Oleh :
DEKA PURWANTO
1502122268
JURUSAN MANAJEMEN
UNIVERSITAS RIAU
PEKANBARU
TAHUN 2021
LEMBARAN PENGESAHAN DRAFT SKRIPSI
Menyetujui
Pembimbing I Pembimbing II
Oleh:
Deka Purwanto
BY
DEKA PURWANTO
Forecasting is the art and science of predicting future events using data
from the past. This research was conducted at PT. Ekadura Indonesia which aims
to find out how to calculate the correct and effective production forecasting and
to find out the most suitable forecasting method for the production of crude palm
oil PT. Ekadura Indonesia. This research is a quantitative descriptive study, the
analysis used in this study includes the method of moving average, exponential
smoothing, and trend projection by comparing the forecasting error rate
measured from the smallest mean absolute percentage error. The result of this
study indicate that of the three methods used, the projection trend methods have
the smallest mean absolute percentage error, which is 2,1023%.
BAB I
PENDAHULUAN
Di dalam dunia usaha yang terus berkembang dengan cepat ini, dan juga
persaingan yang begitu ketat baik dibidang industri manufaktur, industri jasa,
terjadi dimasa depan. Kegiatan meramal atau forecast masa depan merupakan
( Kotler, 2007:123 ).
suatu perusahaan yang berbentuk apapun baik dalam skala besar maupun kecil
belum terjadi (Rikalbi 2016). Peramalan adalah seni ilmu untuk memprediksi
kejadian masa depan pencatatan data produksi maupun penjualan pada setiap
mengalami kenaikan atau penurunan hasil. Hasil dari peramalan ini dapat
2
perusahaan sepeti biaya produksi, biaya promosi, dan lain-lain, (Heizer dan
Render, 2009).
terlalu besar dan kurang akurat dapat mengakibatkan biaya produksi maupun
penurunan atau kenaikan pada periode yang akan datang dengan menggunakan
Darussalam Kabupaten Rokan Hulu merupakan salah satu Badan Usaha yang
tandan buah segar (TBS) dari lahan inti yang dikelola perusahaan, lahan Plasma
yang bekerja sama dengan masyarakat setempat, dan dari supplier yang langsung
datang ke pabrik dan pada umumnya langganan perusahaan. Tandan buah segar
tersebut kemudian diolah menjadi Crude Palm Oil (CPO) dan berbagai macam
3
mengacu pada standar produksi sehingga setiap produksi yang dihasilkan harus
perkebunan sawit terbesar di Sumatera. Bila dahulu Riau dikenal dengan propinsi
penghasil minyak bumi terbesar di Indonesia, namun saat ini Riau justru menjadi
penghasil minyak sawit yang lebih besar, seiring dengan merosotnya produksi
yang dihasilkan oleh minyak sawit di Indonesia telah mengalahkan minyak bumi
sejak tahun 2010 (Agustian dan Wibowo, 2019). Namun demikian, produksi sawit
tidaklah konstan setiap bulannya, tetapi mengalami naik turun juga yang
dipengaruhi oleh banyak faktor, seperti iklim, curah hujan, kesuburan tanah, dan
harga jual.
Tabel 1.1 : Data Produksi Crude Palm Oil (CPO) Pada PT. Ekadura
Indonesia Kabupaten Rokan Hulu Tahun 2015-2020
mengalami fluktuasi. Setiap tahunnya crude palm oil (CPO) yang diproduksi oleh
PT. Ekadura Indonesia mengalami naik dan turun, capaian produksi tertinggi
terjadi pada tahun 2018 yang mencapai 80.709.200 kg dalam satu tahun
seperti kurangnya pasokan bahan baku tandan buah segar baik dari kebun inti
(milik perusahaan) maupun kebun plasma (milik petani yang menjalin kerja sama
sawit (Replanting), dan kelangkaan bahan baku yang disebabkan oleh tingkat
persaingan yang tinggi dengan beberapa pabrik swasta lainnya dan perusahaan
perkebunan milik negara dalam menarik minat petani pribadi untuk menjual TBS
miliknya. Selain itu juga dapat disebabkan oleh terlambatnya proses produksi
karena adanya kerusakan mesin dan peralatan yang digunakan dalam proses
produksi.
