View of PENERAPAN METODE TREND MOMENT DALAM MEMPREDIKSI HARGA MINYAK MENTAH PADA PT ASIAN AGRI

(1)

627

PENERAPAN METODE TREND MOMENT DALAM MEMPREDIKSI HARGA MINYAK MENTAH PADA PT ASIAN AGRI

Putra Edi Mujahid¹⁾, Maju Parsaoran Gultom²⁾, Hasrat Gideon Lahagu³⁾, Indah Sinaga⁴⁾

1-4Fakultas Sains dan Teknologi, Universitas Prima Indonesia email: ¹[email protected],²[email protected],

Abstract

In the era of competitive globalization, sales are a key factor in a company's success. PT Asian Agri, operating in the oil and gas industry, is heavily influenced by fluctuations in crude oil prices. This research aims to understand crude oil price trends and predict future price changes using the Trend Moment method.

The data processing method in this research involves analyzing historical data on crude oil prices from 2019 to 2023. This research uses various evaluation parameters, such as Mean Absolute Deviation (MAD), Mean Squared Error (MSE), and Mean Absolute Percentage Error (MAPE), to measure the degree of error in predictions. The results of this research show that the Trend Moment method is able to provide relatively accurate predictions of crude oil prices. The evaluation value shows that the trend moment value for Adj Close crude oil prices, the value obtained is 1615.65. UMK produces a value of 5079929.413333333.

MAPE produces values of 2.698007510149617 and 1.94. Based on the research results, it can be concluded that the Trend Moment method can be used to predict crude oil prices well. Historical data for 2 years is used for evaluation, and the model provides predictions that are close to the actual values.

Keywords: Forecasting, Crude Oil, Trend Moment, MSE, MAP.

1. PENDAHULUAN

Kompetisi dalam dunia bisnis pada era globalisasi saat ini semakin sengit membuat para karyawan perusahaan terdorong untuk dapat memenuhi target penjualan [1]–[3]. Banyak diperlukan strategi guna untuk memenuhi pelanggan yang bervariasi. Dengan pola dan gaya ghidup yang berbeda-beda pula. Keberhasilan dari sebuah perusahaan harus didukung dengan tingkat penjualan yang dilakukan [4], [5]. PT Asian Agri merupakan perusahaan yang beroperasi di industri minyak dan gas, di mana harga minyak mentah menjadi faktor kritis yang mempengaruhi kegiatan bisnis mereka.

Fluktuasi harga minyak mentah yang signifikan dapat memiliki dampak yang besar pada pendapatan, keuntungan, dan strategi bisnis perusahaan. Dalam konteks ini, penting bagi PT.

Asian Agri untuk memiliki pemahaman yang mendalam tentang tren harga minyak mentah dan kemampuan untuk memprediksi perubahan harga di masa depan. Dengan demikian, perusahaan

dapat mengambil langkah-langkah yang tepat dalam manajemen persediaan, penetapan harga jual, pengembangan produk, dan pengambilan keputusan bisnis lainnya.

Seputar penelitian sebelumnya seperti

“Analisa Metode Trend Moment Untuk Peramalan Penjualan Stok Barang Pada Toko Sun Oleh-Oleh dan Aplikasi Forecasting Penjualan Bahan Bangunan Menggunakan Metode Trend Moment “(Studi Kasus di UD. Hasil Bumi)”, penelitian ini untuk hasil mengungkap sejauh mana metode Trend Moment dapat memprediksi tren penjualan dengan akurat, mengidentifikasi faktor-faktor yang mempengaruhi keakuratan peramalan, dan memberikan rekomendasi atau strategi bisnis yang dapat diambil berdasarkan hasil peramalan tersebut [6], [7].

“Sistem Peramalan Penjualan Beras Dengan Metode Gambar Trend Moment dan Implementasi Metode Trend Moment Pada Sistem Pendukung Keputusan Peramalan Penjualan Truk”, hasil penelitian ini sistem

(2)

628

peramalan dapat memprediksi penjualan beras di masa mendatang [8], [9].

