Peramalan Jumlah Pengadaan Beras Oleh Bulog Menggunakan Vector Autoregressive (VAR)

Indonesia sebagai salah satu negara produsen beras terbesar di dunia, sangat membutuhkan adanya pengelolaan beras, baik dalam persediaan, konsumsi, pengadaan, dan distribusi ke masyarakat. Selama ini, produksi beras di Indonesia sangat berfluktuasi. Dalam beberapa tahun produksi beras dapat mengalami peningkatan, namun beberapa tahun berikutnya dapat terus mengalami penurunan, dikarenakan adanya beberapa faktor, yaitu kondisi kesuburan tanah, iklim yang tidak stabil, pertambahan penduduk, dan serangan hama. Hal ini menyebabkan hasil dan total produksi padi dalam bentuk beras semakin menurun sehingga dapat berdampak negatif pada negara. Mengingat beras merupakan kebutuhan pokok bagi masyarakat Indonesia, sejalan dengan adanya upaya peningkatan produktivitas, beras yang dihasilkan seharusnya dapat memenuhi kebutuhan konsumen yang kian berkembang. Melihat permintaan beras yang tidak tentu dan beras merupakan bahan baku yang mudah rusak, menyebabkan Perum BULOG harus memperhatikan jumlah persediaan beras yang dimiliki. Untuk itu dibutuhkan adanya peramalan pengadaan beras oleh BULOG sebagai tindakan antisipasi dalam ketidakpastian permintaan, serta menjaga stok beras tetap tersedia untuk menghindari adanya kemungkinan risiko yang terjadi, seperti gagal panen. Beberapa faktor yang mempengaruhi adanya pengadaan beras oleh BULOG, diantaranya adalah harga beras, realisasi pengadaan xii beras, harga dasar pembelian beras oleh pemerintah (HDPB), harga gabah kering giling, dan juga stok beras. Pada tugas akhir ini, penulis mengusulkan model Vector Autoregressive (VAR) untuk meramalkan pengadaan beras oleh BULOG Jawa Timur. Model VAR tepat digunakan untuk menghasilkan peramalan yang dipengaruhi oleh banyak variabel. Selain itu, dalam model VAR tidak perlu memperhatikan variabel terikat dan bebas, karena semua variabel termasuk variabel endogen, dan dapat diketahui variabel apa saja yang saling mempengaruhi dengan melakukan estimasi VAR. Hasil yang didapatkan adalah berupa peramalan realisasi pengadaan beras, harga beras, harga gabah, HDPB, dan stok selama satu tahun ke depan. Dari hasil peramalan yang didapatkan, satu variabel yaitu realisasi pengadaan beras memiliki nilai MAPE sebesar 244% yang artinya hasil peramalan tersebut tidak akurat. Namun, keempat variabel lain dinyatakan akurat karena memiliki nilai MAPE kurang dari 30%. Setelah dilakukan uji ulang pada variabel realisasi pengadaan beras dengan menggunakan data aktual periode Januari 2011 – Desember 2014, nilai MAPE yang didapatkan tetap diatas 30% yaitu sebesar 189%. Kemudian setelah dilakukan uji dengan menggunakan metode lain yaitu metode Exponential Smoothing, nilai MAPE pada variabel realisasi pengadaan beras tetap besar yaitu 92%. Berdasarkan beberapa uji yang telah dilakukan, dapat disimpulkan bahwa pada variabel realisasi pengadaan beras memiliki nilai MAPE yang tidak akurat dikarenakan data mengandung fluktuasi yang cukup jauh, sehingga hal tersebut mempengaruhi hasil peramalan. ======================================================================================================= Indonesia as one of the country's largest rice producer in the world, is in dire need for the cultivation of rice, either in inventory, consumption, procurement, and distribution to the public. During this time, the production of rice in Indonesia is very fluctuating. Within a few years rice production can be increased, but the next few years may continue to decline, due to several factors, namely the condition of soil fertility, unstable climate, population growth, and pests. This leads to the result and the total rice production in the form of rice has declined so that it can have a negative impact on the country. Given rice is a basic requirement for the Indonesian people, in line with the efforts to increase productivity, resulting rice should be able to meet the growing needs of consumers. Seeing the demand for rice is not necessarily and rice is the raw material that can be easily damaged, causing Perum Bulog rice should pay attention to the amount of inventory held. That requires the forecasting of rice procurement by BULOG as a precaution in the uncertainty of demand, as well as keeping stocks of rice remain available to avoid the possibility of the risk occurring, such as crop failure. Some of the factors that affect their rice procurement by BULOG, including the price of rice, the actual procurement of rice, government purchase price, the price of milled rice, and rice stocks. xiv Final result of this thesis are the result of the prediction sugar quality in PT. PG. Rajawali I Surabaya, factors that affect the decreasing of sugar quality in 2014, and recommendation for future improvement of the sugar production process. In this final project,, the authors propose a model of Vector Autoregressive (VAR) for predicting rice procurement by BULOG East Java. Right VAR models used to generate forecasting is influenced by many variables. In addition, the VAR models do not need to consider the dependent and independent variables, because all variables including endogenous variables, and it is known variables that interact with the VAR estimate. The results obtained are in the form of forecasting the actual provision of rice, the price of rice, the price of grain, HDPB, and stock during the next year. From forecasting the results obtained, the variable that is the realization of rice procurement has a value of MAPE of 244%, which means that inaccurate forecasting results. However, four other variables declared accurately because it has a MAPE value of less than 30%. After re-testing in the variable realization rice procurement by using actual data period January 2011 - December 2014, the value obtained MAPE remained above 30% in the amount of 189%. Then, after the test is done by using other methods is the method of Exponential Smoothing, MAPE value in the variable realization remains large rice procurement is 92%. Based on some tests that have been done, it can be concluded that the realization of variable rice procurement has a value of MAPE is not accurate because the data contains considerable fluctuations, so it affects the forecasting results