Budget Forecast Menggunakan Metode Arima
Abstract
ABSTRAK
Pada penelitian yang dilakukan ole Makridakis dan Hibon (1997), metode ARIMA merupakan salah satu metode yang forecasting time series yang banyak dipakai, karena mampu menghasilkan prediksi yang bisa dibilang cukup akurat berdasarkan pola hostoris pada data sebelumnya. Metode ARIMA ini sering diterapkan dalam bidang keuangan, penjualan, maupun penganggaran Perusahaan karena memiliki tingkat error yang relatif dan mungkin sangat kecil. Penelitian yang kami buat ini bertujuan untuk melakukan budget forecasting pada Perusahaan PT Barito Pacific Tbk (BRPT) menggunakan metode ARIMA berdasarkan pada data anggaran dan realisasi beberapa departemen tahun 2024 hingga 2025. Data yang kami gunakan berasal dari Departemen Finance, HR, IT, Marketing, Operations, dan Sales. Hasil dari penelitian kami menggunakan metode ARIMA menunjukkan prediksi yang mendekati nilai actual yaitu nilai yang diterima atau diperoleh adalah nilai error terkecil pada periode ke 6 dengan selisih sebesar -136.67 dan nilai varian sebesar -0.00222 maka model di anggap memiliki tingkat akurasi yang lebih baik dibandingkan periode lainnya. Hasil akhir menunjukkan bahwa metode ARIMA cukup efektif digunakan untuk membantu proses budget forecasting Perusahaan tersebut.
ABSTRACT
In a study conducted by Makridakis and Hibon (1997), the ARIMA method was identified as one of the most widely used time series forecasting methods, as it is capable of generating fairly accurate predictions based on historical patterns in past data. The ARIMA method is frequently applied in the fields of finance, sales, and corporate budgeting because it has a relatively low error rate. The purpose of our study is to conduct budget forecasting for PT Barito Pacific Tbk (BRPT) using the ARIMA method based on budget and actual data from several departments for the years 2024 to 2025. The data we used was sourced from the Finance, HR, IT, Marketing, Operations, and Sales departments. The results of our research using the ARIMA method show predictions that closely approximate actual values; specifically, the smallest error value was observed in the 6th period, with a difference of -136.67 and a variance of -0.00222. Consequently, the model is considered to have a higher level of accuracy compared to other periods. The final results indicate that the ARIMA method is sufficiently effective for assisting the company’s budget forecasting process.
References
Chatfield, C. (2000). Time-series forecasting. Chapman & Hall/CRC.
Hamilton, J. D. (1994). Time series analysis. Princeton University Press.
Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and practice. OTexts.
Makridakis, S., & Hibon, M. (1979). Accuracy of forecasting: An empirical investigation. Journal of the Royal Statistical Society.
Makridakis, S., & Hibon, M. (1997). ARMA models and the Box-Jenkins methodology. Journal of Forecasting, 16(3), 147–163.
Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (1998). Forecasting: Methods and applications. John Wiley & Sons.
Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2015). Introduction to time series analysis and forecasting. Wiley.
Pindyck, R. S., & Rubinfeld, D. L. (1998). Econometric models and economic forecasts. McGraw-Hill.
Wei, W. W. S. (2006). Time series analysis: Univariate and multivariate methods. Pearson Addison Wesley.
