IMPLEMENTASI METODE EXPONENTIAL SMOOTHING BROWN DALAM FORECASTING REALISASI PRODUKSI KELAPA SAWIT

  • Published on
    27-Jan-2016

  • View
    252

  • Download
    7

Embed Size (px)

DESCRIPTION

IMPLEMENTASI METODE EXPONENTIAL SMOOTHING BROWN DALAMFORECASTING REALISASI PRODUKSI KELAPA SAWIT

Transcript

PROPOSAL TUGAS AKHIRRENCANA JUDUL

IMPLEMENTASI METODE EXPONENTIAL SMOOTHING BROWN DALAMFORECASTING REALISASI PRODUKSI KELAPA SAWIT PADA PTPN III KEBUN SEI MERANTI

INDI ANDIRA BUTAR-BUTAR111402007

PROGRAM STUDI TEKNOLOGI INFORMASIFAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASIUNIVERSITAS SUMATERA UTARA20151.1 Latar BelakangKelapa sawit merupakan salah satu tanaman perkebunan yang mempunyai peran penting bagi subsektor perkebunan. Pengembangan kelapa sawit antara lain memberi manfaat dalam peningkatan pendapatan petani dan masyarakat, produksi yang menjadi bahan baku industri pengolahan yang menciptakan nilai tambah di dalam negeri, ekspor CPO yang menghasilkan devisa, dan menyediakan kesempatan kerja bagi lebih dari 2 juta tenaga kerja di berbagai subsistem. Forecasting realisasi produksi kelapa sawit diperlukan untuk mendukung kebijakan perusahaan dalam penanganan evaluasi sasaran mutu pengolahan kelapa sawit pada perkebunan kelapa sawit. Perkebunan kelapa sawit di Indonesia dikelola dalam bentuk perkebunan rakyat dan perkebunan besar. Dimana perkebunan besar terdiri dari perkebunan negara seperti Perseroan Terbatas Perkebunan Nusantara (PTPN) dan perkebunan swasta (Batubara, 2015). Pada lingkup perkebunan negara, tiap bulannya akan diadakan evaluasi sasaran mutu pengolahan. Ini dilakukan untuk melihat kinerja produksi pada bulan tersebut sudah mencapai target produksi atau sebaliknya. Pada PT. Perkebunan Nusantara III (PTPN III) Sei Meranti, target produksi dilakukan secara manual dengan melihat hasil produksi tahun-tahun sebelumnya. Namun kendala terjadi karena hasil produksi rencana yang telah ditargetkan berbeda dengan hasil produksi realisasi. Oleh karena itu diperlukan suatu metode prediksi yang dapat memberikan informasi hasil produksi kelapa sawit untuk dijadikan acuan perusahaan dalam merencanakan target produksi kelapa sawit untuk tahun selanjutnya. Penelitian tentang peramalan dengan metode Exponential Smoothing sudah pernah dilakukan oleh para peneliti. Penelitian tersebut di antaranya dilakukan oleh (Novita, 2005), (Sidik, 2010), (Jalil, 2013), dan (Suwanvijit, 2011). Penelitian terdahulu yang dilakukan oleh (Novita, 2005), yaitu analisis penjualan sepeda motor Korea di PT. Maju Bersama Surya Indah Motor Cabang Surabaya, gambaran umum tiap bulan dilihat dari statistik deskriptif. Pemodelan arima dan exponensial smoothing digunakan untuk mendapatkan model terbaik. Model terbaik dipilih berdasarkan MSE yang paling kecil. Berdasarkan MSE kedua model, didapat model terbaik yaitu metode smoothing untuk meramalkan penjualan periode ke depan.Dalam hal ini metode yang akan penulis terapkan adalah metode Exponential Smoothing Brown. Dari berbagai metode peramalan klasik maupun modern yang berkembang dan masih digunakan untuk meramalkan suatu data deret waktu saat ini, salah satunya adalah Exponential Smoothing. Dengan menggunakan model Exponential Smoothing yang paling sesuai untuk meramalkan tingkat produksi gas di Indonesia di masa yang akan datang diharapkan dapat memberikan gambaran realisasi produksi bagi perusahaan kelapa sawit ditahun berikutnya. Berdasarkan latar belakang diatas, penulis mengajukan proposal penelitian dengan judul IMPLEMENTASI METODE EXPONENTIAL SMOOTHING BROWN DALAM FORECASTING REALISASI PRODUKSI KELAPA SAWIT PADA PTPN III KEBUN SEI MERANTI.

1.2 Rumusan MasalahPermintaan pasar dunia akan kelapa sawit dan produk turunannya mengalami peningkatan dari tahun ke tahun. Untuk pasar Indonesia, pasokan kelapa sawit dipenuhi oleh PTPN sebagai Badan Usaha Milik Negara dan beberapa perkebunan milik swasta nasional maupun swasta multi national company. Untuk dapat bersaing dengan pihak swasta, PTPN diharuskan tanggap merespon persaingan pasar dengan melakukan improvisasi pada proses bisnisnya. Salah satu yang dapat dilakukan adalah dengan pendekatan untuk mendapatkan forecasting realisasi produksi yang akan dicapai di tahun berikutnya berdasarkan data realisasi tahun sebelumnya.

1.3 Batasan Masalah1. Data produksi kelapa sawit yang digunakan adalah data produksi kelapa sawit dari tahun 2012-2014.2. Tidak melakukan forecasting terhadap produk hasil dari kelapa sawit dan turunannya.

1.4 Tujuan PenelitianTujuan penelitian ini adalah untuk memprediksi realisasi produksi kelapa sawit di PT. Perkebunan Nusantara III (PTPN III) Sei Meranti menggunakan metode Exponential Smoothing Brown.

