Implementasi Model SARIMA Untuk Memprediksi Produksi Minyak Kelapa Sawit

Luis Fernandes Tokan; Arief Hermawan

doi:10.37859/jf.v13i3.6033

Luis Fernandes Tokan Universitas Teknologi Yogyakarta
Arief Hermawan Universitas Teknologi Yogyakarta

https://doi.org/10.37859/jf.v13i3.6033

Keywords: Sarima, Minyak Kelapa Sawit, Peramalan, Deret Waktu

Abstract

Minyak kelapa sawit adalah komoditas penting dalam industri perkebunan dengan dampak besar pada ekonomi global. Tantangan utama dalam perencanaan produksi dan analisis pasar adalah kurangnya persiapan yang memadai. Oleh karena itu, penelitian ini bertujuan untuk menerapkan model SARIMA (Seasonal Autoregressive Integrated Moving Average) dalam memprediksi produksi minyak kelapa sawit untuk periode 2022-2026. Data diperoleh dari Buku Statistik Perkebunan DITJENBUN Pertanian. Hasil analisis menunjukkan bahwa model SARIMA dengan parameter (1,0,1)(1,0,0)12 memberikan hasil terbaik dengan tingkat Mean Absolute Percentage Error (MAPE) sebesar 5,54%. Hasil ini menunjukkan bahwa model SARIMA dapat memprediksi produksi minyak kelapa sawit dengan akurasi yang baik berdasarkan data historis. Sistem prediksi ini diharapkan memberikan kontribusi signifikan dalam mengurangi ketidakpastian dalam produksi minyak kelapa sawit, meningkatkan efisiensi produksi dalam mengurangi dampak lingkungan yang dihasilkan, serta membantu pemerintah dan organisasi terkait dalam melakukan perencanaan yang lebih baik dalam memperhatikan kualitas produksi yang tinggi.

Downloads

Download data is not yet available.

References

F. Nadilla, “JENIS PENYAKIT PADA TANAMAN KELAPA SAWIT (Elaeis guinensis Jacq.) DAN TEKNIK PENGENDALIANNYA DI PT PERKEBUNAN NUSANTARA I KEBUN BARU AFDELING VI KOTA LANGSA,” BIOLOGICA SAMUDRA, vol. 3, no. 2, pp. 133–140, Jan. 2022, doi: 10.33059/JBS.V3I2.2344.

E. P. Jelita, “Proses Pemeliharaan Bibit Unggul Kelapa Sawit di Desa Talang Danto Kecamatan Tapung Hulu,” JOURNAL OF COMMUNITY SERVICES PUBLIC AFFAIRS, vol. 2, no. 2, pp. 45–55, Mar. 2022, doi: 10.46730/JCSPA.V2I2.42.

S. Sunanto, R. M. Taufiq, and R. Febri, “Implementasi Logika Fuzzy Inferensi Tsukamoto Pada Preventive dan Predictive Maintenance Sluge Separator Berbasis Smart Meter,” JURNAL FASILKOM, vol. 13, no. 01, pp. 81–87, Jul. 2023, doi: 10.37859/JF.V13I01.5359.

F. Isharyadi et al., “Analisis Titik Kritis Penjaminan Kualitas Benih Kelapa Sawit di Indonesia,” Jurnal Penelitian Kelapa Sawit, vol. 30, no. 3, pp. 161–170, Dec. 2022, doi: 10.22302/IOPRI.JUR.JPKS.V30I3.187.

V. Budhidharma, “PENGARUH FAKTOR-FAKTOR FINANCIAL DAN EKONOMI TERHADAP HARGA MINYAK KELAPA SAWIT DI INDONESIA [IMPACT OF FINANCIAL AND ECONOMIC FACTORS TO PALM OIL PRICE IN INDONESIA],” 2020, doi: 10.19166/JPA.V1I2.2781.

I. Maryam, T. J. Arsita, H. Stevanus, and E. Nisa, “PEMODELAN SEMIVARIOGRAM EKSPERIMENTAL PADA JUMLAH PENYEBARAN PRODUKSI KELAPA SAWIT DI INDONESIA,” Fraction: Jurnal Teori dan Terapan Matematika, vol. 2, no. 2, pp. 60–65, Dec. 2022, doi: 10.33019/FRACTION.V2I2.35.

R. N. Yanti, A. T. Ratnaningsih, and H. Ikhsani, “Pembuatan bio-briket dari produk pirolisis biochar cangkang kelapa sawit sebagai sumber energi alternatif,” Jurnal Ilmiah Pertanian, vol. 19, no. 1, pp. 11–18, Mar. 2022, doi: 10.31849/JIP.V19I1.7815.

