Minyak goreng merupakan komoditas pokok pangan strategis di Indonesia. Tingginya konsumsi minyak goreng setiap tahunnya diiringi dengan meningkatnya permintaan dari pasar sehingga menyebabkan harga minyak goreng meningkat tiap tahunnya. Tujuan penelitian ini adalah untuk menggerombolkan Provinsi di Indonesia berdasarkan pola runtun waktu harga minyak goreng dan mengevaluasi peramalan tingkat kelompok. Algoritma Pengelompokan yang digunakan adalah Agglomerative Hierarcical Clustering (AHC) dengan ukuran kemiripan dynamic time warping (DTW), autocorrelation function (ACF), dan euclidean distance. Algoritma dan jumlah cluster optimal dipilih berdasarkan koefisien korelasi cophenetic dan koefisien silhouette. Kemudian, setiap cluster yang terbentuk akan dilakukan pemodelan Autoregressive Integrated Moving Average (ARIMA) dengan pendekatan Auto ARIMA. Evaluasi peramalan menggunakan Mean Absolute Percentage Error (MAPE). Penelitian ini menunjukkan hasil algoritma optimal yang terpilih adalah average linkage dengan ukuran kemiripan euclidean distance. Nilai koefisien korelasi cophentic dan koefisien silhouette berturut-turut diperoleh sebesar 0,8281 dan 0,4296. Nilai MAPE yang diperoleh berturut-turut sebesar 0,3399 dan 0,0793. Minyak goreng merupakan komoditas pokok pangan strategis di Indonesia. Tingginya konsumsi minyak goreng setiap tahunnya diiringi dengan meningkatnya permintaan dari pasar sehingga menyebabkan harga minyak goreng meningkat tiap tahunnya. Tujuan penelitian ini adalah untuk menggerombolkan Provinsi di Indonesia berdasarkan pola runtun waktu harga minyak goreng dan mengevaluasi peramalan tingkat kelompok. Algoritma Pengelompokan yang digunakan adalah Agglomerative Hierarcical Clustering (AHC) dengan ukuran kemiripan dynamic time warping (DTW), autocorrelation function (ACF), dan euclidean distance. Algoritma dan jumlah cluster optimal dipilih berdasarkan koefisien korelasi cophenetic dan koefisien silhouette. Kemudian, setiap cluster yang terbentuk akan dilakukan pemodelan Autoregressive Integrated Moving Average (ARIMA) dengan pendekatan Auto ARIMA. Evaluasi peramalan menggunakan Mean Absolute Percentage Error (MAPE). Penelitian ini menunjukkan hasil algoritma optimal yang terpilih adalah average linkage dengan ukuran kemiripan euclidean distance. Nilai koefisien korelasi cophentic dan koefisien silhouette berturut-turut diperoleh sebesar 0,8281 dan 0,4296. Nilai MAPE yang diperoleh berturut-turut sebesar 0,3399 dan 0,0793.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.