IMPLEMENTASI DAN PENGUJIAN SISTEM
4.2. Implementasi Data
Data yang digunakan pada penelitian ini merupakan data historis bulanan produksi telur puyuh dari Januari 2015 sampai Desember 2020 (6 tahun) yang berasal dari suatu peternakan burung puyuh yang diambil secara langsung di daerah Langkat, Sumatera Utara dan data dapat dilihat pada Lampiran 2. Data tersebut sudah melalui proses input melalui sistem website ke dalam database MySQL dengan ekstensi .sql. Kemudian, data diolah melalui tahap preprocessing dan tahap ARIMA modeling, serta diperoleh data peramalan 2 tahun ke depan yaitu dari Januari 2021 sampai Desember 2022 dengan rincian data sebagaimana yang ada pada Tabel 4.1.
Tabel 4.1. Rincian Data Peramalan
Column Data Type
After Before
Tanggal datetime datetime
Peramalan Jumlah burung puyuh float integer
Peramalan Jumlah Telur Puyuh Bercorak float integer Peramalan Jumlah Telur Puyuh Tidak
Bercorak float integer
Peramalan Total Produksi Telur Puyuh float integer Data peramalan ditampilkan dalam bentuk tabel dan grafik di website yang sudah dibangun. Ketepatan hasil peramalan dapat dilihat pada pola grafik data actual dan data peramalan, serta secara matematis dihitung nilai kesalahan peramalan dengan MAPE untuk melihat ketepatan peramalan data (Brownlee, 2020). Berdasarkan pada Tahap ARIMA modeling yang sudah dijelaskan di Bab 3 bagian 3.2. Arsitektur Umum.
Berikut merupakan hasil implementasi dari data yang diolah pada penelitian ini.
4.2.1. Model identification
Model identification pada ARIMA dimulai dengan melihat pola grafik data actual keempat variabel data apakah pola data masing-masing variabel merupakan data yang mempunyai komponen data time series, yaitu data constant, trend, seasonal dan cyclic. Sebagaimana terlihat pada Gambar 4.1 merupakan grafik data jumlah burung puyuh, Gambar 4.2 merupakan grafik data jumlah telur puyuh bercorak, Gambar 4.3 merupakan grafik data jumlah telur puyuh tidak bercorak dan Gambar 4.4 merupakan grafik data total produksi telur puyuh. Berdasarkan pada Gambar 4.1, Gambar 4.2, Gambar 4.3 dan Gambar 4.4 disimpulkan bahwa keempat variabel data mempunyai
komponen data time series yaitu trend karena terjadi kenaikan atau penurunan data secara terus-menerus dalam suatu waktu.
Gambar 4.1. Grafik Data Jumlah Burung Puyuh
Gambar 4.2. Grafik Data Jumlah Telur Puyuh Bercorak
Gambar 4.3. Grafik Data Jumlah Telur Puyuh Tidak Bercorak
Gambar 4.4. Grafik Data Total Produksi Telur Puyuh
Selanjutnya, mengetahui kestasioneran keempat variabel data dengan tiga cara (Juanda & Junaidi. 2012). Pertama, melihat kecenderungan pola data dalam grafik dan sudah diketahui bahwa keempat variabel data mempunyai pola trend yang berarti data tidak stasioner. Kedua, melihat pola korelogram ACF (Autocorrelation Function).
Gambar 4.5 merupakan korelogram ACF jumlah burung puyuh, Gambar 4.6 merupakan korelogram ACF jumlah telur puyuh bercorak, Gambar 4.7 merupakan korelogram ACF jumlah telur puyuh tidak bercorak dan Gambar 4.8 merupakan korelogram ACF total produksi telur puyuh. Berdasarkan pada Gambar 4.5, Gambar 4.6, Gambar 4.7 dan Gambar 4.8 disimpulkan bahwa keempat variabel data adalah data tidak stasioner karena pola grafik autokorelasi turun dengan linear atau lamban mendekati titik nol untuk beberapa waktu waktu dimulai pada awal lag.
Gambar 4.5. Korelogram ACF Jumlah Burung Puyuh
Gambar 4.6 . Korelogram ACF Jumlah Telur Puyuh Bercorak
Gambar 4.7. Korelogram ACF Jumlah Telur Puyuh Tidak Bercorak
Gambar 4.8. Korelogram ACF Total Produksi Telur Puyuh
Ketiga, melakukan unit root test dengan Augmented Dickey-Fuller Test.
Gambar 4.9 merupakan Adfuller Test jumlah burung puyuh, Gambar 4.10 merupakan Adfuller Test jumlah telur puyuh bercorak, Gambar 4.11 merupakan Adfuller Test jumlah telur puyuh tidak bercorak dan Gambar 4.12 merupakan Adfuller Test total produksi telur puyuh. Berdasarkan pada Gambar 4.9, Gambar 4.10, Gambar 4.11 dan Gambar 4.12 diketahui bahwa nilai p-value jumlah burung puyuh yaitu 0.4646 dan nilai statistik uji ADF yaitu -1.6353, nilai p-value jumlah telur puyuh bercorak yaitu 0.9987 dan nilai statistik uji ADF yaitu 2.0704, nilai p-value jumlah telur puyuh tidak bercorak yaitu 0.8594 dan nilai statistik uji ADF yaitu -0.6676, serta nilai p-value total produksi telur puyuh yaitu 0.9986 dan nilai statistik uji ADF yaitu 1.9774. Dengan demikian, gagal menolak hipotesis nol (H0), karena nilai statistik uji ADF mempunyai nilai lebih dari nilai daerah kritik (titik signifikansi = 5%) atau p-value > 0.05, maka data mempunyai akar unit dan tidak stasioner.
Gambar 4.9. Adfuller Test Jumlah Burung Puyuh
Gambar 4.10. Adfuller Test Jumlah Telur Puyuh Bercorak
Gambar 4.11. Adfuller Test Jumlah Telur Puyuh Tidak Bercorak
Gambar 4.12. Adfuller Test Total Produksi Telur Puyuh
4.2.2. Model estimation
Pada tahap sebelumnya yaitu identifikasi model diketahui bahwa keempat variabel data tidak stasioner. Maka, dilakukan proses Differencing supaya data menjadi stasioner.
Pada penelitian ini data berubah menjadi stasioner dalam sekali proses Differencing yang hasilnya dapat dilihat pada Lampiran 3. Dengan demikian, nilai orde d = 1 atau ARIMA(p,1,q). Selanjutnya, melihat korelogram PACF dan ACF sesudah data menjadi stasioner untuk mendapatkan nilai orde p dan q.
Gambar 4.13. Korelogram PACF dan ACF Jumlah Burung Puyuh
Gambar 4.14. Korelogram PACF dan ACF Jumlah Telur Puyuh Bercorak
Gambar 4.15. Korelogram PACF dan ACF Jumlah Telur Puyuh Tidak Bercorak
Cut off
Gambar 4.16. Korelogram PACF dan ACF Total Produksi Telur Puyuh
Berdasarkan pada Gambar 4.13, Gambar 4.14, Gambar 4.15 dan Gambar 4.16 dapat dilihat bahwa terdapat 2 tanda panah berwarna merah dan kuning. Tanda panah berwarna merah menandakan cut off dan tanda panah berwarna kuning menandakan dying down. Cut off dan dying down terjadi lag awal 0 dan 1. Dengan demikian, nilai orde p dan q = 0 atau 1 atau AR(0) atau AR(1) dan MA(0) atau MA(1). Sehingga, model tentative (model terbaik sementara) keempat variabel data dapat dilihat pada Tabel 4.2.
Tabel 4.2. Model Tentative ARIMA Model
ARIMA(0,1,0) ARIMA(1,1,0) ARIMA(0,1,1) ARIMA(1,1,1)
4.2.3. Model evaluation
Pada tahap sebelumnya yaitu model estimation sudah didapatkan beberapa model ARIMA sementara, yaitu ARIMA(0,1,0) ; ARIMA(1,1,0) ; ARIMA(0,1,1) ; ARIMA(1,1,1). Langkah selanjutnya adalah mencari model yang terbaik dengan menggunakan perhitungan yang dilakukan dengan bantuan fungsi auto.arima dalam Python untuk melihat nilai koefisien, standart error dan AIC dari masing-masing model (Lampiran 4). Nilai standart error dan AIC terkecil adalah model terbaik.
