Pemilihan Metode Peramalan Jumlah Permintaan Koran dengan Tingkat Kesalahan Terendah
DOI:
https://doi.org/10.30587/matrik.v21i2.1325Keywords:
moving average, exponential smoothing, trend line analysis, peramalan,koran, MAPEAbstract
Pada era digital saat ini, banyak sekali industri yang mengalami dampak dari digitalisasi, salah satunya adalah industri surat kabar (koran). Adanya digitalisasi menyebabkan permintaan koran semakin fluktuatif dan sulit diprediksi. Hal ini juga menyebabkan tingkat retur atau pengembalian koran dari agen-agen yang cukup tinggi dan tentu saja akan memberikan kerugian yang cukup besar bagi perusahaan. Untuk itu, perlu dilakukan penentuan métode peramalan jumlah permintaan koran yang memiliki tingkat kesalahan terkecil sehingga dapat membantu perusahaan mengurangi kerugian akibat retur koran. Penelitian ini menghitung peramalan permintaan menggunakan beberapa metode antara lain trend line analysis, double exponential smoothing, dan two months moving average. Selain itu, penelitian ini juga membandingkan hasil peramalannya dengan penelitian terdahulu yang menggunakan metode ARIMA. Pemilihan metode peramalan yang terbaik dilakukan dengan membandingkan tingkat kesalahan (MAPE) dari tiap-tiap metode kemudian dipilih metode dengan tingkat kesalahan terkecil. Berdasarkan perbandingan yang dilakukan, dapat diketahui bahwa metode peramalan yang memiliki tingkat kesalahan terkecil adalah metode trend line analysis dengan nilai MAPE sebesar 2,94%. Oleh karena itu, metode peramalan yang terbaik untuk melakukan peramalan permintaan jumlah koran di Kota Surakarta adalah metode trend line analysis.
References
2. Arsyad, L. (2001). Peramalan Bisnis, Edisi 1. Yogyakarta: Universitas Gadjah Mada.
3. Assauri, S. (1984). Teknik dan Metode Peramalan. Jakarta: Penerbit Fakultas Ekonomi Universitas Indonesia.
4. Gaspersz, V. (1998). Production Planning and Inventory Control. Jakarta: PT. Sun.
5. Heizer, J. d. (2009). Manajemen Operasi, Edisi 9, Terj. Chriswan Sungkono. Jakarta: Salemba Empat.
6. Heizer, J., & Render, B. (2015). Manajemen Operasi : Manajemen Keberlangsungan dan Rantai Pasokan, edisi 11. Jakarta: Salemba Empat.
7. Makridakis, S., Andersen, A., Carbone, R., Fildes, R., Hibon, M., & Lewandowski, R. (1982). The Accuracy of Extrapolation (Time Series) Methods: Results of a Forecasting Competition. Journal of Forecasting, 1, 111-153.
8. Mansyur. & Rohadi, E. (2015). Sistem Informasi Peramalan Stok Barang di CV. Annora Asia Menggunakan Metode Double Exponential Smoothing. Jurnal Informatika Polinoma 2(1), 45-49.
9. Mia Savira, N. N. (2014). Analisis Peramalan Penjualan Obat Generik Berlogo (Ogb) pada PT. Indonesia Farma. eProceedings of Management. Bandung: Telkom University.
10. Mira Febrina, F. A. (2013). Peramalan Jumlah Permintaan Produksi Menggunakan Metode Jaringan Syaraf Tiruan (JST) Backpropagation. Jurnal Teknik Industri, 1(2), 174-179.
11. Montgomery. (2015). Introduction to Time Series Analysis and Forecasting, 2nd Edition. USA: John Wiley and Sons.
12. Permatasari, C. I., Sutopo, W., & Hisjam, M. (2018). Sales Forecasting Newspaper with ARIMA: A Case Study. AIP Conference Proceedings (pp. 030017-1). AIP Publishing.
13. Putri, A. S. (2018). Perancangan Rantai Pasok Dinamis dalam Model Supply Chain Operations Reference (Scor®): Pendekatan Pemodelan Simulasi untuk Industri Koran. Laporan Tesis Jurusan Teknik Industri. Fakultas Teknik. Universitas Sebelas Maret.
14. Richard, & Rahardjo, J. (2019). Improvement Manajemen Bahan Baku Kertas dengan MRP I pada PT. X. Jurnal Titra, 7(2), 129-136.
15. Tanuwijaya, H. (2010). Penerapan Metode Winter’s Exponential Smoothing dan Single Moving Average Dalam Sistem Informasi Pengadaan Obat Rumah Sakit. Prosiding Seminar Nasional Manajemen Teknologi XI, (pp. C-12). Surabaya.
16. Utama, C. &. (2016). Pengembangan SI Stok Barang Dengan Peramalan Menggunakan Metode Double Exponential Smoothing (Studi Kasus : PT. Tomah Jaya Elektrikal). Jurnal Informatika Polinoma, 2(4), 147-153.
17. Wijiyanto, A. N., Kusrini, D. E., & Irhamah. (2012). Peramalan Nilai Kontrak Konstruksi PT ‘X’ dengan Menggunakan Pendekatan Regresi Time Series dan ANFIS. Jurnal Sains dan Seni ITS, 1(1), D-201-D-206.
18. Zunaidhi, R., J., W. S., & Sari, N. K. (2012). Aplikasi Peramalan Penjualan Menggunakan Metode Regresi Linier. SCAN, 7(3), 41-45.
19. Riskadayanti, O., Yuniaristanto, dan Sutopo, W. (2019). Discrete-event simulation of a production process for increasing the efficiency of a newspaper production. IOP Conf. Series: Materials Science and Engineering495 (2019) 012026
20. Jodinesa, M.N.A., Yuniaristanto, Sutopo, W., Hisjam, M. (2019). Joint delivery planning with time windows: a case study on supply chain in newspaper industry. IOP Conf. Series: Materials Science and Engineering495 (2019) 012034
21. Sutopo, W dan Aqidawati, E.F. (2019). Learning a Supply Chain Management Course by Problem Based Learning: Case Studies in the Newspaper Industry. Proceedings of the International Conference on Industrial Engineering and Operations Management
