VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006 hingga Desember 2009. Dalam series waktu tersebut terdapat 48 bulan, yang berarti terdapat 48 data penjualan ayam broiler dalam satuan kilogram. Analisis pola data dilakukan untuk mengetahui unsur-unsur yang terdapat pada pola data penjualan ayam broiler Tunas Mekar Farm. Apakah polanya stasioner, terdapat unsur musiman atau siklus beserta penyebab terjadinya unsurunsur tersebut dengan terlebih dahulu melakukan identifikasi pola data. Penjualan Ayam Broiler TMF 1000000
Kilogram (Kg)
900000
800000
700000
600000 1
5
10
15
20
25 Periode
30
35
40
45
Gambar 5. Plot Data Penjualan Ayam Broiler Periode Januari 2006 – Desember 2009 Berdasarkan hasil plot data yang dapat dilihat pada Gambar 4, diidentifikasikan bahwa penjualan ayam broiler selalu berfluktuasi dengan ratarata penjualan mencapai 766.091,9 kg per bulan. Pengamatan terhadap plot data tersebut
tampak bahwa pola data penjualan ayam broiler tidak stasioner.
Ketidakstasioneran terlihat dari sebaran data penjualan ayam broiler yang tidak berada di sekitar garis lurus atau rata-rata konstan. Menurut Bapak H. Muslikhin (Pemilik TMF) Pada bulan Oktober 2007 hingga Januari 2008 terjadi wabah flu burung yang ke dua menyerang Indonesia. Kasus flu burung pertama terjadi sekitar tahun 2003 yang menyebabkan peternak mengalami kerugian yang sangat besar. Flu burung yang terjadi pada tahun 2007 berdampak langsung terhadap penjualan ayam broiler Tunas Mekar Farm. Hasil analisis terhadap pola data penjualan ayam broiler terjadi penurunan penjualan ayam broiler Tunas Mekar Farm baik dari jumlah maupun harganya, salah satu faktor yang sangat mempengaruhi penurunan harga maupun jumlah penjualan ayam broiler Tunas Mekar Farm diakibatkan oleh kasus flu burung. Penjualan ayam broiler Tunas Mekar Farm mengalami peningkatan yang tinggi yaitu pada bulan Desember 2008 sebesar 938.229 kg, hal ini terjadi karena salah satu faktor yang mempengaruhinya adalah akibat dampak wabah flu burung tahun 2007. Pada saat terjadi wabah flu burung harga ayam broiler turun dan di ikuti oleh jumlah penjualan ayam yang mengalami penurunan, sehingga banyak peternak mandiri yang tidak dapat mengatasi masalah tersebut yang berakibat rugi besar dan menyebabkan bangkrut. Sedangkan Tunas Mekar Farm mampu mengatasi kasus flu burung tersebut karena bekerja sama dengan investor serta berkonsultasi dengan dokter hewan yang ahli terhadap flu burung. Sehingga pada bulan Maret 2008 hingga Desember 2009 Tunas Mekar Farm mengalami peningkatan penjualan akibat dari berkurangnya pesaing serta meningkatnya jumlah produksi dengan memperluasan wilayah produksi ayam broiler Selain itu berdasarkan plot data tersebut penjualan ayam broiler Tunas Mekar Farm memiliki kecenderungan yang meningkat. 6.2. Metode Peramalan Penjualan Setelah pola data penjualan ayam broiler diidentifikasi maka penerapan metode peramalan dapat dilakukan lebih mudah. Metode yang diterapkan dalam penelitian ini adalah metode time series.
50
6.2.1 Metode Rata-rata Bergerak (Moving Average) Metode rata-rata bergerak akan menghasilkan ramalan yang baik hanya jika proses yang mendasari nilai pengamatan tidak menunjukkan adanya trend dan unsur musiman. Dari hasil penerapan metode rata-rata sederhana diperoleh nilai MSE sebesar 8.181.048.190 6.2.2. Metode Pemulusan Eksponensial Tunggal (Single Exponential Smoothing) Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historisnya. Metode ini diterapkan dengan menyimpan nilai α, data dan ramalan terakhir untuk menghasilkan ramalan berikutnya. Hasil dari metode ini menghasilkan nilai MSE 8.002.399.308. 6.2.3. Metode Pemulusan Eksponensial Ganda (Double Exponential Smoothing) Metode ini cukup akurat jika diterapkan untuk data deret waktu yang mengandung unsur trend. Metode ini berusaha mengekstrapolasi atas dasar trend terakhir pada data, sehingga ramalan akan memperlihatkan kecenderungan ke satu arah, yaitu yang sesuai dengan arah trend terakhir pada data. Metode ini menghasilkan MSE 8.796.466.945. 6.2.4. Metode Dekomposisi Aditif Metode dekomposisi aditif memisahkan pola data atas unsur siklus, musiman, trend dan error. Metode ini merupakan salah satu metode yang dapat mengatasi unsur trend. Model trend yang sesuai yang dihasilkan metode ini, yaitu Yt = 654557 + 4552*t. Penerapan metode dekomposisi aditif menghasilkan MSE 6.392.986.547. Nilai unsur musiman yang dihasilkan metode dekomposisi aditif dapat di lihat pada Tabel 11.
