ABSTRAK

Model Autoregressive Fractional Integral Moving Average (ARFIMA) merupakan pengembangan dari model ARIMA, dimana nilai pembeda merupakan bilangan riil. Penelitian ini bertujuan untuk memodelkan ARFIMA berdasarkan data harga beras jenis ganal periode Januari 2010 sampai Desember 2019 di Kalimantan Selatan. Penelitian ini mengidentifikasi Long Memory (memori panjang) dalam data. Data harga beras jenis ganal di Kalimantan Selatan menunjukkan bahwa data tersebut memiliki memori yang panjang. Sebelum menentukan model ARFIMA, ditentukan orde d menggunakan metode Geweke Porter-Hudak (GPH) dan Rescaled Range Statistics (R/S), dan dipilih model terbaik berdasarkan nilai AIC terkecil. Ketika model ARFIMA menggunakan metode GPH untuk menganalisis data harga beras jenis ganal di Kalimantan Selatan, estimasi parameternya tidak stasioner. Dalam metode R/S bernilai  dinyatakan stasioner. Dengan model ARFIMA yang terpilih ARFIMA (1,0.322,0) adalah. Hasil dari keakuratan pada data out sample menujukkan bahwa data aktual dan hasil prediksi memiliki nilai MAPE 2.68%. Dengan tingkat keakuratan sebesar 97.32% maka model dinyatakan sangat akurat. Hasil prediksi menunjukkan terjadinya penurunan harga beras.

Kata Kunci: Long Memory, ARFIMA, GPH, R/S.