5
lainnya dan juga harus mampu untuk menganalisis lingkungan usahanya dan
memprediksi kemungkinan yang terjadi dimasa yang akan datang. Untuk itu
operasional yang lebih baik dan menciptakan inovasi serta strategi pemasaran
yang baik. Kegiatan meramal atau forecast merupakan salah satu usaha
terlalu besar dan kurang akurat dapat mengakibatkan biaya produksi maupun
penurunan atau kenaikan pada periode yang akan datang dengan menggunakan
metode yang cukup baik untuk peramalan jangka panjang dan jangka menengah,
terutama pada tingkat operasional suatu perusahaan dan juga kelebihan metode ini
dilihat dari data dioperasikan secara efisien, membutuhkan sedikit data dari waktu
ke waktu dan dapat dimodifikasikan oleh data berisi tren atau pola musiman
(Permata dan Yani, 2015). Lain halnya dengan moving average digunakan untuk
meraih target profit panjang dan sangat efektif dalam meredam fluktuasi pada pola
metode yang lainnya yaitu metode indeks musiman untuk melakukan peramalan
pada air bersih (Abdullah, 2014). Menunjukkan bahwa metode indeks musiman
yang memiliki kecenderungan meningkat data penjualan air bersih. Penelitian lain
naïve (Nugraha dan Suletra, 2017). Kemudian penelitian lainnya yang dilakukan
7
oleh (Sarjono dan Zulkifli, 2013) yang meneliti tentang prediksi jumlah tamu
penjualan minyak sawit kasar atau Crude Palm Oil (CPO) pada PT. Kharisma
untuk melakukan peramalan Crude Palm Oil (CPO) pada PT. Kharisma
Pemasaran Bersama.
metode single moving average adalah metode terbaik karena memiliki nilai
exponential smoothing.
smoothing pada peramalan bahan medis habis pakai, menunjukkan bahwa hasil
8
metode yang terbaik untuk meramalkan bahan medis habis pakai tersebut. Maka
pada penelitian ini peneliti ingin melihat perbandingan metode peramalan moving
Berdasarkan latar belakang diatas maka judul penelitian yang diambil ialah
Indonesia’’.
Berdasarkan uraian dari latar belakang di atas, maka rumusan masalah dari
trend proyection pada hasil produksi crude palm oil PT. Ekadura Indonesia ?
1. Untuk mengetahui metode terbaik untuk meramalkan produksi crude palm oil
selama kuliah.
2. Bagi pengelola, penelitian ini diharapkan dapat menjadi sebuah alternatif untuk
.BAB II
TINJAUAN PUSTAKA
yang tepat, sistematis dan dapat dipertanggung jawabkan. Salah satu alat yang
diperlukan oleh manajemen dan merupakan bagian yang integral dari proses
10
Menurut kamus besar bahasa Indonesia, peramalan adalah suatu teori dimana
dapat melihat (menduga) keadaan yang akan terjadi. Beberapa ahli telah
seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat
kemasa yang akan datang dengan suatu bentuk model matematis. Selain itu, bisa
yang mungkin terjadi dimasa mendatang dengan cara mengkaji data yang ada ( M.
Nafarin, 2018). Didalam forecasting kita selalu bertujuan agar forecast yang kita
digunakan untuk memperkirakan kejadian yang akan terjadi dimasa yang akan
Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya
penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi.
dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan
produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan
yang mungkin bukan termasuk bagian dari tugas manajer operasi, Heizer dan
Render (2009:164).
ini akan dibahas dampak peramalan produk pada tiga aktivitas: sumber daya
2. Kapasitas
pangsa pasar.
