Implementasi Metode Time Series Simple Moving Average untuk Prediksi Penjualan Multi-Produk

Eka Novarida; Yuwanda Purnamasari Pasrun; Muh. Nurtanzis Sutoyo

Authors

Eka Novarida Universitas Sembilanbelas November Kolaka
Yuwanda Purnamasari Pasrun Universitas Sembilanbelas November Kolaka
Muh. Nurtanzis Sutoyo Universitas Sembilanbelas November Kolaka

Keywords:

prediksi penjualan, Simple Moving Average, penjualan multi-produk, Mean Absolute Error

Abstract

Penelitian ini bertujuan untuk mengimplementasikan metode Simple Moving Average (SMA) dalam memprediksi penjualan multi-produk dan mengevaluasi keefektifannya dalam konteks bisnis yang kompleks. Data penjualan bulanan dari tiga produk yang berbeda dianalisis selama 15 bulan untuk mengidentifikasi tren penjualan dan membuat prediksi yang akurat. Metode SMA dipilih karena kemampuannya untuk menghaluskan fluktuasi data dan memberikan gambaran yang lebih jelas tentang tren penjualan jangka pendek hingga menengah. Hasil penelitian menunjukkan bahwa SMA mampu memberikan prediksi yang mendekati nilai penjualan aktual, terutama untuk produk dengan tren penjualan yang stabil atau meningkat. Evaluasi model menggunakan Mean Absolute Error (MAE) mengungkapkan bahwa prediksi SMA memiliki tingkat kesalahan rata-rata yang rendah, dengan nilai MAE sebesar 10.0 untuk Produk A dan C, serta 6.7 untuk Produk B. Temuan ini menunjukkan bahwa SMA adalah metode yang efektif dan sederhana untuk digunakan dalam perencanaan stok dan strategi penjualan, terutama dalam kondisi pasar yang stabil. Namun, SMA juga memiliki keterbatasan dalam merespons perubahan mendadak dalam tren penjualan dan memberikan bobot yang sama untuk semua data historis, yang mungkin tidak selalu ideal. Oleh karena itu, untuk hasil yang lebih dinamis dan akurat, disarankan untuk mengombinasikan SMA dengan metode prediksi lainnya, terutama dalam situasi pasar yang lebih fluktuatif. Penelitian ini diharapkan dapat memberikan kontribusi signifikan bagi perusahaan dalam mengoptimalkan manajemen persediaan dan perencanaan penjualan.

References

[1] E. Tjandra, S. Limanto, and Liliana, “Modified Moving Average (MoMoA) Untuk Peramalan Penjualan Dengan Studi Kasus Sistem Retail,” Teknika, vol. 10, no. 1, pp. 27–36, 2021, doi: 10.34148/teknika.v10i1.310.

[2] D. Kartini, H. Rusdiani, and A. Farmadi, “Analisis Pengaruh Banyak Orde pada Metode Multivariate High-Order Fuzzy Time Series untuk Prediksi Duga Muka Air Waduk,” J. Edukasi dan Penelit. Inform., vol. 5, no. 1, p. 9, 2019, doi: 10.26418/jp.v5i1.27265.

[3] Y. N. Lubis, H. Winata, and S. Sobirin, “Data Mining Untuk Memprediksi Data Pengunjung dengan Menggunakan Algoritma Simple Moving Average,” J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 21, no. 2, p. 50, 2022, doi: 10.53513/jis.v21i2.5958.

[4] M. B. Kristanda and S. Hansun, “Phatsa: A web-based application for forecasting using conventional moving average methods,” Proc. 2017 4th Int. Conf. New Media Stud. CONMEDIA 2017, vol. 2018-January, pp. 38–43, 2017, doi: 10.1109/CONMEDIA.2017.8266028.

[5] F. Ryan and W. Wijanarto, “Analisis Dan Implementasi Model Peramalan Berbasis Algoritma Moving Avarage Untuk Nilai Tukar Rupiah Terhadap Dolar,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 381–394, 2018, doi: 10.24176/simet.v9i1.1997.

[6] S. Sulistia, M. Amin, and Santoso, “Implementation of Forecasting Exponential Smoothing in the Number of New Student Prediction Information System At Smk Al Ma’Shum,” J. Tek. Inform., vol. 3, no. 6, pp. 1655–1662, 2022, doi: 10.20884/1.jutif.2022.3.6.431.

[7] M. Harahap, F. Rozi, Y. Yennimar, and S. D. Siregar, “Analisis Wawasan Penjualan Supermarket dengan Data Science,” Data Sci. Indones., vol. 1, no. 1, pp. 1–7, 2021, doi: 10.47709/dsi.v1i1.1173.

[8] J. Chen, H. Liu, and J. He, “Predicting the influence of group buying on the restaurant’s popularity by online reviews,” 2015 12th Int. Conf. Fuzzy Syst. Knowl. Discov. FSKD 2015, pp. 1068–1072, 2016, doi: 10.1109/FSKD.2015.7382090.

[9] R. Indriyani and A. Suri, “Pengaruh Media Sosial Terhadap Keputusan Pembelian Melalui Motivasi Konsumen Pada Produk Fast Fashion,” J. Manaj. Pemasar., vol. 14, no. 1, pp. 25–34, 2020, doi: 10.9744/pemasaran.14.1.25-34.

[10] S. Hansun, “A new approach of moving average method in time series analysis,” 2013 Int. Conf. New Media Stud. CoNMedia 2013, 2013, doi: 10.1109/conmedia.2013.6708545.

[11] R. Y. Hayuningtyas and R. Sari, “Aplikasi Peramalan Alat Kesehatan Menggunakan Single Moving Average,” J. Infortech, vol. 3, no. 1, pp. 40–45, 2021, doi: 10.31294/infortech.v3i1.10397.

[12] H. A. Maulana, K. W. Harahap, A. Adriyansyah, R. Rofiroh, and F. Zainuddin, “Permodelan Produksi Kopi Indonesia dengan Menggunakan Seasonal Autoregressive Integrated Moving Average (SARIMA),” J. Saintika Unpam J. Sains dan Mat. Unpam, vol. 2, no. 1, p. 1, 2019, doi: 10.32493/jsmu.v2i1.2914.