Menentukan Metode Terbaik utuk Meramalkan Hasil Impor Jeruk Fresh Orange di

Indonesia pada Bulan Januari dan Februari 2006

Penyusun:
Yuyun Eka Pratiwi

H11112002

Susnawati

H11112006

Haryati

H11112024

Mimi Kurniati

H11112018

Reni Unaeni

H11112064

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tanjungpura

Pontianak
2015

KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT karena atas limpahan rahmat-Nya lah
laporan tugas matakuliah Metode Deret Waktu 1 ini bisa terselesaikan. Laporan ini berjudul
Peramalan Impor Jeruk Orange Indonesia dengan Metode Moving Average dan Single
Exsponensial Smoothing. Laporan ini bertujuan membandingkan kedua metode tersebut dalam
peramalan impor jeruk orange Indonesia dan menentukan hasil peramalan impor jeruk tersebut
untuk bulan Oktober, November, Desember 2005
Banyak pihak yang telah membantu dalam menyelesaikan laopran ini. Oleh karena itu, kami
mengucapkan terima kasih kepada:
1. Ibu Muhlasah Novitasari Mara, M. Sc. selaku dosen pengampu matakuliah Metode Deret
Waktu 1 yang telah memberikan banyak penjelasan terkait materi matakuliah tersebut.
2. Bapak Hendra Perdana, M. Sc. yang telah banyak memberikan masukan dan bimbingan
kepada kelompok kami untuk menyelesaikan laporan ini.
3. Teman-teman kelompok 10 yang tidak letih membantu mengerjakan laporan ini sehingga
dapat terselesaikan tepat waktu.
Semoga laporan yang telah dibuat dapat bermanfaat bagi penulis dan bagi pembaca. Saran
dan kritik yang membangun sangat diharapkan demi perbaikan penulisan laporan lainnya.

Pontianak, 1 Oktober 2015

Kelompok 10

DAFTAR ISI

ii

PENDAHULUAN
A. Latar Belakang
Salah satu komoditas holtikultura (budidaya tanaman kebun)

yang memiliki

peranan strategis dalam pembangunan nasional adalah buah-buahan. Seperti buah jeruk
yang berfungsi sebagai bahan makanan yang bergizi karena mengandung sumber vitamin
dan mineral, sumber pendapatan, meningkatkan ekspor, dan substitusi impor.
Buah jeruk mempunyai nilai ekonomis dan mengandung gizi yang cukup tinggi,
yang dapat dikonsumsi dalam bentuk segar maupun olahan. Di Indonesia, jeruk
merupakan tanaman rakyat yang sebagian besar dibudidayakan dilahan kering, baik
didataran rendah atau dataran tinggi.
Permintaan akan jeruk dari masyarakat Indonesia sangatlah tinggi dan semakin
meningkat dari tahun ke tahun. Kebutuhan akan konsumsi jeruk dapat dipenuhi dari
produksi dalam negeri maupun luar negeri.
Tingginya permintaan buah jeruk serta nilai ekonomisnya yang tinggi, membuat
pemerintah tidak hanya mengerahkan pengelolaan kepada petani jeruk yang berskala
kecil tetapi juga yang berorientasi kepada pola pengembangan industri jeruk. Dengan
demikian, pengembangan usaha tani jeruk ke arah agribisnis jeruk dapat dilakukan
dengan melihat potensi yang ada. Umumnya usaha tani jeruk di Indonesia masih
dilakukan secara tradisional pada lahan pekarangan dan kebun sekitar rumah, dan belum
dikelola secara intensif. Untuk menjadikan usaha tani jeruk berorientasi agribisnis perlu
dilakukan pengelolaan yang intensif, sehingga produksinya tinggi dan mutunya baik.
B. Perumusan Masalah
Semakin meningkatnya konsumsi jeruk dari tahun ketahun disebabkan oleh
bertambahnya penduduk serta meningkatnya pendapat yang mendorong permintaan buah
jeruk juga meningkat. Pemenuhan kebutuhan untuk permintaan yang semakin meningkat
itu mendorong meningkatnya produksi serta impor.
Di masa yang akan datang apakah impor yang ada akan terus meningkat belum
bisa dipastikan tanpa adanya bukti atau data yang mendukung, untuk itu sangatlah
dibutuhkan peramalan bagaimana pola data impor buah jeruk tersebut.

