Menekan Food Waste Lewat Matematika: Memprediksi Panen Bayam dan Durian dengan Model ARMA

Pernahkah kamu terpikir bagaimana matematika dan statistik bisa menjadi pahlawan dalam mengatasi masalah food waste (sampah pangan)? Di Indonesia, fluktuasi hasil panen seringkali menjadi tantangan besar. Komoditas seperti bayam memiliki masa simpan yang sangat singkat dan rentan membusuk jika kelebihan stok (oversupply). Di sisi lain, buah musiman seperti durian juga membutuhkan manajemen rantai pasok yang matang agar tidak terbuang sia-sia.

Berangkat dari masalah tersebut, sebuah penelitian menarik mencoba meramal jumlah produksi bayam dan durian di masa depan menggunakan pemodelan deret waktu (time series forecasting), yaitu ARMA (Autoregressive Moving Average) dan MA (Moving Average). Penelitian ini berbasis pada data historis produksi tahun 2017 hingga 2023 dari Badan Pusat Statistik (BPS).

Lalu, bagaimana proses dan apa hasilnya? Yuk, kita bedah bersama!

Membaca Pola Data: Dari Stasioneritas hingga Eliminasi Model
Sebelum menentukan model terbaik, data produksi tahunan diuji terlebih dahulu menggunakan uji Augmented Dickey-Fuller (ADF). Hasilnya menunjukkan bahwa data produksi bayam dan durian sudah stasioner (memiliki rata-rata dan varians yang konstan dari waktu ke waktu) dengan nilai P-Value < 0,05.
Setelah melihat grafik tren (ACF dan PACF), beberapa kandidat model diuji untuk melihat mana yang paling akurat dalam melakukan prediksi. Tolok ukur yang digunakan adalah nilai AIC (Akaike Information Criterion) terkecil, semakin kecil nilainya, semakin akurat modelnya.
Dari hasil pengujian, diperoleh dua model terbaik:

• Untuk Komoditas Bayam: Model ARMA(1,1) terpilih sebagai yang terbaik karena mengantongi nilai AIC terkecil ($117.3849$) dan residualnya telah terbukti memenuhi asumsi white noise (kesalahan acak yang tidak lagi memiliki pola).
  
• Untuk Komoditas Durian: Model MA(1) menjadi jawaranya dengan nilai AIC terkecil sebesar $194.0073$.
  

Mengintip Masa Depan: Hasil Ramalan 2024–2026
Berdasarkan model terbaik yang sudah didapatkan, tim peneliti melakukan proyeksi atau peramalan produksi untuk tahun 2024 hingga 2026.

• Tren Cenderung Stabil: Grafik peramalan menunjukkan bahwa tren produksi untuk kedua komoditas ini di masa mendatang relatif mendatar atau stabil.
  
• Catatan Penting (Ketidakpastian): Jika melihat grafik hasil ramalan, terdapat area abu-abu (confidence interval) yang cukup lebar. Ini menandakan adanya tingkat ketidakpastian prediksi yang cukup tinggi di masa depan. Faktor eksternal seperti cuaca ekstrem atau kebijakan pertanian tetap memegang peranan penting di lapangan.
  

Langkah Nyata Mendukung SDGs 12
Apa arti angka-angka ini bagi kehidupan nyata? Hasil peramalan presisi ini bukan sekadar coretan di atas kertas. Dengan mengetahui perkiraan jumlah panen di masa depan, para pengelola pertanian dan pembuat kebijakan dapat:

• Mengoptimalkan Stok Harian: Menghindari penumpukan bayam di pasar yang berujung pada pembusukan.
  
• Manajemen Rantai Pasok yang Efisien: Mengatur distribusi durian agar tepat sasaran ke wilayah yang membutuhkan.
  
• Aksi Nyata Mitigasi Food Waste: Menekan kerugian finansial petani sekaligus mendukung poin SDGs 12 (Konsumsi dan Produksi yang Bertanggung Jawab), khususnya dalam meminimalkan limbah hasil panen.
  

Lewat riset ini, terbukti bahwa pendekatan kuantitatif dan statistik mampu memberikan solusi konkret bagi ketahanan pangan dan kelestarian lingkungan kita!
Referensi Utama:

• Ardiansah, I., dkk. (2021). Penerapan Analisis Runtun Waktu pada Peramalan Penjualan Produk Organik. Jurnal Teknik Pertanian Lampung.
  
• Data Produksi Tanaman Sayuran & Buah-Buahan, Badan Pusat Statistik (2024).