KOMPARASI PENDEKATAN SES DAN SMA UNTUK PREDIKSI HASIL PRODUKSI KELAPA SAWIT

Jihan Aulia Putri Fahdrina, Dewi Anggraeni, Santoso Santoso

Abstract


Abstract: Palm oil is a key commodity that requires accurate production planning to support budget and operational efficiency. PT Buana Sawit Indah, a company managing palm oil plantations, faces challenges in forecasting future production, necessitating a computerized forecasting system. This study aims to develop a forecasting system using the Single Exponential Smoothing (SES) and Single Moving Average (SMA) methods to predict palm oil production. The results indicate that both methods are effective; however, SMA with a Moving Average (MA) of 5 provides the best forecasting results, with a MAD of 165,941.64, an MSE of 65,823,372,491.27, and an MAPE of 15.66%, categorized as "good" forecasting. Meanwhile, the SES method with α = 0.9 yields the lowest error compared to other alpha values, with a MAD of 154,586.25, an MSE of 33,192,818,696.83, and an MAPE of 16.91%, also classified as "good" forecasting. Based on these findings, the SMA method with MA 5 is recommended as it produces lower forecasting errors than the SES method. Therefore, this forecasting system can assist the company in planning palm oil production more accurately and efficiently, supporting better decision-making in the future. 


Keywords: palm oil; forecasting; production; single exponential smoothing; single moving average

 

Abstrak: Kelapa sawit merupakan komoditas utama yang memerlukan perencanaan produksi yang akurat untuk mendukung efisiensi anggaran dan operasional. PT Buana Sawit Indah, salah satu perusahaan yang mengelola perkebunan kelapa sawit, sedang menghadapi kesulitan dalam memperkirakan hasil produksi di masa mendatang, sehingga diperlukan sistem peramalan berbasis komputer. Penelitian ini bertujuan mengembangkan sistem peramalan menggunakan metode Single Exponential Smoothing (SES) dan Single Moving Average (SMA) untuk memprediksi produksi kelapa sawit. Hasil penelitian menunjukkan bahwa kedua metode cukup efektif, namun SMA dengan Moving Average (MA) 5 memberikan hasil peramalan terbaik dengan nilai MAD sebesar 165.941,64, MSE sebesar 65.823.372.491,27, dan MAPE sebesar 15,66%, yang dikategorikan sebagai peramalan “bagus.” Sementara itu, metode SES dengan α = 0,9 menunjukkan nilai kesalahan lebih rendah dibanding nilai alpha lain, dengan MAD sebesar 154.586,25, MSE sebesar 33.192.818.696,83, dan MAPE sebesar 16,91%, yang juga termasuk kategori peramalan “bagus.” Berdasarkan hasil tersebut, metode SMA dengan MA 5 lebih direkomendasikan karena menghasilkan tingkat kesalahan yang lebih rendah dibandingkan metode SES. Dengan demikian, sistem peramalan ini dapat membantu perusahaan dalam merencanakan produksi kelapa sawit secara lebih akurat dan efisien untuk mendukung pengambilan keputusan yang lebih baik di masa mendatang.

 

Kata kunci: kelapa sawit; peramalan; produksi; single exponential smoothing; single moving average

Full Text:

PDF

References


F. Ramadhani, S. Kasimin, and A. Arida, “Analisis Kontribusi Subsektor Perkebunan Terhadap Pertumbuhan Ekonomi Provinsi Sumatera Utara,” J. Ilm. Mhs. Pertan., vol. 6, no. 2, pp. 9–17, 2021, doi: 10.17969/jimfp.v6i2.16719.

M. O. Kadang, D. Patulak, and S. Upa, “Implementasi Metode Weighted Moving Average Dan Single Moving Average Dalam Sistem Informasi Penjualan Pada Kios Maupa Toraja Utara,” Jtriste, vol. 9, no. 2, pp. 125–137, 2022, doi: 10.55645/jtriste.v9i2.387.

A. Aliniy, Yuwanda Purnamasari Pasrun, and Andi Tenri Sumpala, “Prediksi Jumlah Mahasiswa Baru Fti Usn Kolaka Menggunakan Metode Single Exponential Smoothing,” SATESI J. Sains Teknol. dan Sist. Inf., vol. 3, no. 1, pp. 20–25, 2023, doi: 10.54259/satesi.v3i1.1573.

M. Prasetyo, A. Revansyah, R. V. Dewi, and C. H. Rajagukguk, “PENERAPAN PERAMALAN PENJUALAN DENGAN METODE TIME SERIES PADA USAHA BAKSO SAPI SIDO DADI,” vol. 9, no. 1, pp. 1336–1341, 2025.

F. Irawan, S. Sumijan, and Y. Yuhandri, “Prediksi Tingkat Produksi Buah Kelapa Sawit dengan Metode Single Moving Average,” J. Inf. dan Teknol., vol. 3, pp. 251–256, 2021, doi: 10.37034/jidt.v3i4.162.

N. P. L. Santiari and I. G. S. Rahayuda, “Analisis Perbandingan Metode Single Exponential Smoothing dan Single Moving Average dalam Peramalan Pemesanan,” J. Inform. Univ. Pamulang, vol. 6, no. 2, pp. 312–318, 2021, [Online]. Available: http://openjournal.unpam.ac.id/index.php/informatika312

G. S. Yacob, D. I. Mulyana, and S. Lestari, “Prediksi Produksi Sablon di Perusahaan Tomoinc dengan Perbandingan Metode Single Moving Average dan Single Exponential Smoothing,” vol. 9, no. March, pp. 59–67, 2025.

W. A. Medyanti, M. Faisal, and H. Nurhayati, “Optimasi Metode Single Exponential Smoothing Dengan Grid Search Pada Prediksi Nilai Ekspor Migas,” SINTECH (Science Inf. Technol. J., vol. 7, no. 1, pp. 59–69, 2024, doi: 10.31598/sintechjournal.v7i1.1526.

A. K. Wardhani, A. N. Putri, and N. L. D. M. Sari, “Prediksi Penyebaran Tuberkulosis Di Indonesia Menggunakan Single Moving Average,” Transformasi, vol. 19, no. 2, pp. 26–33, 2024, doi: 10.56357/jt.v19i2.386.

A. Hajjah and Y. N. Marlim, “Analisis Error Terhadap Peramalan Data Penjualan,” Techno.Com, vol. 20, no. 1, pp. 1–9, 2021, doi: 10.33633/tc.v20i1.4054




DOI: https://doi.org/10.33330/j-com.v5i1.3812

Article Metrics

Abstract view : 15 times
PDF - 4 times

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.