Tabel 4.3. Model Evaluation Jumlah Burung Puyuh Jumlah Burung Puyuh
Model Parameter Koefisien e AIC
Tabel 4.4. Model Evaluation Jumlah Telur Puyuh Bercorak Jumlah Telur Puyuh Bercorak
Model Parameter Koefisien e AIC
Tabel 4.5. Model Evaluation Jumlah Telur Puyuh Tidak Bercorak Jumlah Telur Puyuh Tidak Bercorak
Model Parameter Koefisien e AIC
Tabel 4.6. Model Evaluation Total Produksi Telur Puyuh Total Produksi Telur Puyuh
Model Parameter Koefisien e AIC
Berdasarkan Tabel 4.3, Tabel 4.4, Tabel 4.5 dan Tabel 4.6 terlihat hasil tahap model evaluation dengan nilai AIC terkecil, berikut merupakan daftar model terbaik untuk keempat variabel data yang diolah pada penelitian ini sebagaimana terlihat pada Tabel 4.7.
Tabel 4.7. Hasil Model Terbaik
No. Nama Variabel ARIMA(p, d, q)
1. Jumlah Burung Puyuh ARIMA(0,1,0)
2. Jumlah Telur Puyuh Bercorak ARIMA(0,1,1)
3. Jumlah Telur Puyuh Tidak Bercorak ARIMA(0,1,1)
4. Total Produksi Telur Puyuh ARIMA(0,1,1)
4.2.4. Forecasting
Pada tahap evaluation model, sudah diperoleh model terbaik untuk keempat variabel data, yaitu jumlah burung puyuh, jumlah telur puyuh bercorak, jumlah telur puyuh tidak bercorak dan total produksi telur puyuh. Dilakukan validasi data sebagai nilai ketepatan peramalan dengan MAPE berdasarkan persamaan 3.0. Jika hasil nilai ketepatan peramalan sesuai, maka selanjutnya mencari nilai peramalan 2 tahun kedepan berdasarkan persamaan 2.7 dengan masing-masing model terbaik.
Pada Tabel 4.8, Tabel 4.9, Tabel 4.10 dan Tabel 4.11 dapat dilihat perbandingan antara data aktual dengan data hasil peramalan untuk melihat ketepatan perhitungan dengan menggunakan MAPE. Data yang dibandingkan untuk melihat adalah data 2 tahun dari Januari 2019 sampai Desember 2020.
Tabel 4.8. Perbandingan Data Jumlah Burung Puyuh No. Tanggal Jumlah
18. 01/06/2020 11250 11542 -292 -0,025955556
Total PE 0,355583391 Tabel 4.9. Perbandingan Data Jumlah Telur Puyuh Bercorak
No. Tanggal Jumlah Telur
13. 01/01/2020 117810 115826 1984 0,016840676
14. 01/02/2020 122220 126074 -3854 -0,031533301
15. 01/03/2020 114420 113174 1246 0,010889705
16. 01/04/2020 130110 131880 -1770 -0,013603874
17. 01/05/2020 134310 132877 1433 0,010669347
18. 01/06/2020 143640 145122 -1482 -0,01031746 19. 01/07/2020 139140 140308 -1168 -0,008394423
20. 01/08/2020 129000 126719 2281 0,017682171
21. 01/09/2020 121170 122799 -1629 -0,013443922 22. 01/10/2020 114810 115112 -302 -0,002630433
23. 01/11/2020 116790 116553 237 0,002029283
24. 01/12/2020 112710 113851 -1141 -0,010123325 Total PE 0,331783392
Tabel 4.10. Perbandingan Data Jumlah Telur Puyuh Tidak Bercorak
Total PE 0,962882561 Tabel 4.11. Perbandingan Data Total Produksi Telur Puyuh
No. Tanggal Total Produksi Telur Puyuh
7. 01/07/2019 143640 141061 2579 0,017955
8. 01/08/2019 132300 134774 -2474 -0,0187
9. 01/09/2019 125460 122659 2801 0,022326
10. 01/10/2019 118980 119548 -568 -0,00477
11. 01/11/2019 120060 119871 189 0,001574
12. 01/12/2019 116100 116702 -602 -0,00519
13. 01/01/2020 123840 121840 2000 0,01615
14. 01/02/2020 128340 132062 -3722 -0,029
15. 01/03/2020 120060 119545 515 0,00429
16. 01/04/2020 137160 138410 -1250 -0,00911
17. 01/05/2020 141120 140165 955 0,006767
18. 01/06/2020 150660 151516 -856 -0,00568
19. 01/07/2020 147060 148036 -976 -0,00664
20. 01/08/2020 138060 135396 2664 0,019296
21. 01/09/2020 129960 132103 -2143 -0,01649
22. 01/10/2020 122580 122769 -189 -0,00154
23. 01/11/2020 123660 123597 63 0,000509
24. 01/12/2020 118800 119720 -920 -0,00774
Total PE 0,283312664
Gambar 4.17. Grafik Kesalahan Peramalan Jumlah Burung Puyuh
Gambar 4.18. Grafik Kesalahan Peramalan Jumlah Telur Puyuh Bercorak
Gambar 4.19. Grafik Kesalahan Peramalan Jumlah Telur Puyuh Tidak Bercorak
Gambar 4.20. Grafik Kesalahan Peramalan Total Produksi Telur Puyuh
Gambar 4.17, Gambar 4.18, Gambar 4.19 dan Gambar 4.20 adalah visualisasi data kesalahan peramalan dalam bentuk grafik line yang mana menunjukan korelasi data actual dengan data validation. Berdasarkan perhitungan pada Tabel 4.8, Tabel 4.9, Tabel 4.10 dan Tabel 4.11, maka nilai MAPE untuk kesalahan peramalan masing-masing variabel dapat dilihat pada Tabel 4.12.
