Arviani, Febillah Hanna (2018) Analisis Peramalan Permintaan Pupuk Organik Di Pt. Gcs Malang. Sarjana thesis, Universitas Brawijaya.
Abstract
Peluang penggunaan pupuk organik pada masa mendatang cukup besar. Hal tersebut didukung dengan data Asosiasi Produsen Pupuk Indonesia pada Tahun 2008-2015 produksi dan permintaan pupuk organik di Indonesia berfluktuasi, akan tetapi secara keseluruhan mengalami peningkatan seiring dengan meningkatnya permintaan di sektor pertanian. Oleh karena itu, pupuk organik berperan penting terhadap masyarakat khususnya petani dan para pengusaha tanaman yang menggunakan pupuk organik dalam jumlah banyak untuk kebutuhan tanaman mereka. Salah satu perusahaan produksi pupuk organik adalah PT. GCS Malang. PT. GCS Malang memproduksi pupuk organik sebanyak 3.000 ton/tahun. Namun, perusahaan belum mampu memenuhi permintaan pupuk organik tersebut dari konsumen. Oleh karena itu, penulis mengambil topik peramalan permintaan agar perusahaan dapat memproduksi pupuk organik dengan optimal di masa yang akan datang. Adapun tujuan penelitian ini yaitu untuk mendeskripsikan pola permintaan, menganalisis peramalan permintaan pupuk organik di PT. GCS Malang, dan membandingkan metode peramalan permintaan pupuk organik PT. GCS Malang. Penelitian ini dilakukan pada perusahaan manufaktur dan distributor pupuk organik PT. GCS Malang. Sampel dari penelitian ini adalah pimpinan perusahaan yang memberikan data permintaan Tahun 2013-2017 dan data perencanaan permintaaan Tahun 2018. Teknik pengambilan sampel menggunakan judgment sampling karena metode Autoregresif Integrated Moving Average (ARIMA) dan Winter Exponential Smoothing (WES) meramalkan permintaan di masa yang akan datang. Penelitian ini menggunakan software Minitab 18 dan Microsoft Excel. Dari hasil penelitian pola permintaan pupuk organik PT. GCS Malang memiliki pola musiman yang mengandung unsur trend negatif yaitu Yt = 225.4 – 0.177t. Peramalan permintaan pupuk organik PT. GCS Malang dengan metode Autoregresif Integrated Moving Average (ARIMA) didapatkan model yaitu SARIMA (1,1,5) (2,1,1). Data peramalan menunjukkan nilai tertinggi pada Bulan Desember yaitu 548,513 ton dan nilai terkecil pada Bulan September yaitu 153,782 ton. Sedangkan peramalan permintaan pupuk organik PT. GCS Malang dengan metode Winter Exponential Smoothing (WES) didapatkan parameter yaitu WES (1, 0.1, 0.1). Hasil peramalan menunjukkan nilai tertinggi pada Bulan Januari sebesar 109,2028 ton dan nilai terkecil pada Bulan Desember yaitu sebesar 24,69182 ton. Sedangkan, hasil perbandingan data realisasi, data peramalan metode Autoregresif Integrated Moving Average (ARIMA), dan data peramalan metode Winter Exponential Smoothing (WES) menunjukkan bahwa metode Autoregresif Integrated Moving Average (ARIMA) lebih akurat dibandingkan metode Winter Exponential Smoothing (WES). Karena model SARIMA (1,1,5) (2,1,1) memiliki nilai MSE terkecil yaitu 763,315 dibandingkan dengan model WES yang memiliki nilai MSE 5.365,33.
English Abstract
Opportunities for the use of organic fertilizer in the future is quite large. This is supported by APPI data in 2008-2015 production and demand of organic fertilizer in Indonesia fluctuated, but overall increased along with increasing demand in agriculture sector. Therefore, organic fertilizers are instrumental to the community particularly farmers and entrepreneurs who are using organic fertilizer plants in large quantities for the needs of their crops. One of organic fertilizer production company is PT. GCS Malang. PT. GCS Malang produces 3,000 tons of organic fertilizer per year. However, the company has not been able to fulfill the demand of organic fertilizer from consumers. This is comparable to the PT. GCS Malang should fulfill the demand of organic fertilizers on time. Therefore, the authors take the topic of demand forecasting organic fertilizer so that the companies can produce with optimum in the future. As for the purpose of this research is to describe the pattern of demand, analyzing demand forecasting organic fertilizer in PT. GCS Malang, and comparing forecasting method. This research was done in the manufacturing companies and distributor of organic fertilizer PT. GCS Malang. Sample of this research is a leader of the company that provides demand data 2013-2017 and demand planning data 2018. Sampling technique using judgment sampling because ARIMA and WES methods predicted demand in the future. This research using ARIMA and Winter Exponential Smoothing forecasting methods with software Minitab 18 and Microsoft Excel. From the result of research organic fertilizer demand patterns PT. GCS Malang has a seasonal pattern that contains the element of a negative trend that is Yt = 225.4 - 0.177t. Demand forecasting of organic fertilizer PT. GCS Malang using ARIMA method is obtained model called SARIMA (1,1,5) (2,1,1). Forecasting data shows the highest value of 548,513 tons in December and the smallest value of 153,782 tons in September. While demand forecasting of organic fertilizer PT. GCS Malang using WES method is obtained parameter called WES (1, 0,1, 0,1). Forecasting data shows the highest value of 109,2028 tons in January and the smallest value of 24,69182 tons in December. Meanwhile, the result of comparing the data realization, data forecasting ARIMA, and data forecasting WES shows that ARIMA method is more accurate than the WES method. Because SARIMA model (1,1,5) (2,1,1) has the smallest MSE value 763,315 compared to WES model has the MSE value 5.365,33.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FP/2018/585/051809761 |
| Uncontrolled Keywords: | Pupuk Organik, Permintaan |
| Subjects: | 300 Social sciences > 338 Production > 338.1 Agriculture > 338.16 Production efficiency > 338.162 Agricultural methods |
| Divisions: | Fakultas Pertanian > Sosial Ekonomi Pertanian |
| Depositing User: | Nur Cholis |
| Date Deposited: | 25 Oct 2018 02:21 |
| Last Modified: | 19 Oct 2021 13:42 |
| URI: | http://repository.ub.ac.id/id/eprint/13073 |
Preview |
Text
Febillah Hanna Arviani.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |