Evaluasi Peramalan Permintaan Pupuk NPK Phonska di Jawa Tengah Menggunakan Metode Mean Absolute Scaled Error (MASE)

Fajar Primazona Amdarso; Wangi Pandan  Sari; Nugroho  Dewayanto

doi:10.36418/syntax-literate.v10i6.60374

Fajar Primazona Amdarso Universitas Gadjah Mada, Indonesia
Wangi Pandan Sari Universitas Gadjah Mada, Indonesia
Nugroho Dewayanto Universitas Gadjah Mada, Indonesia

DOI: https://doi.org/10.36418/syntax-literate.v10i6.60374

Keywords: Pupuk bersubsidi, peramalan permintaan, SARIMA, KNIME, deret waktu, MASE

Abstract

Penyediaan pupuk subsidi sangat penting bagi produktivitas pertanian di Indonesia. Namun dalam penyediaanya terdapat risiko ketidaksesuaian antara suplai dan kebutuhan karena kebutuhan pupuk yang bersifat musiman. Studi ini membahas peramalan kebutuhan pupuk bersubsidi, khususnya pupuk NPK Phonska di Jawa Tengah melalui metode SARIMA. Peramalan kebutuhan ini dapat digunakan untuk mendukung perencanaan suplai. Sebanyak 29 area penjualan dimodelkan secara independen memakai data penjualan periode 20162023 dan menggunakan KNIME, sebuah platform analitik open-source yang dapat menyederhanakan proses pemodelan yang kompleks. Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) dan Mean Absolute Scaled Error (MASE), dengan rata-rata MAPE sebesar 46,75%, yang menunjukkan akurasi yang cukup baik. SARIMA namun hanya berhasil di 13,8% area penjualan saat ditinjau dengan MASE. Hal ini mungkin terjadi karena faktor eksternal seperti variabilitas iklim dan perubahan kebijakan. Penelitian ini menyoroti keunggulan pragmatis penggunaan MASE dalam mengevaluasi peramalan kebutuhan musiman dan menunjukkan bahwa SARIMA yang dijalankan pada KNIME dapat memodelkan banyak deret waktu secara simultan dan terukur. Penelitian mendatang dapat mengeksplorasi penyertaan variabel eksogen atau model machine learning untuk meningkatkan akurasi.

Downloads

Download data is not yet available.

References

Agustiani, N., Sujinah, M. Z., Hikmah, Hadiawati, L., Samijan, Kamal, Y., . . . Hayashi, K. (2021). Validasi Awal Teknologi Penentuan Waktu Tanam Lahan Sawah Tadah Hujan �WeRise� Menggunakan Varietas Unggul Inpari 41. AGRIC, 33(2), 165-174.
Arviani, F. H. (2018). Analisis Peramalan Permintaan Pupuk Organik Di Pt. Gcs Malang. Skripsi. Universitas Brawijaya, Malang.
Astuti, E. S., Arhandi, P. P., & Lestari, P. (2017, 11 01). Pengembangan Sistem Informasi Peramalan Penjualan Guna Menentukan Kebutuhan Bahan Baku Pupuk Menggunakan Metode Triple Exponential Smoothing. Jurnal Informatika Polinema, 4(1), 35-42. doi:https://doi.org/10.33795/jip.v4i1.142
Bille, A. G. (2022). The Effect of Weather Condition on Fertilizer Application: A Spatial Dynamic Panel Data Analysis. Journal of the Royal Statistical Society Series A: Statistics in Society(1). doi:10.1111/rssa.12709
Borkar, P. (2022). Statistical Modeling for Forecasting Fertilizer Consumption in India. Plant Science Today.
Carolina, M. W. (2024). Evaluation of Fertilizer Subsidies and Direct Fertilizer Assistance Plans. APBN Bulletin.
Falatouri, T., Darbanian, F., Brandtner, P., & Udokwua, C. (2022). Predictive Analytics for Demand Forecasting � A Comparison of SARIMA and LSTM in Retail SCM. 3rd International Conference on Industry 4.0 and Smart Manufacturing (hal. 993�1003). Procedia Computer Science Elsevier B.V. doi:10.1016/j.procs.2022.01.298
Fitriani, K. N. (2017). The Prediction of Amount Fertilizer Ordered using Mamdani�s Method of Fuzzy Inference System. 4th ICRIEM Proceeding. Yogyakarta State University.
Franses, P. H. (2016). A note on the Mean Absolute Scaled Error. International Journal of Forecasting, 32(1), 20-22. doi:https://doi.org/10.1016/j.ijforecast.2015.03.008
Hasan, M. A. (2022). An Artificial Neural Network for Managing Inventory of a Fertilizer Company in Bangladesh, Centennial Special Issue. Dhaka University Journal of Science. doi:10.3329/dujs.v69i3.60022
Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679-688. doi:https://doi.org/10.1016/j.ijforecast.2006.03.001
Ismail, N. W., & Chan, S. M. (2019). Impacts of the El Ni�o Southern Oscillation (ENSO) on Paddy Production in Southeast Asia. Climate and Development. doi:10.1080/17565529.2019.1673141
Jiang, P., Huang, Y., & Liu, X. (2020). Intermittent demand forecasting for spare parts in the heavy-duty vehicle industry: a support vector machine model. International Journal of Production Research, 59(24), 7423-7440. doi:https://doi.org/10.1080/00207543.2020.1842936
Kementerian Pertanian Republik Indonesia. (2023). Agricultural Sector Employment Statistics February 2023. Indonesia: Indonesian Agricultural Data Center and Information System.
Kumala, C. T., Surjadi, F., Pelly, F. J., & Patanroi, R. A. (2018). Forecasting Produksi PT Pupuk Kujang untuk Mengatasi Penumpukan Persediaan Produk Jadi. Indonesian Business Review, 1(2), 143-159. doi:https://doi.org/10.21632/ibr.1.2.143-159
Lewis, C. (1982). Industrial and business forecasting methods. Jurnal of Forecasting, 2(2), 144. doi:https://doi.org/10.1002/for.3980020210
Mariia, M., & Peter, G. (2019). Model Selection Approach for Time Series Forecasting. Baku, Azerbaijan: 2019 IEEE 13th International Conference on Application of Information and Communication Technologies (AICT). doi:https://doi.org/10.1109/AICT47866.2019.8981768
Mayaki, J., Sule, I., & Bako, D. (2023). Time Series Modelling and Forecasting of Seasonal Rainfall Patterns in Bida Basin. Journal of Applied Econometrics and Statistics, 2(2), 93-115. doi:https://DOI: 10.47509/JAES.2023.v02i02.01
Saifullah, I., & Winursito, Y. C. (2025, 1 13). Analisis Analisis Forecasting penjualan pupuk urea pada PT XYZ dengan metode Single Exponential Smoothing (SES) dan Holt�s. Jurnal Teknik Industri Terintegrasi (JUTIN), 8(1), 310�317. doi:https://doi.org/10.31004/jutin.v8i1.38886
Tenkorang, F., & Lowenberg-DeBoer, J. (2009). Forecasting long-term global fertilizer demand. Rome: FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED NATIONS.
Vandeput, N. (2023). Demand Forecasting Best Practices. New York: Manning Publication.