Prediksi Kebutuhan Ikan 2021 Kabupaten Serang Berdasarkan Angka

Konsumsi Ikan
Ida Farida, S.Pi.1

Abstrak Penelitian ini bertujuan membuat prediksi konsumsi ikan Kabupaten Serang tahun 2021
berdasarkan data runut waktu (time serries) angka konsumsi ikan tahunan dari 2004 hingga 2015.
Pemilihan metode yang baik dalam meramalkan angka konsumsi ikan ini dilakukan dengan
membandingkan tiga aspek ketepatan pengukuran; Mean Absolute Percentage Error (MAPE), Mean
Absolute Deviation (MAD) dan Mean Squared Deviation (MSD) dari empat model; dekomposisi
multiplicative dan additive model, Winter;s multiplicative dan additive model. Angka perhitungan
yang paling kecil dari ketiga aspek tersebut dipilih menjadi metode untuk meramal konsumsi ikan
2021 dan terpilih metode dekomposisi model additive dengan nilai berturut-turut MAPE, MAD, MSD;
2,47; 0,49; 0,46. Dengan metode dekomposisi model multiplicative ini didapat prediksi angka
konsumsi ikan 2021 sebesar 25,02. Prediksi kebutuhan ikan per tahun 37.740.092,94 Kg, per bulan;
3.145.008 Kg, dan kebutuhan per hari 140.833,6 Kg.

Kata Kunci: Angka konsumsi ikan, runut waktu (time series), Prediksi, Dekomposisi,
Winters, model multiplicative , model additive, Kabupaten Serang

Abstract This study aimed at forecasting the need of fish for 2021 based on time series of annual fish
consumption figures from 2004 to 2015 in Serang District. The selection of a fit model for predicting
fish consumption figures is done by comparing three aspects of measurement accuracy; Mean
Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD) and Mean Squared Deviation
(MSD) of the four models; decomposition of multiplicative and additive models, Winter’s
multiplicative and additive models. The smallest calculation number of the three aspects was chosen
as a method to predict fish consumption in 2021 and the additive model decomposition method was
chosen with MAPE, MAD, MSD, respectively; 2.47; 0.49; 0.46. With this multiplicative model of
decomposition method, the predicted fish consumption number in 2021 is 25.02. Predicted fish needs
per year 37,740,092.94 Kg, per month; 3,145,008 kg, and daily; 140,833.6 kg.

Key words: Fish consumption, time series,forecast, decomposition, Winters, Multiplicative

model, additive model, Serang District

1
Ida Farida,S.Pi: APHP Ahli Pertama

1
1. Pendahuluan
Ikan merupakan salah satu sumber protein hewani yang sehat karena kandungan lemak yang
rendah. Mengkonsumsi ikan merupakan salah satu cara memenuhi kebutuhan protein hewani. Dalam
memenuhi kebutuhan ikan, masyarakat Indonesia sangat diuntungkan oleh potensi perikanan
Indonesia yang besar, baik darat maupun laut. Dengan potensi besar ini, seharusnya ketersediaan ikan
cukup melimpah sehingga angka konsumsi ikan di Indonesia tinggi. Jika konsumsi ikan tinggi,
komoditas perikanan bisa ikut mewujudkan ketahanan pangan dan gizi di Indonesia.
Untuk melihat seberapa besar konsumsi ikan di Indonesia, pemerintah telah membuat rumus
hitungan angka konsumsi. Hasil hitungan konsumsi ikan menunjukan konsumsi ikan per
kapita/individu dengan jangkauan wilayah kabupaten dan kota. Dengan mengetahui angka konsumsi
ikan, tidak hanya bisa melihat seberapa banyak ikan dikonsumi tetapi bisa melihat berapa banyak ikan
yang dibutuhkan per orang maupun per wilayah baik nasional maupun kabupaten dan kota.
Tujuan karya tulis ini adalah membuat prediksi angka konsumsi ikan Kabupaten Serang pada
2021 dan sekaligus membuat prediksi kebutuhan ikan di wilayah ini berdasarkan prediksi konsumsi
ikan.

