vii Bab 3 HASIL DAN PEMBAHASAN
3.1 Pemulusan Smoothing Eksponensial Ganda Dua Perameter dari Holt
32 3.1.1 Plot Time Series Produksi Kernel PT. Ekadura Indonesia 32
3.1.2 Pengujian Data 34
3.1.2.1 Uji Kecukupan Sampel 34
3.1.2.2 Uji Musiman 35
3.1.2.3 Uji Trend 37
3.1.3 Analisis Pemulusan Eksponensial Ganda Dua Parameter dari Holt
37 3.1.4 Nilai kesalahan Galat
41 3.2 Autoregressive Integrated Moving Average ARIMA
49 3.2.1 Plot Time Series Produksi Kernel PT Eka Dura Indonesia 49
3.2.2 Identifikasi Model 52
3.2.3 Estimasi Parameter Model 58
3.2.4 Verifikasi Parameter Model 60
3.2.5 Pemilihan Model ARIMA 61
3.2.6 Peramalan 62
3.2.6.1 Hasil Peramalan dengan Menggunakan Metode Holt
62 3.2.6.2 Hasil Peramalan dengan Menggunakan Metode
ARIMA 63
3.3 Melakukan Perbandingan Hasil Analisis Ramalan 63
Bab 4 KESIMPULAN DAN SARAN 4.1 Kesimpulan
65 4.2 Saran
66 DAFTAR PUSTAKA
67 DAFTAR LAMPIRAN
68
viii
DAFTAR TABEL
Nomor Judul
Halaman Tabel
3.1 Data Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia
32 3.2
Perhitungan ANAVA Uji Musiman 36
3.3 Peramalan Produksi Kernel kg dengan Parameter
� = 0,1 dan � = 0,1 38
3.4 Nilai Kesalahan dengan Parameter
� = 0,1 dan � = 0,1 41
3.5 Peramalan Produksi Kernel kg dengan Parameter
� = 0,8 dan � = 0,2 44
3.6 Hasil Nilai SSE Dari Kombinasi Parameter
� dan � 47
3.7 Hasil Nilai MSE Dari Kombinasi Parameter
� dan � 48 3.8
Differencing I Data Produksi Kernel PT Eka Dura Indonesia 50
3.9 Nilai Koefisien Autokorelasi
53 3.10
Final Estimates of Parameters ARIMA 58
3.11 Uji Signifikansi Nilai-Nilai Parameter Model ARIMA 61
3.12 Perbandingan Model ARIMA 62
3.13 Peramalan Produksi Kernel PT. Eka Dura Indonesia
Tahun 2015 kg dengan Parameter � = 0,8 dan � = 0,2
62 3.14
Hasil Peramalan Model ARIMA 63
3.15 Peramalan Produksi Kernel PT. Eka Dura Indonesia
Tahun 2015 kg 64
ix
DAFTAR GAMBAR
Nomor Judul
Halaman Gambar
3.1 Plot Data Produksi Kernel
34 3.2
Plot Ramalan Data Produksi Kernel dengan Parameter � = 0,1 dan � = 0,1
41 3.3
Plot Ramalan Data Produksi Kernel Pada Tahun 2015 � = 0,8 dan � = 0,2 46
3.4 Plot Time Series Produksi Kernel PT Eka Dura Indonesia
49 3.5
Plot Trend Data Produksi Kernel PT. Eka Dura Indonesia 49
3.6 Plot Trend Data Produksi Setelah Differencing
51 3.7
Plot Trend Data Produksi Setelah Differencing III 51
3.8 Hasil Plot Autokorelasi Produksi Kernel
57 3.9
Hasil Plot Autokorelasi Parsial Produksi Kernel 57
x
DAFTAR LAMPIRAN
Nomor Judul
Halaman Lamp
1 Tabel Perhitungan Pemulusan Smoothing Eksponensial
68 Ganda Linier Dua Perameter dari Holt dengan berbagai
nilai α dan γ
2 Model ARIMA
104 3
Data Differencing II 120
4 Data Differencing III
121
5 Nilai Autokorelasi
122
6 Nilai Autokorelasi Parsial
124 7
Tabel Distribusi t 126
iv
PERBANDINGAN METODE PEMULUSAN SMOOTHING EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT
DAN METODE BOX-JENKINS DALAM MERAMALKAN HASIL PRODUKSI KERNEL KELAPA SAWIT
PT. EKA DURA INDONESIA
ABSTRAK
Perkebunan kelapa sawit yang ada di Indonesia, tidak hanya dimiliki oleh pemerintah BUMN saja, tetapi juga pihak swasta, baik perorangan maupun
perusahaan. Pusat Penelitian Kelapa Sawit di Riau merupakan perusahaan yang memproduksi kelapa sawit. Salah satunya yaitu PT. Eka Dura Indonesia yang
bertempat di Riau. Dimana salah satu yang diproduksi PT. Eka Dura Indonesia adalah Kernel. Pada produksi kernel setiap periode tidak selalu sama sehingga hal
ini akan sulit bagi pengambil keputusan dalam memperkirakan hasil produksi Kernel. Pada penelitian ini metode yang digunakan dalam meramalkan atau
memprediksi produksi kernel adalah metode pemulusan eksponensial ganda dua parameter dari Holt dan metode Box-Jenkins ARIMA. Berdasarkan hasil dari
kedua metode peramalan diperoleh, pada peramalan metode pemulusan eksponensial ganda dua parameter dari Holt, parameter nilai error terkecil yang
dipilih dari semua kombinasi adalah
� = 0,8 dan � = 0,2 dengan nilai ��� = 2.958.007.360.424,220 kg dan
��� = 51.000.126.904,866 kg. Sedangkan peramalan metode ARIMA dari model ARIMA 1,3,21,3,0
12
menghasilkan nilai
��� = 1.968.101.351.473 kg dan ��� = 45.769.798.871 kg.
