Perbandingan Metode Times Series Dekomposisi Seasonal Trend Based On Loess (STL) Dan Winter's Exponential Smoothing Pada Peramalan Produksi Minyak Kelapa Sawit Di Indonesia

MADE ADI GUNAWAN (2022) Perbandingan Metode Times Series Dekomposisi Seasonal Trend Based On Loess (STL) Dan Winter's Exponential Smoothing Pada Peramalan Produksi Minyak Kelapa Sawit Di Indonesia. Sarjana thesis, Universitas Tadulako.

Full text not available from this repository.

Abstract

Kelapa sawit adalah tumbuhan industri/perkebunan yang berguna sebagai penghasil minyak masak, minyak industri, maupun bahan bakar. Penelitian ini bertujuan untuk meramalkan dan membandingkan hasil ramalan menggunakan metode dekomposisi seasonal trend based on loess( STL) dan metode winter’s exsponential smoothing. Data yang digunakan adalah data tingkat produksi minyak kelapa sawit di Indonesia tahun 2009- 2019.Prosedur penelitian di mulai dari dengan memisahkan komponen-komponen dekomposisi yaitu komponen trend (T), komponen musiman (S), komponen sisaan (s) dan metode winter’s dilakukan pemilihan kombinasi parameter terbaik nilai alpa (0,1),beta (0,1) dan gama (0,3).Hasil peramalan menunjukan bahwa data mengandung pola trend naik dan pola musiman. Untuk perbandingan hasil ramalan dilihat dari besar kesalahan bahwa metode winter’s exponential smoothing menghasilkan nilai error lebih kecil di bandingkan metode seasonal trend based on loess yang merupakan metode terbaik dalam melakukan peramalan karena mengasilkan nilai MAPE sebesar 15.3335?n RMSE sebesar 291.35.

Kata kunci: Minyak kelapa sawit, Dekomposisi seasonal trend based on loess,Winter’sexsponential smoothing, Peramalan.

Item Type: Thesis (Sarjana)
Commentary on: Eprints 0 not found.
Divisions: Fakultas Matematika dan IPA > Statistika
SWORD Depositor: Users 0 not found.
Depositing User: Users 0 not found.
Date Deposited: 22 Jan 2025 07:16
Last Modified: 06 Feb 2025 07:14
URI: https://repository.untad.ac.id/id/eprint/133557
Baca Full Text: Baca Sekarang

Actions (login required)

View Item
View Item