Perbandingan Metode Single Exponential Smoothing dan Metode Simple Moving Average dalam Peramalam Penjualan Cookies pada Usaha Cookies Sweetnest
Comparison Of Single Exponential Smoothing Method and Simple Moving Average Method in Forecasting Cookies Sales at Sweetnest Cookies Business
Usaha Cookies Sweetnest adalah sebuah usaha yang menyediakan beraneka ragam varian cookies. Dalam pelaksanaan bisnisnya cookies Sweetnest menghadapi tantangan dalam manajemen stok produk. Dua metode peramalan, yaitu Simple Moving Average (SMA) dan Single Exponential Smoothing (SES), digunakan dalam penelitian ini. Pemilihan kedua metode tersebut didasarkan pada kecocokan dengan karakteristik data penjualan cookies yang dimiliki oleh Cookies Sweetnest. Metode SMA cocok untuk meramalkan tren dan variasi sederhana, sementara metode SES cocok untuk meramalkan data dengan tingkat perubahan yang tidak konstan.
Alur data mining SEMMA digunakan dalam analisis dan perancangan sistem peramalan, dengan instrumen penelitian utamanya adalah data penjualan cookies yang tercatat secara rinci pada sistem POS dan perangkat lunak analisis data seperti Minitab. Dalam penelitian ini, aplikasi pemrograman Visual Studio Code dan Anaconda menjadi instrumen utama dalam perancangan sistem pada penjualan Cookies Sweetnest. Bahasa pemrograman Python, bersama dengan JavaScript dan HTML, digunakan untuk mengembangkan antarmuka web interaktif.
Hasil penelitian menunjukkan bahwa kedua metode peramalan, SMA dan SES, memiliki performa yang serupa dalam meramalkan penjualan cookies di Cookies Sweetnest. Evaluasi menggunakan metrik akurasi peramalan seperti MAPE, MAD, dan MSD menunjukkan bahwa SMA dengan panjang periode 2 memiliki performa yang lebih baik dibandingkan dengan SES. Dengan nilai MAPE 30.847, dan nilai MAD sebesar 24.071 dan MSD sebesar 930.429.
Kata Kunci: Perbandingan, Peramalan, Simple Moving Average, Single Exponential Smoothing, Python
Cookies Sweetnest business is an enterprise that provides various variants of cookies. In its business implementation, Cookies Sweetnest faces challenges in managing product stock. Two forecasting methods, namely Simple Moving Average (SMA) and Single Exponential Smoothing (SES), are used in this study. The selection of these two methods is based on their suitability with the characteristics of cookies sales data owned by Cookies Sweetnest. The SMA method is suitable for forecasting trends and simple variations, while the SES method is suitable for forecasting data with non-constant change rates.
The SEMMA data mining flow is used in the analysis and design of the forecasting system, with the main research instrument being detailed cookies sales data recorded in the POS system and data analysis software such as Minitab. In this study, the Visual Studio Code and Anaconda programming applications serve as the main instruments in designing the system for Cookies Sweetnest sales. The Python programming language, along with JavaScript and HTML, is used to develop an interactive web interface.
The research results show that both forecasting methods, SMA and SES, have similar performance in forecasting cookies sales at Cookies Sweetnest. Evaluation using forecasting accuracy metrics such as MAPE, MAD, and MSD shows that SMA with a period length of 2 has better performance compared to SES. With an MAPE value of 30.847, and MAD value of 24.071 and MSD value of 930.429.
Keywords: Comparison, Forecasting, Simple Moving Average, Single Exponential Smoothing, Python