JSI (Jurnal Sistem Informas.
Universitas Dirgantara Marsekal Suryadarma p-ISSN: 2355-9675 e-ISSN: 2541-3228 Penerapan Metode Pemulusan Eksponensial Ganda Untuk Peramalan Penjualan Produk Joni Warta1.
Asep Ramdhani Mahbub2*.
Rasim3.
Dwi Budi Srisulistiowati4 1,2,3,4Informatika.
Fakultas Ilmu Komputer.
Universitas Bhayangkara Jakarta Raya warta@dsn.
id, aseprm@dsn.
id, rasim@dsn.
id, dwibudi@dsn.
Article Info Article history:
Received November 15, 2024 Accepted Desember 16, 2024 Published January 2, 2025 Kata Kunci:
Double Exponential Smoothing.
Penjualan.
Stok.
Web ABSTRAK .
PT)
Dengan perkembangan teknologi semakin memudahkan manusia untuk melakukan aktivitas dalam berbagai bidang.
Pada umumnya kegiatan yang dilakukan manusia di era perkembangan teknologi sekarang ini dilakukan dengan menggunakan komputer.
Toko Herbal Dan Madu Anugerah memiliki intensitas produksi yang tinggi tentunya memiliki resiko dalam pengelolaan data persediaan di gudang.
Pengelolaan data persediaan merupakan salah satu hal yang perlu diperhatikan karena akan berdampak pada besarnya biaya yang akan dikeluarkan untuk keperluan Jika tidak dikelola dengan baik, dapat terjadi kelebihan stok dan kekurangan stok akibat data informasi pengelolaan stok produk yang kurang akurat.
Sehingga hal ini harus diimbangi dengan kemampuan perusahaan dalam menentukan kebijakan terkait kegiatan produksi dan penjualan yang dilakukan oleh perusahaan.
Metode penelitian yang digunakan adalah Metode Double Exponential Smoothing.
Metode Pemulusan Eksponensial Ganda adalah salah satu dari algoritma yang memperkirakan hasil yang akan datang berdasarkan data data yang sudah ada sebelumnya.
Hasil dari penelitian ini yaitu peramalan untuk bulan Januari 2022- Desember 2022 dari masing Ae masing penjualan produk menggunakan konstanta alpha 0,5 dan beta 0,3 terdiri dari Produk Madu Hitam Pahit menghasilkan tingkat kesalahan sebesar MSE sebesar 9,97127.
MAD 2,5194 dan MAPE 0,08075874% dengan prediksi untuk bulan Januari 2023 sebesar 33,05.
Produk Madu Anak Syamil menghasilkan tingkat kesalahan sebesar MSE sebesar 9,27022.
MAD
2,3465 dan MAPE 0,05673299% dengan prediksi untuk bulan Januari 2023 sebesar 42,21.
Produk Herba Mojo menghasilkan tingkat kesalahan sebesar MSE sebesar 8,74227.
MAD 2,4018 dan MAPE 0,03399734% dengan prediksi untuk bulan Januari 2023 sebesar 72,83.
Corresponding Author:
Asep Ramdhani Mahbub.
Program Sudi Informatika.
Universitas Bhayangkara Jakarta Raya.
Email: *aseprm@dsn.
PENDAHULUAN
Perkembangan teknologi dari tahun ke tahun selalu mengalami perkembangan yang sangat pesat di era globalisasi saat ini.
Dengan perkembangan teknologi semakin memudahkan manusia untuk melakukan aktivitas dalam berbagai bidang.
Pada umumnya kegiatan yang dilakukan manusia di era perkembangan teknologi sekarang ini dilakukan dengan menggunakan komputer.
Komputer adalah perangkat elektronik sebagai alat bantu untuk memudahkan pekerjaan seseorang.
Dalam hal ini untuk penerapan peramalan penjualan produk dengan menggunakan komputer.
Peramalan adalah suatu seni
ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE)
dan ilmu pengetahuan dalam memprediksi peristiwa dimasa mendatang (Indah & Rahmadani, 2.
Penggunaan teknologi juga banyak digunakan oleh perusahaan.
Karena perkembangan teknologi juga sangat dibutuhkan oleh setiap perusahaan yang dalam proses kegiatannya banyak menggunakan komponen data sehingga berhubungan langsung dengan perkembangan Perusahaan (Simangunsong & Informatika, 2.
