Pemodelan ARIMAX, FFNN, dan ARIMAX-FFNN untuk peramalan produksi padi Provinsi Jawa Tengah

Nabila Widya Hapsari; Walid Walid

doi:10.15294/ujm.v10i2.48418

Anggriningrum, D., Hendikawati, P., & Abidin, Z. 2013. Perbandingan Prediksi Harga Saham Dengan Menggunakan Jaringan Syaraf Tiruan Backpropagation Dan ARIMA. 72: 630-637.
Cryer, J., & Chan, K. 2008. Time Series Analysis: with Applications In R. New York: Springer.
Fausset, L. 1994. Fundamental of Neural Network (Archetectures, Algorithms, and Applications). London: Prentice-Hall.
Makridakis, S., Wheelwright, S., & Hyndman, R. 1998. Forecasting: Methods and Applications (3rd ed). New York: Wiley.
Meinanda, M., Annisa, M., Muhandri. N., & Suryadi, K. 2009. Prediksi Masa Studi Sarjana Dengan Artificial Neural Network. 1(2): 31-35.
Noverianto, R. N. 2018. Peramalan Penjualan Mobil Di Indonesia Dengan Model Hybrid ARIMAX-DLNN Dengan Hierachy Time Series. Skripsi. Surabaya: Fakultas Matematika, Komputasi dan Sains Data Institut Teknologi Sepuluh November.
Parameswari, E. W. 2016. Peramalan Ekspor Perikanan Indonesia Dengan Pendekatan ARIMA, FFNN, Dan Weighted Fuzzy Time Series. Tesis. Surabaya: Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh November.
Puspitaningrum, D. 2006. Pengantar Jaringan Syaraf Tiruan. Yogyakarta: ANDI.
Rokhiti, U. 2017. Peramalan Impor Beras Menggunakan Metode Campuran ARIMAX-ANFIS. Skripsi. Surabaya: Fakultas Teknologi Informasi Institut Teknologi Sepuluh November.
Sari, I. 2014. Prediksi Data Harga Saham Harian Menggunakan Feed Forward Neural Network (FFNN) dengan Pelatihan Algoritma Genetika. 3(3): 441-450.
Sulistianto, Y. 2016. Peramalan Curah Hujan Dengan Pendekatan Model ARIMA, FFNN, Dan Hybrid ARIMA-NN Di Banyuwangi. Skripsi. Surabaya: Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh November.
Wei, W. 2006. Time Series Analysis: Univariate and Multivariate Methods (2nd ed). New York: Pearson.
Yang, Y., Hu, J., Lv, Y., & Zhang, M. 2013. Predictions On The Development Dimensions Of Provincial Tourism Discipline Based On The Artificial Neural Network BP Model. 3(3): 13-20.

Abstract viewed - 588 times
pdf downloaded - 636 times

Affiliations

Nabila Widya Hapsari
Universitas Negeri Semarang

Walid Walid
Universitas Negeri Semarang

Content Top

Pemodelan ARIMAX, FFNN, dan ARIMAX-FFNN untuk peramalan produksi padi Provinsi Jawa Tengah

Nabila Widya Hapsari ,
Walid Walid

Vol 10 No 2 (2021)

DOI 10.15294/ujm.v10i2.48418

Submitted: Jul 21, 2021

Published: Dec 27, 2021

Abstract

Pertumbuhan penduduk di Indonesia yang bertambah setiap tahunnya menyebabkan kebutuhan pangan mengalami peningkatan, sedangkan berkurangnya lahan pertanian yang beralih fungsi mengakibatkan turunnya angka produksi padi, Sempitnya luas panen tentu berimplikasi pada terbatasnya hasil produksi yang diperoleh. hal ini mengakibatkan ketersediaan pangan menjadi tidak stabil, sehingga perlu dilakukannya peramalan agar persediaan selalu terpenuhi. Pada penelitian ini, produksi padi akan diramalkan menggunakan metode ARIMAX, FFNN, dan Hybrid ARIMAX-FFNN dengan variabel eksogen adalah luas panen padi. Tujuan penelitian ini, yaitu untuk memperoleh pemodelan ARIMAX, FFNN, dan Hybrid ARIMAX-FFNN untuk meramalkan produksi padi di Provinsi Jawa Tengah, sehingga diperoleh model terbaik yang kemudian dapat digunakan untuk meramalkan produksi padi pada periode berikutnya. Hasil analisis dari penelitian ini menghasilkan model ARIMAX terbaik adalah model ARIMAX . Sedangkan model FFNN terbaik adalah model FFNN (1-27-1). Model Hybrid ARIMAX-FFNN terbaik adalah model (2-19-1). Model terbaik untuk peramalan produksi padi pada periode mendatang yaitu menggunakan model ARIMAX .