“Penerapan Trend Moment Untuk Meramalkan Penjualan Produksi Kelapa Sawit Di Kebun Buntu Pane, Kabupaten Asahan”, penelitian ini bertujuan meramalkan penjualan produksi kelapa sawit, metode ini dapat digunakan untuk menganalisis data historis penjualan kelapa sawit [10].

“Peramalan Penjualan Bulanan Menggunakan Metode Trend Moment Pada Toko Suamzu Butique”, mempu melakukan prediksi penjualan untuk bulan berikutnya dengan menerapkan metode peramalan trend moment [11].

2. METODE PENELITIAN 2.1 Metode Pengolahan Data

Meramalkan minyak mentah pada PT.

Asian Agri dilakukan dengan metode pengolahan data Trend Moment sehingga memenuhi tujuan penelitian yang diinginkan. Prosedur pengolahan data dapat di lihat dari gambar 1.

Gambar 1. Metode pengolahan data

2.2 Peramalan

Peramalan adalah upaya untuk memprediksi kejadian masa depan dengan menggunakan pola waktu yang terlihat dari pengalaman masa lalu, serta menerapkan kebijakan terhadap proyeksi berdasarkan pola yang ditemukan dalam sejarah tersebut [12].

Peramalan merupakan seni dan pengetahuan untuk mengantisipasi peristiwa yang akan terjadi di masa depan melalui analisis data historis dan memproyeksikannya ke periode yang akan datang dengan menggunakan metode pendekatan yang terstruktur [13].

Peramalan bertujuan untuk menghasilkan prediksi yang dapat mengurangi kesalahan dalam peramalan [14]. Konsistensi hasil peramalan dapat diidentifikasi ketika tingkat kesalahan relatif dalam peramalan tersebut relatif kecil [15].

2.3 Metode Trend Moment

Peramalan dilakukan melalui berbagai model matematika yang berbeda, dengan memanfaatkan data historis yang terkait dengan peramalan serta faktor-faktor penyebab dan dampak untuk memprediksi permintaan [16].

Salah satu pendekatan dalam peramalan adalah menggunakan metode trend moment, yang merupakan sebuah metode statistik yang bertujuan untuk mengidentifikasi hubungan kausal antara variabel independen (X) atau faktor penyebab dengan variabel dependen (Y) atau hasilnya. Metode ini melibatkan analisis tren data dan digunakan untuk memproyeksikan nilai di masa depan. Tren data ini dapat berbentuk linier, polinomial, eksponensial, logaritmik, atau bentuk lainnya, tergantung pada pola data yang sedang dianalisis [17]. Metode trend moment dapat diterapkan dengan memanfaatkan catatan historis dari satu variabel [18].

Garis tren merupakan garis regresi, dan variabel independen (X) adalah variabel waktu.

Garis tren yang linear adalah suatu tren yang diproyeksikan untuk naik atau turun secara sejajar [19]. Tren mencerminkan perubahan nilai suatu variabel yang cenderung tetap, seperti

(3)

629

perubahan populasi, fluktuasi harga, kemajuan teknologi, dan peningkatan produktivitas.

2.3.1 Nilai Ketetapan Prediksi

Ketetapan prediksi memiliki peranan yang sangat signifikan dalam proses peramalan, sebabnya adalah mengukur sejauh mana kesesuaian antara data yang ada dengan hasil peramalan. Dalam penelitian ini, penulis mengukur ketetapan nilai prediksi dengan menghitung dua parameter, yaitu nilai rata-rata kesalahan kuadrat (Mean Squared Error-MSE) dan rata-rata kesalahan persentase mutlak (Mean Absolute Percentage Error-MAPE) [20].

1. Mean Absolute Deviation (MAD)

Cara untuk menilai metode peramalan melibatkan penghitungan total kesalahan absolutnya. Dengan mengukur sejauh mana ketepatan ramalan dengan menghitung rata-rata dari nilai-nilai kesalahan absolutnya. MAD digunakan untuk mengukur tingkat kesalahan peramalan dalam satuan yang sama seperti data aslinya.

