ANALISIS PROYEKSI HARGA PANGAN DI DKI JAKARTA DENGAN ALGORITMA ARIMA TERHADAP DAMPAK CURAH HUJAN

Abstract

Sebagai wilayah metropolitan non produsen, DKI Jakarta sangat bergantung pada pasokan pangan dari luar daerah sehingga rentan terhadap gangguan pasokan akibat faktor meteorologi, seperti curah hujan di wilayah hulu. Penelitian ini bertujuan menerapkan algoritma Autoregressive Integrated Moving Average (ARIMA) menggunakan RapidMiner Studio untuk membangun model peramalan harga ritel harian komoditas Beras, Cabai Rawit, dan Bawang Merah.. Evaluasi kelayakan model dilakukan secara simultan berdasarkan asas parsimoni menggunakan tiga kriteria informasi statistik, yaitu Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), dan Corrected Akaike Information Criterion (AICC) terhadap model tentatif ARIMA(1,0,1), ARIMA(2,0,1), dan ARIMA(2,0,2). Hasil penelitian menunjukkan bahwa komoditas Beras dan Bawang Merah memiliki tingkat ketahanan yang tinggi terhadap guncangan cuaca jangka pendek, di mana model terbaik yang terpilih berada pada parameter minimum ARIMA(1,0,1) Sebaliknya, komoditas hortikultura segar seperti Cabai Rawit terbukti sangat sensitif terhadap anomali curah hujan ekstrem, sehingga memerlukan struktur parameter lag autoregresif yang lebih kompleks, yaitu model ARIMA(2,0,1). Temuan menunjukan adanya fenomena keterlambatan distribusi pasokan pada kelompok hortikultura basah, sedangkan pergerakan harga beras lebih dipengaruhi oleh instrumen regulasi makro seperti Harga Eceran Tertinggi (HET). Penelitian ini diharapkan menjadi sistem peringatan dini manajemen stok pangan regional pasca cuaca ekstrem.