Hubungan yang baik dengan pemasok, serta harga barang dan komponen
6. Membuat peramalan
Heizer dan Render (2009:167), terdapat dua pendekatan umum peramalan, yaitu:
menggunakan model matematis yang beragam dengan data masa lalu dan
yang beragam dengan berdasarkan data masa lalu untuk meramalkan permintaan
dimasa yang akan datang. Ada tiga kondisi yang diterapkan pada metode ini,
yaitu:
numberic (angka).
meliputi:
Model deret waktu membuat prediksi dengan asumsi bahwa masa depan
merupakan fungsi dari masa lalu. Denagan kata lain, mereka melihat apa yang
terjadi selama kurun waktu tertentu dan menggunakan data masa lalu tersebut
2. Model Asosiatif
Heizer dan Render (2009:167), ada empat teknik kualitatif yang berbeda,
diantaranya:
Dalam metode ini, pendapat sekumpulan kecil manajer atau pakar tingkat
peramalan di buat.
penjualan yang dapat ia capai dalam wilayahnya. Kemudian, peramalan ini dikaji
secara keseluruhan.
mereka di masa depan. Hal ini tidak hanya membantu dalam menyiapkan
permalan, tetapi juga memperbaiki desain produk dan perencanaan produk baru.
Deret waktu didasarkan pada urutan dari titik-titik data yang berjarak sama
1. Tren
2. Musim
Merupakan pola data yang berulang pada kurun waktu tertentu, seperti
hari, minggu, bulan atau kuartal.Ada enam pola musiman yang biasa terjadi.
3. Siklus
Merupakan pola dalam data yang terjdi setiap bebrapa tahun.Siklus ini
biasanya terkait pada siklus bisnis dan merupakan satu hal penting dalam analisis
4. Variasi Acak
17
Merupakan satu titik khusus dalam data yang disebabkan oleh peluang dan
dak lazim.Variasi acak tidak mempunyai pola khusus sehingga tidak dapat
diprediksi.
b. Pendekatan Naif
mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita
Keterangan :
pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial
Dimana α adalah sebuah bobot atau konstanta penghalusan yang dipilih oleh
peramal yang mempunyai nilai antara 0 sampai 1. Persamaan tersebut dapat juga
ditulis dengan :
Keterangan:
Ft = Peramalan baru
α =Konstanta penghalusan ( 0 ≤ α ≤ 1 )
eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang
rata dan β untuk tren.Kemudian, dihitung rata-rata dan tren untuk setiap periode.
Keterangan :
19
Ft = peramalan denga eksponensial yang dihaluskan dari data berseri pada periode
tren pada serangkaian data masa lalu, kemudian memproyeksikannya garis pada
masa mendatang untuk peramalan jangka menengah atau jangka panjang.Jika kita
memutuskan umtuk membuat garis tren lurus dengan metode statistik, kita dapat
lurus yang meminimalkan jumlah kuadrat dari deviasi vertical garis pada setiap
Garis kuadrat terkecil dijelaskan dengan titik potong sumbu y (di mana
kita dapat menghitung titik potong sumbu y dan kemiringannya, maka kita dapat
ŷ= α+bx
Dimana :
α = persilangan sumbu Y
yang terjadi di x )
∑xy-n
b=
∑ x 2 -n 2
Dimana :
a= y -b x
dimana :
y = rata-rata nilai y
x = rata-rata nilai x
kesalahan peramalan total. Menurut Heizer dan Render yang di terjemahkan oleh
memastikan peramalan berjalan dengan baik. Tiga dari perhitungan yang paling
(2009:177), yaitu:
adalah MAD.Nilai ini dihitung dengan mengambil jumlah nilai absolut dari setiap
(Aktual - Peramalan)
MAD ¿
n
Keterangan:
N = Jumlah Periode
Kesalahan kuadrat rerata adalah rata-rata selisih kuadrat anatar nilai yang
MSE = ∑ ¿ ¿
Keterangan:
22
N = Jumlah Periode
Masalah yang terjadi dengan MAD dan MSE adalah nilai mereka
tergantung pada besarnya hal yang diramalkan. Jika unsur tersebut dihitung dalam
satuan ribuan, maka nilai MAD dan MSE dapat menjadi sangat besar.Untuk
menghindari masalah ini, kita dapat menggunakan mean absolute percent error
dibagi dengan nilai observasi yang nyata untuk periode itu.Kemudian, merata-rata
MAPE =
N = jumlah periode
Hasil Penelitian
No Variabel
. Judul Penelitian
Pengarang
Nama Jurnal
JURTEKSI (jurnal
teknologi da sistem
informasi) Vol. IV No. 2
11. Prediksi Jumlah Tamu Peramalan Dari sebelas
Menginap di Hotel Karlita metode yang di uji,
Internasional, Tegal, Jawa didapat MAD dan MSE
Tengah nya yang terkecil yaitu
dengan metode additive
Haryadi Sarjono dan decomposition average
Irwan Zukfkifli (2013) all.
BAB III
METODE PENELITIAN
yang diperlukan, penulis dalam hal ini berusaha untuk mendapatkan data yang
akurat langsung dari lokasi penelitian. Yaitu pada objek PT. Ekadura Indonesia
Data dan sumber data yang digunakan dalam penelitian ini adalah terdiri
dari dua data, yaitu data primer dan sekunder yang dikumpulkan untuk mencapai
tujuan penelitian.
a. Data Primer
biasanya dapat melalui wawancara, observasi dan lain lain (Arikunto, 2013). Data
primer adalah data dimana diperoleh secara langsung dari objek penelitian
(Sugiyono, 2010). Data primer dalam penelitian ini diperoleh dengan wawancara
b. Data Sekunder
Data sekunder adalah data yang diperoleh dalam bentuk jadi, sudah
dikumpulkan dan diolah oleh pihak lain (Sugiyono, 2010). Data sekunder adalah
data yang diperoleh secara tidak langsung dan melalui media perantara atau
dapat dimanfaatkan dalam suatu penelitian tertentu (Ruslan, 2013). Data sekunder
29
dalam penelitian ini diperoleh dari data yang diberikan oleh PT. Ekadura
data yang diperoleh dari lokasi penelitian untuk ditarik kesimpulan. Teknik
untuk meninjau dan meminta keterangan terhadap pihak yang terkait di lapangan,
tersebut kemudian dipilih metode peramalan yang paling mempunyai tingkat error
yang paling kecil yang selanjutnya digunakan untuk meramalkan jumlah produksi
mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita
Keterangan :
rata bergerak dengan pembobotan yang canggih tetapi masih mudah digunakan.
Metode ini menggunakan pencatatan data masa lalu yang sangat sedikit. Rumus
Dimana α adalah sebuah bobot atau konstanta penghalusan yang dipilih oleh
peramal yang mempunyai nilai antara 0 sampai 1. Persamaan tersebut dapat juga
ditulis dengan :
Keterangan:
Ft = Peramalan baru
α =Konstanta penghalusan ( 0 ≤ α ≤ 1 )
tren pada serangkaian data masa lalu, kemudian memproyeksikannya garis pada
masa mendatang untuk peramalan jangka menengah atau jangka panjang.Jika kita
memutuskan umtuk membuat garis tren lurus dengan metode statistik, kita dapat
lurus yang meminimalkan jumlah kuadrat dari deviasi vertical garis pada setiap
Garis kuadrat terkecil dijelaskan dengan titik potong sumbu y (di mana
kita dapat menghitung titik potong sumbu y dan kemiringannya, maka kita dapat
ŷ= α+bx
Dimana :
α = persilangan sumbu Y
yang terjadi di x )
∑xy-n
b=
∑ x 2 -n 2
Dimana :
a= y -b x
33
dimana :
y = rata-rata nilai y
x = rata-rata nilai x
kesalahan peramalan total. Menurut Heizer dan Render yang di terjemahkan oleh
tersebut yaitu :
Masalah yang terjadi dengan MAD dan MSE adalah nilai mereka
tergantung pada besarnya hal yang diramalkan. Jika unsur tersebut dihitung dalam
satuan ribuan, maka nilai MAD dan MSE dapat menjadi sangat besar.Untuk
menghindari masalah ini, kita dapat menggunakan mean absolute percent error
dibagi dengan nilai observasi yang nyata untuk periode itu.Kemudian, merata-rata
kesalahan persentase absolut tersebut. Pendekatan ini berguna ketika ukuran atau
MAPE =
N = jumlah periode
34
BAB IV
dibidang pengelolaan kelapa sawit yang berdiri pada tahun 1988. Yang
Kab. Rokan Hulu. PT. Ekadura Indonesia adalah anak perusahaan dari PT. Astra
sendiri ± 10.019 Ha dengan luas kebun tertanam seluas 9701 Ha yang terletak di
PT. Ekadura Indonesia juga memiliki PKS untuk mendukung kegiatan produksi
TBS yang diterima baik dari areal perkebunan sendiri maupun dari petani peserta
plasma.
