ANALISIS PERMINTAAN PRODUK GARAM DAPUR DI CV RESTU IBU MENGGUNAKAN METODE ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) BERDASARKAN DATA PENJUALAN BULANAN

LUFI, LUTFIYAH (2026) ANALISIS PERMINTAAN PRODUK GARAM DAPUR DI CV RESTU IBU MENGGUNAKAN METODE ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) BERDASARKAN DATA PENJUALAN BULANAN. Diploma thesis, UIN RADEN INTAN LAMPUNG.

	PDF Download (3MB)
	PDF Restricted to Repository staff only Download (3MB)

Abstract

ABSTRAK Penelitian ini membahas data penjualan bulanan garam dapur periode 2018 hingga 2025 untuk memprediksi permintaan di masa mendatang sebagai salah satu aspek penting dalam mendukung keberlangsungan produksi dan distribusi pada CV Restu Ibu. Data penjualan menunjukkan adanya fluktuasi yang cukup signifikan, sehingga menimbulkan ketidakpastian dalam menentukan jumlah produksi dan persediaan, selain itu faktor eksternal seperti harga produk diperkirakan memengaruhi dinamika permintaan. Penelitian ini bertujuan untuk mengidentifikasi pola data penjualan serta menentukan model terbaik dalam memprediksi permintaan produk garam dapur menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dan pengembangannya yaitu Autoregressive Integrated Moving Average with Exogenous Variable (ARIMAX) dengan memasukkan variabel harga sebagai faktor eksternal. Hasil penelitian menunjukkan bahwa setiap ukuran produk memiliki karakteristik pola data yang berbeda, sehingga menghasilkan model ARIMAX terbaik yang bervariasi. Model terpilih mampu memprediksi dengan tingkat akurasi yang baik. Hasil prediksi diharapkan dapat menjadi dasar pertimbangan dalam pengambilan keputusan perencanaan produksi dan pengelolaan persediaan barang. ABSTRACT This study analyzes monthly table salt sales data from 2018 to 2025 to predict future demand as a key factor in supporting the sustainability of production and distribution at CV Restu Ibu. The sales data reveals significant fluctuations, creating uncertainty in determining production volumes and inventory levels; additionally, external factors such as product prices are expected to influence demand dynamics. This study aims to identify sales data patterns and determine the best model for predicting table salt demand using the Autoregressive Integrated Moving Average (ARIMA) method and its extension, the Autoregressive Integrated Moving Average with Exogenous Variable (ARIMAX), by incorporating the price variable as an external factor. The results show that each product size has distinct data pattern characteristics, resulting in varying optimal ARIMAX models. The selected model demonstrates good predictive accuracy. These predictions are expected to serve as a basis for decision-making regarding production planning and inventory management.

Actions (login required)

View Item