Toko Herbal Dan Madu Anugerah memiliki intensitas produksi yang tinggi tentunya memiliki resiko dalam pengelolaan data persediaan di gudang.
Pengelolaan data persediaan merupakan salah satu hal yang perlu diperhatikan karena akan berdampak pada besarnya biaya yang akan dikeluarkan untuk keperluan produksi.
Jika tidak dikelola dengan baik, dapat terjadi kelebihan stok dan kekurangan stok akibat data informasi pengelolaan stok produk yang kurang akurat.
Sehingga hal ini harus diimbangi dengan kemampuan perusahaan dalam menentukan kebijakan terkait kegiatan produksi dan penjualan yang dilakukan oleh perusahaan (Awaludin.
Yasin, & Risyda, 2.
Untuk menangani hal ini peneliti menyarankan kepada pemilik toko untuk menggunakan sistem peramalan penjualan produk berbasis web, sistem peramalan penjualan produk ini digunakan untuk alat bantu dalam mengetahui jumlah penjualan produk pada masa yang akan datang dan juga untuk pengambilan keputusan dalam perhitungan penjualan produk (Wijaya & Dwiasnati, 2.
Dalam hal ini terdapat penelitian yang menggunakan metode pemulusan eksponensial ganda untuk memecahkan masalah Salah satunya penelitian yang sudah dilakukan oleh Fajar Rohman dan Chamdan mashuri (Hariri & Mashuri, 2.
Dalam penelitian tersebut membahas Sistem Informasi Peramalan Penjualan dengan Menerapkan Metode Double Exponential Smoothing Berbasis Web, hasil yang didapatkan dari penelitian tersebut Berdasarkan perhitungan diperoleh hasil Double.
Exponential untuk peramalan penentuan penjualan cat Nippon paint diperoleh 0,14% dari rata-rata PE yang dihasilkan dan paling efektif dengan persentase yaitu 0,02% dan rata-rata tingkat error dengan nilai sebesar 0,14 % serta hasil persentase tingkat akurasi menggunakan Double Exponential Smoothing memperoleh rata-rata nilai akurasi kurang dari satu.
Sehingga dapat disimpulkan proyeksi penjualan cat Nippon paint menggunakan metode ini sangat akurat.
Kemudian ada juga penelitian yang sudah dilakukan oleh M Hafizd Elison.
Rudy Asrianto dan Aryanto (Elison et al.
, 2.
Penelitian tersebut membahas Prediksi Penjualan Papan Bunga Menggunakan Metode Double Exponential Smoothing.
Hasil yang didapatkan dari penelitian ini adalah hasil analisa dari metode eksponensial untuk memperoleh informasi prediksi penjualan dan tingkat keakuratannya dengan MAPE untuk mencari error terkecil.
Solusi dari masalah ini peneliti menerapkan metode Pemulusan Eksponensial Ganda dalam peramalan penjualan produk.
Metode Pemulusan Eksponensial Ganda adalah salah satu dari algoritma yang memperkirakan hasil yang akan datang berdasarkan data-data yang sudah ada sebelumnya.
Metode Pemulusan Eksponesial Ganda dipilih karena digunakan untuk perhitungan rata rata pemulusan dari data-data masa lalu dengan cara eksponensial, yaitu dengan memperbaiki perhitungan secara terus menerus menggunakan data terbaru, dan metode ini untuk data yang memiliki trend atau data yang memiliki kecenderungan naik atau turun dari jangka waktu akhir periode (Ciky et al.
, 2.
METODE
Sistem yang dirancang ini sebagai sebuah acuan dalam peramalan data penjualan produk menggunakan metode Double Exponential Smoothing.
Metode Double Exponential Smoothing adalah metode peramalan yang cocok untuk data yang menunjukkan tren dan/atau pola musiman.
Metode ini berguna ketika terdapat tren yang menetapkan level dan laju pertumbuhan yang berubah seiring waktu.
Double Exponential Smoothing menggunakan dua parameter utama: alpha () dan beta ().
Alpha adalah tingkat smoothing untuk level .
evel smoothing facto.
