Peramalan Kebutuhan Material Filter 5M Menggunakan Metode Moving Average di Perusahaan XYZ
Main Article Content
Abstract
Penelitian ini berfokus pada pengelolaan persediaan material filter 5M di PT. XYZ yang mengalami penumpukan di gudang akibat pengadaan yang tidak terencana dengan baik. Tujuan penelitian adalah untuk meramalkan kebutuhan material menggunakan metode moving average guna mengoptimalkan pengadaan dan mengurangi kelebihan stok. Data historis pemakaian filter 5M dari tahun 2016 hingga 2023 dianalisis dengan dua periode pergerakan, yaitu 3 tahun dan 2 tahun. Hasil analisis menunjukkan bahwa pergerakan 2 tahun lebih akurat dengan nilai MAD sebesar 292, MSE 113426, dan MAPE 37%. Berdasarkan peramalan tersebut, kebutuhan filter 5M pada tahun 2024 diperkirakan sebanyak 1.095 unit. Pengujian tingkat error menunjukkan bahwa metode pergerakan 2 tahun lebih optimal dibandingkan pergerakan 3 tahun. Untuk meningkatkan akurasi di masa depan, disarankan perusahaan mengkombinasikan metode peramalan lain dan memperpanjang periode analisis. Dengan penerapan metode forecasting yang tepat, perusahaan dapat menghindari penumpukan material di gudang dan meningkatkan efisiensi pengelolaan persediaan.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Aziza, J. N. A. (2022). Perbandingan Metode Moving Average, Single Exponential Smoothing, dan Double Exponential Smoothing Pada Peramalan Permintaan Tabung Gas LPG PT Petrogas Prima Services. Jurnal Teknologi dan Manajemen Industri Terapan, 1(I), 35–41. https://doi.org/10.55826/tmit.v1ii.8
Hassyddiqy, H., & Hasdiana, H. (2023). Analisis Peramalan (Forecasting) Penjualan Dengan Metode ARIMA (Autoregressive Integrated Moving Average) Pada Huebee Indonesia. Data Sciences Indonesia (DSI), 2(2), 92–100. https://doi.org/10.47709/dsi.v2i2.2022
Nuari, A., Koeshardjono, R. H., & Bahri, M. S. (2021). Komparasi Metode Moving Average Dan Trend Projection Sebagai Alat Ukur Perencanaan Produksi Pada Ud. Jaya Abadi Kabupaten Probolinggo. Yudishtira Journal : Indonesian Journal of Finance and Strategy Inside, 1(2), 111–126. https://doi.org/10.53363/yud.v1i2.9
Nugroho Arif Sudibyo, Ardymulya Iswardani, Arif Wicaksono Septyanto, & Tyan Ganang Wicaksono. (2020). Prediksi Inflasi Di Indonesia Menggunakan Metode Moving Average, Single Exponential Smoothing Dan Double Exponential Smoothing. Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, 1(2), 123–129. https://doi.org/10.46306/lb.v1i2.25
Rizqi, M., Cahya, A., & Maida, N. El. (2021). Implementasi Metode Weighted Moving Average Untuk Sistem Peramalan Penjualan Markas Coffee. INFORMAL: Informatics Journal, 6(3), 154. https://doi.org/10.19184/isj.v6i3.28467
Saefudin, Susandi, D., & Nafis, F. (2021). Sistem Peramalan Penjualan Paving Block Menggunakan Metode Single Moving Average. JSiI (Jurnal Sistem Informasi), 8(2), 75–81. https://doi.org/10.30656/jsii.v8i2.3727
Sam, M., Kurniawati, E., & Fausia, S. R. (2022). Peramalan Permintaan Smartphone Oppo Android Menggunakan Metode Single Moving Average. Jurnal Matematika dan Aplikasinya (IJMA), 2(2), 93–103.
Sarumaha, D. (2021). Penerapan Metode Double Moving Average Untuk Memprediksi Penjualan Tiket Kereta Api. Journal of Computer Science and Information Technology, 1(1), 10–13.
Sinaga, H. D. E., & Irawati, N. (2018). Perbandingan Double Moving Average dengan Double Exponential Smoothing pada Peramalan Bahan Medis Habis Pakai. Jurnal Teknologi dan Sistem Informasi, 4(2), 197–204.
Sylvia. (2020). Implementasi dan Analisa Metode Peramalan Exponential Smoothing dan Weighted Moving Average Untuk Permintaan Produk Minuman Kopi K di CV Fajar Timur Lestari. Journal of Industrial Engineering & Management Research, 3(4), 139–147.
Tan, E., & Astuti, I. (2020). Metode Autoregressive Integrated Moving Average untuk Meramalkan Penjualan. EKOMABIS: Jurnal Ekonomi Manajemen Bisnis, 1(02), 149–158. https://doi.org/10.37366/ekomabis.v1i02.43
Wiguna, H., Nugraha, Y., Rizka R, F., Andika, A., Kanggrawan, J. I., & Suherman, A. L. (2020). Kebijakan Berbasis Data: Analisis dan Prediksi Penyebaran COVID-19 di Jakarta dengan Metode Autoregressive Integrated Moving Average (ARIMA). Jurnal Sistem Cerdas, 3(2), 74–83. https://doi.org/10.37396/jsc.v3i2.76