2. Mean Squared Error – MSE

Mean Squared Error (MSE) merupakan salah satu teknik lain yang digunakan untuk menilai performa metode peramalan. Setiap kesalahan atau sisa peramalan diangkat kuadrat.

Pendekatan ini mengatasi kasus kesalahan peramalan yang signifikan karena mengkuadratkannya. Salah satu kelemahan dalam menggunakan MSE adalah bahwa metode ini memiliki kecenderungan untuk menonjolkan deviasi yang besar karena efek pengkuadratan.

3. Mean Absolute Percentage Error – MAPE

Merupakan hasil perhitungan dari kesalahan absolut pada setiap periode, yang selanjutnya dibagi oleh nilai observasi yang sebenarnya pada periode tersebut. Selanjutnya, rata-rata dari kesalahan persentase absolut ini dihitung.

3. HASIL DAN PEMBAHASAN 3.1 Analisis Masalah

Untuk identifikasi permasalahan yang ada, masalah yang dihadapi adalah kesulitan dalam memprediksi tren harga minyak mentah pada PT. Asian Agri yang harus disiapkan untuk upaya untuk mengatasi masalah harga minyak mentah dunia yang tidak menentu, maka dari itu digunakanlah suatu teknik forecasting dengan metode trend moment yang berfungsi untuk memprediksi harga minyak mentah dunia di masa depan.

3.2 Identifikasi Data

Data yang bisa diberikan oleh PT.

ASIAN AGRI untuk penelitian yakni data tahun 2019. Diperoleh data harga minyak mentah antara tahun 2019 sampai tahun 2023. Data tersebut pada awalnya masih berbentuk catatan ekspor. Data tersebut kemudian dimasukkan ke dalam harga dan kemudian dipindahkan ke dalam spreadsheet.

3.3 Pengolahan Data

Pada sub bab ini membahas tentang tahapan penelitian mulai dari persiapan data, preprocessing data, pembentukan model, melatih data dan melakukan prediksi serta memvisualisasikan data untuk mendapatkan hasil prediksi yang baik. Peneliti menggunakan bahasa pemrograman python melalui google collab dengan beberapa library seperti numpy, pandas dan matplotlib.

3.4 Import Library

Langkah pertama, peneliti melakukan persiapan untuk mengolah dataset berupa angka yang akan divisualisasikan dalam bentuk grafik.

Dalam tahap ini, peneliti menggunakan platform google collab untuk menjalankan program python dan mengimport library yang digunakan.

3.5 Import dan menampilkan Dataset Dataset dalam bentuk excel atau csv kemudian dimasukkan kedalam google collab dan kemudian tampilkan dataset.

(4)

630

Gambar 2. Tampilan Dataset di Google Colab

3.6 Nilai Ketetapan Prediksi

Gambar 3. Mean Absoulte Diviation (MAD)

Berdasarkan dataset yang terdiri dari 1049 data, penggunaan metode Trend Moment untuk memprediksi nilai "Adj_Close" telah menghasilkan tingkat kesalahan rata-rata (MAD) sebesar 1615.65. Dalam konteks jumlah data yang signifikan tersebut, nilai MAD yang relatif rendah menunjukkan bahwa model prediksi cenderung memberikan hasil yang cukup akurat

Gambar 4. Mean Squared Error – MSE

Dengan menggunakan dataset yang terdiri dari 1049 entri, evaluasi menggunakan Mean Squared Error (MSE) menghasilkan nilai sebesar 5079929.413333333. Mengingat jumlah data yang cukup besar, nilai MSE yang tinggi dapat dimaklumi. Karena semakin banyaknya data dalam evaluasi, perbedaan antara prediksi dan data aktual akan memberikan kontribusi yang signifikan terhadap nilai MSE secara keseluruhan. Oleh karena itu, nilai MSE yang tinggi pada dataset 1049 entri ini dapat dianggap

masih wajar, mengingat kompleksitas dan variasi yang terdapat dalam data tersebut.

