Penelitian ini berfokus pada pengembangan sistem toko online berbasis web dengan implementasi peramalan penjualan untuk mendukung operasional bisnis UMKM Fay Brownies. Sistem dirancang dengan menggunakan metode pengembangan perangkat lunak Extreme Programming (XP), yang menekankan pada pendekatan iteratif, kolaboratif, dan adaptif terhadap perubahan kebutuhan pengguna. Beberapa tumpukan teknologi digunakan dalam pengembangannya, termasuk Next.js, Laravel, Django, dan MySQL. Fitur utama dari aplikasi ini termasuk otentikasi pengguna, keranjang belanja, pemesanan, pembayaran, penghitungan ongkos kirim, notifikasi otomatis melalui WhatsApp, dan dashboard untuk admin dashboard untuk mengelola aspek bisnis seperti produk dan penjualan. Sistem ini dilengkapi dengan modul peramalan penjualan yang menggunakan tujuh metode: ARIMA, Single Exponential Smoothing, Simple Moving Average, Double Moving Average, Weighted Moving Average, Long Short-Term Memory (LSTM), dan model Auto Regressive untuk memprediksi penjualan produk berdasarkan data historis.

Evaluasi sistem menunjukkan bahwa aplikasi berhasil memenuhi kebutuhan pengguna kebutuhan pengguna dalam melakukan transaksi dengan mudah dan aman, sekaligus memberikan prediksi penjualan yang akurat untuk mendukung pengambilan keputusan terkait stok bahan baku dan perencanaan bisnis. Hasil penelitian ini juga diharapkan dapat menjadi referensi untuk pengembangan aplikasi e-commerce dengan kemampuan peramalan yang dapat diadopsi oleh usaha kecil dan menengah lainnya.

Kata kunci: Toko online, Peramalan penjualan, Extreme programming, ARIMA, LSTM, Moving Average, Auto Regressive

This research focuses on the development of a web-based online store system with the implementation of a sales forecasting feature to support the business operations of UMKM Fay Brownies. The system was designed using the Extreme Programming (XP) software development method, which emphasizes an iterative, collaborative, and adaptive approach to changing user requirements. Several technology stacks were utilized in the development, including Next.js, Laravel, Django, and MySQL. The main features of the application include user authentication, shopping cart, ordering, payment, shipping cost calculation, automatic notifications via WhatsApp, and an admin dashboard for managing business aspects such as products and sales. The system is equipped with a sales forecasting module that employs seven methods: ARIMA, Single Exponential Smoothing, Simple Moving Average, Double Moving Average, Weighted Moving Average, Long Short-Term Memory (LSTM), and Auto Regressive models to predict product sales based on historical data.

System evaluation showed that the application successfully meets user needs in conducting transactions easily and securely, while also providing accurate sales forecasts to support decision-making regarding raw material stock and business planning. The results of this study are also expected to serve as a reference for the development of e-commerce applications with forecasting capabilities that can be adopted by other small and medium-sized businesses.

Keywords: Online store, Sales forecasting, Extreme programming, ARIMA, LSTM, Moving Average, Auto Regressive