Perumusan Masalah Batasan Masalah Tujuan Penelitian Kontribusi Penelitian Tinjauan Pustaka

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

Produksi kernel setiap periode tidak selalu sama sehingga diperlukan hasil ramalan produksi kernel untuk periode mendatang dan memilih salah satu metode peramalan menggunakan metode pemulusan smoothing eksponensial ganda dua parameter dari Holt dan metode Box-Jenkins berdasarkan hasil nilai error peramalan produksi kernel pada periode mendatang.

1.3 Batasan Masalah

Untuk menghindari terlalu meluasnya masalah dan adanya penyimpangan dalam pengambilan kesimpulan, perlu adanya batasan-batasan untuk menyelesaikan permasalahan, yaitu: a. Data yang diambil adalah data sekunder dari PT. Eka Dura Indonesia di Riau. b. Data yang diolah adalah data hasil produksi kelapa sawit yaitu produksi kernel pada tahun 2010-2014. c. Metode yang digunakan dalam penelitian adalah metode pemulusan smoothing eksponensial ganda dua parameter dari Holt dan metode Box- Jenkins. d. Hasil ramalan dalam penelitian ini diarahkan untuk satu tahun mendatang.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah menganalisa produksi kernel pada PT. Eka Dura Indonesia, dan memilih salah satu metode peramalan yaitu metode pemulusan smoothing eksponensial ganda dua parameter dari Holt atau metode Box-Jenkins berdasarkan hasil nilai error peramalan produksi kernel pada PT. Eka Dura Indonesia selama tahun 2015.

1.5 Kontribusi Penelitian

Manfaat dari penelitian ini adalah: 1. Sebagai referensi bacaan untuk mahasiswa matematika terlebih bagi mahasiswa yang melakukan penelitian serupa. 2. Sebagai informasi kepada pembaca bahwa permasalahan untuk peramalan hasil produksi kelapa sawit bisa diselesaikan dengan menggunakan metode pemulusan smoothing eksponensial ganda dua parameter dari Holt dan metode Box-Jenkins. 3. Sebagai bahan masukan bagi para pembuat kebijakan dan pengambil keputusan dalam merumuskan dan merencanakan upaya peningkatan hasil produksi kelapa sawit pada PT. Eka Dura Indonesia.