51
Tabel 11. Nilai Unsur Musiman Yang dihasilkan Metode Dekomposisi Aditif No
Bulan
Nilai Unsur Musiman
1
Januari
-93363
2
Februari
-87422
3
Maret
26494
4
April
-32994
5
Mei
146316
6
Juni
60946
7
Juli
-7169
8
Agustus
79423
9
September
29788
10
Oktober
11
November
-70972
12
Desember
-50616
-429
Berdasarkan tabel di atas menunjukkan bahwa pada bulan Januari, Februari, April, Juli, Oktober, November dan Desember, nilai unsur musimannya negatif, maka dapat diramalkan penjualan ayam broiler pada bulan tersebut akan lebih rendah dibanding rata-rata penjualan. Sedangkan pada bulan Maret, Mei, Juni, Agustus dan September. Nilai unsur musimannya positif, maka dapat diramalkan penjualan daging ayam pada bulan tersebut akan lebih tinggi dibanding rata-rata penjualan. 6.2.5. Metode Dekomposisi Multiplikatif Model trend yang sesuai yang dihsilkan metode ini adalah Yt = 656081 + 4569*t. Penerapan metode ini menghasilkan MSE 6.200.109.375. nilai unsur musiman yang dihasilkan metode ini dapat di lihat pada tabel 12.
52
Tabel 12. Nilai Unsur Musiman Yang dihasilkan Metode Dekomposisi Multiplikatif No Bulan Nilai Unsur Musiman 1
Januari
0.88891
2
Februari
0.89634
3
Maret
1.03344
4
April
0.95507
5
Mei
1.17612
6
Juni
1.07988
7
Juli
0.98858
8
Agustus
1.10044
9
September
1.04156
10
Oktober
0.99819
11
November
0.91533
12
Desember
0.92615
Tabel 12 menunjukkan bahwa pada bulan Januari, Februari, April, Juli, Oktober, November dan Desember, nilai unsur musimannya lebih kecil dari satu, maka dapat diramalkan penjualan ayam broiler pada bulan tersebut akan lebih rendah dibanding rata-rata penjualan. Sedangkan pada bulan Maret, Mei, Juni, Agustus dan September. Nilai unsur musimannya lebih besar dari satu, maka dapat diramalkan penjualan daging ayam pada bulan tersebut akan lebih tinggi dibanding rata-rata penjualan. 6.2.6.Metode Winters Aditif Jika dibandingkan dengan metode pemulusan yang lain, metode winters merupakan metode yang kompleks dan rumit. Dalam menggunakan metode winters diperlukan tiga parameter sehingga diperlukan perhitungan dan waktu yang cukup lama untuk menemukan nilai tiga parameter yang optimal. Penerapan metode winters aditf menghasilkan nilai MSE 8.206.242.384. dengan nilai α = 0.45; β = 0.05, γ =0.9 dan panjang musin (L) = 12.
