Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Transkripsi

1 Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155 Smpang Baru, Panam, Pekanbaru, Emal: esrska9@gmal.com, nzam_ys86@yahoo.com ABSTRAK Peneltan n membahas tentang peramalan produks sayuran d Kota Pekanbaru menggunakan metode forcastng, yatu metode trend moment dan sngle exponental smoothng. Dalam peramalan semakn kecl nla persentase kesalahan peramalan (MAPE) maka nla taksran semakn mendekat nla sebenarnya. Berdasarkan peneltan, hasl peramalan menggunakan metode trend moment mempunya persentase kesalahan peramalan yatu 3,34%, sedangkan metode sngle exponental smoothng mempunya persentase kesalahan peramalan dengan yang terbak adalah 0, 3 yatu sebesar 9,57 %. Berdasarkan hasl persentase kesalahan peramalan (MAPE) yang terkecl maka metode trend moment merupakan metode terbak yang dapat dgunakan untuk meramalkan data produks sayuran d Kota Pekanbaru. Katakunc: Forcastng, mean absolute percentage error, sngle exponental smoothng, trend moment. ABSTRACT Ths reserach dscusses the forecast of vegetable producton n Pekanbaru usng forecastng methods, the trend moment method and sngle exponental smoothng. In forecastng the smaller the percentage value of forecast error (MAPE), the estmated value closer to the true value. Based on research, trend forecastng results usng the moment to have the percentage of forecast error s 3.34%, whle the sngle exponental smoothng methods have percentages wth the best forecastng error s n the amount of 9.57%. Based on the results the percentage of forecast error (MAPE) of the smallest moment, the trend method s the best method that can be used to forecast producton data vegetables n Pekanbaru cty. Keywords: Forcastng, mean absolute percentage error, sngle exponental smoothng, trend moment.

2 Pendahuluan Sayuran adalah tanaman hortkultura yang umumnya mempunya umur relatf pendek yatu kurang dar setahun dan juga merupakan tanaman musman. Setap jens dan varates sayuran mempunya warna, rasa, aroma dan kekerasan yang berbeda-beda sehngga sebaga bahan pangan sayuran dapat menambah varas makanan. Sayuran dalam kehdupan manusa sangat berperan dalam pemenuhan kebutuhan pangan dan penngkatan gz, karena sayuran merupakan salah satu sumber mneral dan vtamn yang sangat dbutuhkan manusa. Tanaman sayur selan mengandung berbaga zat gz yang berguna untuk kesehatan tubuh, juga mengandung zat-zat non gz yang juga cukup pentng, yatu dsebut dengan serat. Serat dapat membantu mencegah sembelt, mencegah kanker, membantu menurunkan kadar kolesterol, membantu menurunkan berat badan dan lan sebaganya. Konsums sayuran pada saat n sudah mula menngkat, karena mula adanya kesadaran bahwa dengan mengkonsums sayuran berart hdup akan bertambah sehat. Tngkat konsums masyarakat Indonesa terhadap sayuran mash tergolong rendah dbandngkan dengan negara lan, padahal potens sayur dan buah-buahan d Indonesa besar. Rendahnya konsums sayur tersebut dsebabkan faktor kesadaran masyarakat. Kota Pekanbaru bukan merupakan daerah agrars, namun ternyata kn petan yang ada d kota n telah mampu menghaslkan sayur-sayuran yang sudah lumayan besar produksnya sehngga mampu memenuh kebutuhan masyarakat Pekanbaru. Namun demkan, tdak tutup kemungknan untuk beberapa tahun yang akan datang jumlah permntaan sayuran akan mengalam penngkatan. Untuk tu, dperlukan suatu metode yang bsa meramalkan jumlah permntaan sayuran untuk masa yang akan datang sehgga dengan demkan bsa mengantspas terjadnya lonjakan permntaan sayuran d Kota Pekanbaru. Metode Peneltan Metode yang dgunakan dalam penltan n adalah stud lteratur dengan mempelajar berbaga sumber yang relevan dengan penltan n. Adapun langkah-langkah yang akan dlakukan dalam penltan adalah sebaga berkut : A. Untuk Metode Trend Momen 1. Menentukan persamaan nla trend () menggunakan rumus: dengan dan b a bx a b( X) X n( X)( ) Menentukan nla trend untuk setap bulan. 3. Menghtung ndeks musm menggunakan rumus: X n( X) B IM T dengan IM : Indeks musm. B : Rata-rata produks bulan tertentu. T : Rata-rata produks perbulan. 4. Melakukan perhtungan untuk mendapatkan nla peramalan () menggunakan persamaan: IM

