Integrasi Metode ARIMA, Double Exponential Smoothing, dan Economic Order Quantity untuk Pengendalian Persediaan Kemasan Kardus pada Perusahaan Pengolahan Kelapa Sawit

Nadya Rishelin; Indah Kurnia Ramadhani; Nia Arfina Foci

doi:10.22441/pasti.2026.v20i2.001

Authors

Nadya Rishelin Politeknik ATI Padang, Indonesia
Indah Kurnia Ramadhani Politeknik ATI Padang, Indonesia
Nia Arfina Foci Universitas Bengkulu, Indonesia

DOI:

https://doi.org/10.22441/pasti.2026.v20i2.001

Abstract

Kebijakan pembelian kemasan kardus pada perusahaan pengolahan kelapa sawit selama ini dilakukan dengan frekuensi pemesanan tinggi, yaitu 53 kali per tahun, tanpa mempertimbangkan proyeksi permintaan aktual maupun persediaan pengaman, sehingga berpotensi menurunkan efektivitas pengendalian persediaan. Penelitian ini bertujuan membandingkan akurasi Autoregressive Integrated Moving Average (ARIMA) dan Double Exponential Smoothing (DES) dalam memprediksi permintaan kemasan kardus, serta mengintegrasikan model terbaik dengan Economic Order Quantity (EOQ) untuk menetapkan kebijakan persediaan optimal. Analisis dilakukan terhadap data historis permintaan mingguan melalui identifikasi pola data, pengujian stasioneritas, pemodelan ARIMA dan DES, penilaian kinerja peramalan menggunakan Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE), serta perhitungan EOQ. Model ARIMA (2,1,2) memiliki kinerja lebih baik dibandingkan DES, dengan nilai MSE 17.500.398 dan MAPE 23,7%. Nilai variabilitas permintaan (V) sebesar 0,0111 mengindikasikan pola permintaan bersifat statis sehingga EOQ layak diterapkan. Penerapan EOQ menghasilkan kuantitas pemesanan optimal 39.555 unit dengan frekuensi 14 kali per tahun, menurunkan biaya persediaan sebesar Rp6.450.711,00 atau 48,54% dibandingkan kebijakan perusahaan saat ini. Temuan ini menegaskan bahwa integrasi model peramalan dengan EOQ mampu meningkatkan efektivitas pengendalian persediaan pada perusahaan pengolahan kelapa sawit.

Downloads

Download data is not yet available.

References

Alexandra, A. C., & Hartomo, K. D. (2025). Implementasi Model ARIMA untuk Peramalan Reorder Point dalam Supply Chain Management. JURIKOM (Jurnal Riset Komputer), 12(3), 372–382. https://doi.org/10.30865/jurikom.v12i3.8639

Alnahhal, M., Aylak, B. L., Al Hazza, M., & Sakhrieh, A. (2024). Economic Order Quantity: A State-of-the-Art in the Era of Uncertain Supply Chains. Sustainability (Switzerland), 16(14). https://doi.org/10.3390/su16145965

Badan Pusat Statistik BPS- Statistics Indonesia. (2025). Statistik Tanaman Perkebunan Tahunan Indonesia 2024 (Vol. 1). Badan Pusat Statistik BPS- Statistics Indonesia.

Benhamida, F. Z., Kaddouri, O., Ouhrouche, T., Benaichouche, M., Casado-Mansilla, D., & López-De-Ipiña, D. (2021). Demand forecasting tool for inventory control smart systems. Journal of Communications Software and Systems, 17(2), 185–196. https://doi.org/10.24138/jcomss-2021-0068

Efendi, J., Hidayat, K., & Faridz, R. (2019). Analisis Pengendalian Persediaan Bahan Baku Kerupuk Mentah Potato Dan Kentang Keriting Menggunakan Metode Economic Order Quantity (EOQ). Performa: Media Ilmiah Teknik Industri, 18(2), 125–134. https://doi.org/10.20961/performa.18.2.35418

Fadilah, S. N., Intan, P. K., & Utami, W. D. (2022). Comparison of Forecasting Violence Cases Number Against Women and Children Using Double Exponential Smoothing (DES) and Auto Regressive Integrated Moving Average (ARIMA) Methods. Barekeng : Jurnal Ilmu Matematika Dan Terapan, 16(2), 443–450. https://doi.org/10.30598/barekengvol16iss2pp443-450

Fattah, J., Ezzine, L., Aman, Z., El Moussami, H., & Lachhab, A. (2018). Forecasting of demand using ARIMA model. International Journal of Engineering Business Management, 10, 1–9. https://doi.org/10.1177/1847979018808673

Humairo, Habsari, D. P., Purnamasari, I., & Yuniarti, D. (2020). Peramalan Menggunakan Metode Double Exponential Smoothing dan Verifikasi Hasil Peramalan Menggunakan Grafik Pengendali Tracking Signal. Barekeng, 14(1), 013–022. https://doi.org/10.30598/barekengvol14iss1pp013-022

Kırmızı, S. D., Ceylan, Z., & Bulkan, S. (2024). Enhancing Inventory Management through Safety-Stock Strategies—A Case Study. Systems, 12(7), 1–17. https://doi.org/10.3390/systems12070260

