scholarly journals UPAYA PENINGKATAN PRODUKSI KOPI DENGAN PANEN PETIK MERAH DI KABUPATEN REJANG LEBONG

2020 ◽  
Vol 7 (1) ◽  
pp. 31-40
Author(s):  
Afrizon Afrizon ◽  
Andi Ishak ◽  
Darkam Mussaddad
Keyword(s):  
Trend Analysis ◽  
Moving Average ◽  
Export Price ◽  
Exponential Smoothing ◽  
Forecasting Model ◽  
Price Forecasting ◽  
Monthly Data ◽  
Forecasting Models ◽  
Model Based ◽  
Single Exponential

This study aims to examine the best forecasting model for the export price of Indonesian coffee. The data used in this study are monthly data on coffee prices from January 2012 to September 2019. Three price forecasting models used are moving average, single exponential smoothing and trend analysis are applied to determine the best model based on the lowest MAPE, MAD, and MSE values. The results showed the best model for forecasting the export price of coffee is the moving average (MA1) model because it has the smallest MAPE, MAD and MSE values ​​compared to other models. Keywords: Price; Coffee; Forecasting; Export

scholarly journals PENDUGAAN MODEL PERAMALAN HARGA EKSPOR KOPI INDONESIA

2020 ◽  
Vol 7 (1) ◽  
pp. 22-30
Author(s):  
FAUZI EMLAN ◽  
Wawan Eka Putra ◽  
Andi Ishak ◽  
Herlena Bidi Astuti
Keyword(s):  
Trend Analysis ◽  
Moving Average ◽  
Export Price ◽  
Exponential Smoothing ◽  
Forecasting Model ◽  
Price Forecasting ◽  
Monthly Data ◽  
Forecasting Models ◽  
Model Based ◽  
Single Exponential

ABSTRACT This study aims to examine the best forecasting model for the export price of Indonesian coffee. The data used in this study are monthly data on coffee prices from January 2012 to September 2019. Three price forecasting models used are moving average, single exponential smoothing and trend analysis are applied to determine the best model based on the lowest MAPE, MAD, and MSE values. The results showed the best model for forecasting the export price of coffee is the moving average (MA1) model because it has the smallest MAPE, MAD and MSE values ​​compared to other models. Keywords: Price, Coffee, Forecasting, Export

scholarly journals Forecasting Model Selection of Curly Red Chili Price at Retail Level

2019 ◽  
Vol 2 (1) ◽  
pp. 1-12
Author(s):  
Ketut Sukiyono ◽  
Miftahul Janah
Keyword(s):  
Moving Average ◽  
Price Policy ◽  
Exponential Smoothing ◽  
Future Price ◽  
Forecasting Model ◽  
Price Forecasting ◽  
Monthly Data ◽  
Forecasting Models ◽  
Double Exponential ◽  
Double Exponential Smoothing

Chilli is one of strategic commodity in Indonesia due to its contribution to inflation level. For this reason, future price information is very importance for designing price policy. Future price merely can be provided by conducting a price forecasting. Various forecasting models can be applied for this purpose; the problem is which the best model for forecasting is. This study aims to select the most accurate forecasting model of curly red chili prices at the retail level. The data used are monthly data, from 2011 - 2017. Five forecasting models are applied and estimated including Moving Average, Single Exponential Smoothing, Double Exponential Smoothing, Decomposition, and ARIMA. The best model is selected based on the smallest MAPE, MSE and MAD values. The results show that the most accurate forecasting model is ARIMA (1,1,9).

scholarly journals Estimation of Indonesian Beef Price Forecasting Model

2019 ◽  
Vol 2 (1) ◽  
pp. 46-55
Author(s):  
Rimadhita Tiara Putri ◽  
Ketut Sukiyono ◽  
Eko Sumartono
Keyword(s):  
Arima Model ◽  
Retail Price ◽  
Forecasting Model ◽  
Price Forecasting ◽  
Moving Averages ◽  
Forecasting Models ◽  
Forecasting Method ◽  
Decomposition Models ◽  
Beef Prices ◽  
Single Exponential

The need for beef in Indonesia tends to increase along with fluctuated beef prices. The existence of price fluctuations will be a risk for producers and consumers. Therefore, price information is necessary, especially the future beef price and price forecasting is the answer to the need. The purpose of this study is to analyze and identify the best forecasting models for domestic and international beef prices. The data used is monthly retail price data for domestic and international beef from 2013:1-2017:12. Four models used in this study, namely decomposition models, ARIMA, moving averages, and Single Exponential Smoothing are applied. The best forecasting method for forecasting domestic and international beef prices is the ARIMA model based on the lowest values of MAD, MAPE, and MSD.

