Aplikasi Forecasting Penjualan Pelumas Mesin Menggunakan Metode Arima (Studi Kasus : Liquid Oil Shop)

  • Rakha Zaqi Amrulloh Universitas Stikubank Semarang
  • Jati Sasongko Wibowo Universitas Stikubank

Abstract

Peningkatan jumlah kepemilikan kendaraan bermotor mempengaruhi penjualan pelumas mesin. Tingginya frekuensi penjualan dan keberagaman layanan sistem penjualan pada toko ini berakibat restock barang yang tidak efisien. Peramalan yang ditampilkan dalam bentuk aplikasi dapat membantu penjual pelumas mesin dalam menentukan restock produk karena mengetahui barang yang akan terjual pada periode mendatang. Pada penelitian ini, peramalan menggunakan metode ARIMA karena memiliki keunggulan sifat yang fleksibel dalam penggunaannya, yaitu mengikuti pola data yang ada serta memiliki tingkat  akurasi prakiraan yang cukup tinggi. Data yang digunakan terdiri dari 4 macam produk pelumas mesin di toko Liquid Oil Shop, periode Januari 2020 sampai Juni 2023 yang selanjutnya digunakan untuk proses peramalan maksimal 1 tahun ke depan. ARIMA menunjukkan model (2,1,2), dan (0,1,2) menghasilkan presentase nilai MAPE rata-rata 41,25%.

References

Arifin, S., & Helilintar, R. (2022). Sistem Pendukung Keputusan Penentuan Restock Barang Dengan Metode Naive Bayes. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 6(2), 259–264.
Djami, R. J., & Nanlohy, Y. W. A. (2022). Peramalan Indeks Harga Konsumen di Kota Ambon Menggunakan Autoregressive Integrated Moving Average (ARIMA) dan Double Exponential Smoothing. VARIANCE: Journal of Statistics and Its Applications, 4(1), 1–14.
Liang, Z., Chen, L., Alam, M. S., Rezaei, S. Z., Stark, C., Xu, H., & Harrison, R. M. (2018). Comprehensive chemical characterization of lubricating oils used in modern vehicular engines utilizing GC× GC-TOFMS. Fuel, 220, 792–799.
Mardyaningsih, M., & Leki, A. (2018). Analisis base oil hasil proses adsorpsi dan pirolisis pada oli mesin bekas. Jurnal Teknik Mesin, 1(1), 64–71.
Pamungkas, M. B., & Wibowo, A. (2019). Aplikasi metode arima box-jenkins untuk meramalkan kasus DBD di Provinsi Jawa Timur. The Indonesian Journal of Public Health, 13(2), 183.
Petropoulos, F., Apiletti, D., Assimakopoulos, V., Babai, M. Z., Barrow, D. K., Bergmeir, C., Bessa, R. J., Boylan, J. E., Browell, J., Carnevale, C., Castle, J. L., Cirillo, P., Clements, M. P., Cordeiro, C., Oliveira, F. L. C., Baets, S. De, Dokumentov, A., Fiszeder, P., Franses, P. H., … Ziel, F. (2020). Forecasting: theory and practice. International Journal of Forecasting.
Sugiraharjo, S., & Santi, R. C. N. (2021). TOPSIS dan Double Exponential Smoothing untuk Perangkingan dan Peramalan Penjualan Laptop. Jurnal Informatika Upgris, 7(1).
Tampati, N. (2022). Prediksi Stok Obat pada Apotik Total Life Clinic Menggunakan Model Kombinasi Artificial Neural Network dan ARIMA. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(1), 49–58.
Wahyuni, I. D., Yuniarti, T., & Rapi, A. (2022). Penerapan Model ARIMA Dalam Memprediksi Penjualan Produk Minuman Teh Botol Sosro Ukuran 350 mL. INVENTORY| Industrial Vocational E-Journal On Agroindustry, 3(2), 69–82.
Ziliwu, D. A., & Verina, W. (2023). Implementasi Metode Arima Untuk Prediksi Jumlah Produksi Keramik (Studi Kasus: PT. Jui Shin). SISITI: Seminar Ilmiah Sistem Informasi Dan Teknologi Informasi, 12(1), 303–313.
Published
2023-09-15
Abstract viewed = 46 times
PDF downloaded = 32 times