Back to Search Start Over

Prediksi Komoditas Pangan Pada Masa Pandemi Dengan Metode Forecasting dan Moving Average

Authors :
Soni Adiyono
Sendi Novianto
Source :
Jurnal Teknologi dan Sistem Informasi, Vol 7, Iss 3, Pp 155-163 (2022)
Publication Year :
2022
Publisher :
Universitas Andalas, 2022.

Abstract

Proses mencari pola atau informasi yang berguna pada kumpulan data dengan menerapkan metode tertentu di dalamnya. Untuk memprediksi suatu harga dikemudian hari dalam penelitian ini penulis melakukan pengolahan data pada komoditas pangan yang di dalamnya terdiri dari beberapa variable. Prediksi tersebut tentunya dapat memberikan suatu informasi yang komperhensif kepada seseorang yang membutuhkan informasi mengenai harga dikemudian harinya. Dalam masa pandemi seperti sekarang ini komoditas pangan sudah menjadi kebutuhan pokok yang memang harus dipenuhi, dengan ketersediaan histori data yang diporelah dapat di olah menggunakan beberapa metode, antara lain metode forecasting dan metode moving average, serta menggunakan beberapa literatur terkait yang mengacu pada penelitian-penelitian sebelumnya. Pada penelitian ini untuk pengambilan data didapat dari sumber portal web yang sangat komperhensif dan selalu memberikan data dari hari ke harinya. Dengan menerapkan pendekatan dengan kedua metode tersebut dari sebuah history data yang sudah ada, maka akan di dapatkan sebuah nilai, dimana nilai tersebut dapat menjadi prediksi untuk kedepannya. Nilai tersebut berupa harga dari setiap variable komoditas pangan. Hasil dari kedua metode ini mempu memberikan prediksi harga di setiap komoditas pangan, hal tersebut tentunya akan diperlukan oleh masyarakat umum terlebih lagi sebagai salah satu bentuk strategi guna menjaga kestabilan dan memantau perkembangan harga pangan.

Details

Language :
Indonesian
ISSN :
24603465 and 24768812
Volume :
7
Issue :
3
Database :
Directory of Open Access Journals
Journal :
Jurnal Teknologi dan Sistem Informasi
Publication Type :
Academic Journal
Accession number :
edsdoj.5177bdaaca6348f789400dcc1e872347
Document Type :
article
Full Text :
https://doi.org/10.25077/TEKNOSI.v7i3.2021.155-163