masuk dalam wilayah Rokan Hulu. PT. Ekadura Indonesia bergerak dibidang
industri perkebunan kelapa sawit yang mengelola kebun seluas 10.019 Ha denga
luas kebun tertanam seluas 9.701 Ha. Secara geografis, PT. Ekadura Indonesia
berada dalam koordinat 0֯ 57’ LU 100֯ 30’ LT - 0֯ 50’ LU 100֯ 38 LT, dan
berbatasan langsung denga Desa Kota Intan, Kotalama, Muara Dilam dan Kota
Baru.
Selain kebun inti, PT. Ekadura Indonesia juga memiliki areal pencadangan
hutan kepada PT. Ekadura Indonesia tangal 27 September 1999). Sebagian areal
36
PT. Ekadura Indonesia, antara lain masyarakat Kotalama, Kota Intan, Muara
Dilam, Pagaran Tapah, dan Lubuk Bendahara dengan total luas areal 5.400 Ha.
kelapa sawit dimana produk akhirnya berupa Crude Palm Oil (CPO) dan inti
sawit (kernel). Dengan luas kebun tertanam seluas 9.701 Ha, perkebunan PT.
1. Kebun Sei Manding, dengan luas 3.494,3 Ha, terdiri dari 5 Afdeling : OA,
2. Kebun Sei Kuning, dengan luas 2756,6 Ha terdiri dari 4 Afdeling : OI, OJ,
ON, OE
3. Kebun Sei Rokan, dengan luas 3.450,3 Ha, terdiri dari 5 Afdeling : OK,
Hasil dari kebun berupa tanda buah segar (TBS) kelapa sawit dengan rata-
rata produksi mencapai 600-800 ton. TBS inilah yang kemudian menjadi bahan
utama perharinya yang diolah dalam pabrik pengolahan kelapa sawit berkapasitas
60 ton TBS/jam.
Saat ini tidak ada lagi kegiatan pembukaan lahan di areal PT. Ekadura
sawit tua yang ditanam tahun 1988 sudah ada yang memasuki tahapan peremajaan
37
berlangsung.
Indonesia telah menerapkan sistem manajemen lingkungan ISO 14001 dan Astra
Green Company (Green Strategy, Green Process, Green Product Product dan
Green Employee) dimana hal ini menjadi panduan dari perusahaan induk PT.
Sebagai pemantau dalam pelaksanaan sistem manajemen ini ialah Divisi Safety
Health Environment PT. Astra Agro Lestari Tbk., dan dari PT. Astra Internasional
hasil ke proses berikutnya (pengolahan di pabrik). Saat ini PT. Ekadura Indonesia
sudah tidak lagi melakukan kegiatan pembukaan lahan baru, sehingga tidak ada
bibit kelapa sawit. Dengan kata lain PT. Ekadura Indonesia saat ini berada dalam
a. Perawatan
kelapa sawit. Proses perawatan ini meliputi pemupukan, pelaksaan kultur teknis,
bervariasi untuk setiap tahun tanam kelapa sawit yang jumlahnya diperoleh
daun). Analisa daun ini dilakukan setiap semester secara regular dan menjadi
b. Pemanenan
Panen adalah kegiatan pengambilan tandan buah sawit matang dari pokok
sawit untuk dilakukan pengolahan lebih lanjut. TBS yang dipanen disesuaikan
kandungan minyak yang tinggi (rendement) serta kualitas CPO yang tinggi.
c. Pengangkutan
(TBS) dari lokasi panen (kebun) menuju ke pabrik untuk dioalah lebih lanjut.
