e-ISSN 3025-1818 SJ 01 .
: 123-127
ANALISIS FORECASTING PRODUKSI CABAI MERAH DI
KABUPATEN SUMBA TENGAH
Widianingsi Anagiri1.
Junaedin Wadu1 Program Studi Agribisnis Universitas Kristen Wira Wacana Sumba *E-mail: widaningsi18@gmail.
Abstrak Tujuan penelitian ntuk mengetahui forecsting produksi cabai merah pada tahun 2022 dan 2023 di Kabupaten Sumba Tengah Penelitian ini dilaksanakan bulan Juli - Agustus berlokasi di Kantor Dinas Pertanian Kabupaten Sumba Tengah.
Penelitian ini merupakan penelitian kuantitatif.
Metode pengumpulan data yang digunakan dalam penelitian ini adalah data sekunder yaitu data produksi cabai merah pada tahun 2021 dari dinas pertanian dan pangan Kabupaten sumba Tengah.
Metode analisis data yang di gunakan untuk melakukan forecasting adalah metode exponential smoothing,Sedangkan untuk mengukur kesalahan peramalan yaitu metode MSE (Mean Squared Erro.
dan MAPE (Mean Absolut Percentage Erro.
Hasil penelitian menunjukan berturut turut dari bulan Januari sampai Desember adalah 45, 5, 16, 22, 9, 32, 80, 39, 41, 67, 50, 22 kuintal dan pada tahun 2023 adalah 46,8 5,5 20,2 27,2 11,2 39,2 96,6 48,8 47,6 78,8 54 21,8.
Kuintal.
Berdasarkan perhitungan kesalahan peramalan.
Kesalahan peramalan pada tahun 2022 menggunakan MSE dengan = 0,10 dan MAPE dengan = 0,50.
Dan tahun 2023 menggunakan MSE dengan = 0,10 dan MAPE dengan = 0,50.
Kata Kunci : Forecasting.
Cabai merah.
Exponential.
MSE.
MAPE Abstract The aim of the research is to determine the forecasting of red chili production in 2022 and 2023 in Central Sumba Regency.
This research was carried out in July - August at the Central Sumba Regency Agricultural Service Office.
This research is quantitative research.
The data collection method used in this research is secondary data, namely red chili production data in 2021 from the Central Sumba Regency agriculture and food service.
The data analysis method used to carry out forecasting is the exponential smoothing method, while to measure forecasting errors, namely the MSE (Mean Squared Erro.
and MAPE (Mean Absolute Percentage Erro.
The research results show that respectively from January to December it is 45, 5, 16, 22, 9, 32, 80, 39, 41, 67, 50, 22 quintals and in 2023 it is 46.
2 27 .
8 54 21.
Quintal.
Based on forecasting error calculations, forecasting error in 2022 uses MSE with = 0.
10 and MAPE with = 0.
And in 2023 using MSE with = 0.
10 and MAPE with = 0.
Keywords: Forecasting.
Red chili.
Exponential.
MSE.
MAPE
PENDAHULUAN
Berbagai komoditas hortikultura telah banyak dikembangkan di Indonesia salah satu komoditas yang banyak dibudidayakan yaitu tanaman Cabai Merah yang memiliki nama ilmiah Capsiucum Annuum.
Tanaman cabai merupakan komoditas yang memiliki nilai ekonomis yang tinggi serta prospek pasar yang menarik bagi petani yang membudidayakannya.
Secara umum cabai biasa digunakan untuk keperluan rumah tangga yaitu sebagai bumbu masakan, selain itu cabai juga digunakan untuk bahan baku industri masakan atau makanan, obat-obatan dan juga sebagai zat pewarna, semakin beragamnya penggunaan tanaman cabai ini selaras dengan permintaan yang semakin meningkat dari waktu ke waktu (Nurfalach,2.
Selain itu produk pertanian seperti cabai merah menjadi salah satu komoditas penyumbang inflasi karena fluktuasi harga yang bersifat musiman seperti ada musim penghujan dan pada kemarau besar (Windhy dan Jamil, 2.
