PERAMALAN DATA EKSPOR MINYAK KELAPA SAWIT INDONESIA MENGGUNAKAN METODE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) (Studi Kasus: Penanganan Data Hilang Menggunakan Interpolasi Linear)
No Thumbnail Available
Date
2023-08-13
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Minyak kelapa sawit atau dikenal sebagai Crude Palm Oil (CPO) merupakan salah satu komoditas ekspor yang diunggulkan Indonesia, sehingga berperan penting untuk meningkatkan devisa negara. Namun, ekspor minyak kelapa sawit ini mengalami penurunan volume secara rata-rata pada tahun 2020 dikarenakan kondisi pandemik Covid-19 dan kebijakan baru Uni Eropa terkait pembatasan impor minyak kelapa sawit. Oleh karena itu, peramalan ekspor minyak kelapa sawit perlu dilakukan agar pembuat kebijakan dapat merencanakan volume ekspor dengan lebih tepat dan efisien. Salah satu metode yang digunakan untuk meramalkan data deret waktu adalah Seasonal Autoregressive Integrated Moving Average (SARIMA). SARIMA merupakan pengembangan dari metode Autoregressive Integrated Moving Average (ARIMA) yang secara khusus dirancang untuk deret waktu yang menunjukkan variasi musiman. Tujuan penelitian ini adalah memperoleh model SARIMA terbaik beserta nilai taksiran parameter model dan menerapkan model untuk meramalkan volume ekspor minyak kelapa sawit Indonesia selama 30 hari ke depan dengan studi kasus penanganan data hilang. Data yang digunakan adalah data ekspor minyak kelapa sawit harian Indonesia tanggal 01 Januari 2019 s.d 04 April 2021. Hasil analisis data menggunakan Python diperoleh model terbaik yaitu SARIMA(1,1,1) (0,1,1)_30 dengan nilai keakuratan Mean Absolute Percentage Error (MAPE) sebesar 16,14% atau memiliki tingkat akurasi peramalan yang baik.
Description
Keywords
SARIMA, minyak kelapa sawit, volume ekspor