Peramalan Hasil Panen Kelapa Sawit Menggunakan Metode Multifactors High Order Fuzzy Time Series yang Dioptimasi dengan K-Means Clustering (Studi Kasus: PT. Sandabi Indah Lestari Kota Bengkulu)

Abstrak

Berdasarkan data volume ekspor yang dicatat oleh Kementerian Pertanian dari tahun 2012 hingga tahun 2016, kelapa sawit (Elaeis guineensis Jacq) menjadi salah satu pusat perhatian pemerintah dan investor. Pada perusahaan  perkebunan kelapa sawit, salah satunya ialah PT. Sandabi Indah Lestari Kota Bengkulu terjadi kendala pada hasil panen kelapa sawit yang tidak sesuai dengan target yang diharapkan. Target ini berupa jumlah hasil panen dan waktu yang digunakan untuk melakukan hasil panen kelapa sawit. Ketika hasil panen tidak sesuai target, hal ini dapat menyebabkan anggaran produksi yang tidak sesuai dengan yang direncanakan. Oleh karena itu perusahaan membutuhkan peramalan hasil panen untuk meminimalisasi adanya kendala yang ditimbulkan dari hasil panen yang tidak sesuai target. Metode Multifactors High Order Fuzzy Time Series yang dioptimasi dengan K-Means Clustering untuk menentukan subinterval yang digunakan dapat membantu dalam melakukan peramalan hasil panen kelapa sawit. Alur dari metode ini yaitu penentuan Universe of Discourse, penentuan jumlah cluster, pembentukan subinterval dengan K-Means Clustering, pembentukan himpunan Fuzzy, fuzzifikasi, pembentukan Fuzzy Logic Relationship (FLR), dan defuzzifikasi. Penelitian ini menggunakan beberapa faktor yang terdiri atas hasil panen kelapa sawit setiap bulan, luas lahan, umur tanaman, dan jumlah pokok kelapa sawit. Dari hasil pengujian didapatkan jumlah cluster, jumlah order, jumlah data latih, dan threshold yang optimal secara berturut-turut yaitu 8, 6, 107, dan 6 dengan nilai AFER terbaiknya yaitu 36,98%.