, sementara beta adalah tingkat smoothing untuk tren .
rend smoothing facto.
pengguna perlu menginisialisasi nilai awal untuk kedua parameter Gunakan data pelatihan untuk menghitung peramalan menggunakan metode Double Exponential Smoothing.
Peramalan level dan tren dilakukan secara berulang dan diupdate dengan setiap observasi Proses ini akan memberikan hasil peramalan untuk periode waktu yang diinginkan.
Evaluasi model peramalan dengan menggunakan data pengujian.
Hitung metrik kinerja seperti MSE (Mean Squared Erro.
MAE (Mean Absolute Erro.
, atau RMSE (Root Mean Squared Erro.
untuk menilai akurasi Jika hasilnya memuaskan, proses peramalan dapat menggunakan model tersebut untuk peramalan di masa depan.
Namun, dalam dunia forecasting, terdapat berbagai metode lain yang sering digunakan, seperti ARIMA.
Artificial Neural Networks (ANN).
Decision Trees, dan hybrid models seperti ARIMA-ANN.
Berikut perbandingannya:
ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE)
ARIMA (AutoRegressive Integrated Moving Averag.
ARIMA cocok untuk data yang stasioner dan memiliki pola musiman sederhana.
Keunggulannya adalah kemampuan menangkap pola linier, tetapi ARIMA kurang efektif untuk data dengan pola non-linier yang kompleks (Kontopoulou et al.
, 2.
ANN (Artificial Neural Network.
ANN sangat baik dalam menangkap pola non-linier dalam data.
Namun, metode ini membutuhkan banyak data untuk pelatihan, dan prosesnya sering kali memakan waktu dan sumber daya komputasi yang lebih besar dibandingkan DES (Fauziah & Gunaryati, 2.
Decision Trees Metode ini mudah diinterpretasi dan dapat menangani data dengan banyak variabel.
Namun.
Decision Trees cenderung kurang akurat dalam menangkap pola tren atau musiman jika dibandingkan dengan metode khusus seperti DES (Wang, 2.
Hybrid Models (ARIMA-ANN) Model hybrid menggabungkan keunggulan ARIMA untuk pola linier dan ANN untuk pola nonlinier.
Meskipun model ini sering lebih akurat, implementasinya jauh lebih kompleks dibandingkan dengan DES (Alsuwaylimi, 2.
Nayve Forecasting Methods Sebagai baseline, metode seperti moving average memberikan estimasi sederhana tetapi tidak seakurat DES untuk data dengan tren yang terus berubah (Fauziah, 2.
Berdasarkan analisis.
DES tetap unggul dalam efisiensi dan keakuratannya untuk data dengan pola tren Keunggulan ini membuat DES sangat sesuai untuk implementasi peramalan di kasus nyata seperti yang dibahas pada penelitian ini.
Metode yang digunakan pada penelitian ini adalah dengan menggunakan:
Metode Observasi.
Dilakukan dengan cara mengamati dan mempelajari secara langsung pada kegiatan di lingkungan toko.
Metode Kepustakaan, dilakukan dengan mencari buku-buku dan literatur yang berhubungan dengan permasalahan yang dibahas.
Pada tahap analisis dilakukan analisa terhadap data yang ada ditoko berdasarkan kebutuhan sesuai metode Double Exponential Smoothing.
Analisis dari data penjualan produk yang sudah dikumpulkan bertujuan untuk mengidentifikasi pergerakan penjualan produk setiap bulan.
Setelah dilakukannya identifikasi data, penulis mengambil 48 data produk rentang waktu Januari - Desember 2022.
Penulis mengambil data penjualan sebagai data yang diteliti dengan jumlah data sampel sebanyak 4 jenis Berikut data yang sudah dikumpulkan:
Tabel 1.