scholarly journals The Best Forecasting Model For Cassava Price

2020 ◽  
Vol 2 (2) ◽  
pp. 86-92
Author(s):  
Rahmi Yuristia ◽  
Dodi Apriyanto ◽  
Ketut Sukiyono
Keyword(s):  
Moving Average ◽  
Exponential Smoothing ◽  
Forecasting Model ◽  
Average Model ◽  
Monthly Data ◽  
Moving Average Model

This study aims to analyze and select the most accurate forecasting for predicting cassava prices in Indonesia. The data used is monthly data during the period of 2009 to 2017. This predicting uses the forecasting model, such as Moving Average, Exponential Smoothing, and Decomposition. Selecting the models found by comparing the smallest values of MAPE, MAD, and MSD. Therefore, it concluded that the Moving Average model is the most appropriate to Forecasting the price of cassava. Keywords : Selection, Forecasting model, cassava, prices

scholarly journals IMPLEMENTASI MATERIAL REQUIREMENTS PLANNING (MRP) PADA PERENCANAAN PERSEDIAAN MATERIAL PANEL LISTRIK DI PT.TIS

SINERGI ◽  
2016 ◽  
Vol 20 (1) ◽  
pp. 36
Author(s):  
Putri Sari Dewi ◽  
Dana Santoso Saroso
Keyword(s):  
Moving Average ◽  
Exponential Smoothing ◽  
Order Quantity ◽  
Material Requirements Planning ◽  
Fixed Order ◽  
Single Exponential ◽  
Material Requirements

Semakin berkembangnya dunia industri perusahaan manufaktur membuat semakin ketatnya  persaingan pasar untuk mencukupi kebutuhan konsumen. Selain itu perusahaan juga dituntut untuk dapat memuaskan konsumen dengan cara  menyelesaikan pesanan konsumen tepat pada waktunya. Sehingga perlu ditunjang oleh sistem produksi yag efisien. Untuk dapat menciptakan sistem produksi yang efisien maka diperlukan suatu perencanaan yang baik. Peramalan dan perencanaan material untuk box panel menjadi alasan yang kuat untuk meminimalkan stok gudang, khususnya PT. TIS.  Adapun untuk perencanaan persediaan material box panel tersebut memerlukan peramalan yang optimal dengan memafaatkan metode Simple Moving Average (SMA) dan Single Exponential Smoothing (SES). Dengan membandingkan kedua metode tersebut dihasilkan data bahwa dengan metode Simple Moving Average menghasilkan nilai eror (MAD dan MSE) paling kecil, yaitu sebesar MAD 7,3 dan MSE 72. Sedangkan untuk perencanaan material menggunakan metode MRP Lot for Lot (LFL) dan Fixed Order Quantity (FOQ). Hasil perbandingan kedua metode tersebut menghasilan sistem Lot for Lot lebih efisien dan sesuai diterapkan pada PT. TIS karena total biaya persediaan minimum, yaitu sebesar Rp 199.692.470.

scholarly journals Peramalan Jumlah Populasi Sapi Potong di Kalimantan Selatan Menggunakan Metode Moving Average, Exponential Smoothing dan Trend Analysis

2019 ◽  
Vol 6 (1) ◽  
pp. 41
Author(s):  
Jaka Darma Jaya
Keyword(s):  
Trend Analysis ◽  
Mean Squared Error ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Polynomial Trend ◽  
Squared Error

Perkembangan produksi daging sapi di Indonesia selama 30 tahun terakhir secara umum cenderung meningkat. Kebutuhan daging sapi di Indonesia masih belum bisa dicukupi oleh supply domestik, sehingga diperlukan impor daging sapi dari luar negeri.  Diperlukan kajian tentang proyeksi ketersediaan populasi sapi potong di masa mendatang agar diambil kebijakan yang tepat dalam menjaga stabilitas dan keterpenuhan supply daging nasional.  Penelitian ini bertujuan untuk melakukan peramalan jumlah populasi sapi potong menggunakan 3 (tiga) metode peramalan yaitu metode moving average, exponential smoothing dan trend analysis.  Hasil peramalan ini selanjutnya diukur akurasinya menggunakan MAD (Mean Absolud Deviation), MSE (Mean Squared Error) dan MAPE (Mean Absolute Percentage Error).  Proyeksi populasi sapi potong pada tahun 2019 (periode berikutnya) menggunakan 3 metode peramalan adalah: 195.100 (moving average); 218.225 (exponential smooting) dan 262.899 (trend analysis). Pengukuran akurasi menggunakan MAD, MSE dan MAPE menunjukkan bahwa metode peramalan jumlah populasi sapi potong yang paling akurat adalah peramalan menggunakan metode polynomial trend analysis (MAD 14.716,12;  MSE 327.282.084,17; dan MAPE 0,09) karena memiliki tingkat kesalahan yang lebih kecil dibandingkan hasil peramalan menggunakan metode moving average dan exponential smoothing.

scholarly journals USULAN PERMINTAAN PRODUK SN 5 ML DI PT. XYZ DENGAN METODE TIME SERIES

2021 ◽  
Vol 8 (2) ◽  
pp. 117-122
Author(s):  
Sambas Sundana ◽  
Destri Zahra Al Gufronny
Keyword(s):  
Time Series ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Double Exponential ◽  
Double Exponential Smoothing ◽  
Single Exponential ◽  
Weighted Moving Average

Permasalahan yang dihadapi PT. XYZ yaitu kesulitan dalam menentukan jumlah permintaan produk yang harus tersedia untuk periode berikutnya agar tetap dapat memenuhi kebutuhan pelanggan dan tidak menyebabkan penumpukan barang dalam jangka waktu yang lama terutama produk SN 5 ML yang memiliki permintaan jumlah paling besar dari produk lainnya. Tujuan dari penelitian ini yaitu menentukan metode peramalan yang tepat untuk meramalkan jumlah permintaan produk SN 5 ml periode Januari sampai dengan Desember 2021 Metode yang digunakan dalam penelitian ini yaitu metode peramalan Moving Average (MA), Weighted Moving Average (WMA), Single Exponential Smoothing (SES), dan Double Exponential Smoothing (DES). Adapun langkah langkah peramalan yang dilakukan yaitu menentukan tujuan peramalan,memilih unsur apa yang akan diramal, menentukan horizon waktu peramalan (pendek, menengah, atau panjang), memilih tipe model peramalan, mengumpulkan data yang di perlukan untuk melakukan peramalan, memvalidasi dan menerapkan hasil peramalan Berdasarkan perhitungan didapat metode peramalan dengan persentase tingkat kesalahan terkecil dibandingkan dengan metode lainnya yaitu  metode Moving Average (MA) dengan hasil yang diperoleh permintaan produk SN 5 ML pada bulan Januari sampai dengan Desember 2021 yaitu sebanyak 22.844.583 unit

scholarly journals ANALISIS PERAMALAN PENJUALAN PRODUK KERIPIK PISANG KEMASAN BUNGKUS (Studi Kasus : Home Industry Arwana Food Tembilahan)

2017 ◽  
Vol 11 (3) ◽  
pp. 135 ◽  
Author(s):  
Siti Wardah ◽  
Iskandar Iskandar
Keyword(s):  
Data Processing ◽  
Trend Analysis ◽  
Standard Error ◽  
Moving Average ◽  
Exponential Smoothing ◽  
A Value ◽  
Forecasting Method ◽  
Past Data ◽  
Product Sales ◽  
Exponential Smoothing Method

Peramalan adalah metode untuk memperkirakan suatu nilai dimasa depan dengan menggunakan data masa lalu. Penelitian ini dilakukan pada Home Industry Arwana Food. Pada penelitian ini, penulis membahas mengenai analisis peramalan penjualan produk kripik pisang untuk jenis kemasan bungkus. Peramalan yang dilakukan mengggunakan tiga metode yaitu metode Moving Average, metode Exponential Smoothing with Trend dan metode Trend Anayisis dengan membandingkan tingkat kesalahan (error) terkecil, maka metode peramalan yang  terpilih yaitu metode Trend Analysis, dengan nilai MAD sebesar 161,3539, MSE sebesar 55744,16, dan standar error sebesar 242,947. Dari analisis pengolahan data yang telah dilakukan berdasarkan metode peramalan yang terpilih, peramalan penjualan terhadap produk kripik pisang jenis kemasan bungkus adalah sebanyak 1121,424 atau 1122 bungkus/bulan, artinya pihak Home Industry Arwana Food Tembilahan harus menyediakan produk kripik pisang kemasan bungkus adalah sebanyak 1122 bungkus untuk tiap bulannya.      ABSTRACT Forecasting is a method to estimate a value of the future using past data. This research was conducted at the Home Industry Arowana Food. In this study, the authors discuss the analysis of product sales forecasting banana chips for this type of packaging wrap. Forecasting that do use traditional three methods are methods Moving Average, Exponential Smoothing method with Trend and Trend Anayisis method by comparing the level of errors (error) the smallest, then the selected forecasting method is the method of Trend Analysis, with a value of 161.3539 MAD, MSE of 55744 , 16, and the standard error of 242.947. From the analysis of data processing that has been carried out based on the method chosen forecasting, sales forecasting for products banana chips are as many types of packaging wrap 1121.424 or 1 122 packs / month, meaning the Home Industry Arowana Food Tembilahan must provide products banana chips wrapped packs is as much as 1122 wrap for each month.

Sign in / Sign up

Export Citation Format

Share Document