Analisis Error Terhadap Peramalan Data Penjualan

Alyauma Hajjah; Yulvia Nora Marlim

doi:10.33633/tc.v20i1.4054

Analisis Error Terhadap Peramalan Data Penjualan

Alyauma Hajjah, Yulvia Nora Marlim

Abstract

Tujuan penelitian ini membahas tentang peramalan permintaan lampu LED bermerk Sanyo. Penelitian ini menggunakan metode Moving Average dan Exponential Smoothing. Pada Metode Moving Average digunakan untuk peramalan periode 3 bulan dan 5 bulan, sedangkan metode Exponential Smoothing menggunakan parameter = 0,1; 0,5; 0,7 dan 0,9. Dari hasil peramalan setiap metode dibandingkan nilai dari error, adapun nilai error yang dibahas adalah Mean Absolut Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE). Berdasarkan hasil penelitian ini metode yang memiliki tingkat kesalahan terkecil adalah metode Exponential Smoothing dengan parameter , yang memiliki nilai MAD= 1.214,54; MSE = 2.758.993 dan MAPE = 9,17%. Dapat disimpulkan bahwa metode yang paling optimal digunakan untuk meramalkan jumlah permintaan lampu pada bulan berikutnya adalah metode Exponential Smoothing dengan parameter . Hasil peramalan permintaan lampu pada bulan Januari 2020 dengan menggunakan metode Exponential Smoothing dengan adalah 15.800,88. Sehingga untuk peramalan permintaan untuk bulan berikutnya peneliti merekomendasikan menggunakan metode Exponential Smoothing dengan perameter .

Keywords

Peramalan, Moving Average, Exponential Smoothing, Error

Full Text:

PDF

References

G. Costaner Loneli , Syafitri Wenny, “Optimasi Jumlah Produksi Usaha Dagang Roti Prima Sari Menggunakan Metode Logika Fuzzy,” SISTEMASI, vol. 8, no. September, pp. 424–435, 2019.

A. H. Hutasuhut, W. Anggraeni, and R. Tyasnurita, “Pembuatan Aplikasi Pendukung Keputusan untuk Peramalan Persediaan Bahan Baku Produksi Plastik Blowing dna Inject Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average) di CV. Asia,” J. Tek. Pomits, vol. 3, no. 2, pp. 70–171, 2014.

A. Nurlifa and S. Kusumadewi, “Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky,” INOVTEK Polbeng - Seri Inform., vol. 2, no. 1, p. 18, 2017, doi: 10.35314/isi.v2i1.112.

N. D. Nachrowi and H. Usman, Teknik Pengambilan Keputusan : dilengkapi teknik analisis dan pengolahan data menggunakan paket program LINDO dan SPSS. Jakarta: Gramedia Widiasarana Indonesia, 2004.

K. M. S and S. P. W, “ANALISA DAN PENERAPAN METODE SINGLE EXPONENTIAL SMOOTHING UNTUK PREDIKSI PENJUALAN PADA PERIODE TERTENTU (Studi Kasus : PT. Media Cemara Kreasi),” in Prosiding SNATIF, 2015, vol. 2, pp. 259–266.

K. Khamaludin, “Peramalan Penjualan Hijab Sxproject Menggunakan Metode Moving Average Dan Exponential Smoothing,” Unistek, vol. 6, no. 2, pp. 13–16, 2019, doi: 10.33592/unistek.v6i2.249.

Pajri Al Zukri; Syndi Nurina Widyaningrum; Qurrotul Aini, “Forecasting Permintaan Pompa Air Dangkal Shimizu Menggunakan Metode Time Series,” SISTEMASI, vol. 9, no. 2, pp. 226–234, 2020.

H. Ihsan, R. Syam, and F. Ahmad, “Peramalan Penjualan dengan Metode Exponential Smoothing (Studi Kasus : Penjualan Bakso Kemasaan/Kiloan Rumah Bakso Bang Ipul),” J. Math. Comput. Stat., vol. 1, no. 1, pp. 1–7, 2018.

N. G. Putri, Y. T. Herawati, and A. Ramani, “Peramalan Jumlah Kasus Penyakit Hipertensi Di Kabupaten Jember Dengan Metode Time Series,” J. Heal. Sci. Prev., vol. 3, no. 1, pp. 39–46, 2019, doi: 10.29080/jhsp.v3i1.161.

S. A. Abdul Karim and S. A. Alwi, “Electricity load forecasting in UTP using moving averages and exponential smoothing techniques,” Appl. Math. Sci., vol. 7, no. 77–80, pp. 4003–4014, 2013, doi: 10.12988/ams.2013.33149.

B. Putro, M. T. Furqon, and S. H. Wijoyo, “Prediksi Jumlah Kebutuhan Pemakaian Air Menggunakan Metode Exponential Smoothing ( Studi Kasus : PDAM Kota Malang ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 4679–4686, 2018.

R. Rachman, “Penerapan Metode Moving Average Dan Exponential Smoothing Pada Peramalan Produksi Industri Garment,” J. Inform., vol. 5, no. 1, pp. 211–220, 2018, doi: 10.31311/ji.v5i2.3309.

D. M. Efendi and F. Ardhy, “Penerapan Data Mining Untuk Peramalan Penjualan Obat dengan Menggunakan Single Exponential Smoothing di Apotek Hamzah Farma,” Semin. Nas. Teknol. dan Bisnis, pp. 198–203, 2018.

R. Rahmadayanti, B. Susilo, and D. Puspitaningrum, “Perbandingan Keakuratan Metode Autoregressive Integrated Moving Average (Arima) dan Exponential Smoothing pada Peramalan Penjualan Semen di PT Sinar Abadi,” J. Rekursif, vol. 3, no. 1, pp. 23–36, 2015.

I. Sungkawa and R. T. Megasari, “Penerapan Ukuran Ketepatan Nilai Ramalan Data Deret Waktu Dalam Seleksi MOdel Peramalan Volume Penjualan PT Satriamandiri Citramulia,” ComTech, vol. 2, no. 2, pp. 636–645, 2011.

P. C. Chang, Y. W. Wang, and C. H. Liu, “The development of a weighted evolving fuzzy neural network for PCB sales forecasting,” Expert Syst. Appl., vol. 32, no. 1, pp. 86–96, 2007, doi: 10.1016/j.eswa.2005.11.021.

DOI: https://doi.org/10.33633/tc.v20i1.4054