Peramalan Jumlah Populasi Sapi Potong di Kalimantan Selatan Menggunakan Metode Moving Average, Exponential Smoothing dan Trend Analysis
Article Sidebar
Main Article Content
Abstract
Perkembangan produksi daging sapi di Indonesia selama 30 tahun terakhir secara umum cenderung meningkat. Kebutuhan daging sapi di Indonesia masih belum bisa dicukupi oleh supply domestik, sehingga diperlukan impor daging sapi dari luar negeri. Diperlukan kajian tentang proyeksi ketersediaan populasi sapi potong di masa mendatang agar diambil kebijakan yang tepat dalam menjaga stabilitas dan keterpenuhan supply daging nasional. Penelitian ini bertujuan untuk melakukan peramalan jumlah populasi sapi potong menggunakan 3 (tiga) metode peramalan yaitu metode moving average, exponential smoothing dan trend analysis. Hasil peramalan ini selanjutnya diukur akurasinya menggunakan MAD (Mean Absolud Deviation), MSE (Mean Squared Error) dan MAPE (Mean Absolute Percentage Error). Proyeksi populasi sapi potong pada tahun 2019 (periode berikutnya) menggunakan 3 metode peramalan adalah: 195.100 (moving average); 218.225 (exponential smooting) dan 262.899 (trend analysis). Pengukuran akurasi menggunakan MAD, MSE dan MAPE menunjukkan bahwa metode peramalan jumlah populasi sapi potong yang paling akurat adalah peramalan menggunakan metode polynomial trend analysis (MAD 14.716,12; MSE 327.282.084,17; dan MAPE 0,09) karena memiliki tingkat kesalahan yang lebih kecil dibandingkan hasil peramalan menggunakan metode moving average dan exponential smoothing.
Article Details
References
Amalia, R. R., & Hairiyah, N. (2018). Peramalan Kebutuhan Bahan Baku Tandan Buah Segar (TBS) Menggunakan Metode Exponential Smoothing dan Linier Regresion di PT. Pola Kahuripan Intisawit. Jurnal Teknologi Agro-Industri, 5(2), 101-109.
Badan Pusat Statistik (2019). Populasi Sapi Potong menurut Provinsi, 2009-2018. https://www.bps.go.id/linkTableDinamis/view/id/1016 diakses tanggal 1 April 2019.
Elvani, S. P., Utary, A. R., & Yudaruddin, R. (2017). Peramalan jumlah produksi tanaman kelapa sawit dengan menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Jurnal Manajemen, 8(1), 95-112.
Harvey, F. I. W., Januar, J., & Kusmiati, A. (2009). Trend Produksi dan Prospek Pengembangan Komoditas Buah Naga di Kabupaten Jember. JSEP (Journal of Social and Agricultural Economics), 3(2), 71-78.
Ishaque, M., & Ziblim, S. (2013). Use of Some Exponential Smoothing Models in Forecasting Some Food Crop Prices in the Upper East Region of Ghana. Mathematical Theory and Modeling, 3(7), 16–27.
Kementerian Pertanian RI. (2016). Outlook Daging Sapi. Jakarta: Pusat Data dan Sistem Informasi Pertanian.
Kusnadi, U. (2008). Inovasi teknologi peternakan dalam sistem integrasi tanaman-ternak untuk menunjang swasembada daging sapi. Pengembangan Inovasi Pertanian, 1(3), 189-205.
National Research Council. (1993). Managing Global Livestock Resources. Commitee on Managing Global Genetic Resources. Agricultural Imperatives. National Academic Press, Washington DC, USA. 163 pp.
Raharja, A., Angraeni, W., & Vinarti, R. A. (2010). Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu Telepon Di PT. Telkomsel Divre3 Surabaya. Jurnal Sistem Informasi.
Sari, V. D., & Sukojo, B. M. (2015). Analisa Estimasi Produksi Padi Berdasarkan Fase Tumbuh dan Model Peramalan Autoregressive Integrated Moving Average (ARIMA) Menggunakan Citra Satelit Landsat 8 (Studi Kasus: Kabupaten Bojonegoro). Geoid, 10(2), 194-203.
Surihadi, A. A. (2009). Penerapan Metode Single Moving Average Dan Exponential Smoothing Dalam Peramalan Permintaan Produk Meubel Jenis Coffee Table Pada Java Furniture Klaten (Doctoral dissertation, UNIVERSITAS SEBELAS MARET).
Wardah, S., & Iskandar, I. (2017). Analisis Peramalan penjualan Produk Keripik Pisang Kemasan Bungkus (Studi Kasus: Home Industry Arwana Food Tembilahan). J@ ti Undip: Jurnal Teknik Industri, 11(3), 135-142.