I. G. Anjani, A. B. Saputri, A. N. P. Armeira, and D. Januarita, “Analisis Konsumsi Dan Produksi Minyak Kelapa Sawit Di Indonesia Dengan Menerapkan Metode Moving Average,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 4, p. 1014, Aug. 2022, doi: 10.30865/JURIKOM.V9I4.4506.

S. Latisya, “TEKNOLOGI PROSES UNTUK PRODUKSI BIODIESEL BERBASIS MINYAK KELAPA SAWIT,” WARTA Pusat Penelitian Kelapa Sawit, vol. 27, no. 2, pp. 78–91, Jun. 2022, doi: 10.22302/IOPRI.WAR.WARTA.V27I2.75.

D. Marcelina, E. Yulianti, and Z. R. Mair, “Penerapan Metode Forward Chaining Pada Sistem Pakar Identifikasi Penyakit Tanaman Kelapa Sawit,” Jurnal Ilmiah Informatika Global, vol. 13, no. 2, Aug. 2022, doi: 10.36982/JIIG.V13I2.2299.

W. F. Riski, “PENGARUH CEKAMAN KEKERINGAN TERHADAP FISIOLOGI DAN PRODUKSI KELAPA SAWIT,” WARTA Pusat Penelitian Kelapa Sawit, vol. 26, no. 3, pp. 142–153, Oct. 2021, doi: 10.22302/IOPRI.WAR.WARTA.V26I3.45.

S. Sisnayati, D. S. Dewi, R. Apriani, and M. Faizal, “Penurunan BOD, TSS, minyak dan lemak pada limbah cair pabrik kelapa sawit menggunakan proses aerasi plat berlubang,” Jurnal Teknik Kimia, vol. 27, no. 2, pp. 38–45, Jul. 2021, doi: 10.36706/JTK.V27I2.559.

N. M. Sunariadi et al., “Prediksi Produksi Bawang Merah Di Kabupaten Nganjuk Dengan Metode Seasonal Arima (Sarima),” scholar.archive.orgNM Sunariadi, PK Intan, DCR Novitasari, Y HariningsihTransformasi: Jurnal Pendidikan Matematika dan Matematika, 2022•scholar.archive.org, vol. 6, no. 1, pp. 49–60, 2022, doi: 10.36526/tr.v%vi%i.1672.

E. F. Putra, Y. Asdi, and M. Maiyastri, “PERAMALAN DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN SARIMA (Studi Kasus: Jumlah Produksi Ikan (Ton) di Kota Sibolga Tahun 2000-2017),” Jurnal Matematika UNAND, vol. 8, no. 1, p. 75, Jul. 2019, doi: 10.25077/jmu.8.1.75-83.2019.

M. Handrianto and H. Cipta, “Peramalan Jumlah Produksi Minyak Kelapa Sawit Menggunakan Metode Holt-Winters Exponential Smoothing (Studi Kasus : PT. Sinar Gunung Sawit Raya),” Jurnal Absis: Jurnal Pendidikan Matematika dan Matematika, vol. 6, no. 1, pp. 781–793, 2023, doi: 10.30606/ABSIS.V6I1.2165.

D. M. Sihombing and W. Setiafindari, “PERAMALAN PRODUKSI CRUDE PALM OIL DENGAN ALGORITMA BACKPROPAGATION NEURAL NETWORK,” Industri Inovatif : Jurnal Teknik Industri, vol. 13, no. 1, pp. 27–31, Jun. 2023, doi: 10.36040/INDUSTRI.V13I1.4887.

R. A. M. Yusuf and T. S. Yanti, “Perbandingan Metode Seasonal Autoregressive Integreted Moving Average (SARIMA) dan Metode Fuzzy Time Series untuk Model Peramalan Jumlah Wisatawan Mancanegara di Bali,” 2021, doi: 10.29313/.V0I0.29204.

W. Hariadi and S. Sulantari, “Pemodelan Kasus Pasien Terkonfirmasi Positif Covid-19 Per-Hari Di Indonesia dengan Metode SARIMA,” Unisda Journal of Mathematics and Computer Science (UJMC), vol. 7, no. 2, pp. 19–30, Dec. 2021, doi: 10.52166/UJMC.V7I2.2743.

H. Mukhtar, Y. Rizki, F. A. Wenando, and M. A. Al Aziz, “Prediksi Kunjungan Wisatawan dengan Reduksi Noise pada Google Trends menggunakan Hilbert-Huang Transform dan Long Short-Term Memory,” JURNAL FASILKOM, vol. 12, no. 3, pp. 152–159, Dec. 2022, doi: 10.37859/JF.V12I3.4332.