PERBANDINGAN METODE ARIMA-GARCH DAN FUZZY TIME SERIES MARKOV CHAIN DALAM PERAMALAN DATA HARGA MINYAK MENTAH DUNIA (Studi Kasus: Data Harga Minyak Mentah Dunia Tahun 2001-2017)

Abstract

Minyak mentah merupakan salah satu komoditas yang diperdagangkan secara luas dan laris. Naik turunnya (fluktuasi) harga minyak diseluruh dunia dapat berdampak besar pada perekonomian negara baik negara produsen maupun konsumen. Peramalan dirasa penting pada data time series karena diperlukan dalam proses pengambilan keputusan seperti penyusunan APBN khususnya pada Indonesia untuk menyediakan subsidi rakyat. Perkembangan metode time series yang cukup pesat mengakibatan terdapat banyak pilihan metode untuk meramalkan. Oleh karena itu perlu dilakukan perbandingan metode untuk memperoleh nilai kesalahan yang rendah yaitu model ARIMA-GARCH dan Fuzzy Time Series Markov-Chain. Model ARIMA-GARCH merupakan model penggabungan dari model ARIMA dan GARCH yang digunakan untuk menangani terjadinya heteroskedastistik dalam variansi residual. Sedangkan Fuzzy Time Series Markov Chain adalah model peramalan Fuzzy Time Series yang dikombinasikan dengan Markov Chain (Rantai Markov). Hasil dari analisis peramalan ARIMA-GARCH terdapat tiga asumsi yang harus dipenuhi namun terdapat asumsi klasik yang dilanggar yaitu tidak terpenuhinya asumsi no autokorelasi sedangkan yang terpenuhi adalah asumsi normalitas dan asumsi homoskedastisitas. Pada Fuzzy Time Series Markov Chain menunjukkan nilai kesalahan MAPE yang diperoleh sebesar 6,7%. Dapat dikatakan bahwa metode peramalan terbaik yang diperoleh adalah Fuzzy Time Series Markov Chain.