Penerapan Metode Multiplicative Decomposition dan Autoregressive Integrated Moving Average dalam Prediksi Penjualan Produk Manufaktur pada PT. XYZ
Keywords:
Elderly, Nursing Home, Android, Raspbery Pi, Firebase Real Time, Live Streaming, Google Place, Google Cloud MessagingAbstract
PT. XYZ is a company engaged in the manufacture of drinking water (AMDK). PT. XYZ conducts product sales transactions in large quantities every day, so the large number of existing sales transactions will certainly affect the daily necessities inventory in the company. The problem that occurs in the company is regarding overstock and understock. Based on the problems that occur, the researchers will apply the Multiplicative Decomposition and Autoregressive Integrated Moving Average (ARIMA) methods to process a large number of sales-data which is used as information. So, the purpose of this study is to implement the Multiplicative Decomposition and Autoregressive Integrated Moving Average (ARIMA) methods to predict sales of mineral water goods at PT. XYZ. The test system will use the Mean Absolute Percentage Error (MAPE) method.References
[1] Arsyad, L. 1995. Peramalan Bisnis. Jakarta (ID): Ghalia
Indonesia. 2(1), 12-13.
[2] Atmaja, N. S., Sabri, K. & Mustafa, S. R. 2021. Peramalan
Jumlah Penjualan Buku menggunakan Metode Autoregressive
Integrated Moving Average (ARIMA) pada Toko Buku AGP
Gramedia. Riau Journal of Computer Science, 7(2), 122-127.
[3] Fitria, I. 2017. Perbandingan Metode ARIMA dan
Exponential Smoothing pada Peramalan Harga Saham LQ45
Tiga Perusahaan dengan Nilai Earning Per Share (EPS)
Tertinggi. Jurnal of Mathematics and Its Applications. 14(2).
[4] E. & Irawan, O. 2015. Prediksi Perkembangan Beban Listrik
Sektor Rumah Tangga Di Kabupaten Sijunjung Tahun 2013-
2022 Dengan Simulasi SPSS. Jurnal Momentum, 17(2).
[5] H., Prahutama, Panjaitan, A dan Sudarno, S. 2018. Peramalan
Jumlah Penumpang Kereta Api Menggunakan Metode
ARIMA, Intervensi dan AFRIMA (Studi Kasus: Penumpang
Kereta Api Kelas Lokal Ekonomi DAOP IV Semarang).
Jurnal Gaussian. 7(1), 96-109.
[6] Irawan, A. A. 2020. Sistem Informasi Penerimaan Siswa Baru
Berbasis Web (Studi Kasus SMA Fatahillah Sidoharjo Jati
Agung Lampung Selatan). Jurnal Informatika dan Rekayasa
Perangkat Lunak (JATIKA). 1(2), 245-253.
[7] Irawan, Y. 2019. Penerapan Data Mining untuk Evaluasi Data
Penjualan Menggunakan Metode Clustering dan Algoritma
Hirarki Divisive. Jurnal Teknologi Informasi Universitas
Lambung Mangkurat (JTIULM), 4(1), 13-20.
[8] Kristiyanti, D. A. & Sumarno, Y. 2020. Penerapan Metode
Multiplicative Decomposition (Seasonal) Untuk Peramalan
Persediaan Barang Pada PT. Agrinusa Jaya Sentosa. Jurnal
Sistem Komputer & Kecerdasan Buatan (SISKOM-KB). 3(2).
[9] Kusumawardhani, S. 2019. Implementasi Assosiation Mining
Menggunakan Algoritma Dekomposisi Untuk Mengetahui
Pola Tren, Siklik dan Faktor Musiman pada Perpustakaan
Daerah Kabupaten Sukabumi. Jurnal Restikom: Riset Teknik
Informatika dan Komputer. 1(1).
[10] Mursidah, Y. 2021. Perbandingan Metode Exponential
Smoothing dan Metode Decomposition Untuk Meramalkan
Persediaan Beras (Studi Kasus Divre Bulog Lhokseumawe).
Jurnal Visioner & Strategis. 10(1).
[11] Perawati, L. 2018. Analisis Peramalan Penjualan Kopi (Kapal
Api) Menggunakan Metode Arima Box-Jenkins pada PT.
Fastrata Buana Bandung. Prosiding Manajemen. 4(2).
[12] Salwa, N. 2018. Peramalan Harga Bitcoin Menggunakan
Metode ARIMA (Autoregressive Integrated Moving
Average). Journal of Data Analysis. 1(1).
[13] Samari, S. 2022. Forecasting Demand dengan Metode
Multiplicative Decomposition dan Tracking Signals di PT
Persada Nawa Kartika. Kajian BisnisSekolah Tinggi
IlmuEkonomi Widya Wiwaha, 30(1), 54-65.
[14] Solin, R., Syahputri, N. I. & Budiman, A. 2020. Metode Least
Sequare dalam Memprediksi Penjualan Sepeda Motor Second.
SNASTIKOM 2020, 1(1), 372-381.
