARRES) dengan metode Single Exponential Smoothing (SES). Data harga beras harian untuk beras medium dan premium dari Januari hingga Juni 2025, yang terdiri dari 166 pengamatan, dianalisis menggunakan kedua metode tersebut dengan perangkat lunak RStudio. Analisis data menunjukkan bahwa harga beras premium cenderung lebih tinggi dan lebih stabil dibandingkan harga beras medium. Metode ARRES, yang dilengkapi dengan parameter smoothing adaptif yang merespons kesalahan terbaru, menunjukkan respons yang lebih baik terhadap fluktuasi harga beras dibandingkan metode SES dengan parameter konstan. Evaluasi menggunakan Mean Absolute Percentage Error (MAPE) menunjukkan bahwa ARRES lebih unggul dibandingkan SES, dengan nilai MAPE masing-masing 0,379% dan 0,420% untuk beras medium, serta 0,283% dan 0,317% untuk beras premium. Hasil ini menunjukkan bahwa ARRES memberikan akurasi peramalan yang lebih baik, diklasifikasikan sebagai akurasi sangat tinggi (MAPE<10%), menjadikannya alat yang menjanjikan untuk peramalan harga beras guna mendukung pengambilan keputusan oleh pemerintah dan pemangku kepentingan di Makassar.

Keywords


harga beras; peramalan adaptive response rate exponential smoothing single exponential smoothing; mean absolute; percentage error

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 73 times
PDF view: 34 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/busiti.v6i3.2901 		  

Cite

How to cite item

References


W. Anggraeni, F. Mahananto, A. Q. Sari, Z. Zaini, K. B. Andri, and Sumaryanto, “Forecasting the price of Indonesia’s rice using hybrid artificial neural network and autoregressive integrated moving average (hybrid NNS-ARIMAX) with exogenous variables,” in Procedia Computer Science, Elsevier B.V., 2019, pp. 677–686. doi: 10.1016/j.procs.2019.11.171.

A. Arisandi, I. Gaffar, R. Mayapada, and S. Nurhaliza, “Analisis Trend dan Single Exponential Smoothing dalam Meramalkan Harga Komoditas Beras di Kota Makassar,” Bul. Sist. Inf. dan Teknol. Islam, vol. 6, no. 2, pp. 74–80, May 2025, doi: 10.33096/busiti.v6i2.2807.

A. S. A. Sadikin, A. A. Reswara, M. F. F. Mardianto, and A. Kurniawan, “COMPARISION OF RICE PRICE PREDICTION RESULTS IN EAST JAVA USING FOURIER SERIES ESTIMATOR AND GAUSSIAN KERNEL ESTIMATOR SIMULTANEOUSLY,” Barekeng, vol. 18, no. 3, pp. 1963–1974, Sep. 2024, doi: 10.30598/barekengvol18iss3pp1963-1974.

W. Anggraeni, K. B. Andri, Sumaryanto, and F. Mahananto, “The Performance of ARIMAX Model and Vector Autoregressive (VAR) Model in Forecasting Strategic Commodity Price in Indonesia,” in Procedia Computer Science, Elsevier B.V., 2017, pp. 189–196. doi: 10.1016/j.procs.2017.12.146.

A. M. Shew, A. Durand-Morat, B. Putman, L. L. Nalley, and A. Ghosh, “Rice intensification in Bangladesh improves economic and environmental welfare,” Environ. Sci. Policy, vol. 95, pp. 46–57, May 2019, doi: 10.1016/j.envsci.2019.02.004.

A. Durand-Morat, L. L. Nalley, and G. Thoma, “The implications of red rice on food security,” Glob. Food Sec., vol. 18, pp. 62–75, Sep. 2018, doi: 10.1016/j.gfs.2018.08.004.

S. Ika Musvita Baso, S. Serra Pungkas Risantika, and S. T. S. Hikmawati, Pengeluaran untuk konsumsi penduduk provinsi Sulawesi selatan menurut kabupaten kota, vol. 9. Makassar: Badan Pusat Statistik Provinsi Sulawesi Selatan, 2024.

B. Ammar Hakim et al., “TIME SERIES MODEL FOR TRAIN PASSENGER FORECASTING,” BAREKENG J. Math. App, vol. 19, no. 2, pp. 755–0766, 2025, doi: 10.30598/barekengvol19iss2pp0755-0766.

R. Gustriansyah, N. Suhandi, F. Antony, and A. Sanmorino, “Single exponential smoothing method to predict sales multiple products,” in Journal of Physics: Conference Series, Institute of Physics Publishing, Jun. 2019. doi: 10.1088/1742-6596/1175/1/012036.

A. A. Aziz, Z. Mustaffa, S. Ismail, N. A. M. Nor, and N. Q. M. Fozi, “A hybrid simple exponential smoothing-barnacles mating optimization approach for parameter estimation: Enhancing COVID-19 forecasting in Malaysia,” MethodsX, vol. 14, Jun. 2025, doi: 10.1016/j.mex.2025.103347.

S. Sulpaiyah, S. Bahri, and L. Harsyiah, “Peramalan Harga Beras dengan Metode Double Exponential Smoothing dan Fuzzy Time Series (Study Kasus : Harga Beras di Kota Mataram),” Eig. Math. J., pp. 58–69, Dec. 2022, doi: 10.29303/emj.v5i2.123.

R. Romindo, J. J. Pangaribuan, and O. P. Barus, “Penerapan Algoritma Adaptive Response Rate Exponential Smoothing Terhadap Business Intelligence System,” Build. Informatics, Technol. Sci., vol. 5, no. 2, Sep. 2023, doi: 10.47065/bits.v5i2.3955.

T. A. Prasetyo et al., “Sales forecasting of marketing using adaptive response rate single exponential smoothing algorithm,” Indones. J. Electr. Eng. Comput. Sci., vol. 31, no. 1, pp. 423–432, Jul. 2023, doi: 10.11591/ijeecs.v31.i1.pp423-432.

J. S. Murray, “Multiple imputation: A review of practical and theoretical findings,” Stat. Sci., vol. 33, no. 2, pp. 142–159, 2018, doi: 10.1214/18-STS644.

M. Douglas C., J. Cheryl L., and K. Murat, Introduction to Time Series Analysis and Forecasting, vol. 3, no. 1. Canada: John Wiley & Sons, Inc, 2015, doi: 10.1016/j.bpj.2015.06.056.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.