Dalam hal ini kemitraan antara perusahaan dengan kontraktor lokal berjalan
dan masyarakat setempat. Selain itu, kegiatan pengangkutan TBS juga menyerap
39
tenaga kerja cukup banyak mengingat tiap truk angkut TBS membutuhkan 2
Tandan Buah Segar (TBS) matang yang telah dipanen dikebun diangkut ke
secara umum ialah mengolah TBS sebagai bahan mentah menjadi CPO dan inti
sawit/kernel sebagai hasil akhir. Dengan kapasitas pabrik sebesar 60 ton TBS/jam,
dapat diolah TBS sebanyak 1200 ton TBS/harinya (selama 20 jam olah), namun
pada kenyataannya hanya pabrik mengolah 80% nya saja karena supply TBS
dihasilkan kebun sendiri, pabrik pengolahan kelapa sawit PT. Ekadura Indonesia
juga mengolah TBS dari kebun masyarakat sekitar perusahaan dalam jumlah yang
a. Perebusan Buah
c. Pemisahan minyak
Pada tahun 2004 lalu, pabrik kelapa sawit PT. Ekadura Indonesia
terpasang 100 ton inti sawit/hari dengan produk yang dihasilkan berupa Palm
Kernel Oil (PKO) dan Palm Kernel Meal (PKM). Stasiun pengolahan inti sawit
kemudian mulai beroperasi normal sejak tahun 2008 lalu inti sawit (kernel) yang
dihasilkan dengan memecah inti sawit menggunakan mesin press untuk diperoleh
40
menggunakan air sehingga tidak dihasilkan limbah cair dari proses pengolahan
Selain kedua bidang kegiatan utama tadi, terdapat pula kegiatan lain yang
logistic, dan pengadaan barang, kepersonalian, asset dan lainnya. Kegiatan utama
bidang ini berlangsung dikantor besar yang berjarak 100 meter dari lokasi pabrik
perusahaan beroperasi.
sesuai/diatas potensinya. Oleh karena itu terdapat bidang hama dan penyakit
tanaman (HPT) yang memantau berbagai penyakit dan hama tanaman sawit serta
upaya yang ramah lingkungan. Terdapat pula bagian riset (Research and
41
BAB V
permintaan minyak sawit mentah untuk masa yang akan datang. Maka, harus
sebelumnya.
exponential smoothing, dan trend projection. Adapun data yang digunakan dalam
penelitian ini adalah data produksi minyak sawit mentah pada PT. Ekadura
Indonesia.
Berikut adalah data produksi minyak sawit mentah (crude palm oil) PT.
Tabel 5.1 Data Produksi crude palm oil (CPO) per Bulan pada Tahun
2015 – 2020 :
Tahun Produksi
Bulan
2015 2016 2017 2018 2019 2020
Tahun Produksi
Bulan
2015 2016 2017 2018 2019 2020
periode terakhir data untuk meramalkan periode berikutnya. Pada metode ini
historis selama 6 tahun untuk meramalkan permintaan pada awal periode tahun
2021.