Kata kunci : Peramalan, Pemulusan Eksponensial Ganda Dua Parameter, ARIMA
v
PERBANDINGAN METODE PEMULUSAN SMOOTHING EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT
DAN METODE BOX-JENKINS DALAM MERAMALKAN HASIL PRODUKSI KERNEL KELAPA SAWIT
PT. EKA DURA INDONESIA
ABSTRACK
Oil palm plantations in Indonesia, not only owned by the government BUMN, but also private parties, both individuals and companies. Oil Palm Research
Center in Riau is a company that produces palm oil. One of them is PT. Eka Dura Indonesia are located in Riau. Where one produced by PT. Eka Dura Indonesia is
the Kernel. On the production of kernels each period is not always the same so it will be difficult for decision makers in estimating production kernel. In this study,
the method used to forecast or predict the kernel production is two-parameter double exponential smoothing from Holt method and Box-Jenkins ARIMA
method. Based on the results of the two methods of forecasting obtained, in forecasting two-parameter double exponential smoothing from Holt method,
parameter smallest error value is selected from all combinations are
� = 0,8 and � = 0,2
with value ��� = 2.958.007.360.424,220
kg and
��� = 51.000.126.904,866 kg. While forecasting ARIMA method from ARIMA model 1,3,21,3,0
12
generate value ��� = 1.968.101.351.473 kg and
��� = 45.769.798.871 kg.
Keywords : Forecasting, Two-Parameter Double Exponential Smoothing, Box-
Jenkins
BAB 1
PENDAHULUAN
1.1
Latar Belakang
Indonesia merupakan salah satu negara penghasil kelapa sawit utama di dunia. Perkebunan kelapa sawit yang ada di Indonesia, tidak hanya dimiliki oleh
pemerintah BUMN saja, tetapi juga pihak swasta, baik perorangan maupun perusahaan. PT. Eka Dura Indonesia merupakan salah satu perusahaan kelapa
sawit yang memproduksi Kernel. Produksi Kernel merupakan buah tanaman kelapa sawit yang telah dipisahkan dari daging tempurungnya serta dilanjutkan
dikeringkan yang menjadi bahan baku minyak alkohol dan industri kosmetika. Pada produksi Kernel setiap periode tidak selalu sama sehingga hal ini akan sulit
bagi pengambil keputusan dalam memperkirakan hasil produksi Kernel. Untuk melihat hasil produksi ini di masa yang akan datang diperlukannya suatu
peramalan. Ini sangat bermanfaat sekali, karena dengan perencanaan ramalan perusahaan dapat melihat naik atau turunnya produksi, sehingga perusahaan dapat
berjalan baik ke depan.
Peramalan forecasting merupakan kegiatan memprediksi nilai-nilai sebuah variabel berdasarkan nilai yang diketahui dari variabel yang berhubungan.
Makridakis, S, Wheelwright S.C dan McGee V. E. Salah satu metodenya adalah Metode Pemulusan Ganda Dua Parameter dari Holt Holt’s Two Parameter
Double Eksponential Smoothing. Metode ini memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Nilai
parameter � terletak antara 0 dan 1.
Autoregressive Integrated Moving Average ARIMA merupakan metode yang secara intensif dikembangkan oleh George Box dan Gwilym Jenkins.
ARIMA adalah teknik untuk mencari pola yang paling cocok dari sekelompok data. Metode ini merupakan gabungan dari metode regresi dan metode
dekomposisi.
Berdasarkan data hasil produksi kernel PT. Eka Dura Indonesia setiap periode mengalami kenaikan dan penurunan, oleh karena itu bentuk grafik yang
dihasilkan adalah bentuk data musiman. Maka penulis mengambil metode Box- Jenkins karena metode peramalan ini lebih akurat menggunakan data musiman.
Sedangkan dari data hasil produksi kernel, ada beberapa periode yang datanya cenderung menaik atau menurun. Maka penulis mengambil metode Holt karena
metode peramalan ini dilihat berdasarkan nilai trend.
Dari uraian di atas, maka penulis ingin menguraikan penelitian terhadap data produksi kernel pada masa lalu, untuk meramalkan produksi kernel pada
masa yang akan datang. Untuk itu penulis mengambil judul “Perbandingan Metode Pemulusan Smoothing Eksponensial Ganda Dua Parameter Dari
Holt Dan Metode Box-Jenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia”.
1.2 Perumusan Masalah