EKSPLORASI SINGLE MOVING AVERAGE UNTUK PERAMALAN PERSEDIAAN BARANG
DOI:
https://doi.org/10.53625/jirk.v2i5.3675Keywords:
Peramalan, Persediaa, Single Moving AverageAbstract
Tercukupinya persediaan barang di perusahaan menjadi hal yang sangat penting bagi manajemen perusahaan. Menjaga kestabilan stok dapat memberikan efek keuangan dan reputasi yang cukup besar bagi perusahaan. Stok yang berlebih dapat membuat barang expired dan merugikan perusahaan. Stok yang berkurang akan berpengaruh pada reputasi dan layanan.
Penelitian ini menggunakan data pengujian berupa 10 item barang. Masing-masing item barang memiliki data historis penjualan per bulan selama periode 3 tahun. Metode yang digunakan untuk peramalan adalah single moving average. Tahap dalam perhitungan dengan metode single moving average adalah mengambil data penjualan dari 36 bulan sebelum periode peramalan. Perhitungan yang dilakukan dibagi menjadi 4 variasi perhitungan. Akurasi peramalan akanihitung menggunakan Mean Absolute Percent Error (MAPE). Semakin kcil nilai MAPE yang diperoleh, maka hasil peramalan dapat dikatakan semakin baik.
Dariuji coba yang dkakukan diperoleh hasil peramalan yang cukup beragam. Hal ini disebabkan salah satunya karena jumlah data dan pola data yang bervariasi
References
Dewi, E. N. S., Chamid, A.A., 2019, Implementation of Single Moving Average Methods for Sales Forecasting of Bag in Convection Tas Loram Kulon, Jurnal Transformatika, Vol. 16, No. 2.
Ni Luh Ayu Kartika Yuniastari, IGP Wirarama Wedashwara Wirawan, 2014, Peramalan Permintaan Produk Perak Menggunakan Metode Simple Moving Average dan Exponential Smoothing, Jurnal Sistem dan Informatika, Vol 9, No 1.
Amira Herwindyani Hutasuhut, Wiwik Anggraeni, Raras Tyasnurita, 2014, Pembuatan Aplikasi Pendukung Keputusan Untuk Peramalan Persediaan Bahan Baku Produksi Plastik Blowing Dan Inject Menggunakan Metode Arima (Autoregressive Integrated Moving Average) di Cv. Asia, Jurnal Teknik ITS, Vol 3, No 2.
Makridakis, Spyros; Wheelwright, Steven C.; McGee, Victor E., 1999, Metode dan Aplikasi Peramalan, 2nd ed, Erlangga, Jakarta.
Xin, P., Liu, Y., Yang, N., Song, X., Huang, Y., 2020, Probability Distribution of Wind Power Volatility Based on the Moving Average Method and Improved Nonparametrik Kernel Density Estimation, Global Energy Interconnection, Vol. 3., No. 3.
Lu, J., Li, Z., 2021, Early Prognostic Factors of Patients with Acquired Pneumonia Under the Analysis of Autoregressive Integrated Moving Average Model-Based Pathogenic Infectious Influenza Virus, Result in Physics, 22.
Yuan, D., Li, D., 2021, Epidemiological and Clinical Characteristics of Influenza Patients in Respiratory Department Under the Prediction of Autoregressive Integrated Moving Average Model, Result in Physics, 24.
Salman, A.G., Kanigoro, B., 2020, Visibility Forecasting Using Autoregressive Integrated Moving Average (ARIMA) Models, 5tth International Conference on Computer Science and Computational Intelligence 2020 (ICCSCI), November.
Nasution, A.H., dan Prasetyawan, Y. 2008. Perencanaan & Pengendalian Produksi. Edisi Pertama. Graha Ilmu, Yogyakarta.