mendapatkan peramalan yang akurat dalam meraih target profit jangka panjang,
Tabel 5.2 : Hasil Forecasting Metode Moving Average untuk periode 2021
Permintaan
Tahun (Ton)
∑PermintaanDalam
(Kesalahan/Aktual) x
(At) Periode n (Ft)
100
Sebelumnya
2015 79.833,61 - - -
44
2016 77.208,66 - - -
=78.521,135 = 2,81
=76.791,065 = 4,85
= 78.541,245 = 8,96
= 77.393,52 = 5,44
= 72.737,985
Jumlah 22,06
22,06
MAPE ¿ = 5,515
4
padal periode tahun 2021 diramalkan jumlah produksi yang akan di hasilkan
adalah sebesar 72.737,985 ton. Kemudian, dapat dilihat kembali pada tabel 5.2
Dapat dilihat kembali pada tabel 5.2 bahwa hasil peramalan yang dihitung
dan dilakukan tidak sesuai dengan permintaan aktual yang telah didata secara
Dapat dilihat pada tabel 5.2 diatas setelah dilakukan perhitungan tingkat
5,515 persen.
Metode analisis data yang kedua yang digunakan pada penelitian ini
terdapat persyaratan yang harus diketahui bahwa untuk melakukan metode ini
harus tersedianya data aktual (nyata) dari periode sebelumnya yang akan diramal.
tahun.
46
Permintaan
2015 1 79.833,61 - - -
= 79.833,61 = 3,39
F3= 79.833,61
+0,05(77.208,6 (3.328,9/76.373,47
6 – 79.833,61) ) x 100
= 4,35
= 79.702,37
F4= 79.702,37
+0,05(76.373,4 (1.173,27/80.709,2
7 – 79.702, 37) ) x 100
79.535,93
= 79.702,37 + = 0,0145 x 100
2018 4 80.709,2
(-166,44)
= 1,45
= 79.535,93
F5= 79.535,93
+ 0,05(80.709,2 (7.516,57/72.078,0
– 79.535,93) 2) x 100
= 10,42
= 79.594,59
47
Permintaan
F6= 79.594,59
+0,05(72.078,0
(5.820,82/73.397,9
2 – 79.594,59)
5) x 100
= 79.594,59 +(-
375,82) = 0,0793 x 100
2020 6 73.397,95 79.218,77
= 79.218,77 = 7,93
F7= 79.218,77
+0,05(73.397,9
5 – 79.218,77)
= 79.218,77 +
2021 7 - (-291,41) 78.927,729 -
= 78.927,729
27,54
MAPE = = 5,508
5
meramalkan produksi crude palm oil (CPO) yaitu menggunakan metode exponential
smoothing diketahui bahwa hasil peramalan untuk periode pada tahun 2021 sebesar
78.927,729 ton. Kemudian, dari tabel 5.2.2 terlihat produksi di periode 2021
48
perhitungan mean absolute percentage error (MAPE). Diperoleh hasil sebesar 27,54
Teknik ini mencocokkan garis tren pada serangkaian data masa lalu,
kemudian memproyeksikannya garis pada masa yang dating untuk peramalan jangka
peramalan dengan metode trend projection periode waktu yang didapat di forecast
penurunan produksi pada crude palm oil (CPO) ditahun atau periode yang akan
datang.
49
Jumlah
∑x = 21 ∑y = 459.600,91 ∑x2 = 91 ∑xy = 1.586.985,94
(∑)
x rata-rata = ∑x / n
= 21/6
= 3,5
Y rata-rata = ∑y / n
= 459.600,91/6
= 76.600,15
b = ∑xy – n x y
∑x2 – n ( x )2
91 – (6) (3,5)2
= 1.586.985,94 – 1.608.603,19
91 – 73,5
50
−21.617,25
¿
17,5
b = -1.235,27
= 76.600,15 – (-4.323,445)
= 80.923,595
Y = 80.923,595 + (-1.235,27)x
MAPE
Produksi
Tahun X X2 Forecast (kesalahan/aktual)
(y)
x 100
2021 7 72.274,64
Jumlah 12,614
12,614
MAPE = = 2,1023
6
51
Tabel 5.6 : Tabel Proyeksi Produksi Crude Palm Oil Untuk 1 Tahun yang Akan
Datang Melalui Kecenderungan Kuadrat Terkecil
Tahun (n) X 80.923,595 -1.235,27x Y
memproyeksikan produksi crude palm oil atau minyak sawit mentah untuk 1 tahun
yang bisa dilihat pada tabel 5.5 diatas menunjukkan pada periode tahun 2021
5.3 Pembahasan
(CPO) atau minyak sawit mentah pada PT. Ekadura Indonesia Rokan hulu dengan
Metode yang pertama yaitu moving average dengan perhitungan satu tahunan
mendapatkan peramalan yang akurat dalam meraih profit jamgka panjang, selain itu
metode ini juga bertujuan untuk mengurangi acakan dalam deret waktu. Kemudian
metode exponential smoothing metode ini cukuip baik untuk peramalan jangka
52
panjang dan jangka menengah terutama pada tingkat operasional suatu perusahaan
dan juga kelebihan metode ini dilihat dari data dioperasikan secara efisien.