Menurut Hadiansal .
kelangkaan produksi cabai menyebabkan semakin banyaknya permintaan sehingga harga cabai melonjak.
Sehingga jika hal ini terus terjadi maka dapat merugikan masyarakat maupun pengusaha dibidang kuliner.
Pertumbuhan jumlah penduduk juga dapat mempengaruhi tingginya permintaan akan cabai merah.
Menurut BPS Kabupaten Sumba Tengah Anagiri et al.
/ JTS 01 .
: 123-127
2020 jumlah penduduk di kabupaten sumba tengah sebanyak 85.
482 jiwa peningkatan jumlah penduduk ini akan berdampak pada permintaan cabai yang juga ikut meningkat.
Umumnya masyarakat Sumba Tengah gemar mengkonsumsi makanan dengan rasa yang pedas, cabai juga menjadi kebutuhan pokok dapur keluarga dan kebutuhan usaha kuliner yang harus dipenuhi setiap Menurut Wahyudi .
Rata-rata konsumsi cabai perkapita masyarakat adalah 500 gram/tahun jika jumlah penduduk semakin bertambah maka jumlah cabainya harus lebih meningkat lagi setiap tahunnya.
Peramalan penting dilakukan karena sangat membantu petani agar dapat mengetahui hasil produksi dalam beberapa bulan atau beberapa tahun kedepannya dan adanya peramalan maka petani bisa melakukan produksi dengan baik, untuk memenuhi permintaan pasar.
Yuniar .
mengungkapkan peramalan merupakan alat bantu dalam pengambilan keputusan, salah satunya meramalkan jumlah produksi cabai sebagai langkah awal untuk menekan terjadinya lonjakan harga cabai rawit.
Sehingga dari latar belakang di atas perlu melakukan peramalan produksi cabai merah di Kabupaten Sumba Tengah.
METODE
Penelitian ini dilaksanakan pada bulan Juli sampai Agustus 2023 di Dinas Pertanian Kabupaten Sumba Tengah dengan menggunakan data deret waktu .
ime serie.
selama periode 2018-2021 dengan menggunakan data sekunder.
Sumber data yang digunakan dalam penelitian ini adalah data sekunder yaitu data produksi cabai selama periode tahun 2021.
Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode Exponential smoothing.
Analisis kuantitatif yang di lakukan untuk analisis peramalan produksi menggunakan metode peramalan times series dengan pertimbangan data produksi adalah deret waktu, yaitu disajikan berdasarkan waktu kejadian tanpa adanya factor-faktor yang mempengaruhi yaitu dengan Metode Exponential smoothing dengan rumus Ft =Ft-1 (At-1-Ft1 (Trihendradi, 2.
Keterangan :
Ft : peramalan yang baru Ft-1 : peramalan periode sebelumnya : Penghalusan .
tau bobo.
O = X < = .
At-1 : peramalan actual sebelumnya Selanjutnya di lakukan perhitungan untuk menghitung Tingkat kesalahan peramalan menurut Haizer .
Untuk mengukur kesalahan peramalan dapat menggunakan MSE (Mean Squared Erro.
dan MAPE (Mean Absolute Percentage Erro.
tujuan menghitung menggunakan MSE dan MAPE adalah untuk melakukan kajian atau analisis data yang tepat.
Berikut rumus untuk mengukur kesalahan peramalan.
Kesalahan peramalan = permintaan actual-nilai peramalan MSE = OciC#$%&'&(&)* $,&-&'&)iC! MAPE=Oc&#.
/&'* $,&-&'&)iC&#.
/&'0122
HASIL DAN PEMBAHASAN
Forecasting produksi cabai Kabupaten Sumba Tengah merupakan salah satu daerah yang memiliki peranan penting terhadap sektor pertanian dan juga memiliki potensi.
Adapun potensi salah satunya adalah dalam bentuk pertanian.
Kabupaten Sumba Tengah memiliki tanah yang subur sehingga cocok di jadikan untuk pertanian, produk pertanian ini bisa berupa cabai, padi,sayuran dan lain sebagainya, karena pertanian ini sangat penting maka perlu di kembangkan dengan baik (Van Arsten,2.
