PERBANDINGAN METODE ARIMA DAN SARIMA DALAM FORECASTING ANGGARAN DISTRIBUSI BANTUAN ROMBONG DAN MODAL USAHA PADA PROGRAM EKONOMI DI BAZNAS KOTA SURABAYA

COMPARISON OF ARIMA AND SARIMA METHODS IN FORECASTING THE BUDGET FOR THE DISTRIBUTION OF ASSISTANCE AND BUSINESS CAPITAL IN THE ECONOMIC PROGRAM AT BAZNAS IN SURABAYA CITY

Penelitian ini dilatarbelakangi oleh kebutuhan BAZNAS Kota Surabaya dalam meningkatkan efisiensi perencanaan anggaran distribusi bantuan rombong dan modal usaha. Selama ini, proses perencanaan masih dilakukan secara manual, menyebabkan terjadinya overbudgeting dan underbudgeting yang berdampak pada ketidaktepatan distribusi bantuan. Penelitian ini bertujuan membangun model peramalan anggaran menggunakan pendekatan time series forecasting dengan metode ARIMA dan SARIMA, serta membandingkan performanya untuk mengetahui model terbaik yang sesuai karakteristik data. Data yang digunakan adalah data historis distribusi bantuan dari tahun 2022 hingga 2024 yang telah diolah dan di visualisasikan. Penelitian ini mengacu pada pendekatan CRISP-DM dalam setiap tahapnya. Hasil evaluasi menunjukkan bahwa model SARIMA memiliki performa terbaik dengan nilai MAE sebesar Rp 1.397.828, RMSE sebesar Rp 2.163.667, dan MAPE sebesar 0,89%, dibandingkan model ARIMA yang memiliki MAPE lebih tinggi. Temuan ini menunjukkan bahwa SARIMA lebih mampu menangkap pola musiman dalam data distribusi bantuan. Dengan adanya model prediktif ini, BAZNAS Kota Surabaya diharapkan dapat merencanakan anggaran secara lebih akurat dan responsif berdasarkan data historis.

Kata Kunci: ARIMA, SARIMA, Forecasting, CRISP-DM, Streamlit, Distribusi Bantuan, Rombong Usaha, Modal Usaha 

This study is motivated by the need for BAZNAS Surabaya City to improve the efficiency of budget planning for the distribution of cart and business capital assistance. Currently, planning is done manually, often resulting in overbudgeting or underbudgeting, which affects the accuracy of aid distribution. The aim of this study is to build a budget forecasting model using time series forecasting approaches with ARIMA and SARIMA methods, and to compare their performance to determine the most suitable model based on the data’s characteristics. The data used is historical distribution data from 2022 to 2024, which has been processed and visualized. The study follows the CRISP-DM approach in its methodology. Evaluation results show that the SARIMA model outperforms ARIMA, with MAE of Rp 1,397,828, RMSE of Rp 2,163,667, and MAPE of 0.89%. This indicates that SARIMA is more capable of capturing the seasonal patterns in the aid distribution data. With this predictive model, BAZNAS Surabaya is expected to plan budgets more accurately and responsively based on historical data.

Keywords: ARIMA, SARIMA, Forecasting, CRISP-DM, Streamlit, Aid Distribution, Business Cart, Business Capital