53
6.2.7. Metode Winters Multiplikatif Metode wineters memiliki kelebihan dapat mengatasi unsur trend dan musiman. Sama halnya dengan metode winters aditif, metode winters mltiplikatif memerlukan tiga parameter penduga yang dalam proses menemukan nilai tiga parameter yang optimal dibutuhkan perhitungan dan waktu yang cukup lama. Penerapan metode winters multiplikatif menghasilkan nilai MSE 8.247.767.054 dengan nilai α = 0.45; β = 0.05, γ =0.9 dan panjang musin (L) = 12. 6.2.8. Metode Box – Jenkins (ARIMA) Tahap pertama dalam metode Box – Jenkins adalah identifikasi pola data. Pola data penjualan ayam broiler diidentifikasikan terdapat unsur trend dan unsur musiman. Berdasarkan plot ACF (Lampiran 1), pola data belum stasioner sehingga diperlukan pembedaan pertama (first differencing). Kemudian plot ACF hasil pembedaan pertama dari deret data dianalisis untuk melihat apakah data sudah stasioner atau belum. Implikasi dari pembedaan pertama ini adalah model yang digunakan mengandung nilai d = 1 menjadi ARIMA (p,1,q). Hasil dari pembedaan pertama dari data penjualan ayam broiler dapat di lihat pada Lampiran 2. dari hasil pengamatan plot ACF tersebut terlihat bahwa deret data telah stasioner yang di tunjukkan oleh nilai autokorelasinya sudah tidak berbeda secara nyata dengan nol. Setelah dilakukan pengidentifikasikan data, maka dilakukan uji diagnostik atas model SARIMA tersebut. Uji diagnostik tersebut terdiri dari enam kriteria model Box-Jenkins, antara lain : 1. Residual atau error peramalan bersifat random.
Pada Lampiran 3 error
peramalan sudah random, hal ini dibuktikan pada Ljung-Box Statistic dimana P-value lebih besar daripada α (0,05) yaitu 0,496 dan 0,314 2. Model parsimonious dimana model tentatif yang diperoleh yaitu SARIMA (1,1,0)(1,1,1)12, menunjukkan bentuk model yang paling sederhana. 3. Parameter yang diestimasi berbeda nyata dengan nol. Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0,05), dimana pada P-value koefisien = 0.000.
54
4. Kondisi invertibilitas ataupun stasioneritas harus terpenuhi, yang ditunjukkan oleh jumlah koefisien AR yang harus kurang dari satu yaitu AR = 0,7796 SAR=0,3453 dan SMA = 0,8106. Sehingga model ARIMA (1,1,0)(1,1,1)12 sudah invertibilitas. 5. Proses iterasi harus convergence.
Pada session sudah terdapat penyataan
bahwa Relative change in each estimate less than 0.0010. 6. Model harus memiliki MSE yang kecil. Pada model ARIMA ditunjukkan dengan nilai MSE sebesar 4.958.073.037 Tahapan selanjutnya dalam Box-Jenkins adalah meramalkan hasil (forecasting) penjualan ayam broiler, dengan metode SARIMA (1,1,0)(1,1,1)12. Bentuk model SARIMA (1,1,0)(1,1,1)12. Yt = Φyt-1 – wL(εt-L – Φ1 yt-L-1) + εt Yt = 0,7796 (yt-1) – 0,8106 (εt-L - 0,7796 yt-L-1) + εt Hasil ramalan penjualan untuk 12 bulan ke depan yang terdapat pada Tabel 13 menunjukkan bahwa tingkat penjualan ayam broiler berfluktuasi dengan rata-rata penjualan mencapai 1.143.245 kg per bulan.
Ramalan penjualan
tertinggi terjadi pad bulan Desember 2009 yaitu sebesar 1.280.674 kg.
55
Tabel 13. Hasil Ramalan Penjualan Ayam Broiler Periode Waktu Januari 2010 – Desember 2010 No. Bulan Ramalan Penjualan (kilogram) 1
Januari
889.307
2
Februari
973.624
3
Maret
1.053.693
4
April
1.062.904
5
Mei
1.183.153
6
Juni
1.218.211
7
Juli
1.164.498
8
Agustus
1.241.776
9
September
1.215.087
10
Oktober
1.225.560
11
November
1.210.454
12
Desember
1.280.674
Berdasarkan nilai MSE yang diperoleh dari masing-masing metode peramalan, nilai MSE yang paling kecil serta model yang paling sederhana yang dapat dipakai untuk meramalkan penjualan ayam broiler Tunas Mekar Farm adalah model SARIMA (1,1,0)(1,1,1)¹² dengan nilai MSE 4.958.073.037 Mengenai nilai MSE masing-masing teknik peramalan dapat di lihat pada Tabel 14.
