Pemilihan Metode Peramalan Jumlah Permintaan Koran dengan Tingkat Kesalahan Terendah

  • wahyudi sutopo program studi teknik industri, universitas sebelas maret
  • Azizah Hadny Quarrota A'yun
  • Hanif Ardian
  • Maulidina Khairannisa Nunuh
  • Sherlinta Immanuella
  • Yuniaristanto Yuniaristanto

Abstract

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.

Downloads

Download data is not yet available.
Published
Mar 30, 2021
How to Cite
SUTOPO, wahyudi et al. Pemilihan Metode Peramalan Jumlah Permintaan Koran dengan Tingkat Kesalahan Terendah. Matrik : Jurnal Manajemen dan Teknik Industri Produksi, [S.l.], v. 21, n. 2, p. 91 - 100, mar. 2021. ISSN 2621-8933. Available at: <https://journal.umg.ac.id/index.php/matriks/article/view/1325>. Date accessed: 18 nov. 2024. doi: http://dx.doi.org/10.30587/matrik.v21i2.1325.
Section
Articles