Apabila impor yang ada terus mengalami peningkatan dari tahun ke tahun akan
menimbulkan ketergantungan terhadap negara lain sehingga negara Indonesia akan
kehilangan daya saingnya. Oleh sebab itu, diperlukan solusi untuk menekan laju impor
buah jeruk di Indonesia.
Berdasarkan uraian diatas, maka perumusan masalahnya adalah apa metode
terbaik untuk meramalkan impor bulanan buah jeruk fresh orange di Indonesia serta
bagaimana peramalan permintaan impor bulanan buah jeruk fresh orange di Indonesia
untuk bulan Januari dan Februari, pada tahun 2006 berdasarkan metode terbaik.
C. Tujuan Penelitian
Berdasarkan perumusan masalah di atas, tujuan dari penelitian ini sebagai berikut.
1. Menentukan metode terbaik untuk meramalkan impor bulanan buah jeruk fresh orange
di Indonesia.
2. Meramalkan impor bulanan buah jeruk fresh orange di Indonesia untuk bulan Januari
dan Februari pada tahun 2006 berdasarkan metode terbaik.
D. Manfaat Penelitian

Manfaat dari penelitian ini, yaitu untuk mengetahui metode terbaik dalam
meramalkan permintaan impor buah jeruk di Indonesia dan mengethaui apakah
permintaan impor buah jeruk di Indonesia mengalami penurunan atau
peningkatan.PEMBAHASAN
A. Identifikasi Pola Data
Data

impor

bulanan

jeruk

fresh

orange

Indonesia

diperoleh

dari

http://repository.ipb.ac.id. Data yang digunakan adalah data impor bulanan jeruk fresh
orange dari bulan Januari 2001 hingga Desember 2005. Data disajikan dalam tabel 1.
Selanjutnya data tersebut akan digunakan untuk meramalkan jumlah impor pada bulan
Oktober, November, dan Desember ditahun 2005.
Tabel 1. Data Impor Bulanan Jeruk Fresh Orange Indonesia (ribuan kg)
Tahun
2001

Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

Impor Jeruk
2,810.570
1,001.022
1,224.349
1,075.041
700.363
565.479
766.273
621.688
632.940
385.590
1,103.455
1,494.150

2002

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September

5,182.504
990.146
1,440.247
989.272
1,059.922
1,483.442
2,641.425
1,790.566
1,297.059
3

Oktober
November
Desember

1,243.153
1,73.043
1,66.389

2003

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

1,708.754
1,781.730
1,052.382
70.384
977.007
1,851.640
1,232.073
1,628.985
1,026.940
1,072.248
2,426.706
9,395.848

2004

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

7,425,215
4,923,523
7,640.595
5,703.675
2,418.015
1,904.511
3,012.449
3,130.366
2,293.871
3,180.621
3,874.617
5,420.702

2005

Januari
Februari
Maret
April

7,928.162
2,976.621
3,131.812
1,987.890
4

Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

1,652.783
2,356.301
2,033.777
1,951.337
1,772.151
1,027.524
1,214.988
1,679.334

Data impor bulanan jeruk fresh orange Indonesia di atas selanjutnya ditentukan pola data
yang sesuai. Penentuan pola data dilakukan dengan menggunakan bantuan Microsoft Excel .
Selanjutnya, pola data impor bulanan jeruk fresh Indonesia yang telah ditentukan
digunakan untuk memilih metode peramalan yang tepat. Pemilihan metode peramalan ini
dilakukan dengan melihat pola data yang telah ditentukan sebelumnya. Terdapat 4 kategori untuk
jenis pola data, yakni:
1. Pola horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan.
(Deret seperti itu stasioner terhadap nilai rata-ratanya). Suatu produk yang penjualannya tidak
meningkat atau menurun selama waktu tertentu termesuk jenis ini.

