Estimasi Penjualan Oli Gardan dengan Perbandingan Berbagai Metode Deret Waktu untuk Mengatasi Permintaan Fluktuatif
DOI:
https://doi.org/10.55606/isaintek.v6i1.120Keywords:
Analisis Time Series Method, Penjualan, Peramalan, PrediksiAbstract
Penjualan suku cadang oli gardan scooter gear oil-syn120mlrep dengan nomor seri part 08234M99K8LZ0 pada PT. ADM mengalami permasalahan terhadap jumlah kebutuhan pesanan ke pemasok di mana bagian pembelian tidak dapat memberikan kepastian kebutuhan sehingga pemasok juga kesulitan dalam memenuhi permintaan. Salah satu penyebabnya karena adanya penjualan yang tidak pasti sehingga mengalami keterlambatan mengisi stok persediaan. Penulis menawarkan solusi untuk mengatasi masalah yang dihadapi oleh bagian inventaris dengan melakukan estimasi penjualan menggunakan metode peramalan berdasarkan data masa lalu menggunakan metode deret waktu. Tujuan dilakukannya estimasi penjualan agar perusahaan dapat antisipasi lonjakan menggunakan “perbandingan metode deret waktu”. Metode peramalan ini terdiri adalah Moving Average, Weighted Moving Average, Exponential Smoothing, dan Exponential Smoothing with Trend. Selain menghitung peramalan juga dilakukan uji peramalan dengan menghitung (Mean Absolute Deviation-MAD) sebesar 30,175, rata-rata kesalahan kuadrat (Mean Square Error-MSE) 1434,542, dan rata-rata kesalahan persen absolut (Mean Absolute Precent Error-MAPE) 49,443%. Hasil perhitungan pengujian peramalan diperoleh untuk peramalan yang direkomendasikan ke perusahaan menggunakan Exponential Smoothing with Trend dengan jumlah permintaan untuk periode berikutnya sebesar 85 unit. Perusahaan dapat mengambil keputusan untuk pemesanan bulan selanjutnya ke pemasok berdasarkan estimasi penjualan dengan menggunakan metode peramalan yang sudah terpilih tadi, sehingga fluktuasi permintaan dari pelanggan dapat diatasi.
References
Al Zukri, P., Widyaningrum, S. N., & Aini, Q. (2020). FORECASTING PERMINTAAN POMPA AIR DANGKAL SHIMIZU MENGGUNAKAN METODE TIME SERIES. Sistemasi: Jurnal Sistem Informasi, 9(2), 226–234. https://doi.org/10.32520/STMSI.V9I2.694
Ardirakhmanto, M. A., Rahayuningsih, S., & Komari, A. (2020). Pengendalian Persediaan Bahan Baku Pada Industri Tenun Ikat “Medali Mas” Kediri. JURMATIS (Jurnal Manajemen Teknologi Dan Teknik Industri), 2(2), 75–83. https://doi.org/10.30737/JURMATIS.V2I2.949
Ariyadi, P., Effendi, M. M., & Raharjo, S. B. (2022). Analisa Prediksi Harga Saham Blue Chip Lq45 Dengan Metode Data Mining Backpropagation Neural Network (Studi Kasus Di Bursa Efek Indonesia). Prosiding Sains Dan Teknologi, 1(1), 68–76.
Aziza, J. N. A. (2022). Perbandingan Metode Moving Average, Single Exponential Smoothing, dan Double Exponential Smoothing Pada Peramalan Permintaan Tabung Gas LPG PT Petrogas Prima Services. Jurnal Teknologi Dan Manajemen Industri Terapan, 1(I), 35–41. https://doi.org/10.55826/TMIT.V1II.8
Chimmula, V. K. R., & Zhang, L. (2020). Time series forecasting of COVID-19 transmission in Canada using LSTM networks. Chaos, Solitons & Fractals, 135, 109864. https://doi.org/10.1016/J.CHAOS.2020.109864
Fitriyani, A., Usman, M., Sofrizal, M. T., & Kurniasari, D. (2022). Peramalan Jumlah Klaim di BPJS Kesehatan Cabang Metro Menggunakan Metode Double Exponential Smoothing. Jurnal Siger Matematika, 3(1), 17–22. https://doi.org/10.23960/JSM.V3I1.2969
Maanijou, R., & Mirroshandel, S. A. (2019). Introducing an expert system for prediction of soccer player ranking using ensemble learning. Neural Computing and Applications, 31, 9157–9174. https://doi.org/10.1007/S00521-019-04036-9/METRICS
Rendon-Sanchez, J. F., & de Menezes, L. M. (2019). Structural combination of seasonal exponential smoothing forecasts applied to load forecasting. European Journal of Operational Research, 275(3), 916–924. https://doi.org/10.1016/J.EJOR.2018.12.013
Rindiani, S., & Satyawisudarini, I. (2019). Analisis Peramalan dan Pengendalian Persediaan Bahan Baku dalam Keputusan Jumlah Pembelian Bahan Baku di TB Adimekar 8. Almana : Jurnal Manajemen Dan Bisnis, 3(3), 453–468. https://doi.org/10.36555/ALMANA.V3I3.1254
Shrestha, M. B., & Bhatta, G. R. (2018). Selecting appropriate methodological framework for time series data analysis. The Journal of Finance and Data Science, 4(2), 71–89. https://doi.org/10.1016/J.JFDS.2017.11.001
Soelaiman, N. F., & Al-Hakim, R. R. (2022). Pelanggaran Kedisiplinan yang Kerap Dilakukan Pegawai Negeri Sipil di Lingkungan Politeknik Negeri: Analisis Regresi Linear Terhadap Faktor-faktornya. Prosiding Seminar Nasional Humaniora, 2, 20–24. https://www.conference.unja.ac.id/SNH/article/view/192
Susanti, E. (2019). Pendugaan Peramalan Earning Per Share Saham LQ45. Jurnal Rekayasa Sistem Industri, 4(2), 71–79. https://doi.org/10.33884/JRSI.V4I2.1215
Taylor III, B. W. (2019). Introduction to Management Science (11th ed.). Salemba Empat.
Yan, J., Möhrlen, C., Göçmen, T., Kelly, M., Wessel, A., & Giebel, G. (2022). Uncovering wind power forecasting uncertainty sources and their propagation through the whole modelling chain. Renewable and Sustainable Energy Reviews, 165, 112519. https://doi.org/10.1016/J.RSER.2022.112519
Zhou, Q., Zhu, Z., Xian, G., & Li, C. (2022). A novel regression method for harmonic analysis of time series. ISPRS Journal of Photogrammetry and Remote Sensing, 185, 48–61. https://doi.org/10.1016/J.ISPRSJPRS.2022.01.006
Zhuang, X., Yu, Y., & Chen, A. (2022). A combined forecasting method for intermittent demand using the automotive aftermarket data. Data Science and Management, 5(2), 43–56. https://doi.org/10.1016/J.DSM.2022.04.001