56
Tabel 14. Nilai MSE Metode Peramalan Penjualan Ayam Broiler Tunas Mekar Farm No Metode MSE Urutan Terbaik 1
Moving Average
8.181.048.190
5
2
Single Eksponensial
8.002.399.308
4
3
Double Eksponensial
8.796.466.945
8
4
Dekomposisi Aditif
6.392.986.547
3
5
Dekomposisi Multiplikatif
6.200.109.375
2
6
Winters Aditif
8.206.242.384
6
7
Winters Multiplikatif
8.247.767.054
7
8
SARIMA (1,1,0)(1,1,1)¹²
4.958.073.037
1
6.3. Analisis Pola Data Harga Ayam Broiler Data harga ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006 hingga Desember 2009. Dalam series waktu tersebut terdapat 48 bulan, yang berarti terdapat 48 data harga ayam broiler dalam satuan Rupiah. Analisis pola data dilakukan untuk mengetahui unsur-unsur yang terdapat pada pola data penjualan ayam broiler Tunas Mekar Farm. Apakah polanya stasioner, terdapat unsur musiman atau siklus beserta penyebab terjadinya unsurunsur tersebut dengan terlebih dahulu melakukan identifikasi pola data. Untuk lebih jelasnya dapat di lihat pada Gambar 5.
57
Harga Ayam Broiler TMF 14000 13000
Rupiah (Rp)
12000 11000 10000 9000 8000 7000 6000 5000 1
5
10
15
20
25 Periode
30
35
40
45
Gambar 6. Plot Data Harga Ayam Broiler Periode Januari 2006 – Desember 2009 Berdasarkan hasil plot data yang dapat dilihat pada Gambar 5, diidentifikasikan bahwa penjualan ayam broiler selalu berfluktuasi dengan ratarata harga Rp.10.518 per bulan, sedangkan untuk tahun 2009 harga ra-rata per bulannya adalah Rp.12.957,75. Pengamatan terhadap plot data tersebut tampak bahwa pola data penjualan ayam broiler tidak stasioner. Ketidakstasioneran terlihat dari sebaran data harga ayam broiler yang tidak berada di sekitar garis lurus atau rata-rata konstan. Penurunan harga pada bulan November 2006 hingga Februari dikarenakan permintaan pasar berkurang yang mengakibatkan harga tertekan hingga mencapai Rp.5.771 per kilogram. Menurut Bapak H. Muslikhin (Pemilik TMF) Pada bulan Oktober 2007 hingga Januari 2008 terjadi wabah flu burung yang ke dua menyerang Indonesia. Kasus flu burung yang terjadi pada tahun 2007 berdampak langsung terhadap harga ayam broiler Tunas Mekar Farm. Apabila dikaji lebih jauh pada bulan Okober 2007 hingga Januari 2008 terjadi penurunan harga ayam broiler Tunas Mekar Farm. Penurunan harga ini diikuti pula oleh penurunan penjualan ayam broiler yang mengakibatkan banyak peternak yang mengalami kerugian besar hingga bangkrut. Salah satu faktor yang
58
sangat mempengaruhi penurunan harga maupun jumlah penjualan ayam broiler Tunas Mekar Farm diakibatkan oleh kasus flu burung. Harga ayam broiler Tunas Mekar Farm mengalami peningkatan yang tinggi yaitu pada bulan September 2009 sebesar Rp.13.795 per kilogram, hal ini terjadi karena pada tahun 2009 cenderung sedikit faktor yang dapat menekan harga ayam sehingga harga yang terjadi pada tahun 2009 stabil dengan kecenderungan naik. Harga rata-rata ayam per bulan pada tahun 2009 sebesar Rp.12.957,75 per kilogram. 6.4. Metode Peramalan Harga Setelah pola data harga ayam broiler diidentifikasi maka penerapan metode peramalan dapat dilakukan lebih mudah. Metode yang diterapkan dalam penelitian ini adalah metode time series. 6.4.1 Metode Rata-rata Bergerak (Moving Average) Metode rata-rata bergerak akan menghasilkan ramalan yang baik hanya jika proses yang mendasari nilai pengamatan tidak menunjukkan adanya trend dan unsur musiman. Dari hasil penerapan metode rata-rata sederhana diperoleh nilai MSE sebesar 1.988.190 6.4.2. Metode Pemulusan Eksponensial Tunggal (Single Exponential Smoothing) Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historisnya. Metode ini diterapkan dengan menyimpan nilai α, data dan ramalan terakhir untuk menghasilkan ramalan berikutnya. Hasil dari metode ini menghasilkan nilai MSE 865.370 6.4.3. Metode Pemulusan Eksponensial Ganda (Double Exponential Smoothing) Metode ini cukup akurat jika diterapkan untuk data deret waktu yang mengandung unsur trend. Metode ini berusaha mengekstrapolasi atas dasar trend terakhir pada data, sehingga ramalan akan memperlihatkan kecenderungan ke satu
59