3 B. Untuk Metode Sngle Eksponental Smoothng Dalam metode n peramalan dlakukan dengan mengulang perhtungan secara terus menerus dengan menggunakan data terbaru. Setap data dber bobot, data yang lebh baru dber bobot yang lebh besar. Pada metode sngle exponental smoothng bobot yang dberkan pada data yang ada adalah sebesar α. Bentuk umum dar pemulusan eksponensal yatu: F t 1 X t (1 ) Ft dengan F : Ramalan satu perode kedepan t 1 X : Data aktual pada perode tertentu. t : Parameter pemulusan. F : Ramalan pada perde ke-t. t Besarnya peramalan perode yang akan datang dapat dtuls menggunakan persamaan berkut : F t1 Ft ( X t t F ) Hasl dan Pembahasan Data yang dgunakan dalam pembahasan n adalah data produks sayuran d Kota Pekanbaru pada tahun 2011 sampa dengan 2015 yang dperoleh dar Dnas Pertanan Kota Pekanbaru, yatu berjumlah 60 data. Adapun plot scatter data dapat dlhat pada Gambar 1 berkut: Gambar 1 Produks Sayuran d Kota Pekanbaru Tahun A. Metode Trend Moment Data pada Gambar 1 d atas akan dlakukan peramalan jumlah produks sayuran menggunakan metode trend moment yang haslnya dapat dlhat pada Gambar 2 berkut:

4 Gambar 2 Peramalan Produks Sayuran Tahun Berdasarkan Gambar 2 terlhat bahwa hasl ramalan menggunakan metode trend moment mendekat hasl sebenarnya. Selanjutnya akan dcar nla trend untuk bulan Januar 2016 sampa Desember 2016 sebaga berkut: 1. Januar 2016 X ,89 4,25496X 1780,89 4,25496(61) 2. Februar 2016 X Maret 2016 X , ,89 4,25496X 1780,89 4,25496(62) 2044, ,89 4,25496X 1780,89 4,25496(63) 2048,952 Untuk nla trend selanjutnya secra lengkap dapat dlhat pada Tabel 1 berkut n: Tabel 2 Hasl Perhtungan Nla Trend untuk Tahun 2016 No Bulan Tahun Nla Trend 1 Januar , Februar , Maret , Aprl , Me , Jun , Jul , Agustus , September , Oktober , November , Desember , X

5 Setelah dperoleh nla trend untuk Januar 2016 sampa Desember 2016 selanjutnya akan dhtung ndeks musm dan selanjutnya akan dcar nla akhr peramalan produks sayuran. Berkut n perhtungan ndeks musm dan nla akhr peramalan dar Januar 2016 sampa Desember 2016 bedasarkan nla trend yang sudah dperoleh datas, yatu: 1. Januar Februar 2016 IM 2066,4 1910,67 1,0815 1, , , ,2 1910,67 1,0893 IM 2227, , , Maret 2016 IM 2001,4 1970,67 1,0475 1, , , Untuk hasl akhr peramalan selanjutnya dapat dlhat pada Tabel 2 berkut n: Tabel 2 Hasl Akhr Peramalan Produks Sayuran Tahun 2016 No Bulan Tahun Hasl Peramalan 1 Januar Februar Maret Aprl Me Jun Jul Agustus September Oktober November Desember Selanjutnya akan dcar kesalahan dalam peramalan dengan metode trend moment. sebaga berkut: MAPE n 100%