peningkatan atau penurunan produksi minyak sawit mentah pada PT. Ekadura
Indonesia untuk tahun atau periode yang mendatang, pada penelitian ini akan
dilakukan peramalan untuk satu tahun mendatang dengan menggunakan data historis
selama 6 tahun berturut-turut. Dan metode regresi linier metode ini sama halnya
Pada perhitungan peramalan ini juga perlu dilakukan perhitungan tingkat error
atau kesalahan pada hasil peramalannya. Dikarenakan dapat dilihat kembali pada
perhitungan 4 metode pada hasil analisis yaitu perhitungan metode moving average,
exponential smoothing, dan trend proyection untuk setiap periodenya tidak sesuai
dengan produksi aktual yang telah didata secara berturut-turut data historis
Masalah yang terjadi dengan MAD dan MSE adalah nilai mereka tergantung
pada besarnya hal yang diramalkan. Jika unsur tersebut dihitung dalam satuan ribuan,
maka nilai MAD dan MSE dapat menjadi sangat besar. Untuk menghindari masalah
ini, kita dapat menggunakan mean absolute percent error (MAPE). Dihitung dengan
menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang
nyata untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut tersebut.
53
Pendekatan ini berguna ketika ukuran atau besar variabel ramalan itu penting dalam
dalam meramal yang dibandingkan dengan nilai nyata. Setelah menghitung tingkat
kesalahan (error) dalam permalan, maka berikut perbandingan dan pembahasan untuk
Berdasarkan tabel diatas dapat dilihat bahwa metode trend projection dan
regresi linier merupakan metode yang memiliki kesalahan (error) yang paling kecil
projection merupakan metode yang cocok untuk meramalkan produksi pada PT.
Hasil dari tiga penelitian ini yaitu peramalan pada produksi crude palm oil
sejalan dengan penelitian yang dilakukan oleh penelititi seperti Akhmat Tohir (2011),
yang menyatakan metode trend projection yang cocok dan mendekati akurat untuk
BAB VI
6.1 Kesimpulan
54
4. Metode trend projection merupakan metode yang paling tepat dalam menghitung
peramalan produksi crude palm oil pada tahun 2021 yaitu 72.274,70 ton dan metode
6.2 Saran
membandingkan dengan metode yang telah penulis lakukan pada penelitian ini, untuk
DAFTAR PUSTAKA
15(1): 78-96.
56
Ananda, Dwi Ingrid dan Sidiq Siti Sofro. 2018. Persepsi Pengunjung Terhadap
Heizer, Jay dan Render, Barry. 2009. Manajemen Operasi Buku I Edisi 9. Jakarta:
Salemba Empat.
https://riauberbagi.blogspot.com/2016/02/wisata-alam-mayang-pekanbaru.html.
Remaja Rodaskarya.
Nugraha, Eucharista Yacoba dan I Wayan Suletra. 2017. Analisis Metode Peramalan
Permata, Ekie Gilang dan Nela Fitri Yani. 2015. Analisis Perbandingan Metode
Jakarta.
57
Rikalbi, Sandi. 2018. Analisis Forecasting Penjualan Scuter Matic pada PT. Mitra
Universitas Riau
Sarjono, Haryadi dan Irwan Zulkifli. 2013. Prediksi Jumlah Tamu Menginap di Hotel