Pemodelan dan Peramalan Harga Cabai Rawit di Pulau Jawa Menggunakan Generalized Space Time Autoregressive Orde Satu

Dzulfahmi Dzakia Ahmad, Prof. Dr. Abdurakhman, S.Si., M.Si.

2026 | Skripsi | STATISTIKA

Harga cabai rawit merupakan salah satu komponen penting dalam dinamika inflasi pangan di Indonesia karena tingkat fluktuasinya yang tinggi serta keterkaitannya dengan rantai pasok antardaerah. Model runtun waktu klasik, seperti AR dan VAR, belum mengakomodasi ketergantungan spasial, sedangkan model Space Time Autoregressive masih menggunakan parameter homogen untuk seluruh lokasi. Mengingat heterogenitas antarlokasi, penelitian ini bertujuan untuk memodelkan dan meramalkan harga cabai rawit di Pulau Jawa menggunakan model Generalized Space Time Autoregressive orde satu (GSTAR(1;1)) yang mengakomodasi dependensi spasial-temporal dengan parameter spesifik tiap lokasi. Data yang digunakan adalah harga rata-rata cabai rawit mingguan dari enam provinsi di Pulau Jawa periode November 2020 hingga November 2025, bersumber dari Pusat Informasi Harga Pangan Strategis Nasional Bank Indonesia. Parameter model diestimasi menggunakan metode ordinary least squares pada data diferensiasi logaritma yang telah memenuhi asumsi stasioneritas, dengan tiga bobot spasial yang dievaluasi: uniform, contiguity, inverse distance weighting. GSTAR(1;1) dengan bobot uniform menghasilkan kinerja terbaik dengan nilai AIC terendah (4.397) serta MAPE pada data uji sebesar 22,95%. Berdasarkan rolling origin cross-validation, GSTAR(1;1) dengan bobot uniform juga mengungguli VAR(1) dan STAR(1;1) dengan RMSE rata-rata sebesar 6.031,27 Rp/kg.

Chili pepper prices constitute a critical component of food price inflation dynamics in Indonesia due to their high volatility and strong linkages across regional supply chains. Classical time series models, such as AR and VAR, do not accommodate spatial dependence, while the Space Time Autoregressive model still imposes homogeneous parameters across all locations. Given the heterogeneity among locations, this study aims to model and forecast chili pepper prices in Java using first-order Generalized Space Time Autoregressive model, denoted GSTAR(1;1), which simultaneously accommodates spatio-temporal dependence with location-specific parameters. The data consist of weekly average chili pepper prices from six provinces in Java over the period November 2020 to November 2025, sourced from the National Strategic Food Price Information Center of Bank Indonesia. Model parameters are estimated using ordinary least squares on log-differenced data that satisfy stationarity assumptions. Three types of spatial weight matrices are evaluated: uniform, contiguity, and inverse distance weighting. The results show that the GSTAR(1;1) model with uniform weights achieves the best performance with the lowest AIC (4,397) and a test MAPE of 22.95%. Based on rolling origin cross-validation, the uniform-weighted GSTAR(1;1) also outperforms the VAR(1) and STAR(1;1) models with an average RMSE of 6,031.27 IDR/kg.

Kata Kunci : cabai rawit, GSTAR(1;1), spasial-temporal, bobot spasial, peramalan