Perbandingan Peramalan Ekspor Minyak Sawit Di Indonesia Menggunakan Menggunakan Metode Double Eksponensial Smoothing, ARIMA Deteksi Outlier, dan Multilayer Perceptron (MLP)

Authors

  • Diva Ayu Saitri Nur Maghfiroh UINSA
  • Eka Eliyana Santi UINSA
  • Hani Khaulasari UINSA

Abstract

Abstrak. Industri kelapa sawit memegang peranan yang starategis yaitu penghasil devisa terbesar di Indonesia. Dalam proses produksi maupun pengolahan industri, perkebunan kelapa sawit juga mampu menciptakan kesempatan dan lapangan pekerjaan khususnya bagi masyarakat pedesaan sekaligus meningkatkan kesejahteraan masyarakat. Oleh karena itu diperlukan penelitihan peramalan yang ditujukan sebagai salah satu pertimbangan dalam langkah produksi dan ekspor minyak sawit selanjutanya. Metode yang dipilih adalah time series yaitu metode Double Exponential Smoothing (DES), ARIMA deteksi Outlier, dan Multilayer Perceptron (MLP). Setelah melakukan uji coba pada ketiga metode tersebut, disimpulkan bahwa metode MLP memiliki akurasi peramalan lebih baik dari pada Double Exponential Smoothing dan ARIMA Deteksi Outlier yang memiliki galat sebesar 0,1166. Hasil Peramalan MLP tahun 2022 nilai peramalan Ekspor Minyak Sawit pada bulan Mei sebesar 2,301633.

Kata kunci: ARIMA, Deteksi Outlier, Double Exponential smoothing, Ekspor Minyak Sawit, Peramalan, Time series

Downloads

Published

2022-12-31

How to Cite

Diva Ayu Saitri Nur Maghfiroh, Eka Eliyana Santi, & Hani Khaulasari. (2022). Perbandingan Peramalan Ekspor Minyak Sawit Di Indonesia Menggunakan Menggunakan Metode Double Eksponensial Smoothing, ARIMA Deteksi Outlier, dan Multilayer Perceptron (MLP). Jurnal Algebra, 3(02), 175–187. Retrieved from https://jurnalsaintek.uinsa.ac.id/mhs/index.php/algebra/article/view/211

Most read articles by the same author(s)

1 2 > >>