Electronic Theses and Dissertation

Peramalan permintaan ready mix concrete (rmx) merupakan aspek penting dalam perencanaan produksi dan analisis pasar bagi perusahaan. penelitian ini bertujuan untuk membandingkan kinerja model sarima dan sarimax dalam meramalkan permintaan rmx nasional periode 2026 menggunakan data januari 2021 hingga desember 2025 dengan memanfaatkan variabel eksogen inflasi, bi rate, pdb konstruksi, dan hari kerja efektif. tahapan penelitian diawali dengan tahap eksplorasi data dan analisis, praproses data dan uji stasioneritas augmented dickey fuller (adf), dilanjutkan dengan uji kausalitas granger untuk menyeleksi variabel eksogen yang memiliki hubungan prediktif terhadap permintaan rmx. hasil uji granger menunjukkan bahwa pdb konstruksi dan hari kerja efektif terbukti memiliki pengaruh prediktif yang signifikan terhadap permintaan rmx. selanjutnya, model sarima dan sarimax dibangun dan dievaluasi menggunakan entropy weight method (ewm) dan topsis untuk menentukan model terbaik secara multi kriteria. hasil penelitian menunjukkan bahwa model sarimax(1,1,1)(0,1,0,12) dengan variabel eksogen pdb konstruksi menghasilkan performa terbaik dengan mae sebesar 301.923,18 m3, rmse sebesar 365.777,51 m3, dan mape sebesar 11,06%, lebih rendah dibandingkan model sarima tanpa eksogen. model terpilih digunakan untuk meramalkan permintaan rmx tahun 2026, dimana estimasi permintaan tertinggi diproyeksikan pada desember 2026 sebesar 3,85 juta m3 dan terendah pada april 2026 sebesar 1,93 juta m3. penelitian ini juga mengimplementasikan aplikasi streamlit sebagai dashboard interaktif untuk visualisasi dan evaluasi hasil forecast. kata kunci: forecasting, ready mix concrete, sarima, sarimax, uji granger, topsis

Demand forecasting of Ready Mix Concrete (RMX) is a crucial aspect of production planning and market analysis for companies. This study aims to compare the performance of SARIMA and SARIMAX models in forecasting national RMX demand for 2026 using data from January 2021 to December 2025, incorporating exogenous variables including inflation, BI rate, construction GDP, and effective working days. The research begins with data exploration and analysis, data preprocessing and the Augmented Dickey Fuller (ADF) stationarity test, followed by the Granger causality test to select exogenous variables with predictive relationships to RMX demand. The Granger test results indicate that construction GDP and effective working days are proven to have a significant predictive influence on RMX demand. Subsequently, the SARIMA and SARIMAX models are developed and evaluated using the Entropy Weight Method (EWM) and TOPSIS to determine the best model based on multiple criteria. The results show that the SARIMAX(1,1,1)(0,1,0,12) model with Construction GDP as the exogenous variable achieves the best performance, with an MAE of 301,923.18 m3, RMSE of 365,777.51 m3, and MAPE of 11.06%, outperforming the SARIMA model without exogenous variables. The selected model is used to forecast RMX demand for 2026, projecting the highest demand in December 2026 at 3.85 million m3 and the lowest in April 2026 at 1.93 million m3. This study also implements a streamlit application as an interactive dashboard for visualizing and evaluating forecast results. Keywords: forecasting, Ready-Mix Concrete, SARIMA, SARIMAX, Granger test, TOPSIS.