Gambar 5. Mean Absolute Percentage Error –

MAPE

Berdasarkan penelitian ini dengan menggunakan Mean Absolute Percentage Error (MAPE) sebagai metrik evaluasi, ditemukan bahwa nilai MAPE sebesar 2.698007510149617.

MAPE merupakan ukuran persentase kesalahan rata-rata antara prediksi dan data aktual. Dalam konteks jumlah data sebanyak 1049, nilai MAPE yang relatif rendah menunjukkan bahwa model prediksi dengan metode Trend Moment memberikan prediksi yang cukup akurat.

Dengan tingkat kesalahan sebesar 2.69%, dapat disimpulkan bahwa model ini mampu memberikan prediksi yang mendekati nilai sebenarnya dalam dataset yang luas. Meskipun demikian, sebaiknya tetap diperhatikan bahwa ada kemungkinan terdapat variasi dan ketidakpastian dalam prediksi, terutama saat mempertimbangkan faktor-faktor eksternal yang dapat mempengaruhi pergerakan harga minyak Mentah.

4. KESIMPULAN

Berdasarkan hasil pelatihan dan evaluasi metode trend moment, dapat disimpulkan bahwa metode tersebut baik dalam memprediksi harga minyak mentah. Menggunakan data historis selama 2 tahun. Evaluasi menunjukkan bahwa nilai trend moment untuk harga minyak mentah adj close, evaluasi menggunakan MAD menghasikan nilai sebesar 1615.65. MSE menghasilkan nilai sebesar 5079929.413333333.

MAPE menghasilkan nilai sebesar 2.698007510149617 dan 1.94.

Dengan tingkat kesalahan sebesar 2.69%, dapat disimpulkan bahwa model ini mampu

(5)

631

memberikan prediksi yang mendekati nilai sebenarnya dalam dataset yang luas. Meskipun demikian, sebaiknya tetap diperhatikan bahwa ada kemungkinan terdapat variasi dan ketidakpastian dalam prediksi, terutama saat mempertimbangkan faktor-faktor eksternal yang dapat mempengaruhi pergerakan harga minyak Mentah.

5. REFERENSI

[1] A. Agnes and Manuharawati,

“Forecasting Fitness Gym Membership pada Pusat Kebugaran ‘The Body Art Fitness, Aerobic & Pool’ menggunakan Metode Exponential Smoothing,” J. Ilm.

Mat., vol. 3, no. 6, pp. 1–7, 2017.

[2] D. N. E. Ardini, “Sistem Peramalan Penjualan Menggunakan Metode Trend Moment Pada Toko Mebel Nabila Furniture Paguyangan Brebes Berbasis Desktop,” J. Inform. Upgris, vol. 5, no. 2, pp. 130–134, 2019.

[3] I. Ilyas, F. Marisa, and D. Purnomo,

“Implementasi Metode Trend Moment (Peramalan) Mahasiswa Baru Universitas Widyagama Malang,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol.

3, no. 2, 2018, doi:

10.31328/jointecs.v3i2.785.

[4] I. G. T. Isa and G. P. Hartawan,

“Perancangan Aplikasi Koperasi Simpan Pinjam Berbasis Web (Studi Kasus Koperasi Mitra Setia),” J. Ilm. Ilmu Ekon., vol. 5, no. 10, pp. 139–151, 2017.

[5] Jubilee Enterprise, Visual basic komplet.

PT. Elex Media Komputindo, 2017.

[6] A. N. Safitri and F. A. Sianturi, “Analisa Metode Trend Moment Untuk Peramalan Penjualan Stok Barang Pada Toko Sun Oleh-Oleh,” J. Ilmu Komput. dan Sist.

Inf., vol. 3, no. 1.1, pp. 91–102, 2020.

[7] M. A. Firmansyah, A. P. Sasmito, and H.

Z. Zahro, “Aplikasi Forecasting Penjualan Bahan Bangunan Menggunakan,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 2, pp. 526–533, 2021.