arah, yaitu yang sesuai dengan arah trend terakhir pada data. Metode ini menghasilkan MSE 903.320 6.4.4. Metode Dekomposisi Aditif Metode dekomposisi aditif memisahkan pola data atas unsur siklus, musiman, trend dan error. Metode ini merupakan salah satu metode yang dapat mengatasi unsur trend. Model trend yang sesuai yang dihasilkan metode ini, yaitu Yt = 7408 + 127*t. Penerapan metode dekomposisi aditif menghasilkan MSE 961.893. Nilai unsur musiman yang dihasilkan metode dekomposisi aditif dapat di lihat pada tabel 15. Tabel 15. Nilai Unsur Musiman Yang dihasilkan Metode Dekomposisi Aditif No
Bulan
Nilai Unsur Musiman
1
Januari
-2052.74
2
Februari
-204.69
3
Maret
-429.24
4
April
701.93
5
Mei
-46.86
6
Juni
-433.78
7
Juli
954.31
8
Agustus
1434.22
9
September
1538.51
10
Oktober
11
November
-469.07
12
Desember
-1739.53
746.93
Berdasarkan tabel di atas menunjukkan bahwa pada bulan Januari, Februari, Maret, Mei. Juni, November dan Desember, nilai unsur musimannya negatif, maka dapat diramalkan penjualan ayam broiler pada bulan tersebut akan lebih rendah dibanding rata-rata penjualan.
60
Sedangkan pada bulan April, Juli, Agustus, September dan Oktober. Nilai unsur musimannya positif, maka dapat diramalkan penjualan daging ayam pada bulan tersebut akan lebih tinggi dibanding rata-rata penjualan. 6.4.5. Metode Dekomposisi Multiplikatif Model trend yang sesuai yang dihsilkan metode ini adalah Yt = 7319 + 131*t. Penerapan metode ini menghasilkan MSE 1.068.388 nilai unsur musiman yang dihasilkan metode ini dapat di lihat pada tabel 16. Tabel 16. Nilai Unsur Musiman Yang dihasilkan Metode Dekomposisi Multiplikatif No Bulan Nilai Unsur Musiman 1
Januari
0.80363
2
Februari
0.98385
3
Maret
0.96736
4
April
1.06556
5
Mei
0.99801
6
Juni
0.96700
7
Juli
1.11601
8
Agustus
1.14270
9
September
1.12310
10
Oktober
1.05987
11
November
0.96397
12
Desember
0.80896
Tabel 16 menunjukkan bahwa pada bulan Januari, Februari, Maret, Mei, Juni, November dan Desember, nilai unsur musimannya lebih kecil dari satu, maka dapat diramalkan penjualan ayam broiler pada bulan tersebut akan lebih rendah dibanding rata-rata penjualan. Sedangkan pada bulan April, Juli, Agustus, September dan Oktober. Nilai unsur musimannya lebih besar dari satu, maka dapat diramalkan penjualan daging ayam pada bulan tersebut akan lebih tinggi dibanding rata-rata penjualan.
61
6.4.6.Metode Winters Aditif Jika dibandingkan dengan metode pemulusan yang lain, metode winters merupakan metode yang kompleks dan rumit. Dalam menggunakan metode winters diperlukan tiga parameter sehingga diperlukan perhitungan dan waktu yang cukup lama untuk menemukan nilai tiga parameter yang optimal. Penerapan metode winters aditf menghasilkan nilai MSE 863.448. dengan nilai α = 0.45; β = 0.05, γ =0.9 dan panjang musin (L) = 12. 6.4.7. Metode Winters Multiplikatif Metode wineters memiliki kelebihan dapat mengatasi unsur trend dan musiman. Sama halnya dengan metode winters aditif, metode winters mltiplikatif memerlukan tiga parameter penduga yang dalam proses menemukan nilai tiga parameter yang optimal dibutuhkan perhitungan dan waktu yang cukup lama. Penerapan metode winters multiplikatif menghasilkan nilai MSE 946.607 dengan nilai α = 0.45; β = 0.05, γ =0.9 dan panjang musin (L) = 12. 6.4.8. Metode Box – Jenkins (ARIMA) Tahap pertama dalam metode Box – Jenkins adalah identifikasi pola data. Pola data penjualan ayam broiler diidentifikasikan terdapat unsur trend dan unsur musiman. Berdasarkan plot ACF (Lampiran 4), pola data belum stasioner sehingga diperlukan pembedaan pertama (first differencing). Kemudian plot ACF hasil pembedaan pertama dari deret data dianalisis untuk melihat apakah data sudah stasioner atau belum. Implikasi dari pembedaan pertama ini adalah model yang digunakan mengandung nilai d = 1 menjadi ARIMA (p,1,q). Hasil dari pembedaan pertama dari data penjualan ayam broiler dapat di lihat pada Lampiran 5. dari hasil pengamatan plot ACF tersebut terlihat bahwa deret data telah stasioner yang di tunjukkan oleh nilai autokorelasinya sudah tidak berbeda secara nyata dengan nol. Setelah dilakukan pengidentifikasikan data, maka dilakukan uji diagnostik atas model SARIMA tersebut. Uji diagnostik tersebut terdiri dari enam kriteria model Box-Jenkins, antara lain :
62
1.
