Prediksi Nilai Ekspor Non-Migas di Indonesia Menggunakan Metode SARIMA

Putri Yusra Haliza; Maharani Renika Putri; Khoiruddin Siregar

doi:10.33019/fraction.v6i1.99

Authors

Putri Yusra Haliza Universitas Negeri Medan
Maharani Renika Putri
Khoiruddin Siregar

DOI:

https://doi.org/10.33019/fraction.v6i1.99

Keywords:

Ekspor Non-Migas, SARIMA, Prediksi, Peramalan, Data Time Series

Abstract

Ekspor non-migas memiliki peran penting dalam perekonomian Indonesia, karena berkontrobusi signifikan terhadap pertumbuhuhan ekonomi dan stabilitas neraca perdagangan. Dalam beberapa tahun terakhir, fluktuasi ekspor non-migas menjadi perhatian utama dalam menghadapi dinamika global yang tidak menentu. Oleh karena itu, penelitian ini bertujuan untuk memprediksi nilai ekspor non-migas di Indonesia menggunakan metode SARIMA. Data yang digunakan merupakan data sekunder dari BPS tahun 2016-2025. Analisis dilakukan dengan uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF) test, identifikasi model berdasarkan plot ACF dan PACF, serta pemilihan model terbaik dengan nilai Akaike Information Criterion (AIC) terkecil. Hasil penelitian menunjukkan bahwa model terbaik untuk prediksi nilai ekspor non-migas di Indonesia adalah SARIMA (1,1,2)(0,1,1)¹² , dengan nilai AIC sebesar 1697.816 dan Mean Absolute Percentage Error (MAPE) sebesar 5.14%. Prediksi nilai ekspor non-migas dari Maret 2025 hingga Desember 2026 menunjukkan tren peningkatan yang stabil dengan sedikit fluktuasi. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi pemangku kepentingan dalam menyusun strategi perdagangan yang lebih efektif dan meningkatkan daya saing ekspor nasional.

Downloads

Download data is not yet available.

References

[1] Atmanegara, E. (2022). Peramalan Ekspor Karet Provinsi Jambi dengan Model Seasonal ARIMA. Jurnal Ilmiah Ilmu Terapan Universitas Jambi, 6(2), 263-277.

[2] Badan Pusat Statistik. (2022). Statistik Ekspor dan Impor Indonesia. BPS.

[3] Nugroho, A., & Kurniawan, R. (2022). Evaluasi Model SARIMA untuk Peramalan Ekspor Indonesia. Jurnal Ekonomi Terapan, 15(2), 123-135

[4] Rahmat, T., & Lestari, D. (2020). Perbandingan Model Peramalan Ekonomi: SARIMA dan Regresi Linier. Jurnal Statistika dan Ekonomika, 8(1), 45-58.

[5] Ramadhan, A. A. D., & Fauzan, A. (2023). Prediksi Nilai Ekspor Non Migas Di Jawa Barat Menggunakan Metode Seasonal Auto Regresif Integrated Moving Average (SARIMA). Emerging Statistics and Data Science Journal, 1(1), 10-19.

[6] Retnowardani, D. A., & Achmadin, W. N. (2023). Penggunaan Metode ARIMA dalam Peramalan Nilai Ekspor Non-Migas Indonesia Tahun 2023. MathVision: Jurnal Matematika, 5(2), 58-62.

[7] Sari, I. N. L. I. R., Astawa, I. W. P., & Suharta, I. G. P. (2023). Peramalan Nilai Ekspor Di Provinsi Bali Dengan Metode Seasonal Autoregressive Integrated Moving Average. Wahana Matematika dan Sains: Jurnal Matematika, Sains, dan Pembelajarannya, 17(3).

[8] Setiawan, B., et al. (2020). Prediksi Ekspor Komoditas Pertanian Menggunakan Model SARIMA. Jurnal Agribisnis Indonesia, 12(3), 67-80.

[9] Susanti, R., & Rahmawati, S. (2021). Analisis Peramalan Ekspor Sektor Manufaktur dengan Metode SARIMA. Jurnal Ekonomi dan Bisnis, 9(4), 201-214.

[10] Widodo, B., et al. (2021). Faktor-Faktor yang Mempengaruhi Fluktuasi Ekspor Non-Migas di Indonesia. Jurnal Perdagangan Internasional, 10(2), 88-105.