Budget Forecast Menggunakan Metode Arima

Budget Forecast Using the ARIMA Method

  • Ishak Semuel Karma Program Studi Akuntansi, Universitas Cenderawasih–Indonesia
  • Dini Nonik Trianita Program Studi Akuntansi, Universitas Cenderawasih–Indonesia
  • Agnes Ratu Tehresia Tail Program Studi Akuntansi, Universitas Cenderawasih–Indonesia
  • Putri Nur Rohma Program Studi Akuntansi, Universitas Cenderawasih–Indonesia
DOI: https://doi.org/10.56338/jks.v9i6.11298
Keywords: Arima, Brpt, Budget, Data Analytics, Forecasting, Prediksi, ARIMA, BRPT, Budgeting, Data Analytics, Forecasting, Prediction

Abstract

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. 

References

Box, G. E. P., & Jenkins, G. M. (1970). Time series analysis: Forecasting and control. Holden-Day.
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.
Published
2026-06-29
Issue
Vol. 9 No. 6: Juni
Section
Article