FORECASTING THE SALES OF SUBSIDIZED FERTILIZER USING THE SARIMA METHOD AND STL METHOD

Krishnamurti Dadi Pratomo, Drs. Medi, M.Kom.

2024 | Skripsi | ILMU KOMPUTER

Tesis ini mengkaji penggunaan metode SARIMA (Seasonal AutoRegressive
Integrated Moving Average) dan STL (Seasonal-Trend Decomposition using
Loess) untuk meramalkan penjualan pupuk bersubsidi oleh PT PPI, Badan Usaha Milik Negara. Penelitian ini menggunakan data penjualan dari Januari 2022 hingga Juni 2023 untuk membangun dan membandingkan model peramalan. Awalnya, metode SARIMA, dengan kemampuannya untuk menangkap pola musiman dan tren linier, menunjukkan kinerja yang memuaskan. Namun, setelah menyesuaikan parameter musiman dari siklus tahunan menjadi siklus triwulanan, metode STL terbukti lebih akurat. Metrik kinerja, termasuk Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE), digunakan untuk mengevaluasi model. Hasil penelitian menunjukkan bahwa meskipun SARIMA memberikan dasar yang baik, metode STL, khususnya dengan parameter musiman triwulanan, menghasilkan kesalahan yang jauh lebih rendah di semua metrik. Secara khusus, STL
mengungguli SARIMA dengan MSE sebesar 312.800.829.796, RMSE sebesar 559.286,
dan MAPE sebesar 18,14%, dibandingkan dengan kesalahan SARIMA yang lebih tinggi.
Studi ini menyimpulkan bahwa STL adalah model yang lebih efektif untuk meramalkan
penjualan pupuk bersubsidi untuk PT PPI, menyediakan alat yang andal yang lebih selaras
dengan pola triwulanan yang diamati dalam data. Wawasan ini penting untuk
mengoptimalkan alokasi sumber daya dan meningkatkan akurasi peramalan.

This thesis investigates the use of SARIMA (Seasonal AutoRegressive
Integrated Moving Average) and STL (Seasonal-Trend Decomposition using
Loess) methods for forecasting the sales of subsidized fertilizer by PT PPI, a State-
Owned Enterprise. The study utilizes sales data from January 2022 to June 2023 to
build and compare forecasting models. Initially, the SARIMA method, with its
ability to capture seasonal patterns and linear trends, demonstrated satisfactory
performance. However, upon adjusting the seasonal parameter from a yearly to a
quarterly cycle, the STL method proved to be more accurate.
Performance metrics, including Mean Squared Error (MSE), Root Mean
Squared Error (RMSE), and Mean Absolute Percentage Error (MAPE), were used
to evaluate the models. The results showed that while SARIMA provided a good
baseline, the STL method, particularly with a quarterly seasonal parameter,
achieved significantly lower errors across all metrics. Specifically, STL
outperformed SARIMA with an MSE of 312,800,829,796, an RMSE of 559,286,
and a MAPE of 18.14%, compared to SARIMA's higher errors.
The study concludes that STL is the more effective model for forecasting
sales of subsidized fertilizer for PT PPI, providing a reliable tool that aligns better
with the quarterly patterns observed in the data. This insight is crucial for
optimizing resource allocation and improving forecasting accuracy.

Kata Kunci : Subsidized Fertilizer, Time Series Forecasting, SARIMA, STL, Business Analysis