Data Penjualan Produk Nama produk Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Hitam Pahit Madu Anak Syamil Madu Anak Syamil Madu Anak Syamil Periode Januari 2022 Februari 2022 Maret 2022 April 2022 Mei 2022 Juni 2022 Juli 2022 Agustus 2022 September 2022 Oktober 2022 November 2022 Desember 2022 Januari 2022 Februari 2022 Maret 2022 Jumlah ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE) Madu Anak Syamil Madu Anak Syamil Madu Anak Syamil Madu Anak Syamil Madu Anak Syamil Madu Anak Syamil Madu Anak Syamil Madu Anak Syamil Madu Anak Syamil Herba Mojo Herba Mojo Herba Mojo Herba Mojo Herba Mojo Herba Mojo Herba Mojo Herba Mojo Herba Mojo Herba Mojo Herba Mojo Herba Mojo Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba Ginkgo Biloba April 2022 Mei 2022 Juni 2022 Juli 2022 Agustus 2022 September 2022 Oktober 2022 November 2022 Desember 2022 Januari 2022 Februari 2022 Maret 2022 April 2022 Mei 2022 Juni 2022 Juli 2022 Agustus 2022 September 2022 Oktober 2022 November 2022 Desember 2022 Januari 2022 Februari 2022 Maret 2022 April 2022 Mei 2022 Juni 2022 Juli 2022 Agustus 2022 September 2022 Oktober 2022 November 2022 Desember 2022 Pada tahanapan Analisa Metode Double Exponential Smoothing pada penelitian ini memberikan usulan dari analisa masalah yang sudah ditentukan dengan melakukan peramalan penjualan produk.
Sistem usulan yaitu dengan menggunakan Metode Double Exponential Smoothing.
Menyiapkan data untuk mencari nilai alpha dan beta dengan tingkat kesalahan terkecil.
Dengan aturan yang nilainya kurang dari 1 namun lebih dari 0 .
< < .
< < .
Setelah melakukan identifikasi data, kemudian menghitung menggunakan rumus.
Adapun rumus Double Exponential Smoothing adalah sebagai berikut:
Level (L) = * Data aktual .
- ) * (L sebelumnya T sebelumny.
Trend (T) = * (L - L sebelumny.
- ) * T sebelumnya .
Peramalan (F) = L sebelumnya T sebelumnya a .
Setelah itu mencari niai Mean Absolute Deviation.
Mean Squared Error, dan Mean Absolute Percentage Error.
Dengan rumus sebagai berikut:
Penjelasan:
At = Nilai aktual pada periode t St = Nilai prediksi pada periode t N = jumlah data .
Penjelasan:
At = Nilai aktual pada periode t St = Nilai prediksi pada periode t ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE) N = jumlah data MAPE = ( 100 ycu ) Oc |PE.
Persentase error merupakan kesalahan persentase dari suatu prediksi PE = ycUyc Oe F_t/X_t Dimana:
At= Permintaan aktual pada periode t Ft = Prediksi permintaan pada periode t n = Jumlah periode prediksi yang terlibat .
HASIL DAN PEMBAHASAN
Implementasi melibatkan proses mengubah kebutuhan pengguna menjadi bagian dari sistem yang sudah ada.
Di tahap ini, sistem perangkat lunak akan diuji untuk memastikan bahwa setiap fitur berfungsi dengan baik.
Selain itu, aplikasi algoritma Double Exponential Smoothing juga akan digunakan untuk meramalkan penjualan produk.
Hasil perhitungan algoritma akan di uji coba dengan menggunakan MSE.
MAD, dan MAPE.
Sedangkan, pengujian sistem menggunakan Black Box Testing.
Tujuan uji coba ini ialah untuk mencari tingkat kesalahan pada sistem serta akurasi terhadap implementasi algoritma.
Sehingga dapat memperbaiki kesalahan yang ada pada sistem serta dapat mengambil keputusan dengan hasil akurasi algoritma tersebut.
Pada Implementasi Metode Double Exponential Smoothing.
Contoh data yang digunakan untuk mencari penggunaan nilai alpha dan beta terbaik data dengan pola konstan yaitu data penjualan produk madu hitam pahit periode Januari - Desember pada tahun 2022.
Data penjualan produk tersebut di paparkan pada tabel berikut.
Tabel 2.
Data Penjualan Produk Madu Hitan Pahit.
No Nama produk Periode Jumlah 1 Madu Hitam Pahit Januari 2022 2 Madu Hitam Pahit Februari 2022 3 Madu Hitam Pahit Maret 2022 4 Madu Hitam Pahit April 2022 5 Madu Hitam Pahit Mei 2022 6 Madu Hitam Pahit Juni 2022 7 Madu Hitam Pahit Juli 2022 8 Madu Hitam Pahit Agustus 2022 9 Madu Hitam Pahit September 2022 10 Madu Hitam Pahit Oktober 2022 11 Madu Hitam Pahit November 2022 12 Madu Hitam Pahit Desember 2022 Setelah mengidentifikasi data, penulis menentukan metode yang dipakai untuk meramalkan penjualan produk berikutnya.