Residual atau error peramalan bersifat random.
Pada Lampiran 6 error
peramalan sudah random, hal ini dibuktikan pada Ljung-Box Statistic dimana P-value lebih besar daripada α (0,05) yaitu 0,235 dan 0,122 2.
Model parsimonious dimana model tentatif yang diperoleh yaitu SARIMA (1,1,1)(1,1,1)12, menunjukkan bentuk model yang paling sederhana.
3.
Parameter yang diestimasi berbeda nyata dengan nol. Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0,05), dimana pada P-value koefisien = 0.000.
4.
Kondisi
invertibilitas
ataupun
stasioneritas
harus
terpenuhi,
yang
ditunjukkan oleh jumlah koefisien AR yang harus kurang dari satu yaitu AR = 0,4210 SAR=0,6749 dan SMA = 0,7995.
Sehingga model ARIMA
12
(1,1,1)(1,1,1) sudah invertibilitas. 5.
Proses iterasi harus convergence. Pada session sudah terdapat penyataan bahwa Relative change in each estimate less than 0.0010.
6.
Model harus memiliki MSE yang kecil. Pada model ARIMA ditunjukkan dengan nilai MSE sebesar 484.029 Tahapan selanjutnya dalam Box-Jenkins adalah meramalkan hasil
(forecasting) penjualan ayam broiler, dengan metode SARIMA (1,1,1)(1,1,1)12. Bentuk model SARIMA (1,1,1)(1,1,1)12. Yt = Φyt-1 – wL(εt-L – Φ1 yt-L-1) + εt Yt = 0,4210 (yt-1) – 0,7995 (εt-L - 0,4210 yt-L-1) + εt Hasil ramalan harga ayam untuk 12 bulan ke depan yang terdapat pada Tabel 17, menunjukkan bahwa tingkat harga ayam broiler berfluktuasi dengan harga rata-rata mencapai Rp. 13.989 per kilogram. Ramalan harga ayam tertinggi terjadi pada bulan September 2010 yaitu sebesar Rp.15.240 per kilogram.
63
Tabel 17. Hasil Ramalan Harga Ayam Broiler Periode Waktu Januari 2010 – Desember 2010 No. Bulan Ramalan Harga (Rupiah) 1
Januari
11.565,1
2
Februari
13.120,5
3
Maret
13.727,8
4
April
14.302,1
5
Mei
14.889,6
6
Juni
14.091,8
7
Juli
14.143,5
8
Agustus
14.897,8
9
September
15.240,0
10
Oktober
14.708,9
11
November
13.499,4
12
Desember
13.686,2
Berdasarkan nilai MSE yang diperoleh dari masing-masing metode peramalan, nilai MSE yang paling kecil serta model yang paling sederhana yang dapat dipakai untuk meramalkan harga ayam broiler Tunas Mekar Farm adalah model SARIMA (1,1,1)(1,1,1)¹² dengan nilai MSE 484.029 Mengenai nilai MSE masing-masing teknik peramalan dapat di lihat pada Tabel 18 Tabel 18. Nilai MSE Metode Peramalan Harga Ayam Broiler Tunas Mekar Farm No Metode MSE Urutan Terbaik 1
Moving Average
1.988.190
8
2
Single Eksponensial
865.370
3
3
Double Eksponensial
903.320
4
4
Dekomposisi Aditif
961.893
6
5
Dekomposisi Multiplikatif
1.068.388
7
6
Winters Aditif
863.448
2
7
Winters Multiplikatif
946.607
5
8
SARIMA (1,1,1)(1,1,1)¹²
484.029
1
64
