Analisis Faktor Penyebab Perbedaan Fluktuasi Data Aktual Penjualan Barang Dengan Hasil Forecasting Menggunakan Single Exponential Smoothing

Ni Putu Surya Widitriani
Ida Bagus Ary Indra Iswara - [ https://orcid.org/0000-0002-0262-9916 ]
Wayan Gede Suka Parwita - [ https://orcid.org/0000-0003-1091-5880 ]

Abstract


Peramalan merupakan seni dan ilmu dalam memprediksi sesuatu di masa yang akan datang. Proses peramalan akan melibatkan data historis pada masa lampau (seperti data penjualan tahun lalu) dan memproyeksikan data tersebut pada masa mendatang dengan pemodelan matematika. Peramalan digunakan pada PT. Puri Wira Mahkota untuk menentukan kuantitas produk yang seharusnya disediakan oleh unit produksi pusat melalui kantor cabang selaku pihak distributor. Nilai ramalan yang dihasilkan akan ditinjau tingkat akurasinya melalui grafik perbandingan tingkat fluktuasi hasil ramalan dengan data observasi yang diperoleh. Hasil dari model peramalan naif harus menjadi dasar untuk menentukan apakah nilai ramalan dikatakan bagus (akurat). Tidak digunakan untuk menetapkan target peramalan yang bersifat sewenang-wenang (seperti Mean Absolute Percentage Error < 10% dikatakan "Sempurna", Mean Absolute Percentage Error < 20% dikatakan "Bagus") tanpa adanya konteks kemampuan peramalan dari data observasi. Jika hasil peramalan yang diperoleh lebih buruk dari peramalan naif (berarti dapat dikatakan sebagai hasil ramalan yang "Buruk"), maka jelas proses peramalan perlu ditingkatkan. Hasil yang buruk dan tidak sesuai dengan data aktual tersebut dapat disebabkan oleh beberapa faktor yang kemudian dianalisis untuk peningkatan proses peramalan dengan tujuan memperoleh hasil yang mendekati akurat.

Keywords


peramalan naif;akurasi peramalan;SES;MAPE

Teks Lengkap:

PDF

Referensi


Heizer J, Render B. Manajemen Operasi Manajemen Keberlangsungan dan Rantai Pasokan. Edisi 11. Jakarta: Salemba Empat; 2015.

Stevenson WJ, Chuong SC. Operations Management an Asian Perspective. Jakarta: Salemba Empat; 2013.

Kurniasih N, Ahmar AS, Hidayat DR, Agustin H, Rizal E. Forecasting Infant Mortality Rate for China: A Comparison between α-Sutte Indicator, ARIMA, and Holt-Winters. J Phys Conf Ser. 2018;1028(1):6–12.

Shi JY, Zhang DY, Ling LT, Xue F, Li YJ, Qin ZJ, et al. Dual-algorithm maximum power point tracking control method for photovoltaic systems based on grey wolf optimization and golden-section optimization. J Power Electron. 2018;18(3):841–52.

Khair U, Fahmi H, Hakim S Al, Rahim R. Forecasting Error Calculation with Mean Absolute Deviation and Mean Absolute Percentage Error. J Phys Conf Ser. 2017;930(1).




DOI: https://doi.org/10.24176/simet.v11i2.5004

Article Metrics

Abstract views : 263| PDF views : 160

Refbacks

  • Saat ini tidak ada refbacks.


free hit counter View My Stats

Indexed by:

 

Flag Counter

Creative Commons License
Simetris : Jurnal Teknik Mesin, Elektro dan Ilmu Komputer is licensed under a Creative Commons Attribution 4.0 International License.

Dedicated to: