Penerapan Metode Single Exponential Smoothing Pada Toko Sembako
PDF

Keywords

Prediksi
Penjual
Single exponential smoothing
MAD
MAPE

How to Cite

Ahmad Mudofar Yusuf, Ahmad Bagus Setiawan, & Irawan, R. H. . (2024). Penerapan Metode Single Exponential Smoothing Pada Toko Sembako. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 8(3), 1604–1612. Retrieved from https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/5106

Abstract

Prediksi penjualan merupakan bagian penting dalam perencanaan bisnis. Penjual toko sembako seringkali kesulitan memprediksi kisaran produk yang akan dijual pada bulan mendatang. Tujuan dari penelitian ini adalah menerapkan metode single exponential smoothing pada perkiraan penjualan produk untuk mengetahui sejauh mana penjualan produk pada periode berikutnya. Dan hasil perhitungan menggunakan metode single exponential smoothing, dan menggunakan nilai alpha 0,1 yaitu untuk gula sebesar 291,2950636 dan untuk mie instan 51 kardus, kemudian minyak 361,25 liter dan kopi 18,72 Kg. Evaluasi menggunakan MAD (Mean Absolute Deviation) dan MAPE (Mean Absolute Percentage Error) menunjukkan nilai untuk mie instan memiliki MAD sebesar 9,9 dan MAPE sebesar 19,9%, minyak memiliki MAD sebesar 82,69 dan MAPE sebesar 30,9%, serta kopi memiliki MAD sebesar 5,27 dan MAPE. 23,6%. Berdasarkan nilai MAD dan MAPE yang diperoleh maka dapat disimpulkan bahwa perkiraan penjualan produk ini tergolong baik.

PDF

References

E. Susanti, “Analisis Peramalan Permintaan Produk Wooden Box Dan Wooden Pallet Di Pt XYZ,” Comput. Sci. Ind. Eng., vol. 3, no. 5, pp. 1–11, 2020.

F. Ahmad, “Penentuan Metode Peramalan Pada Produksi Part New Granada Bowl ST Di PT. X,” JISI J. Integr. Sist. Ind., vol. 7, no. 1, pp. 31–39, 2020.

H. Hernadewita, Y. K. Hadi, M. J. Syaputra, and D. Setiawan, “Peramalan Penjualan Obat Generik Melalui Time Series Forecasting Model Pada Perusahaan Farmasi di Tangerang: Studi Kasus,” J. Ind. Eng. Manag. Res., vol. 1, no. 2, pp. 35–49, 2020.

L. R. Amalia, W. Ramdhan, and W. M. Kifti, “Penerapan Metode Trend Moment Untuk Memprediksi Jumlah Pertumbuhan Penduduk,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 566–573, 2022.

Z. LUBIS, “SISTEM INFORMASI PERAMALAN PENJUALAN MOBIL PADA CV. MAJU MOTOR MENGGUNAKAN METODE SINGLE EKSPONENTIAL SMOOTHING (SES)(Studi Kasus: CV. Maju Motor),” 2021.

R. Aditya, I. K. Siregar, and R. Nofitri, “Penerapan Metode Single Eksponensial Smoothing Dalam Memprediksi Penjualan Sembako Pada Toko Radin,” Decod. J. Pendidik. Teknol. Inf., vol. 4, no. 1, pp. 9–16, 2023.

N. W. Nurfiah, A. B. Setiawan, and I. N. Farida, “Penerapan Metode Fuzzy Tsukamoto Pada Sistem Pemesanan Travel,” in Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2022, pp. 44–49.

S. Wahyudi, R. H. Irawan, and S. Rochana, “Fuzzy K-Means Dalam Prediksi Bantuan Sekolah SDN Jabang 1,” in Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2021, pp. 255–260.

D. Sitompul and R. Puspasari, “Perancangan Aplikasi Peramalan Penjualan Minyak Solar PT. Willy Dwi Perkasa Menggunakan Metode Single Exponential Smoothing,” J. Rekayasa Sist., vol. 1, no. 1, pp. 191–204, 2023.

Y. J. Pradana, A. H. Mujianto, and T. Kistofer, “IMPLEMENTASI METODE WEIGHTED MOVING AVERAGE UNTUK PREDIKSI PENDAPATAN DI IKA LAUNDRY BERBASI WEB,” Inov. J. Ilm. Inov. Teknol. Inf., vol. 8, no. 2, pp. 53–62, 2024.

Z. A. N. A. Fareza, I. Cholissodin, and L. Muflikhah, “Prediksi hasil panen tanaman biofarmaka di Indonesia dengan menggunakan metode extreme learning machine,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 11, pp. 5331–5338, 2022.

D. Widiyanti and H. Harti, “Pengaruh Self-Actualization Dan Gaya Hidup Hangout Terhadap Keputusan Pembelian Di Kedai Kopi Kekinian Pada Generasi Milenial Surabaya,” J. Manaj. Pemasar., vol. 15, no. 1, pp. 50–60, 2021, doi: 10.9744/pemasaran.15.1.50-60.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2024 Ahmad Mudofar Yusuf, Ahmad Bagus Setiawan , Rony Heri Irawan

Downloads

Download data is not yet available.