PREDIKSI PRODUKSI KELAPA SAWIT DI PTPN XIII DENGAN ADDITIVE OUTLIER PADA MODEL SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA)

Nada Syaugia Risti Ahmad, Shantika Martha, Nurfitri Imro’ah
{"title":"PREDIKSI PRODUKSI KELAPA SAWIT DI PTPN XIII DENGAN ADDITIVE OUTLIER PADA MODEL SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA)","authors":"Nada Syaugia Risti Ahmad, Shantika Martha, Nurfitri Imro’ah","doi":"10.26418/bbimst.v8i4.36562","DOIUrl":null,"url":null,"abstract":"Model SARIMA adalah model yang sesuai untuk data yang memiliki pola musiman. Dalam data biasanya terdapat outlier yang dapat mempengaruhi kesesuaian model sehingga dilakukan deteksi outlier pada model SARIMA untuk mendapatkan model peramalan yang terbaik. Salah satu jenis outlier yaitu additive outlier (AO). Data yang digunakan dalam penelitian ini merupakan data produksi kelapa sawit periode Januari 2010 sampai Desember 2017. Data produksi kelapa sawit di Kalimantan Barat memiliki pola data musiman dan diduga memiliki outlier pada data maka dilakukan pemodelan dan peramalan dengan menggunakan additive outlier pada model SARIMA. Berdasarkan analisis diperoleh bahwa nilai AIC pada model SARIMA adalah sebesar 2.070,72 dan nilai MAPE nya sebesar 25% sedangkan model SARIMA dengan deteksi outlier diperoleh nilai AIC sebesar 1.731,42 dan nilai MAPE sebesar 15,91%. Maka dapat disimpulkan bahwa model SARIMA  dengan deteksi outlier adalah model terbaik untuk peramalan produksi kelapa sawit di PTPN XIII. Kata Kunci: Kelapa sawit, peramalan, SARIMA, outlier","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"31 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/bbimst.v8i4.36562","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

Abstract

Model SARIMA adalah model yang sesuai untuk data yang memiliki pola musiman. Dalam data biasanya terdapat outlier yang dapat mempengaruhi kesesuaian model sehingga dilakukan deteksi outlier pada model SARIMA untuk mendapatkan model peramalan yang terbaik. Salah satu jenis outlier yaitu additive outlier (AO). Data yang digunakan dalam penelitian ini merupakan data produksi kelapa sawit periode Januari 2010 sampai Desember 2017. Data produksi kelapa sawit di Kalimantan Barat memiliki pola data musiman dan diduga memiliki outlier pada data maka dilakukan pemodelan dan peramalan dengan menggunakan additive outlier pada model SARIMA. Berdasarkan analisis diperoleh bahwa nilai AIC pada model SARIMA adalah sebesar 2.070,72 dan nilai MAPE nya sebesar 25% sedangkan model SARIMA dengan deteksi outlier diperoleh nilai AIC sebesar 1.731,42 dan nilai MAPE sebesar 15,91%. Maka dapat disimpulkan bahwa model SARIMA  dengan deteksi outlier adalah model terbaik untuk peramalan produksi kelapa sawit di PTPN XIII. Kata Kunci: Kelapa sawit, peramalan, SARIMA, outlier
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
SARIMA模型是符合季节性模式数据的模型。数据中通常有异常值,它们会影响模型的一致性,因此在SARIMA模型中进行异常检测,以获得最佳的预测模型。最外层的一种是增益。本研究使用的数据为2010年1月至2017年12月期间油棕生产提供了数据。西婆罗洲棕榈油生产数据有季节性数据模式,据称在数据中有异常数据,然后通过在sarma模型中使用外部ad嵌入式广告来进行建模和预测。根据所得的分析,SARIMA模型中的AIC值为2070.72,MAPE值为25%,而带有外部检测的sarma值为1731,42,MAPE值为15.91%。因此,我们可以得出结论,带有外部检测的SARIMA模型是PTPN XIII中棕榈油生产的最佳模型。关键词:棕榈油、算命、SARIMA、外地人
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
PERAMALAN VOLATILITAS SAHAM MENGGUNAKAN MODEL THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY ANALISIS DAMPAK PROGRAM TERAPI HIV-AIDS PADA MODEL PENYEBARAN PENYAKIT HIV-AIDS DENGAN POPULASI TERBUKA PENENTUAN GARIS KEMISKINAN PROVINSI MENGGUNAKAN METODE MULTIPLE CLASSIFICATION ANALYSIS METODE ANALISIS KORESPONDENSI BERGANDA UNTUK MENGIDENTIFIKASI KARAKTERISTIK MAHASISWA BIDIKMISI FMIPA UNTAN PENENTUAN MODEL TERBAIK PADA REGRESI SPLINE MENGGUNAKAN GENERALIZED CROSS VALIDATION (GCV)
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1