IMPLEMENTASI MODEL SARIMA UNTUK MEMPREDIKSI STOK BAHAN BAKU PADA UMKM SALE PISANG (STUDI KASUS: BUNGO FAMILY)

SHALSABILLAH, FAHRENNI (2026) IMPLEMENTASI MODEL SARIMA UNTUK MEMPREDIKSI STOK BAHAN BAKU PADA UMKM SALE PISANG (STUDI KASUS: BUNGO FAMILY). Diploma thesis, UIN RADEN INTAN LAMPUNG.

PDF Download (8MB)

Abstract

ABSTRAK Pengelolaan stok bahan baku merupakan tantangan utama bagi UMKM pengolahan pangan berbasis komoditas musiman. UMKM Sale Pisang Bungo Family mengalami fluktuasi kebutuhan bahan baku akibat perubahan permintaan dan pasokan sehingga sering terjadi ketidaktepatan perencanaan stok yang berpotensi menimbulkan kelebihan maupun kekurangan persediaan. Penelitian ini bertujuan mengimplementasikan model Seasonal Autoregressive Integrated Moving Average (SARIMA) untuk memprediksi kebutuhan bahan baku pisang serta menyajikannya dalam sistem berbasis web sebagai pendukung pengambilan keputusan. Penelitian ini menggunakan pendekatan kuantitatif dengan data deret waktu bulanan periode Januari 2022 hingga Desember 2024. Berdasarkan hasil analisis Box–Jenkins, model terbaik yang diperoleh adalah SARIMA (0,1,0)(0,1,0)[12] yang mampu merepresentasikan pola musiman kebutuhan bahan baku secara konsisten. Evaluasi menggunakan MAE, RMSE, dan MAPE menunjukkan tingkat akurasi yang baik untuk konteks perencanaan stok UMKM. Hasil peramalan diimplementasikan dalam sistem berbasis web dan diuji melalui User Acceptance Test (UAT) dengan hasil bahwa sistem mudah digunakan serta membantu perencanaan kebutuhan bahan baku. Penelitian ini menunjukkan bahwa integrasi model peramalan dalam sistem sederhana dapat menjadi solusi praktis bagi pengelolaan stok UMKM.. Kata Kunci: SARIMA, peramalan, stok bahan baku, UMKM. ABSTRACT Raw material stock management is a major challenge for food processing MSMEs based on seasonal commodities. The Sale Pisang Bungo Family MSME experiences fluctuations in raw material requirements due to changes in demand and supply, often resulting in inaccurate stock planning that may lead to overstock or raw material shortages. This study aims to implement the Seasonal Autoregressive Integrated Moving Average (SARIMA) model to predict banana raw material requirements and present the results in a web-based system to support decision-making. This study employs a quantitative approach using monthly time series data from January 2020 to December 2024. Based on the Box–Jenkins analysis, the best model obtained is SARIMA (0,1,0)(0,1,0)[12], which consistently captures seasonal patterns in raw material requirements. Evaluation using MAE, RMSE, and MAPE indicates a good level of accuracy for MSME stock planning. The forecasting results were implemented in a web-based system and tested through a User Acceptance Test (UAT). The results indicate that the system is easy to use and supports raw material planning. This study demonstrates that integrating a forecasting model into a simple system can serve as a practical solution for MSME stock management. Keywords: SARIMA, forecasting, raw material inventory, MSMEs.

Actions (login required)

View Item