Peramalan Permintaan Ragum Tahun 2020 dan 2021 Berdasarkan Indeks Harga Konsumen, Inflasi, dan Laju Produk Domestik tahun 2009-2019 di Kota Palu

Abstract

Penelitian ini bertujuan mengetahui ramalan permintaan produk Ragum di kota Palu pada tahun 2020 dan 2021 dengan data 10 tahun terdahulu yang digunakan adaah indeks harga konsumen, laju produk domestic, dan tingkat inflasi di kota Palu pada periode 2009-2019. Penelitian ini menggunakan metode Time Series dan metode Causal yang nantinya akan dhitung kembali tingkat hubungan antar variabel dengan perhitungan koefisien korelasi. Data yang digunakan bersumber dari Badan Pusat Statistik (BPS). Analisis yang digunakan untuk metode Time Series adalah Siklis dan kuadratis untuk variabel laju produk domestik, eksponensial dan linear untuk variabel indeks harga konsumen serta siklis dan musiman untuk variabel inflasi. Setiap metode yang digunakan pada peramalan Time Series akan dibandingkan untuk memilih metode terbaik yang akan dipakai. Hal tersebut dapat diperhatikan dari besaran error dari hasil perhitungan metode yang digunakan. Untuk peramalan dengan metode causal akan menggunakan matriks Gauss-Jordan untuk mendapatkan persamaan peramalan permintaan ragum. Ketiga variabel tersebut akan dihitung tingkat korelasinya dengan permintaan ragum dengan melakukan perhitungan koefisien korelasi.

This study aims to determine the demand for Ragum products in the city of Palu in 2020 and 2021 with data from the previous 10 years used is the consumer price index, the rate of domestic products, and the inflation rate in the city of Palu in the period 2009-2019. This study uses the Time Series method and the Causal method which will later recalculate the level of relationship between variables with the calculation of the correlation coefficient. The data used is sourced from the Central Statistics Agency (BPS). The analysis used for the Time Series method is Cyclical and quadratic for domestic product rate variables, exponential and linear for consumer price index variables and cyclical and seasonal for inflation variables. Each method used in Time Series forecasting will be compared to choose the best method to be used. This can be noted from the amount of error from the calculation results of the method used. For forecasting with the causal method will use the Gauss-Jordan matrix to get the forecast demand equation. The three variables will be calculated the level of correlation with the vise demand by calculating the correlation coefficient.