Evaluasi Kinerja Metode ARIMA pada Prediksi Kebutuhan Stok Barang Berdasarkan Tingkat Akurasi Peramalan
DOI:
https://doi.org/10.29407/3s93pe34Abstract
Pengelolaan persediaan yang tidak optimal dapat menyebabkan terjadinya overstock maupun stockout yang berdampak pada efisiensi operasional usaha. Penelitian ini bertujuan untuk mengevaluasi kinerja metode Autoregressive Integrated Moving Average (ARIMA) dalam memprediksi kebutuhan stok barang berdasarkan tingkat akurasi peramalan. Data yang digunakan berupa data historis persediaan Pancong Pocong Cabang Kediri yang terdiri dari 331 data harian selama periode Januari hingga November 2025. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan data, pemodelan ARIMA, proses peramalan, dan evaluasi hasil menggunakan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa model ARIMA mampu memodelkan pola historis data persediaan dan menghasilkan nilai MAE sebesar 0,3827. Nilai tersebut menunjukkan tingkat kesalahan prediksi yang relatif rendah sehingga metode ARIMA dapat digunakan sebagai pendekatan peramalan kebutuhan stok barang. Penerapan metode ini diharapkan dapat membantu pengelolaan persediaan secara lebih efektif serta mendukung pengambilan keputusan untuk meminimalkan risiko overstock dan stockout.
Keywords:
ARIMA, Mean Absolute Error, Peramalan Stok, Persediaan Barang.##plugins.themes.default.displayStats.downloads##
References
[1] L. Judijanto, Y. Anggoro, F. F. Farawowan, A. Suroso, and D. J. Prihadi, “Revolusi
Digital dalam Manajemen Sumber Daya Manusia : Mengoptimalkan Teknologi untuk
Pengembangan Karyawan dan Produktivitas Organisasi,” J. Ilm. Manajemen, Ekon. Akunt., vol.
9, no. 3, pp. 126–146, Sep. 2025, doi: 10.31955/mea.v9i3.6189.
[2] F. Hamidy, “Optimalisasi Sistem Manajemen Persediaan untuk Pengendalian Stok yang
Efisien Menggunakan Metode FIFO,” Chain J. Comput. Technol. Comput. Eng. Informatics, vol.
2, no. 4, pp. 171–180, Oct. 2024, doi: 10.58602/chain.v2i4.150.
[3] A. Asrul et al., “Pemanfaatan Big Data Analytics dalam Proses Manajemen Teknologi
untuk Prediksi Permintaan Pasar,” J. Minfo Polgan, vol. 13, no. 2, pp. 2433–2438, 2025, doi:
10.33395/jmp.v13i2.14516.
[4] Windi Nurlaela, Annisa Indah Pratiwi, and Hilda Tri Yulianti, “Analisis Metode Moving
Average, Exponential Smoothing, dan Arima dalam Peramalan Permintaan untuk Pengendalian
Stok Floor Rear,” J. Teknol. dan Manaj. Ind. Terap., vol. 4, no. 3, pp. 1066–1075, Sep. 2025, doi:
10.55826/jtmit.v4i3.1134.
[5] Raisa Nuraffifa Sudardjat and Vina Sari Yosephine, “Sistem Manajemen Gudang untuk
UMKM dan Pemanfaatan Machine Learning pada Penjualan Grosir Minuman,” INFOTECH J.
Inform. Teknol., vol. 5, no. 1, pp. 121–130, Jun. 2024, doi: 10.37373/infotech.v5i1.1186.
[6] A. Rahman Cahyono, A. Iskandar, and A. Rifqi, “Analisis Data Inventaris pada PT.
Global Samudera Kreasi Untuk Optimalisasi Pengelolaan dan Prediksi Kualitas Barang
Menggunakan Algoritma Support Vector Machine dan Naïve Bayes,” JATI (Jurnal Mhs. Tek.
Inform., vol. 9, no. 3, pp. 3863–3871, 2025, doi: 10.36040/jati.v9i3.13437.
[7] R. L. Fatmawati and A. I. Sulistyawati, “Sistem Informasi Akuntansi Pengendalian Intern
Terhadap Persediaan Bahan Baku (Studi Kasus pada PT. Geomed Indonesia),” Solusi, vol. 19, no.
3, pp. 358–371, Sep. 2021, doi: 10.26623/slsi.v19i3.4000.
[8] Naufalut Tharif Qurniawan and Tedjo Sukmono, “Peramalan Permintaan dengan
Menerapkan Metode Autoregressive Integrated Moving Average (ARIMA) pada Industri Beton,”
J. Teknol. dan Manaj. Ind. Terap., vol. 4, no. 3, pp. 1024–1032, Aug. 2025, doi:
10.55826/jtmit.v4i3.1117.
[9] Y. Kurniawan Wahyudi, G. Kusnanto, and P. Noraisya Primandari, “Pengembangan
Sistem Informasi Stok dan Prediksi Hasil Produksi dengan Metode Arima Di Kedai Ramuan Hati,”
JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 5, pp. 8737–8743, 2025, doi: 10.36040/jati.v9i5.15177.
[10] Z. Aryanta, A. Fahrudi Setiawan, and J. Dedy Irawan, “Perancangan Sistem Peramalan
Stok Barang berbasis Website Di Toko Surya Elektrik Menggunakan Metode Trend Moment,”
JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 6, pp. 10827–10834, Dec. 2025, doi:
10.36040/jati.v9i6.15417.
[11] Y. Nahuway, C. K. Ekowati, and A. Madu, “Analisis Data Time Series Menggunakan
Metode ARIMA untuk Meramalkan Persentase Lulusan Tepat Waktu di FKIP UNDANA,”
NOTASI J. Pendidik. Mat., vol. 3, no. 1, pp. 46–55, Jun. 2025, doi: 10.70115/notasi.v3i1.285.
[12] A. Mustopa, J. D. Santoso, M. S. F. Nauvaldhi, and D. Wulandari, “Pemodelan
Variabilitas Musiman dalam Curah Hujan : Pendekatan Deret Waktu,” J. Inf. Syst. Manag., vol.
6, no. 2, pp. 148–155, Jan. 2025, doi: 10.24076/joism.2025v6i2.1936.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