1.6 Tinjauan Pustaka

Rosnaini Ginting 2007 dalam bukunya yang berjudul “Sistem Produksi” mengemukakan bahwa metode peramalan sangat berguna karena akan membantu dalam mengadakan pendekatan analisis terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau disusun. Spyros Makridakis et al. 1993 dalam bukunya yang berjudul “Metode dan Aplikasi Peramalan” mengemukakan bahwa pemulusan eksponensial ganda dua parameter dari Holt pada prinsipnya serupa dengan Brown, kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai gantinya Holt memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Ramalan dari pemulusan eksponensial ganda dua parameter dari Holt didapat dengan menggunakan 2 konstanta pemulusan � dan � dua parameter yang nilainya antara 0 dan 1. Persamaan yang digunakan dalam metode pemulusan eksponensial ganda dua parameter dari Holt yaitu sebagai berikut: 1. � � = ∝ � � + 1 −∝� �−1 + � �−1 2. � � = �� � − � �−1 + 1 − �� �−1 3. � �+� = � � + � � � di mana: ∝ : parameter pertama perataan antara nol dan satu � : parameter kedua untuk pemulusan trend � � : data pada periode ke-t � � : trend pada periode ke-t � � : nilai pemulusan pada saat t � �+� : hasil peramalan ke- t + m m : jumlah periode yang akan diramalkan ARIMA Box-Jenkins mengemukakan bahwa hal yang penting dalam analisa deret berkala adalah koefisien autokorelasi yang menunjukkan hubungan antara suatu data deret berkala dengan deret berkala itu sendiri pada suatu keterlambatan waktu time lag k periode. Autokorelasi untuk time lag dapat dicari dengan notasi � � sebagai berikut: � � = ∑ � � − �� �−� �=1 � �+� − �� ∑ � � − �� 2 � �=1 di mana: � � = nilai koefisien korelasi pada saat k, k = 1, 2, 3, ... , k � � = data aktual periode ke t �� = mean dari data aktual � �+� = data aktual pada periode t dengan lag k Model Box-Jenkins ARIMA dibagi kedalam tiga kelompok yaitu model Autoregressive AR, Moving Average MA, dan model campuran Autoregressive Moving Average ARIMA yang mempunyai karakteristik dari dua model pertama. 1. Model Autoregressive AR Bentuk umum model Autoregressive dengan ordo p AR p atau model ARIMA p,0,0 dinyatakan sebagai berikut: � � = �′ + � 1 � �−1 + � 2 � �−2 + ⋯ + � � � �−� + � � di mana: �′ = suatu konstanta � �−� = nilai pengamatan periode ke-p � � = parameter Autoregressive ke-p � � = nilai kesalahan pada saat t 2. Model Moving Average MA Bentuk umum model Moving Average ordo q MAq atau ARIMA 0,0,q dinyatakan sebagai berikut: � � = �′ + � � − � 1 � �−1 + � 2 � �−2 + ⋯ + � � � �−� di mana: �′ = suatu konstanta � 1 , � 2 = parameter-parameter moving average � �−� = nilai kesalahan pada saat t-q 3. Model campuran a. Proses ARMA Model umum untuk campuran proses AR p murni dan MA q murni, misalnya ARMA p,q dinyatakan sebagai berikut: � � = �′ + � 1 � �−1 + � 2 � �−2 + ⋯ + � � � �−� − � 1 � �−1 − � 2 � �−2 − ⋯ − � � � �−� + � � b. Proses ARIMA Apabila nonstasioneritas ditambah pada campuran proses ARMA, maka model umum ARIMA p,d,q terpenuhi. Persamaan untuk kasus sederhana ARIMA p,d,q adalah sebagai berikut: � � = �′ + � 1 � �−1 + � 2 � �−2 + ⋯ + � � � �−� + � � − � 1 � �−1 − � 2 � �−2 − ⋯ − � � � �−� Hal yang perlu diperhatikan adalah bahwa kebanyakan deret berkala bersifat nonstasioner dan bahwa aspek-aspek AR dan MA dari model ARIMA hanya berkenaan dengan deret berkala yang stasioner. Stasioneritas berarti tidak terdapat pertumbuhan atau penurunan pada data. Data secara kasarnya harus horizontal sepanjang sumbu waktu. Suatu deret waktu yang tidak stasioner harus diubah menjadi data stasioner dengan melakukan differencing. Yang dimaksud dengan differencing adalah menghitung perubahan atau selisih nilai observasi. Nilai selisih yang diperoleh dicek lagi apakah stasioner atau tidak. Jika belum stasioner maka dilakukan differencing lagi. Jika varians tidak stasioner, maka dilakukan transformasi logaritma. Lerbin R. Aritonang R dalam bukunya “Peramalan Bisnis” 2002 menyatakan eksponensial ganda dua parameter Holt adalah teknik ini komponen trend dihaluskan secara terpisah dengan menggunakan parameter yang berbeda. Teknik ini memiliki keunggulan yaitu lebih fleksibel karena trendnya dapat dihaluskan dengan menggunakan bobot yang berbeda, namun demikian kedua parameternya perlu dioptimalkan sehingga pencarian kombinasi terbaik parameter tersebut lebih rumit daripada hanya menggunakan satu parameter. Selain itu, komponen musim pada teknik ini tidak diperhitungkan. Sedangkan Metode ARIMA Box-Jenkins mengemukakan bahwa data yang dianalisa dalam model ARIMA Box-Jenkins adalah data yang bersifat stasioner, yaitu data yang mempunyai rata-rata dan variansi yang konstan dari periode ke periode.

1.7 Metodologi Penelitian

Dokumen yang terkait

Metode Pemulusan (Smoothing) Eksponensial Ganda (Linier Satu Parameter dari Brown) dan Metode Box-Jenkins dalam Meramalkan Curah Hujan di Kota Medan

6 78 78

Metode Pemulusan Eksponensial Ganda Satu Parameter Terhadap Peramalan Jumlah Guru & Jumlah Murid Sekolah Menengah Atas Tahun 2012-2015 Di Kecamatan Galang

2 29 71

Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011

0 23 65

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.

2 15 141

Cover Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 1 12

Abstract Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 2

Chapter I Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 9

Chapter II Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 22

Reference Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 1 1

Appendix Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 60