Melola Discovery

← Melola Discovery

Akses terbuka Jurnal

Forecasting Dry Rubber Production in Indonesia for the Year 2022 Using Pegel's Exponential Smoothing Method with Modified Golden Section Optimization

Jurnal Matematika, Statistika dan Komputasi · Vol. 21 No. 2 (2025) · hlm. 368–381

DOI
10.20956/j.v21i2.37158
ISSN
2614-8811, 1858-1382
Terbit
2025-01-12
Penerbit
Department of Mathematics, Hasanuddin University
Bahasa
en
Lisensi
creativecommons.org/licenses/by/4.0

Abstrak

Inggris

Pegel’s Exponential Smoothing is a forecasting method that considers separating trend and seasonal aspects, with additive and multiplicative models. Pegel’s Exponential Smoothing has three parameters, α, β, and γ. Many possible parameter combinations may yield an optimal solution, so a modified Golden Section method is used. The principle of this method is to iteratively reduce the boundary area of x that may produce an optimal objective function value, systematically decreasing the number of search steps to minimize the number of trials. Data obtained from the Central Bureau of Statistics regarding the amount of dry rubber production in Indonesian plantations from January 2017 to December 2022 is assumed to contain a multiplicative seasonal effect due to the relatively unstable seasonal pattern heights. This study compares three trend models: no trend, additive trend, and multiplicative trend in the multiplicative seasonal Pegel’s Exponential Smoothing method. This study aims to predict the amount of dry rubber production in Indonesian plantations from January 2022 to December 2022. Forecast validation results show that the multiplicative trend in the multiplicative seasonal Pegel’s Exponential Smoothing method, with a MAPE of 3.389001% and an RMSE of 8,839.965080, has the best forecasting accuracy for this data compared to the other three trend models.

Bahasa Indonesia

Pegel’s Eksponential Smoothing merupakan metode peramalan yang mempertimbangkan pemisah aspek tren dan musiman dimana modelnya bersifat aditif dan multiplikatif. Pegel’s Eksponential Smoothing memiliki tiga parameter, yaitu dan. Terdapat banyak kombinasi parameter yang mungkin menghasilkan solusi optimal sehingga digunakan modifikasi metode Golden Section, dimana prinsip dari metode ini yaitu mengurangi secara bertahap dan berulang wilayah batas yang mungkin menghasilkan nilai fungsi objektif optimum sehingga mampu meminimalkan jumlah percobaan. Data yang diperoleh dari Badan Pusat Statistik mengenai jumlah produksi karet kering perkebunan Indonesia periode Januari 2017-Desember 2022 diasumsikan mengandung efek musiman multiplikatif dikarenakan ketinggian pola musimannya relatif tidak stabil. Penelitian ini membandingkan 3 model tren yaitu tanpa tren, tren aditif, dan tren multiplikatif pada metode Pegel’s Eksponential Smoothing musiman multiplikatif. Tujuan dari penelitian ini yaitu untuk meramalkan jumlah produksi karet kering perkebunan Indonesia periode Januari 2022-Desember 2022. Validasi hasil peramalan menunjukkan bahwa metode Pegel’s Eksponential Smoothing musiman multiplikatif tren multiplikatif dengan nilai MAPE sebesar 3,389001% dan nilai RMSE sebesar 8.839,965080 adalah metode yang memiliki akurasi peramalan terbaik dalam meramalkan data tersebut dibanding dengan 3 model tren lainnya.

Kata kunci

Jaringan kolaborasi para penulis

40 penulis · 128 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Sultan Ageng Tirtayasa University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Erna Tri HerdianiAfiliasi tidak diketahui2
La Podje TalangkoAfiliasi tidak diketahui2
Andi Kresna JayaAfiliasi tidak diketahui2
Siswanto SiswantoAfiliasi tidak diketahui2
Muh. Ikbal TaufikAfiliasi tidak diketahui2
Anisa KalondengAfiliasi tidak diketahui2
M. Zaky Hisyam GozhiAfiliasi tidak diketahui2
Rizki AdiputraAfiliasi tidak diketahui1
Risma RismaAfiliasi tidak diketahui1
Dewi Santika Upa P.Afiliasi tidak diketahui1
Ririn AriantiAfiliasi tidak diketahui1
Muhammad IdmanAfiliasi tidak diketahui1
Raupong RaupongAfiliasi tidak diketahui1
Fitri AnnisaAfiliasi tidak diketahui1
Nasrah SirajangAfiliasi tidak diketahui1
Mukrimin AdamAfiliasi tidak diketahui1
Anisa Haura Salsa Fatih YusufAfiliasi tidak diketahui1
Georgina Maria TinungkiAfiliasi tidak diketahui1
Hendriete Tiur Marowi WaibusiAfiliasi tidak diketahui1
Rael Hofni TandirerungAfiliasi tidak diketahui1
Nirwan NirwanAfiliasi tidak diketahui1
Nurhidayatullah NurhidayatullahAfiliasi tidak diketahui1
Amalia AndrianingrumAfiliasi tidak diketahui1
Andi Isna YunitaAfiliasi tidak diketahui1
Muhammad FadilAfiliasi tidak diketahui1
A.Muthiah Nur AngrianyAfiliasi tidak diketahui1
Rini JamalAfiliasi tidak diketahui1
Andi M Alfin BasoAfiliasi tidak diketahui1
Andi FebriyantiAfiliasi tidak diketahui1
Rahmiati RahimAfiliasi tidak diketahui1
Andi Sri YuliantiAfiliasi tidak diketahui1
Eunike Laurine RandaAfiliasi tidak diketahui1
Sitti Aisyah SuriandaAfiliasi tidak diketahui1
M. Zaky Gozhi HisyamAfiliasi tidak diketahui1
Guntur Dwi PutraAfiliasi tidak diketahui1
Anisa AnisaSultan Ageng Tirtayasa University1
Syamsuddin ToahaAfiliasi tidak diketahui1
Aidul Fitri MustaminAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 5 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Forecasting Dry Rubber Production in Indonesia for the Year 2022 Using Pegel's Exponential Smoothing Method with Modified Golden Section Optimization</dc:title>
	<dc:creator xml:lang="en">Fitrah, Rahmi Nurul Ainun</dc:creator>
	<dc:creator xml:lang="en">Sahriman, Sitti</dc:creator>
	<dc:subject xml:lang="en">Pegel’s Eksponential Smoothing</dc:subject>
	<dc:subject xml:lang="en">Modified Golden Section</dc:subject>
	<dc:subject xml:lang="en">Dry Rubber</dc:subject>
	<dc:description xml:lang="en">Pegel’s Exponential Smoothing is a forecasting method that considers separating trend and seasonal aspects, with additive and multiplicative models. Pegel’s Exponential Smoothing has three parameters, α, β, and γ. Many possible parameter combinations may yield an optimal solution, so a modified Golden Section method is used. The principle of this method is to iteratively reduce the boundary area of x that may produce an optimal objective function value, systematically decreasing the number of search steps to minimize the number of trials. Data obtained from the Central Bureau of Statistics regarding the amount of dry rubber production in Indonesian plantations from January 2017 to December 2022 is assumed to contain a multiplicative seasonal effect due to the relatively unstable seasonal pattern heights. This study compares three trend models: no trend, additive trend, and multiplicative trend in the multiplicative seasonal Pegel’s Exponential Smoothing method. This study aims to predict the amount of dry rubber production in Indonesian plantations from January 2022 to December 2022. Forecast validation results show that the multiplicative trend in the multiplicative seasonal Pegel’s Exponential Smoothing method, with a MAPE of 3.389001% and an RMSE of 8,839.965080, has the best forecasting accuracy for this data compared to the other three trend models.</dc:description>
	<dc:description xml:lang="id">Pegel’s Eksponential Smoothing merupakan metode peramalan yang mempertimbangkan pemisah aspek tren dan musiman dimana modelnya bersifat aditif dan multiplikatif. Pegel’s Eksponential Smoothing memiliki tiga parameter, yaitu dan . Terdapat banyak kombinasi parameter yang mungkin menghasilkan solusi optimal sehingga digunakan modifikasi metode Golden Section, dimana prinsip dari metode ini yaitu mengurangi secara bertahap dan berulang wilayah batas yang mungkin menghasilkan nilai fungsi objektif optimum sehingga mampu meminimalkan jumlah percobaan. Data yang diperoleh dari Badan Pusat Statistik mengenai jumlah produksi karet kering perkebunan Indonesia periode Januari 2017-Desember 2022 diasumsikan mengandung efek musiman multiplikatif dikarenakan ketinggian pola musimannya relatif tidak stabil. Penelitian ini membandingkan 3 model tren yaitu tanpa tren, tren aditif, dan tren multiplikatif pada metode Pegel’s Eksponential Smoothing musiman multiplikatif. Tujuan dari penelitian ini yaitu untuk meramalkan jumlah produksi karet kering perkebunan Indonesia periode Januari 2022-Desember 2022. Validasi hasil peramalan menunjukkan bahwa metode Pegel’s Eksponential Smoothing musiman multiplikatif tren multiplikatif dengan nilai MAPE sebesar 3,389001% dan nilai RMSE sebesar 8.839,965080 adalah metode yang memiliki akurasi peramalan terbaik dalam meramalkan data tersebut dibanding dengan 3 model tren lainnya.</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2025-01-12</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/37158</dc:identifier>
	<dc:identifier>10.20956/j.v21i2.37158</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 21 No. 2 (2025): JANUARY 2025; 368-381</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/37158/12434</dc:relation>
	<dc:coverage xml:lang="id">Peramalan</dc:coverage>
	<dc:rights xml:lang="en">Copyright (c) 2025 Jurnal Matematika, Statistika dan Komputasi</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>