SUMMARY
Analisis data time series menggunakan metode Winter’s exponential smoothing dan Pegel’s exponential smoothing merupakan analisis data yang dipengaruhi oleh pola data musiman. Winter’s exponential smoothing merupakan metode peramalan yang mengasumsikan pola data bersifat trend aditif sedangkan Pegel’s exponential smoothing menyajikan sembilan model klasifikasi yang memisahkan faktor trend dan musiman. Penelitian ini bertujuan untuk memperoleh model yang tepat dan hasil peramalan dari data produksi kelapa sawit Provinsi Kalimantan Timur periode Januari 2014 sampai Desember 2017. Hasil peramalan diverifikasi menggunakan metode tracking signal. Hasil penelitian menunjukkan bahwa model musiman multiplikatif tanpa trend pada metode Pegel’s exponential smoothing dengan nilai MAPE sebesar 7,04% memiliki akurasi peramalan yang lebih baik daripada metode yang lainnya. Berdasarkan pemantauan menggunakan tracking signal diperoleh satu hasil peramalan yang bersifat bias. Model musiman multiplikatif tanpa trend dapat digunakan untuk meramalkan 3 bulan ke depan yaitu Januari, Februari dan Maret Tahun 2018. Hasil peramalan 3 bulan ke depan mengalami penurunan secara berturut-turut.