Perbandingan Metode ARIMA dan Fuzzy Time Series dalam Peramalan Harga Eceran Daging Sapi di Indonesia

Mukhamad Zulfa Bakhtiar  Amalani; Nugroho Adhi Santoso; Syefudin Syefudin

doi:10.31004/riggs.v4i3.2283

Authors

Mukhamad Zulfa Bakhtiar Amalani STMIK YMI TEGAL
Nugroho Adhi Santoso STMIK YMI TEGAL
Syefudin Syefudin STMIK YMI TEGAL

DOI:

https://doi.org/10.31004/riggs.v4i3.2283

Keywords:

ARIMA, Fuzzy Time Series, Harga Daging Sapi, Peramalan, Evaluasi Model

Abstract

Peramalan harga eceran daging sapi menjadi krusial dalam menjaga stabilitas pangan dan mendukung kebijakan ekonomi di Indonesia. Penelitian ini bertujuan untuk membandingkan akurasi metode ARIMA dan Fuzzy Time Series (FTS) Chen dalam memprediksi harga eceran daging sapi di 34 provinsi Indonesia. Metode yang digunakan bersifat kuantitatif-komparatif dengan menerapkan kedua model pada data deret waktu tahunan periode 2020–2024, kemudian dievaluasi menggunakan metrik MAE, RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa metode Fuzzy Time Series Chen memiliki performa lebih baik dibandingkan ARIMA dengan nilai MAE sebesar 3514,15, RMSE sebesar 5518,69, dan MAPE sebesar 2,57%, sedangkan ARIMA menghasilkan MAE sebesar 8523,43, RMSE sebesar 10462,26, dan MAPE sebesar 6,28%. Temuan ini menunjukkan bahwa pendekatan non-linier berbasis logika fuzzy lebih efektif dalam menangani data harga yang fluktuatif, sehingga metode FTS Chen layak dijadikan alternatif unggulan untuk pengembangan sistem prediksi harga komoditas pangan strategis di masa mendatang.

Downloads

Download data is not yet available.

References

Z. Zulmaneri, A. Yulistia, and N. Adiarni, “Analisis Risiko Rantai Pasok Daging Sapi Di Masa Pandemi Covid 19 Studi Kasus: Dki Jakarta,” Sharia Agribus. J., vol. 1, no. 1, pp. 71–98, 2021.

D. Ramadanthy, A. T. Nugraha, and A. Senjayani, “Analisis Peramalan Impor Beras Indonesia,” Sharia Agribus. J., vol. 2, no. 1, pp. 51–64, 2022.

E. Sediyono, K. Dwi, C. Arthur, I. Utami, R. Prabowo, and R. Chiong, “An integrated framework for multi-commodity agricultural price forecasting and anomaly detection using attention-boosted models,” J. Agric. Food Res., vol. 22, no. February, p. 102021, 2025.

D. C. Smith, E. B. Thumm, J. Anderson, K. Kissler, S. M. Reed, S. M. Centi, A. W. Staley, T. L. Hernandez, and A. J. Barton, “Sudden Shift to Telehealth in COVID-19: A Retrospective Cohort Study of Disparities in Use of Telehealth for Prenatal Care in a Large Midwifery Service,” J. Midwifery Women’s Heal., vol. 69, no. 4, pp. 522–530, 2024.

S. Siami-Namini, N. Tavakoli, and A. S. Namin, “A Comparison of ARIMA and LSTM in Forecasting Time Series,” in 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA), 2018, pp. 1394–1401.

B. Wang and X. Liu, “Fuzzy-Probabilistic Time Series Forecasting Combining Bayesian Network and Fuzzy Time Series Model,” 2025.

L. Wati and A. Solichin, “Prediksi Nilai Pengadaan Barang Dan Jasa Pada Sebuah Perusahaan Pariwisata Menggunakan Metode Arima Dan Fuzzy Time Series,” INOVTEK Polbeng - Seri Inform., vol. 9, no. 1, pp. 214–227, 2024.

A. R. Pratama and Firdaus, “Perbandingan Metode Arima Dengan Fuzzy Time Series Model Chen Pada Peramalan Curah Hujan Di Kota Bengkulu,” J. Math-UMB.EDU, vol. 11, no. 3, pp. 154–166, 2024.

B. G. Prianda and E. Widodo, “Perbandingan Metode Seasonal Arima Dan Extreme Learning Machine Pada Peramalan Jumlah Wisatawan Mancanegara Ke Bali,” BAREKENG J. Ilmu Mat. dan Terap., vol. 15, no. 4, pp. 639–650, 2021.

D. Arvie, “Peramalan Import Migas dan Non-migas Menggunakan Metode Fuzzy Time Series Model Cheng,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 4, pp. 3519–3528, 2022.

A. Rahmawati and W. Sulistijanti, “Peramalan Harga Penutupan Saham PT . Unilever Indonesia Dengan Menggunakan Metode Fuzzy Time Series Lee,” J. Mirai Manag., vol. 8, no. 2, pp. 367–378, 2023.

E. D. Tarigan, “Peramalan Harga Beras di Indonesia Dengan ARIMA,” Sepren, vol. 5, no. 02, pp. 117–126, 2024.

E. Surabina, B. Saragih, F. M. Gumay, M. Fajriyanti, and S. E. Siregar, “Perbandingan Arima dan Fuzzy Time Series Markov Chain Untuk Meramalkan Prediksi Hasil Panen Kopi ( Studi Kasus Kabupaten Bengkulu Tengah Tahun 2012-2022 ),” vol. 3, no. 2, 2024.

F. Zuhdi, Y. Zurriyati, and E. Novriandeni, “Peramalan Populasi Sapi di Provinsi Riau dan Indonesia Menggunakan Pendekatan ARIMA (Autoregressive Integrated Moving Average),” J. Peternak., vol. 18, no. 2, p. 87, 2021.

I. I. Atmawanti, A. R. Hakim, D. Statistika, and U. Diponegoro, “PERBANDINGAN FUZZY TIME SERIES MARKOV CHAIN DAN FUZZY TIME SERIES CHENG,” vol. 13, 2024.