Peramalan Stok Barang Percetakan dan ATK Menggunakan Single Moving Average
Abstract
Setiap badan usaha yang berorientasi pada penjualan produk mayoritas memerlukan informasi tentang produk yang dijualnya, termasuk informasi stok barang. Setiap usaha memiliki caranya tersendiri untuk mengelola data tersebut. Masalah yang biasanya dihadapi adalah ketika terlalu banyak menyiapkan stok banyak untuk produk yang pada periode tertentu sedang tidak banyak peminatnya dan sebaliknya menyiapkan stok seadanya untuk produk yang pada periode tertentu sedang banyak yang membutuhkan. Penumpukan stok produk menyebabkan produk tersebut bisa rusak karena termakan waktu dan kekurangan stok produk menyebabkan kepercayaan konsumen menurun dan memilih membeli produk tersebut di tempat lain. Salah satu solusi dari masalah tersebut adalah meramalkan stok produk yang harus disediakan pada periode berikutnya. Metode peramalan yang dipilih pada penelitian ini adalah Single Moving Average (SMA) yang dihitung nilai error-nya menggunakan beberapa matriks evaluasi diantaranya Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Penelitian ini bertujuan untuk meramalkan penjualan di periode selanjutnya menggunakan data penjualan pada periode sebelumnya. Hasil peramalan SMA menggunakan orde 3 pada bulan Juli 2023 yaitu 1359,3333 dengan perhitungan MAE sebesar 303,0667, MSE sebesar 153873,1, RMSE sebesar 392,2666, dan MAPE sebesar 39,0342% yang masuk ke dalam kategori wajar.
Keywords
Full Text:
PDFReferences
C. S. Bojer and J. P. Meldgaard, “Kaggle forecasting competitions: An overlooked learning opportunity,” Int. J. Forecast., vol. 37, no. 2, pp. 587–603, 2021.
N. Ariza, N. Manurung, and M. Handayani, “Forecasting The Gold Jewelry Sales Using Single Exponential Smothing Method,” J. Tek. Inform., vol. 3, no. 6, pp. 1573–1580, 2022.
F. Petropoulos et al., “Forecasting: theory and practice,” Int. J. Forecast., vol. 38, no. 3, pp. 705–871, 2022, doi: 10.1016/j.ijforecast.2021.11.001.
Z. I. Bela and H. D. Bhakti, “Sistem Prediksi Penjualan Obat Menggunakan Metode Single Moving Average (Studi Kasus: Apotek Wilujeng Kecamatan Panceng Kab. Gresik),” Indexia Informatics Comput. Intell. J., vol. 4, no. 1, pp. 47–58, 2022.
M. Rizqi, A. Cahya, and N. El Maida, “Implementasi Metode Weighted Moving Average Untuk Sistem Peramalan Penjualan Markas Coffee,” INFORMAL Informatics J., vol. 6, no. 3, pp. 154–159, 2021.
O. S. Bachri, “Forecasting Jumlah Perkara Perceraian Menggunakan Single Moving Average di Pengadilan Agama Sumber,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 1, no. 02, pp. 23–32, 2019.
A. Danandeh Mehr and E. Kahya, “A Pareto-optimal moving average multigene genetic programming model for daily streamflow prediction,” J. Hydrol., vol. 549, pp. 603–615, 2017, doi: 10.1016/j.jhydrol.2017.04.045.
S. N. Rahmadhani, Logiandani, R. Z. Ramadhan, R. N. S. Amriza, and M. Y. Fathoni, “Analisis Forecasting Penjualan Gula Merah di Jatilawang Menggunakan Metode Weighted Moving Average,” J. SISFOKOM (Sistem Inf. dan Komputer), vol. 11, no. 3, pp. 381–386, 2022, doi: 10.32736/sisfokom.v11i3.1433.
I. Permatahati and Muqorobin, “Computer Sales Forecasting System Application Using Web-Based Single Moving Average Method,” Int. J. Comput. Inf. Syst., vol. 3, no. 2, pp. 56–63, 2022.
I. R. Immasari, N. Halik, and V. Yasin, “Perancangan Purchase Order Dengan Metode Single Moving Average,” J. Inf. Syst. Applied, Manag. Account. Res., vol. 6, no. 1, pp. 123–135, 2022, doi: 10.52362/jisamar.v6i1.639.
M. M. N. Haming, Manajemen Produksi Modern: Operasi Manufaktur dan Jasa (Buku 1 Edisi 3), 3rd ed. Jakarta: Bumi Aksara, 2014.
S. Faradilla and A. Suharsono, “Peramalan Penjualan Produk Baja dan Besi di PT MSU dengan Pendekatan Metode ARIMA dan Single Moving Average,” J. Sains dan Seni ITS, vol. 12, no. 1, pp. D88–D95, 2023.
G. Ardesfira, H. F. Zedha, I. Fazana, J. Rahmadhiyanti, S. Rahima, and S. Anwar, “Peramalan Nilai Tukar Rupiah terhadap Dollar Amerika dengan Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA),” Jambura J. Probab. Stat., vol. 3, no. 2, pp. 71–84, 2022.
Y. E. N. Nugraha, I. Ariawan, and W. A. Arifin, “WEATHER FORECAST FROM TIME SERIES DATA USING LSTM ALGORITHM,” J. Teknol. Inf. DAN Komun., vol. 14, no. 1, pp. 144–152, 2023.
M. E. Tjahjadi, F. D. Agustina, and R. Agnesta, “UJI AKURASI KOORDINAT DARI KONFIGURASI JARINGAN PEMOTRETAN MENGGUNAKAN KAMERA NON METRIK,” Pros. SEMSINA, vol. 3, no. 1, pp. 81–89, 2022.
M. Rizki, S. Basuki, and Y. Azhar, “Implementasi Deep Learning Menggunakan Arsitektur Long Short Term Memory (LSTM) Untuk Prediksi Curah Hujan Kota Malang,” J. Repos., vol. 2, no. 3, pp. 331–338, 2020.
N. Puspitasari, A. Tejawati, and F. Prakoso, “Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto,” JRST (Jurnal Ris. Sains dan Teknol., vol. 3, no. 1, pp. 9–18, 2019, doi: 10.30595/jrst.v3i1.3112.
DOI: http://dx.doi.org/10.30872/jurti.v7i1.11876
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Jurnal Rekayasa Teknologi Informasi (JURTI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Alamat Redaksi :
Program Studi Informatika
Fakultas Teknik
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.