Implementation of the Seasonal Autoregressive Integrated Moving Average with Exogenous Variables (SARIMAX) Algorithm for Rice Price Prediction

Abstract

Abstrak

Studi ini mengimplementasikan model Seasonal Autoregressive Integrated Moving Average with Exogenous variables (SARIMAX) untuk memprediksi harga beras ( gabah ) berdasarkan data historis dari tahun 2020 hingga 2024. Dengan memanfaatkan data yang diperoleh dari Investing.com, penelitian ini mengintegrasikan variabel eksternal utama seperti suhu, harga pupuk, dan tingkat produksi untuk meningkatkan akurasi prediksi. Metodologi ini terdiri dari langkah-langkah sistematis, termasuk pengumpulan data, pemrosesan, dan evaluasi model, dengan menggunakan metrik seperti Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE) untuk menilai kinerja. Temuan tersebut mengungkapkan korelasi yang kuat antara harga pasar yang diprediksi dan aktual, khususnya dalam kategori harga penutupan, yang mencapai MAPE sebesar 1,354%. Metrik evaluasi selanjutnya mengonfirmasi kekokohan model, dengan harga penutupan menunjukkan MSE terendah sebesar 299.629,64 dan RMSE sebesar 547,38. Meskipun kategori harga tertinggi menunjukkan MAPE yang sedikit lebih tinggi, yaitu 2,007%, semua kategori tetap berada di bawah ambang batas yang dapat diterima, yaitu 2%, yang menunjukkan akurasi prediksi yang memuaskan. Sebagai kesimpulan, model SARIMAX menunjukkan efektivitas yang signifikan dalam peramalan harga beras, yang memberikan wawasan berharga bagi para pemangku kepentingan di pasar pertanian. Implementasi dalam aplikasi web memfasilitasi prediksi secara real-time, yang mendukung pengambilan keputusan yang tepat, dan meningkatkan strategi pasar.

Kata kunci : SARIMAX; harga beras; model prediksi; MAPE; pasar pertanian; analisis deret waktu.