Double Exponential Smoothing atau penghalusan eksponensial ganda sangat cocok untuk data yang tidak beraturan dengan pola yang konstan.
Seperti yang sudah dijelaskan pada bab sebelumnya, penggunaan metode Double Exponential Smoothing dikarenakan metode ini dapat melakukan penghalusan eksponensial dengan cara memberikan bobot yang nilainya kurang dari 1 namun lebih dari 0 .
< < .
< < .
Selain itu metode ini juga sangat cocok untuk prediksi jangka pendek yang hanya dilakukan untuk 1 periode berikutnya.
Adapun rumus Double Exponential Smoothing adalah sebagai berikut:
Level (L) = * Data aktual .
- ) * (L sebelumnya T sebelumny.
Trend (T) = * (L - L sebelumny.
- ) * T sebelumnya Peramalan (F) = L sebelumnya T sebelumnya Untuk mencari nilai alpha () dan beta () dapat ditentukan dengan Mean Absolute Deviation.
Mean Squared Error, dan Mean Absolute Percentage Error.
Pada perhitungan peramalan, penulis ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE) mengambil 1 jenis penjualan produk untuk dijadikan sample perhitungan peramalan.
Untuk penerapan uji model peramalan, digunakan 4 jenis produk sebagai penerapan rumus peramalan.
Tabel 3.
Tabel Hasil Perhitungan Kesalahan Produk Madu Hitam Pahit.
Alpha
Beta
MAD
MSE
MAPE
Setelah melakukan 10 kali percobaan, pada tabel diatas, terlihat bahwa model dengan alpha 0,5 dan beta 0,3 memiliki nilai kesalahan yang terkecil dibandingkan dengan nilai model lainnya.
Penulis melihat nilai kesalahan MSE dan MAD, akan tetapi pada MAPE memberikan nilai yang cukup besar.
Sehingga penulis mengambil keputusan untuk menggunakan model dengan konstanta alpha 0,5 dan beta 0,3 untuk penerapan model jenis penjualan produk lainnya.
Setelah dilakukan perhitungan terhadap 4 jenis produk, maka dihasilkan tabel hasil sebagai Tabel 4.
Hasil Perhitungan Produk Madu Hitam Pahit.
Periode Aktual
DES Presentase Januari 2022
32,00 0,06666667
Februari 2022
32,70
0,021875
Maret 2022
33,95 0,06078125
April 2022
34,28
0,142525
Mei 2022
32,80 0,17142009
Juni 2022
30,34 0,01139348
Juli 2022
30,06 0,11583663
Agustus 2022
32,51 0,04878054
September 2022
32,01
0,000334
Oktober 2022
32,26 0,02247483
November 2022
32,99 0,10828642
Desember 2022
35,96 0,19873093
Januari 2023
33,05
Total
MAD
2,5194
MSE
9,97127
MAPE
0,08075874
Tabel 5.
Hasil Perhitungan Produk Madu Anak Syamil
Periode Aktual
DES Presentase Januari 2022
40,00 0,04761905
Februari 2022
39,30
0,0175
Maret 2022
38,06 0,02423077
April 2022
37,07 0,04937821
Mei 2022
36,87 0,16198324
Juni 2022
40,34 0,03949832
Juli 2022
41,32 0,03897496
Agustus 2022
42,57 0,03256891
September 2022
43,90 0,15535181
Oktober 2022
40,69 0,01715159
ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE)
November 2022
Desember 2022
Januari 2023
Total
MAD
MSE
MAPE
2,3465
9,27022
0,05673299
39,97 0,04822615
40,92 0,0483129
42,21
Tabel 6.
Hasil Perhitungan Produk Herbal Mojo.
