ANALISIS PREDIKSI PENJUALAN SEMBAKO MENGGUNAKAN METODE MOVING AVERAGE (Studi Kasus: Toko Sembako Edi)

SAUSAN, RONAA (2024) ANALISIS PREDIKSI PENJUALAN SEMBAKO MENGGUNAKAN METODE MOVING AVERAGE (Studi Kasus: Toko Sembako Edi). Diploma thesis, UIN RADEN INTAN LAMPUNG.

	PDF Download (2MB)
	PDF Restricted to Repository staff only Download (2MB)

Abstract

ABSTRAK UMKM di Indonesia memiliki berbagai jenis seperti usaha dibidang kuliner, fashion, kelontong, bahan-bahan pokok, dll. Toko sembako adalah salah satu UMKM yang marak di masyarakat. Secara umum, sembako atau bahan pokok merupakan kebutuhan masyarakat dalam menjalankan aktivitas sehari-hari guna memenuhi kebutuhannya. Berdasarkan wawancara dengan pemilik toko seringkali pedagang memproduksi produk tanpa memastikan habis atau ada sisa di gudang. Salah satu model yang digunakan untuk memprediksi stok produk yaitu model time series. Model time series adalah serangkaian nilai pengamatan terhadap suatu kegiatan, kejadian, atau peristiwa yang kemudian data disusun menurut urutan waktu. Pada umumnya, dalam interval-interval yang sama panjang. Penelitian ini bertujuan memodelkan data stok produk Toko Sembako Edi di Lampung dengan model Moving Average (MA) dan hasil stok produk Toko Sembako Edi pada masa yang akan datang. Penelitian ini merupakan penelitian kuantitatif, data yang digunakan adalah data stok produk Toko Sembako Edi bulan Agustus 2023-Mei 2024. . Hasil penelitian model pada Toko Sembako Edi memiliki tingkat akurasi tiggi yaitu di MA 4 pada mie instan dengan MAPE sebesar 0,04989478 dengan hasil prediksi 430 (Pcs), pada susu kaleng tingkat akurasi tinggi yaitu pada MA 6 dengan MAPE 0.2066993 dan hasil prediksi sebesar 192 (Pcs), pada minyak goreng tingkat akurasi tinggi yaitu pada MA 2 dengan MAPE 0,04679027 dan hasil permalan sebesar 120 (Pcs), pada gula pasir tingkat akurasi tinggi yaitu pada MA 2 dengan MAPE 0,03171053 dan hasil prediksi sebesar 300 (Kg), serta pada garam dapur tingkat akurasi tinggi yaitu pada MA 8 dengan MAPE 0,2561198 dan hasil prediksi sebesar 380 (Pcs). Sehingga metode Moving Average dapat memberikan solusi untuk memprediksi stok barang penjualan sembako pada pendataan prediksi Toko Sembako Edi sehingga untuk penyetokan barang tersebut bisa disesuaikan. Kata Kunci: Stok Produk, Time Series, MA (Moving Average), Prediksi iv ABSTRACT UMKM in Indonesia have various types, such as businesses in the culinary, fashion, grocery, staple goods, etc. Grocery stores are one of the MSMEs that are widespread in society. In general, basic necessities or basic commodities are what people need to carry out daily activities to meet their needs. Based on interviews with shop owners, traders often produce products without ensuring they are finished or have leftovers in the warehouse. One of the models used to predict product stock is the time series model. The time series model is a series of observation values for an activity, incident or events where the data is then arranged according to time sequence. In general, in intervals of the same length. This research aims to model the product stock data of the Edi Grocery Store in Lampung using the Moving Average (MA) model and the stock results of the Edi Grocery Store products in the future. This research is quantitative research, the data used is secondary data on Edi Grocery Store product stock for August 2023-May 2024. The results of the model research at the Edi Grocery Store have a high level of accuracy, namely at MA 4 for instant noodles with a MAPE of 0.04989478 with a forecasting result of 430 (Pcs), for canned milk a high level of accuracy, namely at MA 6 with a MAPE of 0.2066993 and a forecasting result of 192 (Pcs), in cooking oil the level of accuracy is high, namely at MA 2 with a MAPE of 0.04679027 and a forecasting result of 120 (Pcs), in granulated sugar the level of accuracy is high, namely at MA 2 with a MAPE of 0.03171053 and a forecasting result of 300 (Kg ), as well as for table salt a high level of accuracy, namely at MA 8 with MAPE 0.2561198 and forecasting results of 380 (Pcs). So the SMA method can provide a solution for predicting the stock of basic food sales items in Edi's grocery store prediction data collection so that the stock of these items can be adjusted. Keywords: Product Stock, Time Series, MA (Moving Average), Prediction

Actions (login required)

View Item