Anagiri et al.
/ JTS 01 .
: 123-127
Menurut Djawa et all .
dan Nganji, et all .
bahwa lahan pertanian untuk tanaman pangan dan perkebunanan sesuai untuk di budidayakan.
Selain potensi tersebut kabupaten sumba Tengah juga memiliki potensi untuk ditanami produk hortikultura, salah satunya adalah produk cabai Berikut data produksi cabai merah di Kabupaten Sumba Tengah, di sajikan pada tabel 1.
Tabel 1.
Data produksi Cabai Merah Kabupaten Sumba Tengah Bulan Janu Febru Mar Ap M Ju Ju Agust Septem oktob Novem ei ni 2021.
42 14 2
Sumber: Dinas Pertanian Sumba Tengah,2023 Desem Dan adapun hasil peramalan produksi cabai merah tahun 2022 dan 2023 sebagai berikut.
Grafik Hasil
Ramalan Tahun 2022
PERAMALAN PRODUKSI TAHUN
Column1
Column2
Series 1
Axis Title PERAMALAN PRODUKSI TAHUN Series 1
Column1
Column2
60 46,8
Produksi .
Gambar 1.
2 Peramalan Produksi Tahun 2023 Anagiri et al.
/ JTS 01 .
: 123-127
Gambar grafik forecasting produksi cabai merah diatas menjelaskan peramalan produksi cabai merah tahun 2022 dan 2023 mengalami fluktuasi yang tidak jauh berbeda.
Berdasarkan hasil analisis forecasting cabai merah di Kabupaten Sumba Tengah menunjukan bahwa pada tahun 2022 dan 2023 peramalan produksi cabai merah mengalami fluktuasi.
Jika melihat data pola fluktuasi pada kedua tahun tersebut cenderung sama pada grafik di atas memperlihatkan bahwa pada bulan februari merupakan peramalan produksi paling rendah.
Berdasarkan musim pada bulan februari merupakan musim hujan sehingga dapat mempengaruhi produksi cabai merah.
Menurut Farid .
memjelaskan salah satu penyebab terganggunya produksi cabai adalah kelembabapan udarah yang tinggi, kondisi cuaca dimusim hujan mendukung untuk berkembangnya penyakit tanaman penyakit tanaman biasanya menyerang tanaman hortikultura sala satunya adalah tanaman cabai.
Berdasarkan grafik diatas menunjukan peramalan produksi tertinggi pada tahun 2022 dan 2023 pada bulan juli dan oktober, produksi tinggi terjadi karena pada bulan tersebut merupakan musin kemarau sehingga hasilnya tinggi.
Menurut waliyanti, .
bahwa produksi cabai setiap musim kemarau mengalami peningkatan sehingga tidak diragukan lagi dengan hasil produksinya.
Menghitung kesalahan peramalan dengan menggunakan metode MSE dan MAPE.
Kesalahan peramalan,MSE (Mean squared erro.
Adapun kesalahan forecasting di tahun 2022 dan 2023 dibawah ini :
Jumlah kesalahan kuadrat di tahun 2022 =72.
311 (=0,.
dan 5,452,660 (=0,.
Berdasarkan hasil peramalan produksi bahwa data produksi memiliki kesalahan peramalan yang dapat di hitung dengan rumus MSE sehingga dapat di peroleh nilai MSEnya dengan hasilnya yaitu =0,10 adalah 1,470 dan hasilnya di nyatakan kecil dan =0,50 adalah 5,452 dan ini dinyatakan hasilnya besar maka metode exponential smoothing yang baik di gunakan adalah =0,10.
Sedangkan kesalahan forecasting di tahun 2023 memiliki Jumlah kesalahan kuadrat =72.
311 (=0,.
dan 72,541 (=0,.
Berdasarkan hasil peramalan produksi bahwa data produksi memiliki kesalahan peramalan yang dapat di hitung dengan rumus MSE sehingga dapat di peroleh nilai MSEnya dengan hasilnya yaitu =0,10 adalah 72,311 dan hasilnya di nyatakan kecil dan =0,50 adalah 72,541 dan ini dinyatakan hasilnya besar maka metode exponential smoothing yang baik di gunakan adalah =0,10.
