Asrianda
Teknik Informatika, Universitas Malikussaleh

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

APPLICATION OF DOUBLE MOVING AVERAGE METHOD TO FORECAST PALM OIL PRODUCTION IN PLANTATION INDUSTRY Pingkan Nurhani Nasution; Asrianda; Lidya Rosnita; Wahyu Fuadi; Cut Agusniar
Jurnal Dinamika Informatika Vol. 15 No. 2 (2026): Vol. 15 No. 2 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i2.453

Abstract

Indonesia merupakan salah satu negara pemimpin dalam produksi minyak sawit global, di mana peramalan yang akurat sangat krusial untuk mendukung perencanaan strategis dalam industri perkebunan. Penelitian ini menerapkan metode Double Moving Average (DMA) untuk memprediksi produksi minyak sawit menggunakan data internal historis dari PT Perkebunan Nusantara IV Pabatu periode 2019–2024. Cakrawala peramalan ditetapkan untuk lima tahun ke depan (2025–2029) guna memberikan dukungan perencanaan jangka menengah bagi industri. Validasi model dilakukan dengan membagi dataset menjadi data latih (training) periode 2019–2022 dan data uji (testing) periode 2023–2024, dengan akurasi yang diukur menggunakan MAPE, RMSE, dan MPE. Hasil penelitian menunjukkan bahwa model DMA menghasilkan nilai MAPE sebesar 9,23% untuk total produksi dan 6,67% untuk produktivitas per hektar, yang menunjukkan tingkat akurasi peramalan yang tinggi (<10%). Meskipun teridentifikasi adanya sedikit bias peramalan yang lebih rendah dari nilai aktual (underprediction)—yang dapat berimplikasi pada potensi kekurangan pasokan jika tidak dikelola dengan baik—model ini tetap memberikan wawasan berharga mengenai tren produksi. Hasil peramalan ini dapat membantu perusahaan mengoptimalkan alokasi sumber daya, memperbaiki penjadwalan panen, serta mendukung pengambilan keputusan dalam strategi bisnis jangka menengah. Namun, model ini memiliki keterbatasan, terutama saat menghadapi guncangan eksternal seperti cuaca ekstrem atau volatilitas pasar global. Penelitian selanjutnya direkomendasikan untuk membandingkan metode DMA dengan metode alternatif seperti Exponential Smoothing atau ARIMA guna meningkatkan kekokohan (robustness) hasil peramalan