[8] R. N. Ardianto, “SISTEM PREDIKSI PENJUALAN BERAS PADA TOKO

WIDODO MAKMUR DENGAN

MENGGUNAKAN METODE TREND MOMENT,” Universitas Nusantara PGRRI Kediri, 2016.

[9] C. Oliviasandrea, “Implementasi Metode Trend Moment Pada Sistem Pendukung Keputusan Peramalan Penjualan Truk,”

Klik-Kumpulan J. Ilmu Komput., vol. 09, no. 03, pp. 402–415, 2022.

[10] H. Dorthy, E. Sinaga, and N. Irawati,

“Penerapan Trend Moment Untuk Meramalkan Penjualan Produksi Kelapa Sawit Di Kebun Buntu Pane, Kabupaten Asahan,” J. Sains Komput. Inform. (J- SAKTI, vol. 6, no. 2, pp. 601–614, 2022.

[11] A. Amrullah, E. Affandi, W. Riansyah, and S. Sobirin, “Peramalan Penjualan Bulanan menggunakan metode Trend Moment pada Toko Suamzu Boutique,” J.

SAINTIKOM (Jurnal Sains Manaj.

Inform. dan Komputer), vol. 19, no. 2, p.

46, 2020, doi: 10.53513/jis.v19i2.2423.

[12] S. A. Paruntu and I. D. Palandeng,

“Analisis Ramalan Penjualan Dan Persediaan Produk Sepeda Motor Suzuki Pada PT Sinar Galesong Mandiri Malalayang,” J. EMBA J. Ris. Ekon.

Manajemen, Bisnis dan Akunt., vol. 6, no.

4, pp. 2828–2837, 2018.

[13] A. M. Tampi, F. Matuankotta, and G.

Fredriksz, “Ramalan Produksi Kursi Sofa Pada Mebel Erlan Hative Besar di Kota Ambon,” Adm. Terap., vol. 2, no. 1, pp.

68–76, 2023.

[14] M. . Dr. H. A. Rusdiana, Manajemen Operasi. CV. Pustaka Setia, 2014.

[15] W. A. P. Cahya, “Penerapan Metode Kuantitatif Terhadap Jumlah Permintaan Tenaga Kerja Perhotelan Di Denpasar,” J.

Bisnis Darmajaya, vol. 3, no. 1, pp. 65–

73, 2017.

[16] J. D. Jaya, “Peramalan Jumlah Populasi Sapi Potong di Kalimantan Selatan Menggunakan Metode Moving Average, Exponential Smoothing dan Trend

(6)

632

Analysis,” J. Teknol. Agro-Industri, vol.

6, no. 1, pp. 41–50, 2019, doi:

10.34128/jtai.v6i1.88.

[17] G. Deodata, “Analisis Peramalan ( Forecasting ) Pendapatan Hotel Merbau Menggunakan Metode Semi Avarage Dan Metode Least Square,” J. Din., vol. 2, no.

12, pp. 53–58, 2018.

[18] I. H. Santi and A. R. Saputra, “Prediksi Jumlah Permintaan Telur Ayam Menggunakan Metode Trend Moment,”

Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 14, no. 2, p. 111, 2019, doi:

10.30872/jim.v14i2.1986.

[19] L. R. Amalia, W. Ramdhan, and W. M.

Kifti, “Penerapan Metode Trend Moment Untuk Memprediksi Jumlah Pertumbuhan Penduduk,” Build. Informatics, Technol.

Sci., vol. 3, no. 4, pp. 566–573, 2022, doi:

10.47065/bits.v3i4.1396.

[20] F. A. Reicita, “ANALISIS PERENCANAAN PRODUKSI PADA

PT. ARMSTRONG INDUSTRI

INDONESIA DENGAN METODE FORECASTING DAN AGREGAT PLANNING,” J. Ilm. Tek. Ind., vol. 7, no.

3, Jan. 2020, doi:

10.24912/jitiuntar.v7i3.6340.