STTMCILEUNGSISTTMCILEUNGSI

JENIUS : Jurnal Terapan Teknik IndustriJENIUS : Jurnal Terapan Teknik Industri

Peramalan permintaan merupakan kegiatan penting dalam mendukung pengambilan keputusan perusahaan, khususnya pada perencanaan persediaan dapat distribusi. Ketidakakuratan menyebabkan kelebihan atau kekurangan stok yang berdampak pada peningkatan biaya operasional dan terganggunya pemenuhan kebutuhan pelanggan. Penelitian ini bertujuan membandingkan tingkat akurasi metode Single Exponential Smoothing (SES), Double Exponential Smoothing (DES), dan Moving Average (MA) dalam memprediksi permintaan produk Carbon Black N330 di PT ABC. Data yang digunakan merupakan data historis periode April 2024 hingga Maret 2025 yang dianalisis secara kuantitatif menggunakan Microsoft Excel. Evaluasi akurasi dilakukan dengan menggunakan indikator Mean Absolute Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE). Hasil analisis menunjukkan bahwa metode SES dengan parameter α = 0,3 menghasilkan tingkat kesalahan paling rendah dengan nilai MAPE sebesar 39,04%, dibandingkan dengan metode DES dan MA. Temuan ini menunjukkan bahwa SES memiliki kemampuan terbaik dalam menyesuaikan pola fluktuasi permintaan. Oleh karena itu, metode SES dengan α = 0,3 dipilih sebagai metode yang paling akurat untuk peramalan permintaan produk Carbon Black N330.

Berdasarkan hasil penelitian, metode Single Exponential Smoothing (SES) dengan parameter α = 0,3 menghasilkan tingkat akurasi terbaik dengan nilai MAPE sebesar 39,04% dibandingkan Double Exponential Smoothing (44,73%) dan Moving Average (45,74%).Hal ini disebabkan oleh karakteristik data permintaan yang sangat fluktuatif tanpa tren yang jelas, sehingga metode yang tidak mengakomodasi komponen tren lebih sesuai, sementara DES mengasumsikan tren dan MA kurang responsif terhadap perubahan jangka pendek.Penelitian selanjutnya disarankan menggunakan data dengan periode lebih panjang serta menguji metode peramalan lain seperti ARIMA atau pendekatan berbasis machine learning untuk meningkatkan akurasi dan generalisasi model.

Apakah penggunaan data historis dengan periode lebih panjang (misalnya tiga hingga lima tahun) dapat meningkatkan stabilitas dan akurasi model peramalan permintaan Carbon Black N330 dibandingkan periode satu tahun yang digunakan dalam studi ini? Bagaimana kinerja model ARIMA dalam menangkap pola kompleks pada data permintaan yang fluktuatif, dan apakah kombinasi ARIMA dengan teknik eksponensial smoothing dapat menghasilkan prediksi yang lebih akurat? Apakah pendekatan machine learning, seperti jaringan saraf tiruan atau gradient boosting, mampu mengatasi limitasi metode tradisional dan memberikan akurasi yang lebih tinggi pada data dengan variabilitas tinggi? Dapatkah integrasi faktor eksternal seperti indeks harga bahan baku, indikator ekonomi mikro, atau kebijakan produksi meningkatkan kemampuan model dalam memprediksi permintaan jangka pendek dan menengah? Bagaimana efektivitas model hibrida yang menggabungkan eksponensial smoothing, ARIMA, dan machine learning dalam konteks industri distribusi bahan kimia untuk mengoptimalkan manajemen persediaan?.

  1. 0. database connection failed doi.org/10.23960/jitet.v13i3S1.77940 database connection failed doi 10 23960 jitet v13i3S1 7794
  2. Vol 6 No 2 (2025): JENIUS: Jurnal Terapan Teknik Industri | JENIUS : Jurnal Terapan Teknik Industri.... doi.org/10.37373/jenius.v6i2Vol 6 No 2 2025 JENIUS Jurnal Terapan Teknik Industri JENIUS Jurnal Terapan Teknik Industri doi 10 37373 jenius v6i2
  3. Analisis peramalan kebutuhan bahan baku untuk optimalisasi proses produksi di PT. PKC | JENIUS : Jurnal... doi.org/10.37373/jenius.v6i2.1874Analisis peramalan kebutuhan bahan baku untuk optimalisasi proses produksi di PT PKC JENIUS Jurnal doi 10 37373 jenius v6i2 1874
  4. Analisis Komparatif Metode Moving Average dan Exponential Smoothing untuk Peramalan Produksi Brownies... doi.org/10.47687/snppvp.v6i1.1778Analisis Komparatif Metode Moving Average dan Exponential Smoothing untuk Peramalan Produksi Brownies doi 10 47687 snppvp v6i1 1778
Read online
File size251.55 KB
Pages13
DMCAReport

Related /

ads-block-test