Periode Aktual
DES
Presentase Januari 2022
69,00 0,04166667
Februari 2022
67,95 0,01521739
Maret 2022
66,08 0,02819853
April 2022
64,94
0,0723375
Mei 2022
66,12
0,0130917
Juni 2022
65,35 0,09239349
Juli 2022
68,46 0,00785617
Agustus 2022
68,59
0,0338822
September 2022
70,02
0,0297563
Oktober 2022
68,93 0,01522219
November 2022
69,55 0,03403071
Desember 2022
71,22 0,02431518
Januari 2023
72,83
Total
MAD
2,4018
MSE
8,74227
MAPE
0,03399734
Tabel 7.
Hasil Perhitungan Produk Ginkgo Biloba.
Periode Aktual
DES Presentase Januari 2022
58,00 0,03333333
Februari 2022
57,30 0,01206897
Maret 2022
56,06 0,12414063
April 2022
59,62 0,0062625
Mei 2022
59,47 0,04088327
Juni 2022
60,77 0,08510617
Juli 2022
57,70 0,04911651
Agustus 2022
55,26 0,07893454
September 2022
57,26 0,06138363
Oktober 2022
59,31 0,0405806
November 2022
57,99 0,07944638
Desember 2022
61,09 0,01810897
Januari 2023
60,97
Total
MAD
3,15900
MSE
8,74227
MAPE
0,05244712
Setelah melakukan pengujian tingkat akurasi peramalan menggunakan Double Exponential Smoothing, dapat disimpulkan bahwa hasil peramalan penjualan produk menghasilkan angka yang Pengujian menggunakan MSE menghasilkan nilai yang sangat besar, sehingga akan sulit ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE) menjadikan acuan untuk hasil perhitungan kesalahan.
Perbandingan antara 4 jenis produk yang sudah di uji coba dengan konstanta alpha 0,5 dan beta 0,3 menghasilkan nilai kesalahan yang beragam.
Untuk produk Madu Hitam Pahit menghasilkan tingkat kesalahan sebesar MSE sebesar 9,97127.
MAD 2,5194 dan MAPE 0,08075874% dengan prediksi untuk bulan Januari 2023 sebesar 33,05.
Produk Madu Hitam Pahit Oct-21 Feb-22 May-22 Aktual Aug-22 Dec-22 Mar-23 Peramalan Gambar 1.
Perbandingan Aktual Dan Peramalan Produk Madu Hitam Pahit Untuk produk Madu Anak Syamil menghasilkan tingkat kesalahan sebesar MSE sebesar 9,27022.
MAD 2,3465 dan MAPE 0,05673299% dengan prediksi untuk bulan Januari 2023 sebesar 42,21.
Gambar 2.
Perbandingan Aktual Dan Peramalan Produk Madu Anak Syamil Untuk produk Herba Mojo menghasilkan tingkat kesalahan sebesar MSE sebesar 8,74227.
MAD 2,4018 dan MAPE 0,03399734% dengan prediksi untuk bulan Januari 2023 sebesar 72,83.
Gambar 3.
Perbandingan Aktual Dan Peramalan Produk Herba Mojo
ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE)
Untuk produk Ginkgo Biloba menghasilkan tingkat kesalahan sebesar MSE sebesar 8,74227.
MAD 3,15900 dan MAPE 0,05244712% dengan prediksi untuk bulan Januari 2023 sebesar 60,97.
Produk Ginkgo Biloba Oct-21 Feb-22 May-22 Aktual Aug-22 Dec-22 Mar-23 Peramalan Gambar 4.
Perbandingan Aktual Dan Peramalan Produk Gingko Biloba Dengan melihat pola diatas, menunjukkan bahwa pola data hasil peramalan mengikuti pola data aktual dengan nilai MAPE yang kurang dari 1.
Sehingga perusahaan dapat melakukan keputusan apakah dapat melakukan persiapan stok sesuai dengan hasil peramalan yang telah dihitung.
Perancangan Sistem Gambar 5.
Use Case Diagram Sistem Usulan Gambar 5 merupakan use case diagram sistem usulan yang dirancang, use case ini terdiri dari satu aktor yaitu admin.
Admin yang menggunakan sistem ini yang nantinya proses pengumpulan data, perhitungan peramalan sampai hasil dari peramalan bisa dilakukan oleh sistem.
ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE)
Gambar 6.
Desain Database Database dalam sistem peramalan ini dirancang terdiri 7 tabel, yaitu table admin yang berfungsi menyimpan data admin atau pengguna, tabel kategori untuk menyimpan data kategori produk, tabel produk untuk menyimpan data produk, tabel pengaturan untuk menyimpan data alpha dan beta, tabel penjualan untuk menyimpan data penjualan , tabel peramalan untuk menyimpan data perhitungan peramalan dan tabel laporan untuk menyimpan data laporan hasil peramalan.
Implementasi Sistem Tampilan Login Gambar 7.
Halaman Login Gambar 7.
merupakan halaman login yang digunakan admin untuk masuk ke dalam sistem dan melakukan peramalan.
Pada halaman login admin mengisi username dan password kemudian klik tombol Login.
Tampilan Admin
ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE)
Gambar 8.
Halaman Admin Gambar 8.
merupakan halaman admin yang digunakan admin untuk mengelola data admin.
Halaman ini admin bisa menambah, mengubah, menghapus dan mencari data admin.
Tampilan Kategori Gambar 9.
Halaman Kategori Gambar 9.
merupakan halaman kategori yang digunakan admin untuk mengelola data kategori.
Halaman ini admin bisa menambah, mengubah, menghapus dan mencari data kategori.
Tampilan Pengaturan Gambar 10.
Halaman Pengaturan Gambar 10.
merupakan halaman pengaturan yang digunakan admin untuk mengelola data alpha dan beta.
Tampilah Produk
ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE)
Gambar 11.
Halaman Produk Gambar 11.
merupakan halaman produk yang digunakan admin untuk mengelola data produk.
Halaman ini admin bisa menambah, mengubah, menghapus dan mencari data produk.
Tampilan Penjualan Gambar 12.
Halaman Penjualan Gambar 12.
merupakan halaman penjualan yang digunakan admin untuk mengelola data Halaman ini admin bisa menambah, mengubah, menghapus dan mencari data Tampilan Peramalan Gambar 13.
Halaman Hasil Peramalan Gambar 13.
merupakan halaman hasil peramalan yang digunakan admin untuk melihat hasil
ISSN: 2355-9675 (PRINT), 2541-3228 (ON LINE)
Tampilan Laporan Gambar 14.
Halaman Laporan Gambar 14.
merupakan halaman laporan yang digunakan admin untuk melihat laporan hasil peramalan penjualan produk.
KESIMPULAN
Dari hasil rancangan dan penerapan metode Double Exponential Smoothing pada Toko Herbal dan Madu Anugerah bisa memberikan informasi yang akurat dalam mempersiapkan kebutuhan stok produk sehingga menunjang kebijakan perusahaan dalam penentuan keputusan penentuan stok produk untuk mengatasi terjadinya kelebihan stok dan kekurangan stok.
Penggunaan Double Exponential Smoothing dilakukan berdasarkan data aktual 12 bulan untuk meramalkan satu periode berikutnya dengan mengambil 4 jenis produk dimana 1 jenis produk menjadi bahan percobaan perhitungan Double Exponential Smoothing untuk mencari nilai konstanta.
Hasil peramalan untuk bulan Januari 2022- Desember 2022 dari masingAemasing penjualan produk menggunakan konstanta alpha 0,5 dan beta 0,3 yaitu: Produk Madu Hitam Pahit menghasilkan tingkat kesalahan sebesar MSE sebesar 9,97127.
MAD 2,5194 dan MAPE 0,08075874% dengan prediksi untuk bulan Januari 2023 sebesar 33,05.
Produk Madu Anak Syamil menghasilkan tingkat kesalahan sebesar MSE sebesar 9,27022 .
MAD 2,3465 dan MAPE 0,05673299% dengan prediksi untuk bulan Januari 2023 sebesar 42,21.
Produk Herba Mojo menghasilkan tingkat kesalahan sebesar MSE sebesar 8,74227 .
MAD 2,4018 dan MAPE 0,03399734% dengan prediksi untuk bulan Januari 2023 sebesar 72,83.
Produk Ginkgo Biloba menghasilkan tingkat kesalahan sebesar MSE sebesar 8,74227 .
MAD 3,15900 dan MAPE 0,05244712% dengan prediksi untuk bulan Januari 2023 sebesar 60,97.
DAFTAR PUSTAKA