ESTIMASI KONSUMSI ENERGI GAS ALAM DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DAN FUZZY SUBTRACTIVE CLUSTERING (Studi Kasus di PT. Pupuk Kalimantan Timur)

Erwin Pangihutan Sirait, Ir. Anna Maria Sri Asih S.T., M.M, M.Sc., Ph.D, IPU., ASEAN Eng

2008 | Skripsi | S1 TEKNIK INDUSTRI

Tujuan penelitian ini adalah untuk meramal jumlah konsumsi energi gas alam di masa yang akan datang dengan model ARIMA dan FSC, serta membandingkan nilai akurasi hasil peramalan model ARIMA dan FSC. Metode peramalan yang digunakan ialah model autoregressive integrated moving average (ARIMA) dan fuzzy subtractive clustering (FSC). Penelitian ini berguna untuk mengetahui penggunaan model ARIMA dan FSC dalam meramal jumlah konsumsi energi gas alam pada pabrik kaltim 1, kaltim 2, dan kaltim 3 di masa yang akan datang. Penelitian inipun berguna untuk membandingkan tingkat keakuratan hasil peramalan model ARIMA dan FSC dengan paramater MAPE dan koefisien determinasi (R2). Dengan membandingkan parameter MAPE dan R2 model ARIMA dan FSC, dapat diketahui model peramalan mana yang lebih baik, model peramalan mana yang menghasilkan nilai akurasi yang lebih tinggi, dan model peramalan mana yang cocok digunakan untuk mengestimasi jumlah konsumsi energi gas alam di masa yang akan datang. Penelitian ini dilakukan dengan cross validation dengan nilai 1/4 karena model ARIMA dan FSC digunakan untuk peramalan jangka pendek. Berdasarkan hasil penelitian, model ARIMA kaltim 1, kaltim 2, dan kaltim 3 menghasilkan nilai MAPE yang lebih kecil dibandingkan model FSC dan nilai R2 yang lebih kecil daripada model FSC. Pada penelitian ini, parameter koefisien determinasi lebih dipilih untuk menilai akurasi peramalan karena dapat menjelaskan presentase keakuratan hasil forecasting, variabilitas konsumsi energi gas alam yang dapat dijelaskan oleh variabel waktu, dan menunjukkan seberapa kuat korelasi antara variabel waktu dengan konsumsi energi gas alam. Secara umum model FSC lebih dipilih sebagai model peramalan pada data kaltim 1, kaltim 2, dan kaltim 3 karena dapat menghasilkan nilai R2 yang tinggi, lebih efisien dalam hal biaya serta waktu, dan lebih simple karena dapat dengan cepat mengupdate data baru untuk proses peramalan.

Kata Kunci : ARIMA, FSC, MAPE, koefisien determinasi (R2), efisien, simple.