2. Tinjauan Teoritis
2.1 Kebutuhan dan produk perikanan
Kebutuhan adalah segala sesuatu yang dibutuhkan manusia untuk mempertahankan
kelangsungan hidupnya secara alamiah melalui pencapaian kesejahteraan. Kebutuhan dapat dibedakan
berdasarkan tingkat kepentingannya, waktu, sifat, dan subjeknya. Pemenuhan kebutuhan dapat berupa
barang, jasa, sesuatu yang berwujud maupun sesuatu yang tidak berwujud. Setiap manusia memiliki
kebutuhan yang berbeda-beda dan dipengaruhi oleh keadaan alam, agama, adat, dan peradaban. Sifat
dari kebutuhan adalah tidak terbatas, meningkat dan selalu berubah. (https://id.wikipedia.org, diunduh
20 Desember 2020).
Produk ialah segala sesuatu (meliputi obyek fisik, jasa, tempat, organisasi, gagasan, ataupun
pribadi) yang dapat atau mampu ditawarkan produsen untuk diminta, dicari, dibeli, digunakan, atau
dikosumsi pasar sebagai pemenuhan kebutuhan dan keinginannya (Putri, 2017: 20). Terkait ikan
sebagai komoditas atau produk perdagangan, di dalam Undang-Undang Nomer 45 Tahun 2009,
dinyatakan bahwa ikan adalah segala jenis organisme yang seluruh atau sebagian dari siklus hidupnya
berada di dalam lingkungan perairan komoditas yang berupa binatang air dan biota perairanya (KKP,
2017: 28-34). Karena ikan merupakan binatang dan biota air, maka ikan termasuk produk konsumsi
yang memiliki ciri-ciri sama dengan produk perternakan yaitu; mudah rusak, voluminious dan bulky
yaitu memiliki berat yang besar dan memakan tempat yang cukup luas dalam penyimpanannya dan
pengangkutan sehingga biaya pengangkutan relatif tinggi, ketergantungan pada alam; kaitannya

2
dengan faktor klimatologi, produk dihasilkan dari proses biologis yang cukup memakan waktu sampai
bisa dipasarkan. (Putri, 2017: 29).

2.2 Konsumsi Ikan

Ikan merupakan salah satu produk pangan. Produk didefinisikan sebagai sesuatu (meliputi
obyek fisik, jasa, tempat, organisasi, gagasan, ataupun pribadi) yang dapat atau mampu ditawarkan
produsen untuk diminta, dicari, dibeli, digunakan, atau dikosumsi pasar sebagai pemenuhan kebutuhan
dan keinginannya (Putri, 2017: 20). Ikan termasuk produk yang memiliki ciri-ciri sama dengan produk
perternakan yaitu; mudah rusak, voluminious dan bulky yaitu memiliki berat yang besar dan memakan
tempat yang cukup luas dalam penyimpanannya dan pengangkutan sehingga biaya pengangkutan
relatif tinggi, ketergantungan pada alam; kaitannya dengan faktor klimatologi, produk dihasilkan dari
proses biologis yang cukup memakan waktu sampai bisa dipasarkan (Putri, 2017: 29). Dengan
demikian, ikan butuh dikonsumsi cepat setelah dibeli. Jika tidak segera dikonsumsi atau disimpan
terlebih dahulu, ikan membutuhkan penangan khusus seperti menyimpannya di dalam leamari
pendingin.
Di dalam buku Pedoman Perhitungan Angka Konsumsi Ikan (KKP, 2017: 17) dinyatatakan
bahwa konsumsi ikan merupakan banyaknya atau jumlah ikan yang dikonsumsi oleh manusia baiks
ecara tunggal maupun beragam, yang bertujuan untuk memenuhi kebutuhan fisiologis, psikologis dan
sosiologis. Sebagai produk konsumsi, ikan mengalami diversifikasi produk melalui pengolahaan, dan
penghitungan konsumsi ikan dihitung dari produk segar dan olahan.
Di dalam buku Pedoman Perhitungan Angka Konsumsi Ikan (KKP, 2017: 17), Pemerintah
telah menetapkan cara penghitungan angka konsusmi ikan. Penghitungan konsumsi ikan dilakukan
dengan menjumlahkan data konsumsi ikan segar dengan hasil konversi angka konsumsi dari ikan
asin/awetan, bumbu-bumbuan dan ikan yang berasal dari kelompok makanan/minuman. Oleh karena
itu total konsumsi ikan rumah tangga penduduk di Indonesia dihitung dengan menjumlahkan keempat
kelompok ikan tersebut (2017: 28-34):

Konsumsi Ikan di Rumah Tangga = (Konsumsi semua jenis ikan dan

udang segar) + (konsumsi semua jenis ikan dan udang awetan) +
(konsumsi ikan dari kelompok bumbu-bumbuan) + (konsumsi ikan
dari kelompok makanan/minuman jadi)

Rumusnya dapat diformulasikan sebagai berikut:

KIDRT =
Keterangan:
KIDRT= Konsumsi Ikan di Rumah tangga
3
KIDS = Konsumsi ikan dan udang segar ( i = 1 untuk tongkol/tuna/cakalang/ dan
seterusnya sampai ke-n, untuk udang/cumi/sotong/kerang/kepiting/ketam
segar dan lain-lainnya)
KIDA = Konsumsi ikan dan udang asin/awetan ( i = 1 untuk ikan ai tawar/payau
dan seterusnya sampai ke-n untuk udang/cumi/sotong/kerang/kepiting/
ketam asin/awetan lainnya)
KIB = Konsumsi ikan dalam bumbu-bumbuan
KIMJ = Konsumsi ikan yang dibeli dalam bentuk olahan/matang dalam
kelompok makanan/minuman jadi.
Tabel 1 berikut ini menyajikan faktor konversi. (KKP, 2017: 29-30) yang bersumber dari
Pedoman Penyusunan NBM terbitan Badan Ketahanan Pangan, Departemen Pertanian (2005) dan
diolah oleh Dit. APP.
Tabel 1. Faktor Konversi Ikan dalam Bentuk
Ikan Asin/awetan ke Bentuk Ikan Segar

Jenis Ikan/Awalan dalam Kategori Ikan Faktor Perhitungan

No
Susenas dalam NBM Konversi Angka Konversi
1 Ikan Air Tawar/Payau 52,63 100/52,63 = 1,9
2 Ikan Laut 45,45 100/45,45=2,2
Udang/Cumi/Sotong/
3 41,67 100/41,67=2,4
Kerang/Kepiting/ketam
Ikan
diolah/diawetkan
4 Ikan dalam Kaleng 60 100/60=1,7
dalam kemasan
kedap udara
5 Terasi 50 100/50=2,0

Sedangkan untuk mengetahui kuantitas konsumsi ikan dalam kelompok makanan/minuman jadi
digunakan pendekatan “adhoc”. Formula untuk menghitung konsumsi ikan dan udang dari kelompok
makanan/minuman jadi adalah sebagai berikut:
KIMJ = ((Vjadi/Vsegar) x0,8) x KIDS x 1,55
Keterangan:
KIMJ = Konsumsi Ikan dari kelompok makanan/minuman jadi
V jadi = Pengeluaran Ikan dari kelompok makanan/minuman jadi
V segar = Pegeluara dari kelompok ikan dari ikan dan udang segar
0,8 = Nilai yang digunakan setelah dikurangi faktor jasa dan bumbu, minyak goreng dan
lainnya sebesar 20 %
KIDS = Konsumsi ikan dan udang segar (i=1 untuk TTC…dst sampai…n untuk udang sgar
lainnya)
1,55 = Faktor konversi dari bentuk goreng/bakar/dll ke utuh segar

4
 Data tersebut diambil dari data Susenas yang dikumpulkan BPS. Data tersebut kemungkinan
masih dibawah angka sebenarnya. Kelemahan-kelemahan data Susenas tersebut diatas menyebabkan
penting dan perlunya suatu angka koreksi guna mendapatkan hasil perhitungan angka konsumsi ikan
yang lebih mendekati kepada kondisi riil. Untuk menyikapi beberapa kelemahan tersebut, Badan
Ketahanan Pangan melakukan angka koreksi untuk konsumsi beras seperti berikut:
Rumus Perhitungan Konsumsi Beras : A+B+C+D
A : Total Konsumsi Beras Indonesia
B : Konsumsi Luar RT = 15 % (Dari A)
C : Konsumsi Tidak Tercatat = 10% (AB)
D :Konsumsi Industri = 20,56 % ( Tabel I/O (Input Output)
Mengacu pada perhitungan angka konsumsi beras tersebut, perhitungan angka konsumsi ikan
menggunakan angka koreksi konsumsi luar rumah tangga (B) dan konsumsi tidak tercatat (C),
sedangkan angka koreksi konsumsi industri/tabel input dan output (D) tidak digunakan. Hal ini
dikarenakan data ikan dalam tabel I/O tidak diperinci, hanya satu karakter yaitu perikanan (dalam arti
luas). Oleh karena itu, dalam publikasi angka konsumsi ikan Kementerian Kelautan Perikanan,
konsumsi industri tidak termasuk dalam penghitungan. Besaran angka koreksi koefesien B dan C
untuk perhitungan konsumsi ikan ditetapkan berdasarkan hasil kesepakatan para ahi. Apabila sudah
ada penelitian-penelitian yang menghitung besaran konsumsi ikan yang tidak tercatat, maka besaran B
dan C disesuaikan hasil tersebut. Oleh karena itu, rumus penghitungan angka konsumsi ikan Nasional
tahun 2016 sebagai berikut :
AKI : A+B+C
Keterangan:
AKI : Angka Konsumsi Ikan
A : Konsumsi Rumah Tangga (KIDRT)
B : Konsumsi Luar Rumah Tangga = b x (A)
C : Konsumsi Luar tidak Tercatat = cx (A+B)
Dengan banyaknya faktor yang berpengaruh terhadap konsumsi ikan, maka angka konsumsi
ikan tidak akan menunjukan kesetabilan dalam kenaikan maupun penururnan dalam jangka waktu
panjang, kecuali semua faktor yang mempengaruhinya terus-menerus dalam kondisi stabil.

2.3 Faktor yang mempengaruhi konsumsi ikan

Teori konsumsi teori siklus hidup menyatakan bahw faktor sosial ekonomi seseorang atau
rumah tangga sangat mempengaruhi pola konsumsi orang atau rumah tangga tersebut. Sedangkan,
menurut Teori pendapatan permanen meyakini bahwa pendapatan yang mempengaruhi tingkat
konsumsi. Perbedaannya terletak pada pernyataan yang menyatakan bahwa tingkat konsumsi

5
mempunyai hubungan proporsional dengan pendapatan permanen. Yang dimaksud dengan pendapatan
permanen adalah tingkat pendapatan rata-rata yang diekspektasi/diharapkan dalam jangka panjang.
Sementara teori teori konsumsi pendapatan relatif lebih memperhatikan aspek psikologis rumah
tangga dalam menghadapi perubahan pendapatan. Inti dari teori konsumsi pendapatan relatif adalah
tingkat konsumsi masyarakat dipengaruhi oleh tingkat pendapatan disposabel di masa yang lalu,
terutama tingkat pendapatan tertinggi yang pernah dicapai, karena pola konsumsi saat ini masih
dipengaruhi pola konsumsi yang lalu. Teori terakhir yaitu teori konsumsi dari Keynes bahwa konsumsi
didasarkan atas dasar hukum psikologis yang mendasar tentang konsumsi, yang mengatakan apabila
pendapatan mengalami kenaikan, maka konsumsi juga akan mengalami kenaikan, tetapi dengan
jumlah yang lebih kecil. Kecenderungan mengkonsumsi rata-rata akan semakin kecil apabila tingkat
pendapatan naik. Kecenderungan menabung rata-rata akan semakin besar apabila pendapatan naik.
Semua teori konsumsi yang disebutkan diatas mengkaitkan konsumsi dengan pendapatan
dengan berbagai pandangan yang berbeda karena memang secara matematis hubungan antara
konsumsi dan pendapatan bisa lebih dijelaskan dan dipahami. Tetapi diluar pendapatan banyak faktor
yang mempengaruhi konsumsi, khususnya konsumsi ikan. Berikut ini beberapa faktor diluar pendapat
yang mempengaruhi konsumsi ikan (DKP, 2017:17).