2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh factor musiman (misalnya kuartal
tahun tertentu, bulanan atau hari-hari pada minggu tertentu). Penjualan dari produk seperti
minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini.

3. Pola siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang
seperti yang berhubungan dengan siklus bisnis, penjualan produk seperti mobil, baja, dan
peralatan utama lainnya menunjukkan jenis pola ini. Pola siklis cenderung berulang pada setiap
dua tahun, tiga tahun atau lebih. Pola siklis sulit untuk dibuatkan model karena polanya yang
tidak stabil.

4. Pola trend (T) terjadi bilamana terjadi kenaikan atau penurunan sekuler jangka panjang dalam
data. Penjualan banyak perusahaan, produk bruto nasional (GNP) dan berbagai indicator bisnis
atau ekonomi lainnya mengikuti pola trend selama perubahannya sepanjang waktu.

Pola data impor bulanan jeruk fresh orange Indonesia ditunjukkan oleh grafik 1 berikut.
Impor Bulanan Jeruk Orange Tahun 2001-2005
10,000,000
9,000,000
8,000,000
7,000,000
6,000,000
5,000,000
4,000,000
3,000,000
2,000,000
1,000,000
0

Grafik 1. Pergerakan Impor Bulanan Jeruk Orange Tahun 2001-2005

Dari Grafik 1 di atas dapat dilihat bahwa pola data yang terbentuk adalah pola data
stasioner. Hal ini dapat dilihat dari pergerakan data observasi berfluktuasi di sekitar garis
rata-rata yang konstan.
B. Pemilihan Metode Peramalan
Berdasarkan identifikasi pola data yang telah ditentukan sebelumnya, dapat diketahui
bahwa pola data impor bulanan jeruk fresh Indonesia merupakan pola stasioner, sehingga
dengan diketahuinya pola data tersebut akan mempermudah pemilihan metode peramalan
yang sesuai. Adapun metode yang sesuai untuk pola stasioner yang telah terbentuk pada data
impor bulanan jeruk fresh Indonesia adalah metode Single Moving Average dan metode
Single Exponential Smoothing. Pada metode Single Moving Average digunakan periode 2
bulan untuk melakukan peramalan. Selanjutnya, pada metode Single Exponential Smoothing
digunakan nilai alpha ( ) yang akan meminimumkan Mean Square Error (MSE) dan
mengoptimalkan hasil peramalan. Nilai

tersebut diperoleh dengan menggunakan

bantuan program Solver yang terdapat pada Microsoft Excel. Selanjutnya, pada masingmasing metode peramalan dihitung nilai kesalahan peramalan. Kemudian, dari nilai
kesalahan peramalan tersebut dihitung nilai MSE. Dengan membandingkan nilai MSE
terkecil dari masing-masing metode peramalan maka akan diketahui metode peramalan yang
terbaik yang digunakan untuk meramalkan impor bulanan jeruk fresh Indonesia.
7

C. Metode Peramalan
Peramalan merupakan dugaan terhadap kejadian di masa yang akan datang. Secara umum
terdapat dua metode peramalan, yaitu metode peramalan kualitatif dan metode peramalan
kuantitatif.
Peramalan kualitatif didasarkan pada intuisi atau pengalaman empiris dari perencana atau
pengambil keputusan , seingga relative lebih bersifat subjektif.
Metode peramalan kuantitatif memiliki sifat yang lebih objektif berdasarkan pada
keadaan actual (data) yang diolah dengan menggunakan metode -metode tertentu. Peramalan
kuantitatif dapat diterapkan bila terdapat tiga kondisi sebagai berikut (Makridakis, 1999):
Tersedia informasi masa lalu
Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik
Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut dimasa yang akan datang
Metode peramalan time series merupakan bagian dari metode peramalan dengan pendekatan
kuantitatif. Metode peramalan time series merupakan metode yang sering digunakan dalam
ekonomi dan bisnis, dimana sejumlah observasi diambil selama beberapa periode di masa
depan (Hanke,2003). Metode ini terdiri dari:
a. Moving Average Method
Moving Averages (rata-rata bergerak)

