Abstract
The chili is an important commodity in Indonesia, which has a fairly large price fluctuations. Fluctuations in prices often raises the risk of loss even have contributed to inflation. Chili price data is time series data that is not independent between observations (autocorrelation) and do not spread to normal. In addition, chili price data does not have the diversity of homogeneous data. One method that can be used to predict the pattern of the data is spline regression. The data used in this study is data the average weekly price of chili in Jakarta from January, 2010 to October, 2015. The best spline model is a second order spline models with three knots. The model has a value of Mean Absolute Percentage Error (MAPE) of 9.57% and determination coefficient of 86.41%. The model obtained in this research is already well in predicting the pattern of the chili price, but it was only able to predict well for a period of one month. Prediction chili prices in Jakarta for November are in the range of Rp 35.565.
 Keywords: chili price, regression, spline.
Highlights
Penduduk Indonesia sebagian besar bermata pencaharian sebagai petani
The chili is an important commodity in Indonesia
Fluctuations in prices often raises the risk of loss even have contributed to inflation
Summary
Penduduk Indonesia sebagian besar bermata pencaharian sebagai petani. Salah satu komoditas holtikultura yang dihasilkan adalah Cabai. Cabai merah merupakan salah satu komoditas yang memiliki fluktuasi harga cukup besar. Cabai merah merupakan salah satu komoditas utama yang memiliki kontribusi terhadap terjadinya inflasi sebesar 0.32% pada tahun 2010 ([BI] Bank Indonesia, 2013). Hal tersebut apabila terjadi secara terus-menerus dengan fluktuasi harga yang besar dapat mengakibatkan nilai rata-rata dan ragam tidak konstan sehingga pemodelan untuk memprediksi data tidak dapat diselesaikan dengan metode parametrik yang ketat dengan asumsi. Salah satu model dengan pendekatan nonparametrik yang sering digunakan untuk menduga bentuk kurva adalah regresi spline. Pada tahun yang sama Suparti, juga Katijaya dan Sudarsono menggunakan regresi spline untuk melakukan pemodelan kurs Rupiah terhadap mata uang Euro dan Dolar Amerika Serikat. Berdasarkan hasil dari penelitian tersebut, regresi spline sangat baik digunakan dalam memprediksi suatu pola data yang memiliki karakteristik yang cenderung berbeda. Dalam makalah ini harga cabai di Jakarta dimodelkanmenggunakan Analisis Regresi Spline
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