2.4 Data Time Serries dan Prediksi (peramalan)

Terdapat 4 komponen utama di dalam data berkala yaitu; trend, variasi musiman, variasi siklus,
dan variasi yang tidak tetap atau irregular (Santoso dan Ashari, 2005: 203-204). Dalam menganalisis
data time series dan penggunaan model analisis untuk prediksi menggunakan acuan keempat faktor
tersebut.
Trend merupakan suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang
diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata (smooth). Trend data
berkala bisa berbentuk peningkatan dan penurunan. Trend yang meningkat disebut trend positif dan
trend yang menurun disebut trend negatif. Trend menunjukkan perubahan waktu yang relatif panjang
dan stabil. Trend dapat pengaruhi misalnya oleh perubahan populasi, harga, teknologi dan
produktivitas.
Variasi musiman adalah pergerakan data runut waktu yang mengikuti pola musiman. Pola
musiman adalah pola pergerakan yang meliputi jangka waktu kurang dari satu tahun, bisanya
kuartalan. Sedangkan variasi siklus adalah data runut waktu yang mengikuti pola siklus naik dan
turun. Variasi siklus ini biasanya meliputi jangka waktu yang lebih dari satu tahun dan Variasi tidak
tetap (irregular) adalah pergerakan data runut waktu yang tidak mengikuti pola tertentu.
Minitab sebagai salah satu paket software statistik memberikan kemudahan dalam melakukan
hitungan statistik seperti SPSS, SAS dan software lainnya. Software jenis ini masing-masing memiliki
6
keunggulan dan kelemahannya. Salah satu kelebihanya adalah memudahkan dan mempercepat
pemakai dalam menghitung hasil analisis yang diinginkan dengan cara menjalankan petunjuk
mengoperasikannya. Software seperti ini sifat memudahkan pengguna karena rumus sudah satu paket
terpasang di dalamnya sehingga kalau secara manual sebuah proses perhitungan dikerjakan satu-satu
dengan menggunakan software ini tinggal mengikuti prosedur pengisian lembar kerja dan beberapa
klik tombol atau mengisi kolom pada petunjuk operasi.
Di dalam Minitab terdapat beberapa metode peramalan dengan data time serries, seperti
decomposition, moving average, Single Exponential Smoothing dan lainnya. Gambar 1 berikut ini
menampilkan metode analisis data Time series yang ada di Minitab.

Gambar 1. Tampilan metode anslisis data time series pada Minitab 17

2.5. Metode Dekomposisi dan Holt Winter’s

Dekomposisi artinya mengurai komposisi menjadi bagian-bagian tersendiri. Dekomposisi di
dalam analisis data time series adalah salah satu pendekatan terhadap data time series dengan
mengenali faktor-faktor komponen yang mempengaruhi pada setiap nilai sebuah series. Proses
mengenali dan menguraikan komponen ini disebut dekomposisi. Setiap komponen dianalisis secara
terpisah. Kemudian komponen tersebut dikombinasikan untuk menghasilkan ramalan.
Dekomposisi dibagi dua model (http://en.wikipedia.org, diunduh 7 Desember 2020); pertama,
model additive; sebuah model yang memperlakukan nilai-nilai time series sebagai hasil kali tambah.
Model additive sesuai apabila time series yang dianalisa memiliki variabilitas yang sama sepanjang
series. Yaitu, semua nilai series terpusat kepada trend. Rumus model additive:
Yt = Tt + Ct + St + It,.
Model kedua adalah multiplicative; pendekatan terhadap analisis time series sebagai hasil kali.
Model komponen multiplicative bekerja paling baik ketika variabilitas time series meningkat dengan

7
bertambahnya level. Yaitu, nilai-nilai series menyebar sebagai trend naik. Rumus model
multiplicative adalah
Yt = Tt x Ct x St x It.
Keterangan rumus:
Yt = Hasil peramalan
Ct = siklis
St = musiman
It = Trend
Triple Exponential Smoothing (Holt Winters) merupakan salah satu metode peramalan yang
juga menggunakan komponen musiman dan trend pada time series. Metode ini menerapkan tiga kali
penghalusan (smoothing) pada trend dan musiman. Seperti dekomposisi, metode ini juga memiliki dua
model, yaitu additive dan multiplicative (http://en.wikipedia.org, diunduh 7 Desember 2020).
Pada metode Holt Winters menggunakan pembobotan dengan nilai alfa, beta dan gama.
Berikut ini kedua model Holt Winters dan rumusnya (http:// www.danialmahkya.com, diunduh 7
Desember 2020):
Seperti halnya model multiplicative pada dekomposisi, hasil yang dihasilkan model ini adalah
dengan mengalikan komponen-komponennya. Berikut ini rumus dari Winter’s model Multiplicative:

