ANALISIS VOLATILITAS DAN PERBANDINGAN MODEL PERAMALAN HARGA MINYAKITA MENGGUNAKAN ARIMAX DAN XGBOOST DI KABUPATEN GRESIK

Abstract

Stabilitas harga minyak goreng merupakan salah satu pilar ketahanan pangan rumah tangga di Indonesia. Namun, implementasi kebijakan Harga Eceran Tertinggi (HET) Minyakita di tingkat pasar masih menghadapi tekanan struktural yang kompleks, mulai dari fluktuasi harga Crude Palm Oil (CPO) dunia, dinamika Indeks Harga Konsumen (IHK), hingga lonjakan permintaan yang berulang pada setiap periode hari besar keagamaan. Penelitian ini bertujuan menganalisis pola volatilitas harga Minyakita di Kabupaten Gresik dan membandingkan akurasi dua pendekatan peramalan, yaitu ARIMAX dan XGBoost, dalam meramalkan harga harian periode Januari 2023 hingga November 2025. Data yang digunakan meliputi 1.063 observasi harga harian Minyakita dari SISKAPERBAPO Dinas Perindustrian dan Perdagangan Provinsi Jawa Timur, IHK bulanan dari BPS Kabupaten Gresik, harga Palm Oil Futures harian dari Investing.com, serta empat variabel dummy kalender keagamaan. Uji Augmented Dickey-Fuller (ADF) mengonfirmasi stasioneritas data setelah first difference (d=1), dan uji ARCH-LM mendeteksi efek heteroskedastisitas kondisional yang signifikan (LM=25,7455; p=0,0001), sehingga pemodelan volatilitas berbasis GARCH diperlukan. Model GARCH(1,2) terpilih sebagai spesifikasi terbaik berdasarkan AIC=652,666, dengan persistensi volatilitas sebesar 0,9661 dan puncak volatilitas kondisional tertinggi pada Juli 2025 (1,036%) yang bertepatan dengan penyesuaian kebijakan HET dan gejolak harga CPO dunia. Dari 16 kombinasi grid search, model ARIMAX(0,1,3) terpilih dengan AIC=9.198,14 dan menghasilkan MAPE=1,8381% serta RMSE=357,32 pada data uji; residual model memenuhi asumsi white noise berdasarkan uji Ljung-Box. Model XGBoost dengan dominasi fitur lag harga 1 hingga 3 hari (kontribusi kumulatif 98,24%) menghasilkan MAPE=0,9794% dan RMSE=215,70. Uji Diebold-Mariano membuktikan keunggulan XGBoost atas ARIMAX(0,1,3) signifikan secara statistik pada tingkat signifikansi 5% (DM=10,273; p=0,000). Kedua model masuk dalam kategori akurasi sangat baik (MAPE < 10%), namun XGBoost direkomendasikan untuk prediksi operasional harian, sementara ARIMAX tetap relevan untuk analisis dampak kebijakan karena interpretabilitas koefisiennya.