Peramalan Produksi Kelapa Sawit Menggunakan Winter's dan Pegel's Exponential Smoothing dengan Pemantauan Tracking Signal

Setiawan, Dwi Agoes; Wahyuningsih, Sri; Goejantoro, Rito

doi:10.34312/jjom.v2i1.2320

Cited by 14 publications

(18 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penentuan metode dari time series perlu diketahui pola dari data, sehingga peramalan menggunakan metode yang sesuai dengan pola data dapat dilakukan. Pola data sendiri dapat dibedakan menjadi empat jenis, yaitu musiman, siklus, trend, dan irregular [6]. Peramalan adalah seni atau ilmu memperkirakan masa depan.…”

Section: Feri Irawan Dkkunclassified

Prediksi Tingkat Produksi Buah Kelapa Sawit dengan Metode Single Moving Average

Irawan

Sumijan

Yuhandri

2021

jidt

View full text Add to dashboard Cite

Palm oil is one of the largest agricultural products in Indonesia and has a high economic value and can improve the welfare of oil palm farmers. The amount of oil palm fruit production is not always stable or increasing, but increases up and down which is influenced by many factors. This study aims to estimate the average amount of oil palm fruit production every year and prepare anticipatory steps in the event of a decrease in oil palm fruit production. The image processed in this study was the production of palm fruit in a few years which was generated from the results of oil palm plantations. Furthermore, data is processed using the Single Moving Avarage method. This method is a method of forecasting or predictions using a number of actual data to generate predictive values in the future. The results of testing on the single moving average method can be seen forecasts of oil palm fruit production in 2021 using Moving Averge 3 of 200.749 tons with Mean Absolute Deviation 19.604, Mean Squared Error 456.963.281 and Mean Absolute Percent Error 10,0%. Moving Averge 4 was 206.771 tons with the Mean Absolute Deviation 27.333, Mean Squared Error 752.202.579 and Mean Absolute Percent Error 14,2%. Moving Averge 5 was 210.908 tons with Mean Absolute Deviation 26.890, Mean Squared Error 723.072.100 and Mean Absolute Percent Error 14.1%. The test results using the Single Moving Average method can be concluded that forecasting using Moving Average 3 can be used because the relative error level is smaller than Moving Average 4 and 5, with the value of the Mean Absolute Percent error of 10.0% and Mean Absolute Deviation 19.604.

show abstract

Section: Feri Irawan Dkkunclassified

Prediksi Tingkat Produksi Buah Kelapa Sawit dengan Metode Single Moving Average

Irawan

Sumijan

Yuhandri

2021

jidt

View full text Add to dashboard Cite

show abstract

“…Metode dan pola data dalam peramalan yang digunakan juga berpengaruh erat terhadap keakuratan hasil peramalan. Sehingga pola data permintaan harus teridentifikasi terlebih dahulu kemudian dilakukan peramalan metode yang sesuai [7]- [10].…”

Section: Pendahuluanunclassified

“…Single Exponential Smoothing adalah metode peramalan rata-rata yang terus melakukan perbaikan. Dalam metode ini data terakhir dijadikan sebagai nilai ratarata acuan kemudian menurun secara eksponensial ke periode berikutnya dan menempatkan nilai bobot yang sama pada semua data [5], [7], [10], [11], [13], [16]- [19]. Berikut persamaan metode Single Exponential Smoothing:…”

Section: Single Exponential Smoothingunclassified

Decision Support System Peramalan Permintaan Layanan Kecantikan dengan Single Exponential Smoothing dan Simple Moving Average

Madjid

Ambarwati

2021

justin

View full text Add to dashboard Cite

Permasalahan dalam menentukan keputusan strategi pemasaran dan manajemen persediaan sering terjadi pada setiap perusahaan. Pada penyedia layanan kecantikan permasalahan ini mengakibatkan penimbunan persediaan bahan treatment. Hal ini disebabkan oleh tidak rasionalnya keputusan decision maker dalam manajemen persediaan, terlalu ambisi dalam memenuhi permintaan sebanyak-banyaknya, sedangkan gairah pelanggan sedang mengalami lesu kemudian bertolak belakang dengan tawaran penyedia layanan kecantikan. Efek penimbunan bahan treatment dapat mengancam kualitas bahan treatment kemudian berimbas pada kerugian perusahaan. Adapun hal yang dapat mencegah penimbunan terjadi adalah pengetahuan peramalan permintaan. Pengetahuan peramalan permintaan dapat memberikan informasi tentang estimasi permintaan pelanggan pada masa depan. Kemudian decision maker dapat membuat keputusan terbaik dalam manajemen persediaan secara efisien, sehingga aplikasi pendukung keputusan sangat dibutuhkan. Data permintaan merupakan time-series dengan pola horizontal, sehingga metode peramalan yang digunakan adalah Simple Moving Average dan Single Exponential Smoothing. Aplikasi pendukung keputusan ini berbasis web aplikasi dengan bahasa pemrograman PHP orientasi objek dan framework tambahan Laravel. Hasil penelitian yang telah dilakukan didapati bahwa metode Simple Moving Average dan Single Exponential Smoothing dengan nilai interval=2 dan nilai alpha=0.2 dapat menghasilkan nilai akurasi peramalan RMSE paling baik. Dan juga didapati bahwa metode Simple Moving Average lebih unggul pada peramalan permintaan BB Glow Platinum, Eyelash Single, dan Facial Acne.

show abstract

“…periode waktu yang dipakai sebagai dasar dalam peramalan. At = Jumlah permintaan aktual pada periode tertentu (t) MAPE (Mean Absolute Percentage Error) adalah sebuah nilai rata-rata absolut kesalahan dalam suatu periode waktu yang kemudian dibentuk dalam nilai persentase[15]. Di bawah ini merupakan rumus MAPE untuk mendapatkan hasil dari perhitungan MAPE.…”

unclassified

Penerapan Metode Double Exponential Smoothing dan Moving Average pada Peramalan Permintaan Produk Gasket Cap di PT. Nesinak Industries

Kurniawan

Herwanto

2021

JSE

View full text Add to dashboard Cite

PT. Nesinak Industries is a company which focuses on the manufacturing process of an electronic component as well as automotive components (vehicle). In business activities, such as production, a strategy is required to survive in competition. Planning and forecasting are a strategy that can be implemented to accomplish these goals. In this study, the data used are previous sealing application data from January 2019 to March 2021. The objective of this study is to forecast product demand over the next period in order to be able to respond to customer demand. Data processing in this study utilize the Brown exponential double smoothing method and the moving average is then determined with the lowest MAPE (Mean Absolute Percentage Error) value to be used for the company’s product demand prediction calculations. The value of taken from Brown's exponential dual smoothing method is the value of with the two lowest error values from 0.1 to 0.9, whose value with the least error value is = 0.8 and = 0.9. In terms of the moving average method, the researchers tested a period of three months and a period of four months. In the MAPE calculation, the results of exponential double smoothing = 0.8 of 26.92 %, exponential double smoothing = 0.9 of 26.22 %, moving average n = 3 of 32.46%, and moving average n = 4 of 34.77%.

show abstract

Peramalan Produksi Kelapa Sawit Menggunakan Winter's dan Pegel's Exponential Smoothing dengan Pemantauan Tracking Signal

Cited by 14 publications

References 0 publications

Prediksi Tingkat Produksi Buah Kelapa Sawit dengan Metode Single Moving Average

Prediksi Tingkat Produksi Buah Kelapa Sawit dengan Metode Single Moving Average

Decision Support System Peramalan Permintaan Layanan Kecantikan dengan Single Exponential Smoothing dan Simple Moving Average

Penerapan Metode Double Exponential Smoothing dan Moving Average pada Peramalan Permintaan Produk Gasket Cap di PT. Nesinak Industries

Contact Info

Product

Resources

About