1.5 Manfaat Penelitian1. Diperolehnya forecasting yang dapat memprediksi produksi kelapa sawit. 2. Mengetahui kemampuan metode Exponential Smoothing Brown dalam memprediksi produksi kelapa sawit.3. Penelitian dapat dijadikan sebagai bahan rujukan untuk penelitian lain

1.6 Metode Penelitian

Data historis produksi Kelapa sawitINPUT

SAS Programming Software

Penginputan data ke sistem

Membuat plot data

Proses Exponential Smoothing

PROSES

Hasil Peramalan dengan MAPE dan MAD terkecil

Tidak

Ya

Nilai hasil peramalan

Web Service

OUTPUT

Web Server PHP Javascript

End User PCLaporan VisualRealisasi produksi

Gambar 1. Arsitektur Umum

Berikut ini adalah penjelasan tahapan-tahapan yang dilakukan pada penelitian ini.1. Adapun input dari proses ini adalah data historis produksi kelapa sawit. Data historis tersebut berupa data produksi yang diambil dari 3 tahun terakhir yaitu tahun 2012 sampai dengan tahun 2014 di Perkebunan Kelapa Sawit PTPN III Sei Meranti. Informasi yang dibutuhkan mengenai produksi meliputi data produksi dan data sasaran mutu. Data-data inilah yang kemudian akan diproses untuk mendapatkan pola produksi. 2. Pemrosesan a) Penginputan data ke sistemPada tahap ini, data-data mengenai produksi dan sasaran mutu diinputkan oleh user ke dalam sistem agar tersimpan ke database.

b) Membuat plot dataLangkah selanjutnya adalah membuat plot data, kemudian mengidentifikasi plot data deret waktu. Sebelum melakukan pemodelan, dilakukan inisialisasi nilai awal. Yaitu inisialisasi nilai alpha () dan gamma (). untuk mendapatkan nilai ramalan dengan menggunakan metode exponential smoothing brown, diperlukan nilai alpha () dan gamma (). Pada penelitian ini, peneliti menggunakan metode trial and error untuk menghasilkan nilai alpha () dan gamma ().

c) Proses Exponential SmoothingKemudian melakukan pemodelan dengan dua metode smoothing, yaitu Metode Single Exponential Smoothing dan Metode Double Exponential Smoothing Brown. Setelah itu menentukan nilai konstanta smoothing yang optimum untuk masing-masing metode. Selanjutnya melakukan peramalan dengan dua metode smoothing tersebut.

d) Hasil peramalan dengan MAPE dan MADLangkah selanjutnya adalah membandingkan ukuran ketepatan metode smoothing (MAPE dan MAD) dari kedua metode smoothing tersebut. Metode smoothing yang lebih baik dalam meramalkan realisasi produksi kelapa sawit di PT.Perkebunan Nusantara III Sei Meranti adalah yang memiliki nilai MAPE dan MAD yang lebih minimum.

e) Nilai hasil peramalanSetelah membandingkan ukuran ketepatan metode smoothing, maka akan didapatkan nilai hasil peramalan. Yang nantinya akan ditampilkan kepada pengguna dalam bentuk web dashboard.

f) Web ServiceData forecasting tersebut akan berkomunikasi dengan pengguna dengan format data JSON melalui HTTP. Dengan kata lain data akan dikirimkan ke web server melalui web service menggunakan JavaScript Object Notation (JSON).

a. Web ServerKemudian pesan-pesan berupa data hasil forecasting tersebut akan dikirimkan oleh web server kepada pengguna dalam bentuk web dashboard. Dimana web dashboard tersebut dibangun dengan bahasa pemrograman PHP dan javascript.

3. Output yang didapat dari proses ini adalah laporan visual forecasting realisasi produksi hasil pengolahan PTPN III Sei Meranti. Laporan visual ini tersaji dalam bentuk web dashboard report. Sehingga memudahkan user dalam penggunaannya.

1.7 Tinjauan Pustaka1.7.1 ForecastingForecasting atau peramalan merupakan upaya memperkirakan apa yang akan terjadi pada masa yang akan datang berdasarkan pada data masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan secara sistematis.Peramalan merupakan suatu proses pendugaan terhadap kejadian yang akan terjadi pada masa depan. Peramalan dapat juga diartikan sebagai proses yang dilakukan ketika ada kesenjangan waktu (lag) dari data aktual pada waktu tertentu dengan data yang ingin diketahui pada waktu yang akan datang. Peramalan diperlukan untuk mengetahui kapan atau bagaimana suatu peristiwa akan terjadi sehingga tindakan yang tepat dapat dilakukan (Makridakiset al., 1999).Tujuan dari peramalan adalah untuk mengurangi resiko dari pengambilan keputusan. Peramalan biasanya salah, namun besar dari kesalahan peramalan (forecast error) tergantung dari metode peramalan yang digunakan. Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data masa lalu, sehingga dapat memberikan cara pemikiran, pengerjaan, dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil peramalan yang dibuat.

1.7.2 Metode ForecastingMetode peramalan dapat berdasarkan pengalaman, penilaian, opini dari ahli atau model matematika yang menggambarkan pola data historis. Berdasarkan sifatnya, ada dua metode atau teknik peramalan yang dapat digunakan, yaitu teknik peramalan kualitatif dan kuantitatif (Markdakis, 1999). a) Teknik Peramalan Kualitatif Teknik peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Teknik peramalan ini lebih menitik beratkan pada pendapat (judgment) dan intuisi manusia dalam proses peramalan, sehingga data historis yang ada menjadi tidak begitu penting. Qualitative forecasting techniques relied on human judgments and intuition more than manipulation of past historical data, atau metode yang hanya didasar

Recommended

View more >