Eksplorasi Model Exponential Smoothing State Space (ETS) dan Moving Average Untuk Memprediksi Ekspor Kulit Mentah Indonesia: Studi Data Comtrade
Abstract
Ekspor adalah faktor penting untuk mendukung keberlangsungan suatu negara. Peramalan ekspor mendukung pemerintah dalam pengambilan kebijakan, pengukuran produktivitas dan sebagai persiapan untuk melakukan perdagangan internasional. Penelitian ini bertujuan untuk menyediakan sebuah prediksi ekspor di masa mendatang yang dapat digunakan pemerintah dengan cara membangun model machine learning yang terintegrasi. Penelitian ini menggunakan data ekspor kulit mentah Indonesia yang didapatkan dari situs web sumber terbuka trading economics data. Penelitian ini membandingkan model Moving Average dan Exponential smooting-state space atau yang lebih dikenal sebagai ETS (error, trend dan seasonal). Perbandingan akurasi peramalan menggunakan MAPE (Mean Absolute Percentage Error) dan MAD: Mean Absolute Deviation. Hasil dari penelitian yang dilakukan, dapat disimpulkan bahwa model Exponential smooting-state space lebih akurat dari model Moving Average. Model Exponential smooting-state memiliki nilai akurasi peramalan MAPE dan MAD sebesar 1.51% dan 1352992.35. Hasil forecasting menggunakan model Exponential smooting-state untuk tahun 2024 dan 2025 adalah sebesar 90,734,717.54 dan 91,573,095.16.
References
As'ad, M., Sujito, S., Setyowibowo, S., Farida, E., Yuniar, E., & Yunus, M. (2024). Forecasting performance based on exponential smoothing with SES and ETS model for gold price forecasting. Jurnal Teknik Informatika dan Sistem Informasi, 11(1), 267-274.
Dave, E., Leonardo, A., Jeanice, M., & Hanafiah, N. (2021). Forecasting Indonesia exports using a hybrid model ARIMA-LSTM. Procedia Computer Science, 179, 480-487.
Heizer, J., dan Render, B. (2015). Manajemen Operasi: Manajemen Keberlangsungan dan Rantai Pasokan (Ketujuh). Jakarta: Salemba Empat.
Kolambe, M., and Arora, S. (2024). Forecasting the Future: A Comprehensive Review of Time Series Prediction Techniques. J. Electrical Systems, 20(2), 575–586.
Liu, Z., Zhu, Z., Gao, J., & Xu, C. (2021). Forecast methods for time series data: A survey. Ieee Access, 9, 91896-91912.
Meilani, H. (2024). Tantangan Industri Alas Kaki Nasional, Pusat Analisis Keparlemenan. Badan Keahlian Setjen DPR RI.
Shiela, F. J. H., Ramadhan, R., Hasanah, I. K., Herlambang, T., Hamdani, M. Y., and Nafa, M. (2024). Analisis Peramalan Profitabilitas PT. Samudera Indonesia Tbk Menggunakan Metode Regresi Linear. Zeta – Math Journal, 9(1), 41–49.
Syahputra, G. N., Siregar, I. K., & Saputra, E. (2023). Application of the Trend Moment Method to Predict Shoes Sales. Sistemasi: Jurnal Sistem Informasi, 12(2), 551-560.
Taniansyah, D. I., & Setiawan, I. R. (2021). Implementasi metode trend moment pada prediksi tren penjualan sepatu di toko garageshoessmi kota sukabumi. Jurnal Sistem Informasi (JASISFO), 2(2), 205-213.