Di dalam Winter’s model additive sama halnya seperti pada dekomposisi model additive,
perhitungan yang dihasilkan oleh model ini adalah dengan menambahkan komponen-komponennya

Berikut ini penjelasan rumus-rumus diatas:

F = nilai ramalan
S = nilai pemulusan

8
 b = pemulusan trend
X = data asli
I = Nilai penelusuran musiman
L = periode waktu dalam variasi musim
m = periode masa dating
α = konstanta dengan nilai antara 0 dan 1

3. Data dan Metode Penelitian

3.1 Data penelitian
Penelitian ini menggunakan data sekunder yang berasal dari data konsumsi ikan Kota Cilegon
yang diambil dari Draft Kelautan dan Perikanan dalam Angka 2017 (DKP Provinsi Banten,
2017:105). Berikut ini tabel yang menjelaskan data konsumsi ikan di Kota Cilegon dari tahun 2004
hingga 2015.
Tabel 2. Konsumsi Ikan Kab. Serang 2004-2015
Tahun Angka Konsumsi Ikan Tahun Angka Konsumsi Ikan
2004 16.5 2010 18.81
2005 16.8 2011 19.14
2006 17 2012 22.13
2007 17.67 2013 20.95
2008 17.97 2014 19.77
2009 18.41 2015 22.45

3.2 Metode Penelitian

Untuk menganalisis data tahunan konsumsi ikan di Kabupaten Serang pada 2019 seperti yang
tertera di table 1, penulis melakukan Langkah-langkah pendekatan sebagai berikut:
a. Memvisualisasikan (ploting) data
Langkah ini bertujuan untuk memahami pola data sesuai komponen-komponen data yang ada
dalam time series, yaitu; pola trend, siklis, musiman, dan pola yang tidak teratur. Untuk
memvisualisasikan data tersebut, maka dibuatlah grafik konsumsi ikan tahunan Kabupaten Serang dari
2004 hingga 2015.
b. Memilih model penelitian yang tepat
Di dalam Langkah ini peneliti membandingkan beberapa model yang mempunyai prinsip sama
dalam menganalisis data time serries. Peneliti membandingkan empat metode dengan melihat nilai
paing terkecil dari MAPE, MAD dan MSD. Nilai Mean Absolute Percentage Error (MAPE)
menunjukan presentasi eror. Mean Absolute Deviation (MAD) adalah deviasi atau eror tiap unit data.
Mean Squared Deviation (MSD) memberikan gambaran nilai varian penelitian (Newton, 2014: 276).

9
 Empat metode yang dibandingkan hasilnya adalah; Holt Winters model additive, Holt Winters
model multiplicative, Dekomposisi model additive dan Dekomposisi model multiplicate.
c. Menggunakan metode terpilih
Metode yang terpilih diharapkan dapat menghasilkan ramalan yang baik dibandingkan metode
pembandingnya. Peramalan yang ditargetkan adalah angka konsumsi ikan Kabupaten Serang 2021.
d. Menampilkan hasil ramalan
Ramalan yang akan ditampilkan sesuai hasil perhitungan minitab berupa angka dan grafik.

4. Hasil Analisis dan Pembahasan

Dari hasil pemplotan data diperoleh grafik sebagai berikut:

Grafik di atas menunjukan pola data sangat tidak teratur. Mengelompokan periode untuk
musiman sangat sulit. Setelah melihat dan mengkaji plot data ini, diputuskan untuk menggunakan
analisis tiga periode. Jika dilihat dari tiga periode, maka tergambar tiga tahun periode pertama terlihat
naik, kemudian tiga tahun periode berikutnya turun dan tiga tahun periode selanjutnya konstan dan
tiga tahun periode keempat naik drastis. Pada data ini juga terlihat siklis dan irregualry (ketidak
teraturan) cukup menonjol.
Berikut ini hasil pemilihan model analisis untuk peramalan dari data konsumsi ikan tangkap
Kab. Pandeglang. Dari dua metode dekomposisi didapat hasil MAPE, MAD dan SME sebagai berikut:
1. Metode dekomposisi model multiplicative

