<![CDATA[Production forecasting plays a crucial role in optimizing and managing the volume of output produced by an industry. Accurate forecasting provides essential information for production planning, enabling firms to respond to demand fluctuations and adjust operational policies in a timely manner. Crude palm oil (CPO) is one of the strategic commodities that requires reliable forecasting due to its importance in the food, energy, and downstream industries. This study employs two forecasting methods—moving average and ARIMA—using annual CPO production data from 1980 to 2024. The analysis shows that the five-year production forecast generated by the moving average method is 47.166.814 tons per year. Meanwhile, the ARIMA model predicts annual production of 42.277.393 tons, 44.500.436 tons, 44.705.101 tons, 44.714.519 tons, and 47.222.575 tons for the next five years. Accuracy evaluation using the Mean Absolute Percentage Error (MAPE) indicates that the moving average method performs well, with an error rate between 10% and 20%. In contrast, the ARIMA model demonstrates low accuracy, with a MAPE value exceeding 50%. These findings suggest that simpler methods, such as moving average, may outperform more complex models when forecasting annual CPO production. Peramalan produksi memiliki peran penting dalam mengoptimalkan dan mengelola jumlah output yang dihasilkan suatu industri. Peramalan yang akurat berfungsi sebagai dasar informasi bagi perencanaan produksi, memungkinkan perusahaan merespons perubahan permintaan serta menyesuaikan kebijakan operasional secara tepat waktu. Salah satu komoditas strategis yang membutuhkan peramalan adalah crude palm oil (CPO), mengingat perannya dalam industri pangan, energi, dan berbagai produk turunan lainnya. Penelitian ini menerapkan dua metode peramalan, yaitu moving average dan ARIMA, menggunakan data tahunan produksi CPO dari 1980 hingga 2024. Analisis menunjukkan bahwa proyeksi produksi CPO lima tahun ke depan menggunakan metode moving average adalah sebesar 47.166.814 ton per tahun. Sementara itu, metode ARIMA menghasilkan estimasi berturut-turut sebesar 42.277.393 ton, 44.500.436 ton, 44.705.101 ton, 44.714.519 ton, dan 47.222.575 ton per tahun. Evaluasi akurasi menggunakan Mean Absolute Percentage Error (MAPE) menunjukkan bahwa metode moving average berada pada kategori baik dengan nilai kesalahan 10–20%. Sebaliknya, metode ARIMA tergolong kurang akurat karena nilai MAPE yang dihasilkan melebihi 50%. Temuan ini menegaskan bahwa metode sederhana seperti moving average dapat memberikan performa yang lebih baik dibandingkan model kompleks untuk data produksi CPO tahunan.]]>
Copyrights © 2025