Menurut Jay Heizer MSE yang rendah lebih baik karena kita ingin meminimalkan MSE.
MSE akan melebih lebihkan kesalahan karna menggandakan,sebab yang di temukan MSE =0,50 adalah 5,452 hasil ini mengindikasikan bahwa =0,10 adalah pilihan yang lebih baik karena kita mencari MSE yang lebih rendah.
Menurut Pakaja .
Mean Squat Error (MSE) adalah metode lain untuk mengevaluasi metode peramalan, masing-masing kesalahan atau sisa di kudratkan, pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan-kesalahan itu di kuadratkan.
MAPE (Mean Absolut Percentage Erro.
Jumlah persentase kesalahan = 2,74% (=0,.
dan 3,09% (=0,.
Berdasarkan hasil peramalan produksi bahwa data produksi memiliki kesalahan peramalan yang dapat di hitung dengan rumus MAPE.
Peramalan produksi cabai dengan metode MAPE.
Dapat di lihat Hasilnya =0,10 adalah 2,74% hasil persentasenya di nyatakan kecil dan =0,50 adalah 3,09% dan dan juga hasilnya dinyatakan kecil.
Sedangkan di tahun 2023 memiliki Jumlah persentase kesalahan = 902,8% (=0,.
dan 902,4% (=0,.
Berdasarkan hasil peramalan produksi bahwa data produksi memiliki kesalahan peramalan yang dapat di hitung dengan rumus MAPE.
Peramalan produksi cabai dengan metode MAPE.
Dapat di lihat Hasilnya =0,10 adalah 902,8% hasil persentasenya di nyatakan kecil dan =0,50 adalah 902,4% dan dan juga hasilnya dinyatakan kecil.
Menurut Jay Heizer MAPE mencerminkan kesalahan sebagai satu persentase dari penjualan actual tidak terdistorsi oleh nilai Anagiri et al.
/ JTS 01 .
: 123-127
Tunggal yang besar.
Hasil di atas menjelaskan bahwa hasil yang di peroleh menggunakan MAPE dengan =0,10 adalah 2,74% dan dengan menggunakan =0,50 adalah 3,09%.
Dari perhitungan MAPE diatas dapat di artikan bahwa hasil pengurangan antara nilai actual dan prediksi yang telah di absolutkan kemudian yang di bagi dengan nilai periode.
Semakin rendah nilai MAPE kemampuan dari model peramalan yang di gunakan dapat di katakana baik.
Menurut Nasution MAPE (Mean Absolut Percentage Erro.
adalah ukuran kesalahan relative.
MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan actual sealama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau rendah.
Adapun tinggi rendahnya dari hasil perhitungan metode MSE dan MAPE adalah karena kita lihat dari hasil ramalan dimana hasil ramalan tersebut mengalami fluktuasi yang tidak jauh berbedah karena ada beberapa faktor yaitu iklim, cuaca, musim hujan dan juga kemarau.
KESIMPULAN DAN SARAN
Berdasarkan hasil analisis forecasting pada tahun 2022 dan 2023 secara berturut turut mulai bulan januari sampai desember adalah 45, 5, 16, 22, 9, 32, 80, 39, 41, 67, 50, 22 kuintal dan tahun 2023 adalah 46,8 5,5 20,2 27,2 11,2 39,2 96,6 48,8 47,6 78,8 54 21,8 kuintal.
Berdasarkan perhitungan kesalahan peramalan.
Kesalahan peramalan pada tahun 2022 menggunakan MSE dengan = 0,10 dan MAPE dengan = 0,50.
Dan tahun 2023 menggunakan MSE dengan = 0,10 dan MAPE dengan = 0,50.
Disarankan bagi petani dalam melakukan bubidaya cabai merah untuk menggunakan greenhouse pada musim hujan agar kuantitas dan kualitas cabai merah tetap terjaga.
DAFTAR PUSTAKA