adalah metode peramalan perataan nilai dengan

mengambil sekelompok nilai pengamatan yang kemudian dicari rata-ratanya, lalu

menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata
bergerak digunakan, karena setiap kali data observasi baru tersedia, maka angka rata-rata
yang baru dihitung dan dipergunakan sebagai ramalan.
b. Single Moving Average Method
Metode ini menggunakan rata-rata sebagai ramalan untuk periode mendatang. Pada setiap
nilai, muncul nilai pengamatan baru, nilai rata-rata baru dapat dihitung dengan membuang
nilai observasi yang paling lama dan memasukkan nilai pengamatan yang baru. Metode
Simple Moving Average mempunyai karakteristik khusus yaitu untuk menentukan ramalan
pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu.
Misalnya, dengan 3 bulan moving average, maka ramalan bulan ke 5 baru dibuat setelah

bulan ke 4 selesai/berakhir. Jika bulan moving averages bulan ke 7 baru bisa dibuat setelah
bulan ke 6 berakhir.
Simple moving average=
Ft +1=

nilai sebelumnya n periode

n

( X t + X t1 ++ X tn+ 1)
n

c. Exponential Smoothing Method

Exponential smoothing menyediakan rata-rata bergerak tertimbang secara exponensial semua
nilai pengamatan yang lalu. Modelnya sering sekali cocok untuk data tanpa tren yang tidak
dapat diprediksi meningkat atau menurun. Sasarannya adalah untuk mengestimasi tingkat
saat ini. Tingkat estimasi ini kemudian digunakan sebagai peramalan nilai masa depan.
Ketepatan dari penggunaan metode ini terdapat pada peramalan jangka pendek.
d. Single Exponential Smoothing Method
Metode ini dapat mengatasi kesulitan nilai-nilai historis dari variabel yang harus dilakukan
pada metode rata-rata bergerak sederhana. Metode ini digunakan untuk peramalan data time
series tanpa tren atau pola stationer.
Rumus Single Exponential Smooting
Ft +1= X t +(1 )F t
Keterangan:

Ft = nilai ramalan saat ini

Ft +1= nilai ramalan satu periode yang akan datang
X t = nilai sebenarnya satu periode sebelumnya
= nilai parameter yang meminimumkan MSE dengan 0< <1

Beberapa rumus mencari Forecast Error

Mean Square Error (MSE)

( y i^y i )2 forecast errors 2

MSE= i=1
=
n

Mean Absolute Deviation (MAD)

n

| y i ^y i| |forecast errors|
MAD= i=1
=
n

A. Pemilihan Parameter Optimum Peramalan

Pemilihan parameter optimum pada metode single exsponensial smoothing adalah
dengan melihat

yang meminimumkan MSE. Interval

0< <1

yang digunakan yakni:

Pada laporan ini kami menggunakan bantuan program Solver yang terdapat pada
Microsoft Excel sehingga diperoleh

yang meminumkan MSE. Adapun langkah

untuk mencari parameter optimum ( ) dengan program Solver sebagai berikut.

a. Klik Menu Data -> Solver

b. Selanjutnya, akan muncul kotak dialog berikut.

