Peramalan Produksi Kelapa Sawit Menggunakan Metode ARIMA Pada PT Agro Muko

Asyrof Atikah - Universitas Negeri Padang
Helma Helma - Universitas Negeri Padang

Abstract


Jumlah produksi kelapa sawit merupakan faktor krusial yang memengaruhi operasional dan profitabilitas perusahaan perkebunan, termasuk PT Agro Muko. Fluktuasi produksi bulanan menjadi tantangan dalam perencanaan dan pengambilan keputusan strategis, sehingga diperlukan metode peramalan yang akurat. Penelitian ini bertujuan untuk membentuk model peramalan produksi kelapa sawit di PT. Agro Muko menggunakan metode Autoregressive Integrated Moving Average dan meramalkan hasil produksi pada tahun 2025. Penelitian ini menggunakan data sekunder dari PT Agro Muko selama periode Januari 2020 hingga Desember 2024. Tahapan analisis mencakup identifikasi model, estimasi parameter, uji diagnostik, dan peramalan menggunakan model terbaik. Hasil penelitian menunjukkan bahwa model ARIMA(1,1,0)(2,1,1)12 merupakan model yang paling tepat untuk peramalan. Berdasarkan model tersebut, produksi tertinggi diperkirakan terjadi pada bulan Juni sebesar 12.350.576 kg dan terendah pada bulan Januari sebesar 7.564.886 kg.


Full Text:

PDF

References


S. Nora and C. D. Mual, Budidaya Tanaman Kelapa Sawit. Jakarta: Pusat Pendidikan Pertanian, 2018.

A. M. Alhaji, E. S. Almeida, C. R. Carneiro, C. A. S. da Silva, S. Monteiro, and J. S. dos R. Coimbra, “Palm Oil (Elaeis guineensis): A Journey through Sustainability, Processing, and Utilization,” Foods, vol. 13, no. 17, p. 2814, Sep. 2024, doi: 10.3390/foods13172814.

E. P. Yudha and F. Bagaskara, “Analisis Daya Saing Ekspor Kelapa Sawit (CPO) Indonesia Dan Malaysia Di Indonesia,” Jurnal Ilmiah Mahasiswa AGROINFO GALUH, vol. 11, no. 2, 2024.

Badan Pusat Statistik, Statistik Kelapa Sawit Indonesia 2023, vol. 17. 2024.

BPS Provinsi Bengkulu, Provinsi Bengkulu Dalam Angka 2024, vol. 37. 2024.

BPS, Direktori Perusahaan Perkebunan Kelapa Sawit 2023, vol. 16. 2024.

SIPEF Group, “PT Agro Muko - SIPEF Group.” Accessed: Jan. 03, 2025. [Online]. Available: https://www.sipef.com/hq/worldwide-activities/indonesia/

S. Makridakis, S. C. Wheelwright, and V. E. McGee, Metode dan Aplikasi Peramalan, Kedua. Erlangga, 1999.

N. Slack, A. Brandon-Jones, and R. Johnston, Operations Management 7th Ed. 2013. [Online]. Available: www.pearson-books.com

W. W. S. Wei, Time Series Analysis : Univariate and Multivariate Method, 2nd ed. 2006.

A. Pankratz, Forecasting With Univariate Box-Jenkins Models : Concepts and Cases. Canada: John Wiley & Sons Inc, 1983.

S. Aktivani, “Uji Stasioneritas Data Inflasi Kota Padang Periode 2014-2019,” STATISTIKA : Forum Teori dan Aplikasi Statistika, vol. 20, no. 2, pp. 83–90, Nov. 2020.

Mahfudhotin, “Forecasting Plafond Dengan Time Series Pada Kredi Multiguna Di PT. Bank Jatim Cabang RSU Dr. Soetomo Surabaya,” Jurnal Fraction, vol. 3, no. 1, pp. 14–22, Jun. 2023.

F. E. Mokorimban, N. Nainggolan, and Y. A. R. Langi, “Penerapan Metode Autoregressive Integrated Moving Average (ARIMA) dalam Model Intervensi Fungsi Step terhadap Indeks Harga Konsumen di Kota Manado,” d’Cartesian : Jurnal Matematika dan Aplikasi, vol. 10, no. 2, pp. 91–99, Sep. 2021, [Online]. Available: https://ejournal.unsrat.ac.id/index.php/decartesian

Jay. Heizer, Barry. Render, and Chuck. Munson, Operations Management : Sustainability and Supply Chain Management, 12th ed. Boston : Pearson Education, 2017.




DOI: http://dx.doi.org/10.24036/unpjomath.v10i2.17348