6 2, % 60 0, % 3,34% Persentase kesalahan peramalan dengan metode trend moment pada data produks sayuran d Kota Pekanbaru yatu 3,34%. Pada Tahun 2016 peramalan yang tertngg yatu pada bulan Februar dengan jumlah produks 2227 (ton) dan jumlah produks terendah pada bulan September dengan jumlah produks 1856 (ton). B. Metode Sngle Eksponental Smoothng Data yang ada pada Gambar 1 akan dolah dengan menggunakan metode sngle eksponental smoothng dengan konstata penghalusan dambl pada nterval 0 1. Langka pertama dalam peramalan menggunakan metode sngle eksponental smoothng yatu menentukan nla. Pemlhan terbak dplh berdasarkan nla MAPE yang palng kecl. Berdasarkan perhtungan untuk beberpa nla yang dplh dperoleh nla MAPE sepert yang tersaj pada Tabel 3 berkut: Tabel 3 Nla MAPE untuk 0 1 MAPE 0,1 10,00 0,2 9,69 0,3 9,57 0,4 9,64 0,5 9,75 0,6 9,94 0,7 10,26 0,8 10,64 0,9 11,07 Berdasarkan Tabel 3 dapat dlhat bahwa nla yang terbak adalah 0, 3 dengan nla MAPE sebesar 9,57 %. Berdasarkan nla MAPE terbak yang telah d dapatkan tersebut, maka selanjutnya dapat dlakukan peramalan dengan menggunakan metode sngle eksponental smoothng dengan nla 0, 3. Hasl peramalan untuk bulan Januar 2016 sampa dengan Desember 2016 dengan menggunakan metode sngle eksponental smoothng dapat dlhat pada Tabel 4 berkut: Tabel 4 Hasl Peramalan Produks Sayuran Tahun 2016 No Bulan Tahun Produks 1 Januar ,354 2 Februar ,985 3 Maret ,396 4 Aprl ,272 5 Me ,309 6 Jun ,298 7 Jul ,302 8 Agustus ,301 9 September , Oktober , November , Desember ,301

7 Kesmpulan Berdasarkan pembahasan maka dapat dlhat peramalan produks sayuran d kota Pekanbaru dengan menggunakan metode trend moment dan sngle exponental smoothng. Pada metode trend moment persentase kesalahan peramalan pada data produks sayuran d Kota Pekanbaru yatu 3,34%, sedangkan pada metode sngle exponental smoothng persentase kesalahan peramalan dengan yang terbak adalah 0, 3 yatu sebesar 9,57 %. Dengan demkan, persentase kesalahan peramalan dengan metode trend moment lebh kecl dar pada metode sngle exponental smoothng. Jad peramalan data produks sayuran d kota Pekanbaru menggunakan metode trend moment merupakan metode terbak. Karena semakn kecl nla persentase kesalahan peramalan maka nla taksran semakn mendekat nla sebenarnya, atau metode yang dplh merupakan metode terbak. Daftar Pustaka [1] Darmawan, Arf Soma. Sstem Pendukung Keputusan Peramalan Penjualan Batk d Pekalongan Dengan Metode Trend Moment. Vol 10, No. 2, Me 2012 [2] Delurgo, Stephen A. 1998, Forecastng Prncples and Applcatons. Mcgraw-hll Internasonal Edton. [3] Makrdaks, Spyros, Wheel Wrght Steven C dan Vctor E.McGEE. 1999, Metode dan Aplkas Peramalan. Eds ke-2. Jakarta: Erlangga. [4] Mulyono, Sr. 2006, Statstk untuk Ekonom & Bsns. Eds ke-3. Jakarta: Lembaga Penerbt Fakultas Ekonom Unverstas Indonesa. [5] Wahyono, Aan Suhartr Implementas metode trend moment untuk peramalan penjualan kubs. Skrps, Unverstas Nusantara PGRI Kedr.