4 HASIL DAN PEMBAHASAN
X 1 1 ) 2 harga minyak sawit domestik ( 2 )
4. Pemetaan Nilai-Nilai Suplay dan Demand Periode Historis, Eksisting, dan Prediksi Kedalam Model Deteksi PMSN
/berjalan 2013 27.782.004 27.000 27.809.004 15.784.732 9.200.000 6.584.732 2014 29.278.190 35.535 29.313.725 17.026.820 11.300.000 5.726.820 2015 31.284.306 37.767 31.322.073 18.264.756 12.409.216 5.855.540 Prediksi 2016 31.025.000 62.900 31.087.900 21.027.500 12.409.000 8.618.500 2017 32.214.000 63.159 32.277.159 18.649.300 13.455.000 5.194.300 2018 34.504.000 63.401 34.567.401 22.207.100 14.763.000 7.444.100
4. Pemetaan Nilai-Nilai Suplay dan Demand Periode Historis, Eksisting, dan Prediksi Kedalam Model Deteksi PMSN
Selanjutnya secara terintegrasi berdasarkan ploting terhadap nilai- nilai pasokan diatas kedalam kerangka deteksi SCDA akan diperoleh nilai- nilai
frekuensi dan tren periode berjalan dan periode prediksi pasokan. Nilai- nilai frekuensi dan tren tersebut akan menjadi dasar untuk menentukan sifat dan arah pergerakan secara periodesasi.
a. Pergerakan aspek frekuensi dari nilai- nilai prediksi supply
Pergerakan aspek frekuensi dari nilai- nilai prediksi supply
periode 2013-2015 menuju nilai- nilai prediksi supply periode 2016- 2018 seperti disajikan pada Gambar 4.30.
Gambar 4.30 Perubahan frekuensi nilai- nilai prediksi Supply PMSN sepanjang priode 2016-2018
Gambar 4.30 memperlihatkan bahwa nilai- nilai volume Supply di tinjau dari aspek frekuensi, maka berdasarkan threshold yang terbentuk untuk periode prediksi 2013-2015, terjadi pergerakan dari dalam ke luar threshold-nya, dimana selama periode tersebut hanya terdapat satu nilai prediksi supply yang berada di dalam thresholdnya. Sementara itu untuk periode prediksi selanjutnya yaitu periode 2016- 2018, maka berdasarkan threshold yang terbentuk menunjukkan bahwa nilai- nilai prediksi supply diperkirakan masih akan bergerak secara sama dari dalam ke luar thresholdnya akan tetapi dengan jumlah nilai- nilai prediksi supply yang berada di dalam thresholdnya
meningkat menjadi dua. Hal demikian mengindikasikan bahwa secara frekuensi berdasarkan threshold SCDA selama dua periode prediksi terakhir yaitu 2013-2015 dan 2016-2018, maka diperikan akan menunjukkan terjadinya perubahan kondisi supply minyak sawit nasional kearah yang lebih baik.
b. Pergerakan aspek tren dari nilai- nilai prediksi supply
Pergerakan aspek tren dari nilai- nilai prediksi supply periode 2013-2015 menuju nilai-nilai prediksi supply periode 2016-2018 seperti disajikan pada Gambar 4.31.
Gambar 4.31 Perubahan tren nilai- nilai prediksi Supply PMSN sepanjang priode 2016-2018
Gambar 4.31 menunjukkan bahwa secara tren, berdasarkan nilai- nilai threshold yang terbentuk, maka untuk periode prediksi 2013-2015 menunjukkan pergerakan nilai- nilai tren supply yang seluruhnya berada di luar threshold-nya. Sedangkan pada periode prediksi selanjutnya yakni 2016-2018, diperkirakan akan terjadi pergerakan nilai- nilai tren supply yang menuju ke dalam threshold- nya (terdapat sebuah nilai prediksi yang berada di dalam threshold- nya). Hal demikian mengindikasikan bahwa secara tren berdasarkan threshold SCDA selama dua periode prediksi terakhir yaitu 2013-2015 dan 2016-2018, diperikan akan menunjukkan terjadinya perubahan kondisi supply minyak sawit nasional kearah yang lebih baik.
c. Pergerakan aspek frekuensi dari nilai- nilai prediksi demand
Pergerakan aspek frekuensi dari nilai- nilai prediksi demand
periode 2013-2015 menuju nilai- nilai prediksi demand periode 2016- 2018 seperti disajikan pada Gambar 4.32.
Gambar 4.32 Perubahan frekuensi nilai- nilai prediksi demand PMSN sepanjang priode 2016-2018
Gambar 4.32 menunjukkan bahwa dari sisi demand
berdasarkan threshold yang terbentuk, untuk periode eksisting 2013- 2015 secara frekuensi terjadi pergerakan nilai- nilai prediksi demand
dari dalam keluar threshold-nya, dimana selama periode prediksi tersebut hanya terdapat sebuah nilai yang berada di dalam threshold- nya. Sedangkan pada periode prediksi selanjutnya yaitu 2016-2018, diperkirakan akan terjadi pergerakan fluktuatif dari luar masuk ke dalam dan kemudian keluar lagi dari threshold- nya (terdapat hanya sebuah nilai prediksi demand yang berada di dalam threshold-nya). Hal ini menggambarkan bahwa selama dua periode prediksi 2013- 2015 dan 2016-2018, secara frekuensi tidak terjadi perubahan kondisi
demand minyak sawit nasional.
d. Pergerakan aspek tren dari nilai- nilai prediksi demand
Pergerakan aspek tren dari nilai- nilai prediksi demand periode 2013-2015 menuju nilai-nilai prediksi demand periode 2016-2018 seperti disajikan pada Gambar 4.33.
