Arima Modeling and Forecasting of Banana Production in Eastern Visayas, Philippines: 2010-2022
Notice bibliographique
Résumé
Abstract This time series study investigated the quarterly banana production among the six provinces in Eastern Visayas, Philippines namely: Biliran, Leyte, Southern Leyte, Samar, Eastern Samar, and Northern Samar from 2010 to 2022 specifically the time series components of the data, appropriate time series model, projected banana production for 2023-2024, and the comparison of the predictive accuracy of forecasted models. The technique employs a descriptive and predictive study design of the secondary data from the Philippine Statistics Authority (PSA) using descriptive statistics, time series charts, Autoregressive Integrated Moving Average (ARIMA) models, forecasting, Mean Absolute Percentage Error (MAPE), and Symmetric Mean Absolute Percentage Error (SMAPE). Among the six provinces, Samar (148,352.78 mt) had the highest total volume of banana production, followed by Southern Leyte (819,306.59 mt). The highest banana production was observed among provinces, namely: 3 rd quarter of 2013 in Biliran, 2 nd quarter of 2010 in Eastern Samar, 3 rd quarter of 2012 in Leyte, 2 nd quarter of 2014 in Northern Samar, 1 st quarter of 2022 in Samar, and 4 th quarter of 2012 in Southern Leyte. In terms of the overall banana production, seasonality was found in quarters from 2010-2022 with irregular variations and gradual increases. All provinces showed ADF statistics that are negative and p-values that are below the 0.05 threshold, suggesting that the time series for each province is stationary. With ARIMA models being assessed and validated for each province, Eastern Samar (ARIMA(4,1,1)) model has the lowest AIC and BIC values indicating the best fit among the models. Overall ARIMA (3,1,2) model forecasts in Eastern Visayas will experience fluctuations but maintain general stability until 2024. Further, the predictive accuracy using MAE, MAPE, and SMAPE was determined to compare the resulting ARIMA models of the quarterly banana production, hence, the findings revealed variable model accuracies across different provinces with Northern Samar showing the highest accuracy. Thus, the different models and forecasted productions found in this study are important to ensure market stability and consistent supplies of banana production.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».