10
 Gambar 3. Nilai MAPE, MAD dan MSD konsumsi ikan Kab. Serang
hitungan dekomposisi model multiplicative

2. Metode Dekomposisi model additive

Gambar 4. Nilai MAPE, MAD dan MSD konsumsi ikan Kab. Serang
hitungan dekomposisi model additive

3. Hitungan MAPE, MAD, dan MSD Winter’s metode multiplicative

11
 Gambar 5. Nilai MAPE, MAD dan MSD konsumsi ikan Kab. Serang
hitungan Winters metode multiplicative

4. Hitungan MAPE, MAD, dan MSD Winter’s metode additive

Gambar 6. Nilai MAPE, MAD dan MSD konsumsi ikan Kabupaten Serang
hitungan Winters metode additive

12
 Dari tampilan grafik hasil analisis empat model yang memiliki aspek penilaian MAPE, MAD,
MSD terkecil adalah metode dekomposisi model additive. Tabel 2 berikut ini menjelaskan
perbandingan keempat analisis ramalan data time series konsumsi ikan Kabupaten Serang.

Tabel 2. Perbandingan Hasil MAPE, MAD dan MSD

Dekomposisi dan Winters konsumsi ikan Kabupaten Serang

Pengukuran Ketepatan
Metode Peramalan
MAPE MAD MSD
1 Dekomposisi: Multiplicative 2,47207 0,48761 0,45745
2 Dekomposisi: Additive 2,54011 0,50000 0,47042
3 Winter: Multiplicative 3,43795 0,65946 0,66327
4 Winter: Additive 2,96884 0,58384 0,66490

Untuk menghitung peramalan konsumsi ikan hingga 2021 dengan 3 periode, maka digunakan
metode Decomposisi model multiplicative.

Berikut persamaan peramalan dan hasil analisis yang dilakukan dengan Minitab:

Multiplicative Model

Data AKI kab.Serang

Length 12
NMissing 0

Fitted Trend Equation

Yt = 15.654 + 0.5094×t

Seasonal Indices

Period Index
1 1.00846
2 0.98361
3 1.00794

Gambar. 7 Persamaan Peramalan, indeks musiman dan ketepatan ukuran

metode peramalan dekomposisi model multiplicative
konsumsi ikan Kota Tangerang 2021

Yang dapat dijelaskan dari hasil penghitungan metode dekomposisi model additive ini adalah:
 Length: 12; menunjukan Panjang atau jumlah data konsumsi ikan Kabupaten Serang sebanyak
12 tahun (2004 sampai 2015)

13
  Fitted Trend Equation: Yt = 15.654 + 0.5094 × t; ini adalah persamaan regresi untuk
menghitung nilai trend.
Yt = nilai trend yang dicari, t = waktu urutan
Contohnya jika ingin menghitung nilai trend tahun 2020, maka kalkulasinya adalah
Yt = 15.654 + 0.5094 × 17.
 Seasonal Indices dan Period Index adalah periode yang digunakan untuk menghitung
seasonality (variasi musiman) dengan tiga periode (triwulanan) yang menghasilkan;
1,00846, 0,98561, dan 1,00794.
Peramalan dapat dibuat dengan mengalikan setiap seasonal index denga setiap nilai trend dalam setiap
peride waktu atau bulan dan menghasilkan ramalan setiap bulan. Rumusnya adalah sebagai berikut:
Yt = St x Tt
Keterangan:
Yt = hasil perhitungan ramalan, St = Seasonal Index
Tt = Nilai Trend
Hitungan peramalan yang dihasilkan Minitab ditunjukan oleh table 3 sebagai berikut;
Tabel 3. Hasil ramalan Minitab konsumsi ikan

Kab. Serang dari 2010-2021

Period Forecast
13 22.4643
14 22.4117
15 23.4796
16 24.0054
17 23.9148
18 25.0199