10

Pada Set Objective: isi dengan nilai MSE

To: Min selanjutnya By Changing Variable Cells diisi dengan nilai
nilai

pada interval

muncul otomatis nilai

0< <1

. Definisikan

dengan meng-klik Add. Selanjutnya, klik Solve dan akan

yang meminimumkan MSE.

c.
Sedangkan pada metode Single Moving Average dapat dilihat dari nilai MSE.
B. Metode Terbaik Peramalan
Pemilihan metode peramalan selain dilihat dari pola data juga dilihat dari nilai
MSE. Pada laporan ini dibahas 2 metode yakni metode Single Moving Average dan
Single Exponensial Smoothing. Masing-masing metode tersebut memberikan hasil MSE
yang berbeda. Sehingga dapat dipilih nilai MSE yang terkecil dari kedua metode tersebut.
Adapun nilai MSE yang terkecil untuk kedua metode tersebut dapat dilihat pada tabel 2
berikut.
Tabel 2. Nilai MSE untuk Single Moving Average dan Single Exponensial Smoothing
Metode
Single Moving Average
Single Exponensial Smoothing

Nilai MSE
697680.7663
2596462.324
11

Dari tabel 2 di atas dapat dilihat bahwa yang memiliki MSE terkecil adalah
metode Single Moving Average. Dengan demikian, metode terbaik untuk peramalan pada
data impor jeruk fresh orange di Indonesia adalah metode Single Moving Average.
C. Peramalan dengan Metode Single Moving Average
Metode ini menggunakan rata-rata sebagai ramalan untuk periode mendatang.
Pada setiap nilai, muncul nilai pengamatan baru, nilai rata-rata baru dapat dihitung
dengan membuang nilai observasi yang paling lama dan memasukkan nilai pengamatan
yang baru. Metode Simple Moving Average mempunyai karakteristik khusus yaitu untuk
menentukan ramalan pada periode yang akan datang memerlukan data historis selama
jangka waktu tertentu.
Hasil peramalan dengan metode Single Moving Average dapat dilihat pada tabel 3
berikut.
Tabel 3. Hasil Peramalan Data Impor Jeruk Fresh Orange pada Bulan Januari dan
Februari 2006
Bulan
Januari
Februari

Peramalan
1447,161
1563,2475

12

APLIKASI NUMERIK
A. Single Exsponensial Smoothing
Perhitungan peramalan dengan metode Single Exsponensial Smoothing dilakukan dengan
program Solver yang terdapat pada Microsoft Excel. Sehingga diperoleh

=0.699773166

yang meminimumkan MSE dan mengoptimalkan peramalan.

Dari perhitungan di atas diperoleh parameter (

yang meminimumkan MSE adalah

=0.69
Tabel 3. Peramalan Data Impor Jeruk Fresh Orange dengan Metode Single
Exsponensial Smoothing

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus

Data Aktual
2,811
1,001
1,224
1,075
700
565
766
622
633
386
1,103
1,494
5,183
990
1,440
989
1,060
1,483
2,641
1,791

Forecast
2,811
1,544
1,320
1,149
835
646
730
654
639
462
911
1,319
4,023
1,901
1,578
1,166
1,092
1,366
2,258

0.699773166
Error
-1,810
-320
-245
-448
-269
120
-109
-21
-254
642
583
3,863
-3,032
-460
-589
-106
392
1,276
-468

Error Kuadrat
3,274,464
102,367
60,204
201,012
72,624
14,373
11,792
456
64,394
411,753
340,291
14,926,552
9,195,660
211,892
347,127
11,286
153,370
1,627,052
218,932

21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61

September
Oktober
November
Desember
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari

1,297
1,243
1,735
1,661
1,709
1,782
1,052
70
977
1,852
1,232
1,629
1,027
1,072
2,427
9,396
7,425
4,924
7,641
5,704
2,418
1,905
3,012
3,130
2,294
3,181
3,875
5,421
7,928
2,977
3,132
1,988
1,653
2,356
2,034
1,951
1,772
1,028
1,215
1,679
1,545

1,931
1,487
1,316
1,609
1,646
1,690
1,754
1,263
428
812
1,540
1,324
1,538
1,180
1,105
2,030
7,184
7,353
5,653
7,044
6,106
3,525
2,391
2,826
3,039
2,518
2,982
3,606
4,876
7,012
4,188
3,449
2,427
1,885
2,215
2,088
1,992
1,838
1,271
1,232
1,545 MSE

-634
-244
419
52
63
92
-702
-1,193
549
1,039
-308
305
-511
-108
1,322
7,366
241
-2,429
1,988
-1,340
-3,688
-1,621
621
304
-745
663
893
1,814
3,052
-4,035
-1,056
-1,461
-774
471
-181
-137
-220
-811
-56
448

401,935
59,656
175,193
2,705
3,966
8,443
492,470
1,422,499
300,904
1,080,189
94,578
92,770
260,714
11,661
1,747,782
54,258,737
58,011
5,901,893
3,950,977
1,796,021
13,601,426
2,626,811
386,072
92,697
555,155
439,642
797,561
3,291,345
9,315,519
16,282,909
1,115,742
2,134,660
598,693
222,045
32,780
18,713
48,513
657,322
3,130
200,301
2596462.324

62 Februari

1,545

Plot 1. Fluktuasi Data Impor Jeruk Fresh Indonesia dengan Metode Single Exsponensial
Smoothing
Smoothing Plot for Data Aktual
Single Exponential Method
10000

Variable
Actual
Fits
Forecasts
95.0% PI

Data Aktual

8000
6000

Smoothing Constant
Alpha 0.69

4000

Accuracy Measures
MAPE
72
MAD
999
MSD
2610790

2000
0

12

18

24 30 36 42
Waktu (bulan)

48

54

60

Dari plot 1 di atas dapat dilihat bahwa peramalan untuk jumlah impor jeruk fresh orange di
Indonesia pada bulan Januari dan Februari 2006 adalah sama yakni 1,545 kg.

B. Single Moving Average

Perhitungan peramalan dengan metode Single Moving Average dilakukan dengan bantuan
Microsoft Excel. Sehingga diperoleh MSE yang minimum.
Tabel 4. Hasil Peramalan Data Impor Jeruk Fresh di Indonesia

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

Jumlah Orange

Ramalan

Kesalahan

Xt

Ft

X t Ft

2810,57
1001,022
1224,349
1075,041
700,363
565,479
766,273
621,688
632,94
385,59
1103,455
1494,15
5182,504
990,146
1440,247
989,272
1059,922
1483,442
2641,425
1790,566
1297,059
1243,153
1735,043
1661,389
1708,754
1781,73
1052,382
70,384
977,007
1851,64
1232,073
1628,985

1905,796
1112,6855
1149,695
887,702
632,921
665,876
693,9805
627,314
509,265
744,5225
1298,8025
3338,327
3086,325
1215,1965
1214,7595
1024,597
1271,682
2062,4335
2215,9955
1543,8125
1270,106
1489,098
1698,216
1685,0715
1745,242
1417,056
561,383
523,6955
1414,3235
1541,8565
1430,529

-904,774
111,6635
-74,654
-187,339
-67,442
100,397
-72,2925
5,626
-123,675
358,9325
195,3475
1844,177
-2096,179
225,0505
-225,4875
35,325
211,76
578,9915
-425,4295
-246,7535
-26,953
245,945
-36,827
23,6825
36,488
-364,674
-490,999
453,3115
437,3165
-309,7835
198,456

X t Ft
904,774
111,6635
74,654
187,339
67,442
100,397
72,2925
5,626
123,675
358,9325
195,3475
1844,177
2096,179
225,0505
225,4875
35,325
211,76
578,9915
425,4295
246,7535
26,953
245,945
36,827
23,6825
36,488
364,674
490,999
453,3115
437,3165
309,7835
198,456

( X t Ft ) 2
818615,9911
12468,73723
5573,219716
35095,90092
4548,423364
10079,55761
5226,205556
31,651876
15295,50563
128832,5396
38160,64576
3400988,807
4393966,4
50647,72755
50844,61266
1247,855625
44842,2976
335231,1571
180990,2595
60887,28976
726,464209
60488,94303
1356,227929
560,8608062
1331,374144
132987,1263
241080,018
205491,316
191245,7212
95965,81687
39384,78394

