Peramalan Harga Cabai Di Beberapa Provinsi Indonesia Menggunakan Arima-Garch

Komoditas cabai merupakan sektor pertanian holtikultura yang perlu diperhatikan, adanya produktivitas yang naik turun dan faktor faktor lain seperti biaya distibusi, biaya pupuk, dan lain-lain menyebabkan harga cabai mengalami fluktuasi yang menimbulkan keresahan masyarakat sehingga perlu untuk dilakukan peramalan terhadap harga cabai agar dapat diketahui kisaran dari harga cabai periode mendatang. Hasil peramalan ini dapat digunakan pemerintah untuk mengontrol harga cabai di pasaran. Dengan adanya peramalan harga cabai tersebut, pemerintah dapat menggunakannya sebagai acuan untuk menentukan supply kuantitas cabai di pasaran, sehingga harga cabai dapat dikontrol. Data harga cabai di Indonesia memiliki volatilitas tinggi yaitu terkadang turun dan terkadang naik secara drastis yang menyebabkan ragamnya terus meningkat seiring dengan perubahan waktu. Hal tersebut akan menyebabkan terbentuknya heteroskedastisitas atau ragam tidak homogen. Salah satu model yang dapat digunakan untuk mengatasi heteroskedasitas adalah ARIMA-GARCH. Pada penelitian ini dilakukan peramalan harga cabai pada beberapa provinsi dengan kondisi surplus yaitu provinsi Jawa Barat, Jawa Tengah, Jawa Timur, Sumatera Utara, Sumatera Selatan, Sulawesi Selatan dan Sulawesi Utara; kondisi defisit yaitu Maluku, Kalimantan Tengah, dan Papua; dan kondisi perbatasan Kalimantan Selatan dimana terdapat pembagian data pelatihan dan data pengujian sebesar 70:30 serta peramalan pada provinsi Papua terbagi menjadi 2 data yaitu data asli harga cabai Papua dan Data hasil interpolasi untuk menangani outlier pada provinsi Papua. Hasil yang didapatkan dari penelitian ini adalah peramalan harga cabai 2017-2018 periode bulanan pada provinsi Kalimantan Tengah dan Sumatera Selatan menggunakan model ARIMA-GARCH dikarenakan pada model ARIMA yang digunakan pada provinsi tersebut terdapat heteroskedastisitas, sedangkan provinsi lainnya menggunakan model ARIMA dikarenakan model terbaik yang digunakan tidak memiliki heteroskedastisitas. Rata-rata nilai MAPE yang dihasilkan sebesar 9.78% dari peramalan 11 provinsi. Hasil peramalan pada Provinsi Sumatera Selatan, Sulawesi Utara dan Jawa Tengah menghasilkan rata-rata nilai MAPE sebesar 12.35% yang dapat dikatakan peramalan tersebut baik, sedangkan hasil peramalan pada provinsi lainnya memiliki kemampuan peramalan yang sangat baik dengan rata-rata nilai MAPE sebesar 8,30%. Peramalan pada provinsi Papua menggunakan data yang telah diinterpolasi dikarenakan nilai MAPE memiliki kemampuan peramalan yang sangat baik yaitu sebesar 9,24%, dimana bila dibanginkan dengan menggunakan data asli hasil peramalannya menghasilkan nilai MAPE sebesar 13,96% ======================================================================================== Chili is a holticulture agricultural sector that needs attention. Fluctuate of productive cost, fuel price, and other factor, impact chili price which make public worry. That situation indicate that it is necessary to forecast price of chilli to know chili price in next period which is can be used by government to control chili price in market. The Result can be used as a refferemce for government to control supply of chili quantities in market Chili price data in Indonesia has a high volatility, incidence of dramatically up or down that causes fluctuative along with time changes. This situation will lead heteroskedastisitas or homogeneous variety. One of the models that can be used to overcome heteroskedasitas is ARIMA-GARCH. In this research, chili price forecasted in some area in Indonesia that have surpluss condition such as : Jawa Barat, Jawa Tengah, Jawa Timur, Sumatera Utara, Sumatera Selatan, Sulawesi Selatan dan Sulawesi Utara.. In area that have deficit condition such as:, Maluku, Kalimantan Tengah, dan Papua. And in area that have moderate condition such as : Kalimantan Selatan. In this research, there are data pelatihan and data pengujian by comparasion 70:30. Furthermore forecast for Papua divided into 2 data that is original data of chili price and data of interpolation result for outlier factory in Papua province. The results obtained from this research are forecasting model for chili price next period in the provinces of Central Kalimantan and South Sumatra using ARIMA-GARCH while other provinces use ARIMA model. The average MAPE value generated is 9.78% for 11 provinces. The provinces of South Sumatra, North Sulawesi and Central Java have good forecasting with average MAPE value is 12.35% while other pronvinces have excellent forecasting capabilities with an average MAPE value is 8.30%. Forecasting of Papua province using interpolation result data because MAPE value has excellent forecasting ability that is 9,24% which is compared to forecast use original data make MAPE value is 13,96