Model Peramalan Jumlah Penjualan Sparepart dengan Algoritma Forecasting Time Series: Studi Kasus di PT. XYZ
DOI:
https://doi.org/10.52436/1.jpti.306Keywords:
Forecasting, Penjualan, Spare Part, Time Series, WorkshopAbstract
Peramalan penjualan merupakan hal yang sangat penting bagi perusahaan dalam menentukan seberapa banyak barang (sparepart) yang harus disiapkan untuk penjualan di masa yang akan datang. Dengan peramalan yang tepat dapat mengoptimalkan penjualan meskipun dengan modal dan tempat penyimpanan yang terbatas. Peramalan penjualan dapat dilakukan dengan berbagai macam teknik dan metode. Metode yang digunakan dalam penelitian ini adalah metode Forecasting Time Series. Metode ini sering digunakan dalam memprediksi penjualan karena output yang dihasilkan mempunyai tingkat akurasi yang tinggi. Hasil penelitian ini menunjukkan algoritma Forecasting Time Series dapat digunakan untuk meramalkan jumlah penjualan sparepart dengan cukup baik, hal ini dapat dilihat dari nilai error (MAE) yang kecil yaitu antara 12,20 sampai dengan 18,31. Algoritma Forecasting terbaik dalam penelitian ini yaitu algoritma Wieghted Moving Average (WMA). Hasil pengujian metode WMA dengan data training yaitu MAE 9,62, MSE 122,67, RMSE 2,97 dan MAPE 18,37% sedangkan dengan menggunakan data testing yaitu MAE 11,53, MSE 174,13, RMSE 3,26 dan MAPE 19,56%.
Downloads
References
A. Nurlifa, and S. Kusumadewi, “Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky”, Jurnal Inovtek Polbeng-Seri Informatika, vol. 2, no. 1, pp. 18-25, 2019.
D. T. Larose, Discovering Knowlwdge in Data: An Introductin to Data Mining, John Willey & Sons. Inc., 2005
Kusrini and E. T. Luthfi, Algoritma Data Mining, Yogyakarta: Andi Offset, 2009.
S. S. Sundari, Susanto and W. Revianti, “Sistem Peramalan Persediaan barang Dengan Weight Moving Average di Toko The Kids 24”, pp. 598-603, 2018.
A. Gunaryati, Fauziah, and S. Andryana, “Perbandingan Metode-Metode Peramalan Statistika Untuk Data Indeks Harga Pangan”, Jurnal String, Vol. 2, No. 3, pp. 241-248, 2018.
R. Y. Hayuningtyas, “Peramalan Persediaan Barang Menggunakan Metode Weighted Moving Average dan Metode Double Exponential Smoothing”, Jurnal Pilar Nusa mandiri, vol. 13, no. 2, pp. 217-222, 2019.
A. I. Laksana, “Perbandingan Metode Single Moving Average dan Single Exponential Smoothing Dalam Pengembangan Sistem Peramalan Penjualan Mobil Baru”, pp. 1-83, 2018.
S. M. Bahtiar, “Peramalan Beban Dengan Menggunakan Metode Time Series Untuk Kebutuhan Tenaga Listrik Di Gardu Induk Sungai Raya”, pp. 1 -8, 2019.
A. D. Anggraeni, and A. Suharsono, “Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)”, Jurnal Sains dan Seni POMITS, vol. 3, no. 2, pp. 326-331, 2018.
R. Mardiyah, “Perbandingan Metode Double Exponential Smoothing Dan Fuzzy Time Series Pada Peramalan Penjualan”, pp. 1-11, 2019.
T. Harianti, “Peramalan Produk Domestik Regional Bruto (PDRB) Provinsi Sulawesi Selatan Dengan Menggunakan Metode Fuzzy Time Series”, pp. 1-36, 2017.