Koutsandreas, D., Spiliotis, E., Petropoulos, F., & Assimakopoulos, V. (2021). On the selection of Forecasting Accuracy Measures. Journal of the Operational Research Society, 73(5), 937–954. https://doi.org/10.1080/01605682.2021.1892464

Lai, Y., & Dzombak, D. A. (2020). Use of the Autoregressive Integrated Moving Average (ARIMA) Model to Forecast Near-Term Regional Temperature and Precipitation. 35(3), 959–976. https://doi.org/10.1175/WAF-D-19-0158.1

Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2018). Statistical and Machine Learning Forecasting Methods: Concerns and Ways Forward. PLOS ONE, 13(3), 1–26. https://doi.org/10.1371/journal.pone.0194889

Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting, 36(1), 54–74. https://doi.org/10.1016/j.ijforecast.2019.04.014

Mardiyah, I., Utami, W. D., Novitasari, D. C. R., Hafiyusholeh, M., & Sulistiyawati, D. (2021). Analisis Prediksi Jumlah Penduduk di Kota Pasuruan Menggunakan Metode ARIMA. Barekeng, 15(3), 525–534. https://doi.org/10.30598/barekengvol15iss3pp525-534

Marlina, W. A., Armijal, Nisa, M. K., & Ardy, M. (2023). Analisis Peramalan Box Jenkins Terhadap Penjualan Di UMKM Im Lele, Payakumbuh. Industri Inovatif : Jurnal Teknik Industri, 13(2), 105–115. https://doi.org/10.36040/industri.v13i2.6526

Nurcahyawati, V., Riyondha Aprilian Brahmantyo, Januar Wibowo, & Nurcahyawati, V. (2023). Manajemen Persediaan Menggunakan Metode Safety Stock dan Reorder Point. Jurnal Sains Dan Informatika, 9, 89–99. https://doi.org/10.34128/jsi.v9i1.431

Petropoulos, F., Apiletti, D., Assimakopoulos, V., Babai, M. Z., Barrow, D. K., Ben Taieb, S., Bergmeir, C., Bessa, R. J., Bijak, J., Boylan, J. E., Browell, J., Carnevale, C., Castle, J. L., Cirillo, P., Clements, M. P., Cordeiro, C., Cyrino Oliveira, F. L., De Baets, S., Dokumentov, A., … Ziel, F. (2022). Forecasting: theory and practice. International Journal of Forecasting, 38(3), 705–871. https://doi.org/10.1016/j.ijforecast.2021.11.001

Pratama, B. A., Wahyuda, & Sitania, F. D. (2025). Pengelolaan Persedian Sparepart Pada Perusahaan Penyedia dan Layanan Alat Berat. Jurnal Teknologi Dan Manajemen Industri Terapan (JTMIT), 4(2), 150–158. https://doi.org/10.55826/jtmit.v4i2.607

Putri, P. S., Sitania, F. D., & Wahyuda. (2023). Penggunaan Metode Economic Order Quantity Dalam Analisis Pengendalian Persediaan Oli Guna Optimalisasi Kuantitas Pemesanan dan Minimasi Total Biaya Persediaan. Jurnal Teknik Industri : Jurnal Hasil Penelitian Dan Karya Ilmiah Dalam Bidang Teknik Industri, 9(1), 291–301. https://doi.org/10.24014/jti.v9i1.22406

Rahma, A. S., & Dahda, S. S. (2024). Perbandingan Peramalan Model ARIMA dan Trend Linear Produk X Pada PT ABC. G-Tech: Jurnal Teknologi Terapan, 8(2), 909–920. https://doi.org/10.33379/gtech.v8i2.4075

Schaffer, A. L., Dobbins, T. A., & Pearson, S. A. (2021). Interrupted time series analysis using autoregressive integrated moving average (ARIMA) models: a guide for evaluating large-scale health interventions. BMC Medical Research Methodology, 21(1), 1–12. https://doi.org/10.1186/s12874-021-01235-8

Situmorang, G. V., & Suseno. (2024). Analisis Pengendalian Persediaan Bahan Baku Cengkeh Menggunakan Metode Economic Order Quantity Dan Periodic Review System. Jurnal Teknologi Dan Manajemen Industri Terapan (JTMIT), 3(2), 238–246. https://doi.org/10.55826/jtmit.v3i2.328

Sukarno, I., & Arshal, M. R. H. (2023). Analisis Pengendalian Persediaan Menggunakan Metode EOQ untuk Optimalisasi Persediaan Bahan Baku Penolong (Studi Kasus: PT. Petrokimia Gresik). Tekinfo: Jurnal Ilmiah Teknik Industri Dan Informasi, 11(2), 121–132. https://doi.org/10.31001/tekinfo.v11i2.1552

The Indonesian Palm Oil Association (GAPKI). (2025). Consumption Rises, Exports Drop. https://gapki.id/en/news/2025/10/30/consumption-rises-exports-drop/

Wiyanti, W. (2023). Effectiveness of Single and Double Exponential Smoothing: SES, ARRSES and Holt’s Linear for Time Series Data Prediction with Trend and Non-seasonal Characteristic (Covid-19 Vaccinate Case). Jurnal Matematika, Statistika Dan Komputasi, 20(1), 52–64. https://doi.org/10.20956/j.v20i1.27193