Analisis Pengadaan Chemical Oase Purple (aMDEA) Menggunakan Metode Peramalan Moving Avarage Dan Exponential Smoothing

  • Indira Febrianti STT Migas Balikpapan
  • Raden Andang Iskandar Sekolah Tinggi Teknologi Migas
  • Irma Andrianti Sekolah Tinggi Teknologi Migas
Keywords: Peramalan, Moving Avarage, Exponential Smoothing, Akurasi Peramalan, Oase Purple (Amdea)

Abstract

Joint Operating Body (JOB) Pertamina Medco E&P Tomori Sulawesi
merupakan perusahaan yang bergerak di bidang eksplorasi dan eksploitasi
minyak dan gas bumi di bawah pengawasan SKK Migas. Peramalan
merupakan suatu metode yang penting dalam meramalkan kejadian di masa
depan berdasarkan data historis. Dalam penelitian ini, penulis menggunakan
dua metode peramalan utama, yaitu Moving Average dan Exponential
Smoothing. Metode Moving Average digunakan untuk menghitung rata-rata
dari sekelompok nilai pengamatan untuk membuat prediksi nilai di periode
yang akan datang. Sementara itu, Exponential Smoothing menggunakan
pembobotan eksponensial pada data-data terbaru, di mana parameter
pembobotan ini disimbolkan dengan alpha (α). Untuk mengukur seberapa
dekat hasil peramalan dengan permintaan yang sebenarnya, maka dapat
digunakan perhitungan akurasi peramalan diantaranya adalah MAD, MSE,
MAPE, dan Tracking Signal. Metode peramalan digunakan untuk
memperkirakan jumlah pengadaan chemical oase purple pada tahun 2024
berdasarkan historis penggunaan oase purple pada tahun-tahun sebelumnya.
Dengan adanya peramalan, kita dapat mengatasi ketidakpastian ini dengan
lebih baik.

Downloads

Download data is not yet available.

Author Biographies

Raden Andang Iskandar, Sekolah Tinggi Teknologi Migas

Dosen Prodi Teknik Industri

Irma Andrianti, Sekolah Tinggi Teknologi Migas

Dosen Prodi Teknik Industri

Published
2024-08-12
How to Cite
Febrianti, I., Raden Andang Iskandar, & Irma Andrianti. (2024). Analisis Pengadaan Chemical Oase Purple (aMDEA) Menggunakan Metode Peramalan Moving Avarage Dan Exponential Smoothing. JURNAL TEKNOSAINS KODEPENA, 5(1), 41-56. https://doi.org/10.54423/teknosains.v5i1.82