PENERAPAN METODE GREY MODEL GM (1,1) UNTUK MEMPREDIKSI HARGA SEMBAKO
Keywords:
Sembako, grey model GM (1,1), Peramalan, fluktuasi hargaAbstract
Penelitian ini membahas pentingnya komoditas pokok (sembako), seperti beras premium, gula, dan bawang putih, sebagai kebutuhan dasar masyarakat, dengan fokus pada fluktuasi harga yang dipengaruhi oleh faktor-faktor seperti variasi musim dan kondisi cuaca. Meningkatnya permintaan pangan seiring pertumbuhan penduduk Indonesia memperburuk fluktuasi harga. Selain menganalisis efektivitas metode grey model dalam peramalan harga sembako, penelitian ini juga bertujuan untuk berkontribusi dalam mengatasi tantangan perubahan harga dan ketidakstabilan harga bahan pokok yang dipengaruhi oleh faktor musiman. Metode peramalan yang digunakan adalah grey model GM (1,1) untuk meramalkan harga sembako di Jawa Timur. Hasil penelitian menunjukkan bahwa metode tersebut efektif untuk meramalkan harga sembako dengan pola data tren dengan keakuratan 98.38% pada beras premium. Namun, untuk pola data musiman atau fluktuasi data yang besar, metode ini kurang efektif.
References
Alfalihin, I., Osmond, A. B., Siswo, A., & Ansori, R. (N.D.). Estimasi Harga Bahan Pokok Makanan Di Kota Bandung Dan Di Provinsi Jawa Barat Menggunakan Metode Algoritma Regresi Estimation Of The Price Of Food Processing In West Java Province And Bandung City Using Regression Algorithm Method.
Fitria, V. A. (2019). Peramalan Harga Sembako Di Kota Malang Menggunakan Metode Single Exponential Smoothing. 5(1).
Fitri, G. F., Agustina, F., & Marwati, R. (2018). Penerapan Metode Grey System Pada Peramalan Produk Olefins (Studi Kasus Pt. Chandra Asri Petrochemical Tbk). Www.Indopremier.Com
Fitro, A., & Prasetyo, H. (2021). Implementasi Metode Grey Verhulst Untuk Mendukung Kebijakan Dalam Mengantisipasi Mahasiswa Dropout The Application Of The Gray Verhulst Method To Support Policies In Anticipating Students Dropping Out Of School. Jurnal Ilmiah Intech : Information Technology Journal Of Umus, 3(02), 180–187.
Kayacan, E., Ulutas, B., & Kaynak, O. (2010). Grey System Theory-Based Models In Time Series Prediction. Expert Systems With Applications, 37(2), 1784–1789.
Kusnadi, A.N. (2018). Pengaruh Fluktuasi Harga Komoditas Pangan Terhadap Inflasi Di Provinsi Jawa Timur Jurnal Ilmiah.
Larasati, Hendikawati, Zaenuri. (2016). Analisis Volatility Forecasting Sembilan Bahan Pokok Menggunakan Metode Garch Dengan Program R.
Muqtadir, A., Suryono, S., & Gunawan, V. (2016). The Implementation of Grey Forecasting Model for Forecast Results Food Crop Agricultural. Vol. 3, No. 2.
Nariswari, N. L., & Rosyidi, C. N. (2015). Studi Perbandingan Hasil Peramalan Grey Forecasting Gm (2.1) Dengan Gm (1,1) Pada Peramalan Kebutuhan Bahan Bakar Alternatif Ramah Lingkungan Di Pt. Indocement Tunggal Prakarsa Tbk.
Puteri, K., & Silvanie, A. (2020). Machine Learning Untuk Model Prediksi Harga Sembako Dengan Metode Regresi Linier Berganda. (Vol. 1, Issue 2). Www.Data.Jakarta.Go.Id.
Satyaputra, M. R., Kodong, F. R., & Simanjuntak, O. S. (2018). Peramalan Harga Komoditas Bahan Pangan Menggunakan Data Mining Dengan Metode Triple Exponential Smoothing Winter Multiplicative
Shodiq, M., & Saputra, B. D. (2022). Grey Forecasting Model Untuk Peramalan Harga Ikan Budidaya. Jurikom (Jurnal Riset Komputer), 9(6), 1770.
Syadiah, K., Chrisnanto, Y. H., & Abdillah, G. (2019). Prediksi Harga Sembako Di Dki Jakarta Menggunakan Artificial Neural Network. 3(2), 34–41.
Yang, X., Zou, J., Kong, D., & Jiang, G. (2018). The Analysis Of Gm (1, 1) Grey Model To Predict The Incidence Trend Of Typhoid And Paratyphoid Fevers In Wuhan City, China. Medicine (United States), 97(34). Https://Doi.Org/10.1097/Md.0000000000011787
Zeng, B., Ma, X., & Shi, J. (2020). Modeling Method Of The Grey Gm(1,1) Model With Interval GreyActionQuantityAndIts Application. Complexity, Https://Doi.Org/10.1155/2020/6514236
Zhang, H., & Chen, Y. (2021). Analysis And Application Of Grey-Markov Chain Model In Tax Forecasting. Journal Of Mathematics. Https://Doi.Org/10.1155/2021/9918411
