Article Sidebar

Submitted
23 January 2023
Accepted
21 June 2023
Published
21 June 2023
Download
PDF (Bahasa Indonesia)
Statistic
Read Counter : 175 Download : 151

Downloads

Download data is not yet available.

Main Article Content

Abstract

Salah satu permasalahan yang dihadapi oleh pemiliki usaha kaos sablon adalah kesulitan dalam melakukan pemesanan bahan baku kaos polos. Selama ini pemesanan bahan baku kaos tidak mengambil perhitungan konkrit atau mengacu pada jumlah bahan yang dipesan untuk kaos polos. Sehingga diperlukan sebuah sistem peramalan sebagai pendukung pengambilan keputusan pemesanaan kaos polos bagi usaha kaos sablon. Berdasarkan permasalahan tersebut, digunakan metode Weight Moving Average (WMA) untuk meramalkan stok kaos sablon. Metode ini cocok digunakan untuk peramalan dengan dengan pola data horizontal, disesuaikan dengan pola data penjualan sejak Januari – Desember 2021. Hasil dari peramalan menghasilkan nilai error terkecil untuk kaos hitam dengan bobot WMA 5 dengan rata-rata Mean Absolute Percentage Error (MAPE) 9,97%. Sedangkan kaos putih menghasilkan nilai error terkecil untuk bobot WMA 3 dengan rata-rata MAPE 9,95%. Hal ini menunjukkan bahwa metode WMA memiliki tingkat akurasi sangat tinggi karena memiliki nilai MAPE kurang dari 10%.

Keywords

Time Series Analysis Forecasting System Weight Moving Average Analisis Deret Waktu Sistem Peramalan Weight Moving Average

Article Details

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Author Biographies

Ahmad Sonny Pranata, Universitas Jember

Department of Information System

Nelly Oktavia Adiwijaya, Universitas Jember

Head of Department of Informatics, Universitas Jember
How to Cite
Pranata, A. S., Adiwijaya, N. O., & Furqon, M. (2023). Screen Printing T-shirt Stock Forecasting System with Weight Moving Average. Jurnal Komputer Terapan, 9(1), 50–57. https://doi.org/10.35143/jkt.v9i1.5834
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX

References

  1. N. Hidayah, “Strategi Promosi Konveksi Kaos’ ta dalam Menghadapi Persaingan Bisnis (AnalisisEkonomi Islam),” IAIN Parepare, 2020.
  2. A. Madianto and A. R. Dzulkirom, Analisis Implementasi Sistem Just In Time (Jit) Pada Persediaan Bahan Baku Untuk Memenuhi Kebutuhan Produksi (Studi Pada PT Alinco, Karangploso, Malang). Brawijaya University, 2016.
  3. N. Hartono, E. S. Marsun, and others, “Sistem Informasi Manajemen Pemasaran dan Penjualan Berbasis Web Menggunakan Content Management System (Cms) Opencart (Studi Kasus Palapa Sablon Romang Lompoa Kabupaten Gowa),” Jurnal INSYPRO (Information System and Processing), vol. 7, no. 2, 2022.
  4. R. Aminudin, “Model Peramalan Garis Kemiskinan Menggunakan Metode Double Exponential Smoothing dari Holt,” Universitas Komputer Indonesia, 2019.
  5. R. Y. Hayuningtyas, “Peramalan persediaan barang menggunakan metode weighted moving average dan metode double exponential smoothing,” Jurnal PILAR Nusa Mandiri, vol. 13, no. 2, pp. 217–222, 2017.
  6. F. R. Hariri, W. Sari, and C. Mashuri, “Perbandingan metode Double Exponential Smoothing dan Simple Moving Average pada kasus peramalan penjualan,” Teknologi: Jurnal Ilmiah Sistem Informasi, vol. 11, no. 2, pp. 93–100, 2021.
  7. R. Riyanto, F. R. Giarti, and S. E. Permana, “Sistem Prediksi Menggunakan Metode Weight Moving Average Untuk Penentuan Jumlah Order Barang,” Jurnal ICT: Information Communication & Technology, vol. 16, no. 2, pp. 37–42, 2017.
  8. E. S. Sintiya, A. Kusumawardana, M. A. Furqon, N. F. Najwa, A. C. Puspitaningrum, and A. S. Afrah, “SARIMA and Holt-Winters Seasonal Methods for Time Series Forecasting in Tuberculosis Case,” in 2020 4th International Conference on Vocational Education and Training (ICOVET), 2020, pp. 1–5.
  9. M. Ilvi Laili, “Perbandingan Metode Single Exponential Smoothing dan Simple Moving Average dalam Sistem Peramalan Penjualan Pizza (Studi Kasus: Waroenk Pizza Bondowoso),” 2018.
  10. S. Hansun, “A new approach of moving average method in time series analysis,” in 2013 conference on new media studies (CoNMedia), 2013, pp. 1–4.
  11. M. Badrul, “Algoritma asosiasi dengan algoritma apriori untuk analisa data penjualan,” Jurnal Pilar Nusa Mandiri, vol. 12, no. 2, pp. 121–129, 2016.
  12. M. G. Saragih, L. Saragih, J. W. P. Purba, and P. D. Panjaitan, Metode Penelitian Kuantitatif: Dasar–Dasar Memulai Penelitian. Yayasan Kita Menulis, 2021.
  13. I. Yulian, D. S. Anggraeni, and Q. Aini, “Penerapan metode trend moment dalam forecasting penjualan produk cv. rabbani asyisa,” JURTEKSI (Jurnal Teknologi dan Sistem Informasi), vol. 6, no. 2, pp. 193–200, 2020.
  14. F. Sidqi, “Peramalan Penjualan Barang Single Variant Menggunakan Metode Arima, Trend Analysis, Dan Single Exponential Smoothing (Studi Kasus: Toko Swalayan Xyz),” Universitas Komputer Indonesia, 2019.
  15. I. Solikin and S. Hardini, “Aplikasi Forecasting Stok Barang Menggunakan Metode Weighted Moving Average (WMA) pada Metrojaya Komputer,” Jurnal Informatika, vol. 4, no. 02, 2019.
  16. Y. Dzhurov, I. Krasteva, and S. Ilieva, “Personal Extreme Programming–An Agile Process for Autonomous Developers,” 2009.

Most read articles by the same author(s)