33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62

1026,94
1072,248
2426,706
9395,848
7425,215
4923,523
7640,595
5703,675
2418,015
1904,511
3012,449
3130,366
2293,871
3180,621
3874,617
5420,702
7928,162
2976,621
3131,812
1987,89
1652,783
2356,301
2033,777
1951,337
1772,151
1027,524
1214,988
1679,334
FORECASTING

1327,9625
1049,594
1749,477
5911,277
8410,5315
6174,369
6282,059
6672,135
4060,845
2161,263
2458,48
3071,4075
2712,1185
2737,246
3527,619
4647,6595
6674,432
5452,3915
3054,2165
2559,851
1820,3365
2004,542
2195,039
1992,557
1861,744
1399,8375
1121,256
1447,161
1447,161
1563,2475

-301,0225
22,654
677,229
3484,571
-985,3165
-1250,846
1358,536
-968,46
-1642,83
-256,752
553,969
58,9585
-418,2475
443,375
346,998
773,0425
1253,73
-2475,7705
77,5955
-571,961
-167,5535
351,759
-161,262
-41,22
-89,593
-372,3135
93,732
232,173

301,0225
22,654
677,229
3484,571
985,3165
1250,846
1358,536
968,46
1642,83
256,752
553,969
58,9585
418,2475
443,375
346,998
773,0425
1253,73
2475,7705
77,5955
571,961
167,5535
351,759
161,262
41,22
89,593
372,3135
93,732
232,173
510,969542
MAD

90614,54551
513,203716
458639,1184
12142235,05
970848,6052
1564615,716
1845620,063
937914,7716
2698890,409
65921,5895
306881,653
3476,104722
174930,9713
196581,3906
120407,612
597594,7068
1571838,913
6129439,569
6021,06162
327139,3855
28074,17536
123734,3941
26005,43264
1699,0884
8026,905649
138617,3423
8785,687824
53904,30193
697680,7663
MSE

Plot 2. Fluktuasi Data Impor Jeruk Fresh Indonesia dengan Metode Single Exsponensial
Smoothing

Moving Average Plot for Data Aktual

10000

Variable
Actual
Fits
Forecasts
95.0% PI

8000

Moving Average
Length 2

Data Aktual

6000

Accuracy Measures
MAPE
78
MAD
1078
MSD
2985198

4000
2000
0
-2000
1

12

18

24 30 36 42
Waktu (bulan)

48

54

60

Dari plot 2 di atas dapat dilihat bahwa peramalan untuk jumlah impor jeruk fresh orange di
Indonesia pada bulan Januari dan Februari 2006 masing-masing sebesar 1447, 161 kg dan
1563,2475 kg.

KESIMPULAN
a. Metode terbaik untuk meramalkan impor bulanan buah jeruk fresh orange di Indonesia
adalah metode Single Moving Average.
b. Ramalan hasil impor jeruk fresh orange di Indonesia dengan menggunakan metode
terbaik yaitu metode Single Moving Average pada bulan Januari 2006 sebesar 1447, 161
kg. Hal ini menunjukkan tidak adanya peningkatan impor jeruk fresh orange di Indonesia
jika dillihat dari bulan Desember 2005. Sedangkan pada bulan Februari 2006 sebesar
1563,2475 kg. Hal ini menunjukkan adanya peningkatan impor jeruk fresh orange di
Indonesia.

DAFTAR PUSTAKA
Makridakis, S, Wheelwright, S.C., V.E. 1999. Metode dan Aplikasi Peramalan Jilid 1.
(Ir. Untung Sus Ardiyanto, M.Sc & Ir. Abdul Basith, M.Sc. Terjemahan). Edisi Kedua. Jakarta
Erlangga.
Permadi, Alaya Eka.2007. Analisis Peramalan dan Faktor-Faktor yang Mempengaruhi Impor
Jeruk di Indonesia. (online).( http://repository.ipb.ac.id). (diakses tanggal 22 September 2015)