Pembuatan Sistem Peramalan Nilai Tukar Petani Berbasis Model SARIMAX dan Hybrid SARIMAX-LSTM
Tahun 2026 · Penulis: Adinda Yecinthya Nurliyanti
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Pembuatan Sistem Peramalan Nilai Tukar Petani Berbasis Model SARIMAX dan Hybrid SARIMAX-LSTM
Nilai Tukar Petani (NTP) adalah indikator kunci kesejahteraan para petani di Indonesia, mencerminkan rasio antara harga yang diterima oleh para petani dan harga yang dibayar untuk konsumsi dan masukan produksi. Meskipun peran strategis dalam formula kebijakan, tanggapan terhadap fluktuasi NTP cenderung reaktif, sedangkan perbedaan di seluruh subsektor dan daerah pertanian tetap nyata. Penelitian ini bertujuan untuk mengembangkan sistem prakiraan adaptif untuk NTP dengan menggabungkan variabel eksogen yang relevan, yaitu IT dan IB. Data NTP bulanan dari 2010 sampai 2024 diterbitkan oleh Badan Pusat Statistik (BPS) Indonesia dianalisis melalui 166 dataset yang mewakili kombinasi subsektor provinsi. Metodologi yang diusulkan mengintegrasikan SARIMAX dan sebuah hibrid SARIMAX-LSTM dalam kerangka sekuensial dan kondisional. Variabel eogen diprakirakan menggunakan perbandingan dasar antara SARIMA dan Seasonal Naive, dengan mekanisme safreguard untuk menangani prakiraan datar dan kasus-kasuscuracu rendah. SARIMAX menangkap linear, efek musiman, dan eksogen, sementara sisa diagnosa menggunakan Ljung-Box dan BDS tes menentukan keberadaan ketergantungan nonlinear yang tersisa. Ketika struktur nonlinear terdeteksi, sebuah model LSTM diaktifkan untuk model SARIMAX sisa-sisa. Model SARIMAX-LSTM hibrida diterapkan ke semua 166 dataset. Hasilnya menunjukkan bahwa sebagian besar seri NTP menunjukkan perilaku non-stataritas, tren heterogen, dan umumnya pola musiman lemah. Hasil evaluasi menunjukkan bahwa pendekatan adaptif mencapai akurasi perkiraan yang baik untuk seluruh data, dengan rata-rata MPAE 0,93%, rata-rata RMSE dari 1,32, dan rata-rata MAE 1.03. Metrik ini menunjukkan kombinasi dari model hibrida dan eksogen yang berkualitas tinggi meningkatkan ketepatan perkiraan. Secara keseluruhan, penelitian ini menunjukkan bahwa pendekatan yang adaptif untuk modeling hibrida meningkatkan akurasi prediksi NTP dan menyediakan fondasi kuat data yang didorong untuk analisis kebijakan pertanian antisipasi.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,838
Tahun 2026 · Penulis: Aldila Muraya Paniculata Marisca
Model Hybrid SARIMAX-LSTM untuk Peramalan Curah Hujan di Kabupaten Banyuwangi
Penelitian ini bertujuan memprediksi curah hujan menggunakan model hybrid SARIMAX-LSTM. Data yang digunakan berupa data deret waktu dalam rentang periode 1 Januari 2000 hingga 30 Oktober 2025 dan dikumpulkan dari laman resmi NASA POWER. Variabel yang digunakan
- Cosine 0,836
Tahun 2026 · Penulis: Achmad Teguh Prasetya Wicaksono
Penerapan Model Hybrid SARIMAX-LSTM dalam Peramalan Kelembaban Tanah
Kelembapan tanah merupakan indikator penting dalam pertanian, hidrologi, dan pengelolaan lingkungan karena berperan krusial dalam menentukan ketersediaan air bagi tanaman serta kondisi tanah. Namun, karakteristik deret waktu (time series) dari data kelembapan
- Cosine 0,824
Tahun 2026 · Penulis: Divo Tahta Imannulloh
Sistem Prediksi Harga Bawang Merah di Jawa Timur Menggunakan Pendekatan Hybrid Arima-ES-LSTM
Bawang merah merupakan komoditas hortikultura strategis di Indonesia dengan tingkat volatilitas harga tertinggi tercatat di Provinsi Jawa Timur. Fluktuasi harga yang tinggi, bersifat nonlinier, dan dipengaruhi pola musiman menyebabkan metode peramalan tunggal