Tabel 4.12. Kesalahan Peramalan MAPE
Column MAPE
Jumlah Burung Puyuh 0,355583391/24*100 = 1,481597463 = 1,4%
Jumlah Telur Puyuh Bercorak 0,331783392/24*100 = 1,382430799 = 1,3%
Jumlah Telur Puyuh Tidak
Bercorak 0,962882561/24*100 = 4,012010671 = 4%
Total Produksi Telur Puyuh 0,283312664/24*100 = 1,180469435 = 1,1%
Berdasarkan pada Tabel 4.12, data-data yang diolah mempunyai range MAPE dibawah 10% yang berarti kemampuan model peramalan sangat baik. Maka, model dapat digunakan untuk meramalkan data ke depan. Dilakukan peramalan 2 tahun kedepan, yaitu dari Januari 2021 sampai Desember 2022 dan hasilnya terlihat pada Tabel 4.13 dan visualisasi grafik dapat dilihat pada Gambar 4.21, Gambar 4.22, Gambar 4.23 dan Gambar 4.24.
Tabel 4.13. Hasil Peramalan 2021 – 2022 No. Tanggal Peramalan
Jumlah
Berdasarkan pada Tabel 4.13 terlihat hasil peramalan jumlah burung puyuh, peramalan jumlah telur puyuh bercorak, peramalan jumlah telur puyuh tidak bercorak dan peramalan total produksi telur puyuh dari Januari 2021 sampai Desember 2022.
Sebagai contoh, dapat dilihat pada Januari 2021 apabila jumlah burung puyuh yang dibudidayakan oleh peternak burung puyuh berjumlah 10590 ekor, maka diperkirakan total produksi telur puyuh dapat mencapai 119676 butir yang mana telur puyuh bercorak dapat mencapai 111377 butir, sedangkan telur puyuh tidak bercorak dapat mencapai 6159 butir. Peramalan nilai tertinggi jumlah burung puyuh adalah 10720 ekor, sedangkan peramalan nilai terendah jumlah burung puyuh adalah 10129 ekor.
Peramalan nilai tertinggi jumlah telur puyuh bercorak adalah 146780 butir, sedangkan peramalan nilai terendah jumlah telur puyuh bercorak adalah 114280 butir. Peramalan nilai tertinggi jumlah telur puyuh tidak bercorak adalah 10178 butir, sedangkan
peramalan nilai terendah jumlah telur puyuh tidak bercorak adalah 6538 butir.
Peramalan nilai tertinggi total produksi telur puyuh adalah 155449 butir, sedangkan peramalan nilai terendah total produksi telur puyuh adalah 121194 butir. Tampilan pola grafik peramalan Januari 2021 sampai Desember 2022 dapat dilihat pada Gambar 4.21, Gambar 4.22, Gambar 4.23 dan Gambar 4.24.
Gambar 4.21. Hasil Peramalan Jumlah Burung Puyuh 2021 – 2022
Gambar 4.22. Hasil Peramalan Telur Puyuh Bercorak 2021 – 2022
Gambar 4.23. Hasil Peramalan Telur Puyuh Tidak Bercorak 2021 – 2022
Gambar 4.24. Hasil Peramalan Total Produksi Telur Puyuh 2021 – 2022