Gambar 4.33 Perubahan tren nilai- nilai prediksi Demand PMSN sepanjang priode 2016-2018
Gambar 4.33 menunjukkan bahwa secara tren, berdasarkan nilai- nilai threshold yang terbentuk, maka untuk periode prediksi 2013-2015 menunjukkan pergerakan nilai- nilai tren demand yang seluruhnya berada di dalam threshold-nya. Sedangkan pada periode prediksi selanjutnya yakni 2016-2018, diperkirakan akan terjadi pergerakan nilai- nilai tren demand yang seluruhnya berada di luar threshold-nya. Hal ini mengindikasikan bahwa secara tren berdasarkan threshold SCDA selama dua periode prediksi terakhir yaitu 2013-2015 dan 2016-2018, diperikan akan menunjukkan terjadinya perubahan kondisi demand minyak sawit nasional kearah yang lebih buruk.
Model klasifikasi dan penelusuran faktor PMSN
Konstruksi model klasifikasi dan penelusuran faktor PMSN seperti digambarkan pada Gambar 4.34.
Gambar 4.34 Konstruksi model klasifikasi dan penelusuran faktor PMSN
Gambar 4.34 memperlihatkan bahwa model klasifikasi dan penelusuran faktor PMSN mengandung elemen-elemen input yang merupakan ouput model prediksi dan deteksi PMSN yaitu sebagai berikut:
Nilai-nilai frekuensi supply periode eksisting dan prediksi Nilai-nilai tren supply periode eksisting dan prediksi Nilai-nilai frekuensi demand periode eksisting dan prediksi Nilai-nilai tren demand periode eksisting dan prediksi
Sedangkan prosesnya, adalah mencakup proses-proses model sebagai berikut:
Melakukan inferensi secara berjenjang untuk menghasilkanklasifikasi status pasokan PMSN prediksi
Membangkitkan notifikasi peringatan dini jika diperlukan
Melakukan penelusuran faktor- faktor PMSN untuk menghasilkan faktor- faktor penyebab sesuai status pasokan yang dihasilkan jika diperluka n Menyusun rekomendasi tindakan antisipasi jika diperlukan
Adapun outputnya mencakup:
Klasifikasi status PMSN periode prediksi Notifikasi peringatan dini jika diperlukan Menampilkan faktor- faktor PMSN
Usulan rekomendasi tendakan antisipasinya jika diperlukan
Model klasifikasi merupakan model yang didedikasi untuk melakukan inferensi atas nilai- nilai historikal dan prediksi dari variabel- variabel PMSN sebagai suatu sistem inferensi fuzzy atau FIS (fuzzy inference system). Proses inferensi FIS dilakukan secara berjenjang atau bertingkat, diawali dari, inferensi atas frekuensi dan tren nilai- nilai periode berjalan terhadap periode prediksi. Kemudian dilanjutkan pada inferensi berikutnya yaitu inferensi atas nilai- nilai frekuensi terhadap nilai- nilai tren untuk aspek Supply dan Demand PMSN. Terakhir, dilakukan inferensi atas nilai-nilai Supply terhadap nilai- nilai Demand
Gambar 4.35 Struktur Inferensi Bertingkat FIS-Mamdani
Gambar 4.35 mengilustrasikan representasi struktur inferensi bertingkat FIS-Mamdani. Model klasifikasi menjalankan proses inferensi nilai- nilai historikal dan prediksi variabel- variabel frekuensi dan tren sebagai suatu fuzzy inference system (FIS). Proses ini berjenjang, diawali denga n inferensi bagi frekuensi dan tren nilai-nilai periode eksisting terhadap periode prediksi. Kemudian dilanjutkan inferensi frekuensi dan tren Supply dan Demand. Terakhir, proses inferensi Demand terhadap Supply yang merupakan kesimpulan Status- Pasokan PMSN. Secara matematis formulasi proses inferensi dapat dinyatakan dengan bentuk umum:
Inferensi jenjang pertama, dinyatakan sebagai fungsi: (a) frekDemand= ƒ[frekDem andEksis, frekDemandPrediksi] (b) frekSupply = ƒ[frekSupplyEksis, frekSupplyPrediksi] (c) trenDemand = ƒ[trenDem andEksis, trenDemandPrediksi] (d) trenSupply = ƒ[trenSupplyEksis, trenSupplyPrediksi] Inferensi jenjang kedua, dinyatakan sebagai fungsi:
(a) Demand = ƒ[frekDem an, trenDemand] (b) Supply = ƒ[frekSupply, trenSupply]
Inferensi jenjang ketiga, dinyatakan sebagai fungsi: Status-Pasokan = ƒ[Demand, Supply]