Perhitungan peramalan diatas dimulai dari periode 13 dan terakhir periode 18, artinya
peramalan di mulai dari 2016 dan terakhir 2021.
Penggambaran hasil smoothing (penghalusan) hingga hasil peramalan terlihat pada gambar 4.
Terdapat empat warna garis. Yang pertama garis biru (actual) dengan titik bulat menunjukan posisi
data asli di dalam grafik. Garis merah dengan titik kotak menunjukan hasil penghalusan dari trend dan
musiman. Garis ketiga, garis hijau, menunjukan garis trend naik, dan garis keempat, warna ungu
merupakan garis nilai ramalan yang telah mengikuti pola garis yang telah dihaluskan. Gambar 3 juga
menunjukan bahwa adanya naik turun (ciri komponen musiman) pada peramalan seperti halnya data
sebenarnya tetapi sudah halus.
Perhitungan konsumsi ikan dinyatakan dalam Kilogram per kapita/orang. Jika dianggap
sebagai kebutuhan ikan per orang di Kabupaten Serang, maka kebutuhan ikan di wilayah ini bisa

14
didapat dengan mengkalikannya dengan jumlah penduduk. Pada 2019 jumlah penduduk Kabupaten
Serang sebanyak 1.508.397 orang (BPS, Prov. Banten). Jika jumlah penduduk Kabupaten Serang pada
2021 tidak mengalami banyak perubahan maka prediksi kebutuhan ikan per tahunnya adalah 25,0199
dibulatkan menjadi 25,02 Kg dikalikan 1.508.397 orang adalah 37.740.092,94 Kg. Kebutuhan per
bulannya maka akan didapat; 37.740.092,94 Kg dibagi 12 bulan adalah 3.145.008 Kg, dan kebutuhan
per harinya adalah 3.145.008 Kg dibagi 30 hari adalah 104.833.6 Kg.

5. Simpulan
Catatan data atau angka masa lalu telah banyak dijadikan pijakan para penentu kebijakan di
berbagai bidang untuk menentukan langkah atau melihat masa datang. Hitungan ramalan berbasis time
series adalah salah satu cara menilai masa datang secara statistik dengan melihat data masa lalu.
Dengan menggunakan data konsumsi ikan Kabupaten Serang tahun 2004-2015, penelitian ini
meramalkan angka konsumsi ikan dan kebutuhan ikan Kabupaten Serang untuk tahun 2021. Untuk
memilih metode peramalan terbaik telah dipilih salah satu dari empat model peramalan; dekomposisi
multiplicative, dekomposisi additive, Winter’s multiplicative dan Winter’s additive dengan melihat
angka terkecil dari Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD) dan
Mean Squared Deviation (MSD). Metode peramalan dekomposisi multiplicative terpilih menjadi
model terbaik.
Angka peramalan konsumsi ikan yang dihasilkan fluktuatif dan ada kecenderungan meningkat
sesuai dengan pola data aslinya. Angka prediksi konsumsi ikan 2021 ini digunakan untuk menghitung
kebututuhan ikan Kabupaten tangerang tahun 2021 dengan cara mengkalikanya dengan jumlah
penduduk.
Walaupun pandemi Covid-19 telah melanda Indonesia pada tahun 2020 dan kemungkinan
dampaknya dirasakan pada tahun 2021 termasuk berdampak pada konsumsi ikan, tetapi angka
peramalan seperti ini bisa dijadikan acuan bagi pemerintah dan masyarakat yang memperhatikan
maupun yang terlibat dalam bidang perikanan.

Daftar Pustaka

Newton, Isac, 2014. Minitab Cookbook, Birmingham, Pockt Pub;ishing, Ltd.

Putri, Budi Rahayu Panama, 2017. Manajemen Pemasaran, Bali. Fakultas Peternakan Universitas
Udayana.
Sutanto, Purbaya Budi dan Ashari, 2005. Analisis Statistik dengan Microsoft Excel dan SPSS,
Yogyakarta, ANDI Yogyakarta.
Draft Kelautan dan Perikanan dalam Angka 2017 , 2017, DKP Provinsi Banten.
Http//en.wikipedia.org, diunduh 7 Desember 2020
Http//towarddatascience.com, diunduh 7 Desember 2020
Http//www.danialmahky.com, diunduh 7 Desember 2020

15
16