Ramdani, Mohamad Gilang
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Bayesian Dynamic Linear Models untuk Peramalan Harga Komoditas Beras Medium Ramdani, Mohamad Gilang; Komara Rifai, Nur Azizah
Jurnal Riset Statistika Volume 5, No. 2, Desember 2025, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v5i2.8346

Abstract

Abstract. Medium‐quality rice prices in Indonesia play a crucial role in maintaining economic stability and national food security. The dynamic nature of price fluctuations, influenced by seasonal factors and long-term trend changes, requires a forecasting method that is adaptive. This study applies Bayesian Dynamic Linear Models (BDLM) to forecast medium-quality rice prices using monthly data from BPS and Bapanas for the period 2014-2023. The model consists of a second-order polynomial trend component and a harmonic seasonal component under a state space framework, updated sequentially using the Kalman filter. The results indicate that BDLM effectively captures variations in both trend and seasonality with high accuracy, as reflected by a MAPE value of 4.33%. These findings are consistent with previous studies, which highlight the superior adaptive capability of Bayesian dynamic models in handling structural changes in economic time series. Therefore, BDLM can serve as a reliable alternative for forecasting food commodity prices, particularly medium-quality rice, to support food policy formulation in Indonesia. Abstrak. Harga beras medium di Indonesia memiliki peran penting dalam menjaga stabilitas ekonomi dan ketahanan pangan nasional. Fluktuasi harga yang bersifat dinamis, dipengaruhi oleh faktor musiman dan perubahan tren jangka panjang, menuntut metode peramalan yang adaptif. Penelitian ini menerapkan Bayesian Dynamic Linear Models (BDLM) untuk meramalkan harga beras medium menggunakan data bulanan BPS dan Bapanas periode 2014-2023. Model yang digunakan terdiri atas komponen tren polinomial orde dua dan komponen musiman harmonik dengan pendekatan state space, serta diperbarui secara berurutan menggunakan Kalman filter. Hasil penelitian menunjukkan bahwa BDLM mampu menangkap variasi tren dan musiman secara efektif dengan tingkat akurasi yang tinggi, ditunjukkan oleh nilai MAPE sebesar 4,33%. Temuan ini sejalan dengan penelitian sebelumnya yang menyatakan bahwa model dinamis bayesian memiliki kemampuan adaptif yang unggul dalam memodelkan perubahan struktural pada deret waktu ekonomi. Dengan demikian, BDLM dapat dijadikan alternatif yang tepat dalam peramalan harga komoditas pangan, khususnya beras medium, guna mendukung formulasi kebijakan pangan di Indonesia.