PERAMALAN PERMINTAAN PRODUK TIRAI MENGGUNAKAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING (Studi Kasus pada Meubel Sarira Waitatiri Maluku Tengah)

Abstract

Penelitian ini bertujuan untuk mengetahui metode peramalan permintaan produk tirai yang paling efektif pada perusahaan meubel Sarira Waitatiri Maluku Tengah, agar barang yang dihasilkan tidak terlalu banyak. Metode peramalan permintaan yang digunakan dalam penelitian yaitu metode rata-rata bergerak dan metode penghalusan eksponensial. Data yang digunakan dalam penelitan ini adalah data pada bulan Januari 2019 sampai bulan Desember 2019. Metode yang dianalisis adalah metode rata-rata bergerak 3 bulanan dan 5 bulanan, serta penghalusan eksponensial dengan nilai 0.1, 0.5, dan 0.9. Hasil dari masing-masing metode dibandingkan berdasarkan tingkat kesalahannya. Perhitungan seberapa jauh suatu prediksi dibuat disebut tingkat kesalahan peramalan. Perhitungan ini dilakukan untuk produk tirai, dan MSE digunakan untuk mewakili tingkat kesalahan. Permintaan untuk tirai dengan Mean Squared Error (MSE) adalah: rata-rata bergerak 3 Bulanan = 314,89. Rata-rata bergerak 5 bulanan = 222,29. Penghalusan eksponensial 0,1 = 256,82. Penghalusan eksponensial 0,5 = 290,09.  Penghalusan eksponensial 0,9 = 393,09. Jadi metode yang paling efisien untuk peramalan produk tirai adalah metode rata-rata bergerak 5 bulanan ankarena tingkat kesalahan atau MSE-nya sebesar 222,29 sangat kecil.

This study aims to determine the most effective method of demand forecasting for curtain products at the Sarira furniture company in Waitatiri, Central Maluku, so that the production of the goods is not too many. The demand forecasting method used in this research is the Moving Average method and the Exponential Smoothing method. The methods analyzed are the 3-month and 5-month Moving Average methods, as well as Exponential Smoothing with values of 0.1, 0.5, and 0.9. The results of each method are compared based on the level of error. The calculation of how far a prediction is made is called the forecast error rate. This calculation is carried out for curtain products, and MSE is used to represent the error rate. The demand for curtains with a Mean Squared Error (MSE) is: moving average 3-month = 314.89. 5-month moving average = 222.29. Exponential Smoothing 0.1 = 256.82. Exponential Smoothing 0.5 = 290.09.  Exponential Smoothing 0.9 = 393.09. So, the most efficient method for forecasting curtain products is the 5-month moving average method because the error rate or MSE of 222.29 is very small.