Peramalan Harga Cabai Rawit di Kota Bandung, Kota Bogor dan Kota Cirebon dengan Pendekatan GSTAR

Abstract

Pergerakan harga cabai di suatu daerah sangat mungkin dipengaruhi oleh pergerakan harga cabai di daerah sekitarnya. Ketika gangguan musiman terjadi di pusat produksi yang mempengaruhi hasil panen, maka secara otomatis terjadi kelangkaan stok yang mempengaruhi fluktuasi harga. Peramalan harga cabai rawit diperlukan untuk menjaga keseimbangan permintaan dan penawaran. Peramalan harga cabai rawit dalam penelitian ini menggunakan model Generalized Space Time Autoregressive (GSTAR) dengan pertimbangan bahwa model GSTAR merupakan salah satu model pemetaan yang berbasis space time untuk memodelkan, meramalkan data yang memiliki keterkaitan antar waktu sebelumnya dan keterkaitan antar lokasi yang berdekatan. Model ini sering digunakan dalam kasus kesehatan namun belum pernah digunakan dalam meramalkan harga cabai rawit. Data yang digunakan berupa laporan harga cabai rawit di Kota Bandung, Kota Bogor, dan Kota Cirebon, berupa data mingguan dari tahun 2018 sampai tahun 2021 dan terbagi menjadi dua bagian yaitu data in sample dan out sample. Pemodelan GSTAR yang digunakan menggunakan dua pembobotan yaitu pembobot normalisasi korelasi silang dan pembobot invers jarak.  Hasil analisis menunjukkan bahwa model GSTAR (2;1) I (1) dengan pembobotan normalisasi korelasi silang merupakan model terbaik dengan nilai RMSE dan MAPE terkecil sehingga lebih tepat digunakan meramalkan harga cabai rawit di Kota Bandung, Kota Bogor dan Kota Cirebon.