PIPI

JOISIE (Journal Of Information Systems And Informatics Engineering)JOISIE (Journal Of Information Systems And Informatics Engineering)

Penelitian ini bertujuan untuk mengembangkan model peramalan penjualan menggunakan metode Trend Moment. Metode ini dipilih karena kesederhanaannya dan kemampuannya untuk mengidentifikasi arah tren berdasarkan data penjualan sebelumnya. Penelitian ini memanfaatkan data penjualan bulanan yang dikumpulkan selama periode satu tahun. Metode Trend Moment dalam penelitian ini berhasil mencapai nilai MAPE sebesar 1,8% dan tingkat akurasi sebesar 98,2%. Nilai-nilai ini mengindikasikan bahwa model cukup akurat dalam meramalkan penjualan. Hasil model ini dapat membantu perusahaan dalam perencanaan produksi, pengelolaan distribusi, dan pengendalian inventaris. Penelitian ini juga bermanfaat sebagai dasar untuk mengembangkan model peramalan sederhana untuk produk serupa di masa depan.

Berdasarkan hasil evaluasi, metode Trend Moment terbukti efektif dalam meramalkan penjualan es krim Mixue pada periode berikutnya, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,8% yang mengindikasikan tingkat kesalahan prediksi yang sangat rendah.Keunggulan metode ini terletak pada kemudahannya dalam aplikasi serta kemampuannya untuk mengidentifikasi tren linier dari data historis.Namun, keterbatasan metode ini dapat dilihat pada ketidakmampuannya menangkap pola musiman dan fluktuasi non-linier.Oleh karena itu, pengembangan lebih lanjut direkomendasikan melalui integrasi metode machine learning, seperti Random Forest atau Long Short-Term Memory (LSTM), yang lebih adaptif terhadap pola data yang kompleks.

Berdasarkan analisis data dan hasil penelitian, terdapat beberapa saran penelitian lanjutan yang dapat dilakukan untuk meningkatkan akurasi dan efektivitas peramalan penjualan Mixue. Pertama, penelitian selanjutnya dapat mengintegrasikan faktor eksternal seperti promosi, cuaca, dan tren pasar ke dalam model peramalan untuk memberikan gambaran yang lebih komprehensif. Kedua, eksplorasi metode machine learning seperti LSTM dapat dilakukan untuk menangkap pola musiman dan fluktuasi non-linier yang tidak dapat ditangani oleh metode Trend Moment. Ketiga, pengembangan sistem peramalan yang terintegrasi dengan data real-time dari berbagai sumber, seperti penjualan harian, data media sosial, dan ulasan pelanggan, dapat memberikan informasi yang lebih akurat dan relevan untuk pengambilan keputusan.

  1. Legal Analysis of the Success of Mixue Franchise Schemes in Singapore, South Korea, and Japan Linked... eu-opensci.org/index.php/politics/article/view/8126Legal Analysis of the Success of Mixue Franchise Schemes in Singapore South Korea and Japan Linked eu opensci index php politics article view 8126
  2. SALES STOCK FORECASTING SYSTEM USING TREND MOMENT METHOD (STUDY CASE: WARCAM STORE) | Jurnal Teknik Informatika... doi.org/10.20884/1.jutif.2022.3.5.161SALES STOCK FORECASTING SYSTEM USING TREND MOMENT METHOD STUDY CASE WARCAM STORE Jurnal Teknik Informatika doi 10 20884 1 jutif 2022 3 5 161
  3. The Effect of Country of Origin and Price on Purchase Intention Mediated by Trust: A Study on Mixue Global... irjems.org/irjems-v3i4p142.htmlThe Effect of Country of Origin and Price on Purchase Intention Mediated by Trust A Study on Mixue Global irjems irjems v3i4p142 html
Read online
File size692.87 KB
Pages9
DMCAReport

Related /

ads-block-test