Penggunaan Metode Particle Swarm Optimization (PSO) dan Support Vector Regression (SVR) dalam Peramalan Kebutuhan Edamame untuk Permintaan Pasar Lokal dan Internasional

Abstract

Pada penerapan pengoptimalan metode Support Vector Regression (SVR) dengan menggunakan metode Particle Swarm Optimazation (PSO) memiliki tujuan untuk melakukan peramalan pada kebutuhan edamame yang dilakukan pada penelitian ini. PT. Mitratani Dua Tujuh dapat memenuhi kebutuhan pasar edamame di Indonesia. Dalam memenuhi pemenuhan tersebut, perusahaan juga mengalami permasalahan pada bagian ketersediaan edamame. Oleh karena itu, dilakukan penelitian pada perusahaan tersebut dengan didapatkan beberapa data dari berupa, data domestik, ekspor, persediaan domestik, dan persediaan ekspor yang dikumpulkan dalam 5 tahun dengan jangka bulanan. Selain 4 data yang telah dikumpulkan, terdapat perhitungan dari target domestik yang hasilnya merupakan selisih dari permintaan domestik dan persediaan domestik, begitu juga dengan target ekspor dari hasil selisih permintaan ekspor dan persediaan ekspor. Pemilihan metode SVR ini disebabkan karena kemampuannya dalam menangani data regresi. Selain itu, metode PSO dapat digunakan pada peramalan pemenuhan kebutuhan ini karean metode ini dapat melakukan optimasi pada SVR dengan menemukan parameter terbaik dan memberikan akurasi yang baik. Pada peramalan ini, dilakukan sebuah evaluasi dari model dengan menggunakan tiga metrik, yaitu Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Penggunaan PSO dan SVR menghasilkan peramalan yang lebih akurat dibadningkan dengan SVR konvensional. Nilai RMSE, MAE, MAPE pada masing-masing metode dan variabel menunjukkan penurunan nilai error, seperti pada metode SVR pada variabel domestik dan ekspor yang memiliki nilai 12.25% dan 13.76% menjadi 4.68% dan 2.7% dengan metode SVR-PSO. Pada variabel target domestik dan target ekspor masing-masing juga mengalami penurunan dari nilai 17.35% dan 13.24% hasil SVR menjadi 4.42% dan 4.66% hasil SVR dengan optimasi PSO. Selain itu, pada variabel persediaan domestik dan persediaan ekspor terjadi adanya kenaikan performa dengan penurunan nilai MAPE dari 23.12% dan 57.68% pada SVR menjadi 11.1% dan 18.72% pada SVR-PSO. Meskipun hasil pada persediaan domestik dan persediaan ekspor masih menunjukkan nilai MAPE dalam kategori yang belum sangat akurat, dapat dilihat dari keseluruhan, bahwa metode SVR-PSO dapat menghasilkan peramalan yang baik dalam pemenuhan kebutuhan edamame. Selain itu, PSO dapat meningkatkan performa model dalam melakukan optimasi pada SVR, terutama pada variabel yang memiliki pola data yang konsisten dan tidak terlalu berubah-ubah.