Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi PERBANDINGAN METODE FORECASTING PENJUALAN GAS LPG PADA PANGKALAN SULINAH Virgie Andrian Noval1.
Muhammad Rizqi Ijlal Tsani2.
Diki Eka Gunawan3.
Rafli Zudha Sasongko4.
Muhammad Arifin5 12345,Program Studi Sistem Informasi.
Universitas Muria Kudus Jl.
Lkr.
Utara.
Kayuapu Kulon.
Gondangmanis.
Kec.
Bae.
Kabupaten Kudus.
Jawa Tengah 59327 1 202353061@std.
id, 2 202353064@std.
id, 3 202353141@std.
4 202353097@std.
id, 5 arifin.
m@umk.
Abstract This study aims to compare the performance of the Moving Average (MA).
Single Exponential Smoothing (SES), and Double Exponential Smoothing (DES) methods in forecasting LPG sales at Pangkalan Sulinah.
Forecasting is essential to support inventory management and reduce the risk of overstocking or stock shortages caused by fluctuating demand.
The data used in this study consisted of historical LPG sales data from January to May 2025, which were analyzed using a time series approach.
Each forecasting method was applied to generate prediction values and evaluated using Mean Absolute Percentage Error (MAPE).
Mean Absolute Deviation (MAD), and Mean Squared Deviation (MSD).
The results showed that the Single Exponential Smoothing method produced the lowest forecasting errors, with a MAPE value of 4, a MAD value 803, and an MSD value of 34,190,219.
However, based on the analysis of the sales data pattern, which exhibited a fluctuating upward trend, the Double Exponential Smoothing method was considered more appropriate because it could capture the trend component and provide forecasts that better represented actual conditions.
The contribution of this study lies in evaluating forecasting methods not only based on forecasting accuracy but also on their suitability to the characteristics of the data.
The findings are expected to support more effective and efficient inventory management decisions for LPG distribution businesses.
Keyword : forecasting.
LPG sales, time series, single exponential smoothing, double exponential smoothing Abstrak Penelitian ini bertujuan untuk membandingkan kinerja metode Moving Average (MA).
Single Exponential Smoothing (SES), dan Double Exponential Smoothing (DES) dalam memprediksi penjualan gas LPG pada Pangkalan Sulinah.
Peramalan diperlukan untuk membantu pengelolaan persediaan agar dapat mengurangi risiko kelebihan maupun kekurangan stok akibat fluktuasi permintaan.
Data yang digunakan berupa data historis penjualan gas LPG periode Januari hingga Mei 2025 yang dianalisis menggunakan pendekatan deret waktu .
ime serie.
Setiap metode diterapkan untuk menghasilkan nilai peramalan dan dievaluasi menggunakan Mean Absolute Percentage Error (MAPE).
Mean Absolute Deviation (MAD), dan Mean Squared Deviation (MSD).
Hasil penelitian menunjukkan bahwa metode Single Exponential Smoothing menghasilkan tingkat kesalahan terkecil dengan nilai MAPE sebesar 4.
MAD sebesar 3.
803, dan MSD sebesar 34.
Namun, berdasarkan analisis pola data yang menunjukkan adanya kecenderungan tren, metode Double Exponential Smoothing dinilai lebih sesuai karena mampu menangkap komponen tren dan memberikan hasil peramalan yang lebih representatif terhadap kondisi Kontribusi penelitian ini terletak pada evaluasi metode peramalan yang tidak hanya mempertimbangkan tingkat kesalahan, tetapi juga kesesuaian metode terhadap karakteristik data.
Hasil penelitian diharapkan dapat menjadi dasar dalam pengambilan keputusan pengelolaan persediaan LPG secara lebih efektif dan efisien.
Kata Kunci : forecasting.
LPG, time series, single exponential smoothing, double exponential smoothing ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi PENDAHULUAN Di tengah persaingan bisnis yang semakin ketat, pelaku usaha dituntut untuk mampu mengelola operasional secara efektif dan efisien, terutama dalam hal penjualan dan pengelolaan Kesalahan dalam mengatur persediaa n dapat menimbulkan berbagai masalah, seperti stok yang berlebihan sehingga menambah biaya operasional, atau kekurangan stok yang dapat Oleh karena itu, dibutuhkan suatu metode yang dapat membantu memperkirakan kebutuhan di masa depan dengan lebih tepat.
Salah satu metode yang dapat digunakan adalah peramalan .
, yang terbukti dapat membantu meningkatkan efisiensi dalam persediaan, termasuk pada produk LPG yang memiliki permintaan yang tidak menentu .
Peramalan merupakan suatu teknik untuk memprediksi kondisi atau kebutuhan di masa yang akan datang dengan memanfaatkan data Metode ini memiliki peran penting dalam pengambilan keputusan, khususnya dalam menentukan jumlah persediaan yang ideal.
Dengan menganalisis data masa lalu, pelaku usaha dapat melihat pola tertentu seperti tren maupun fluktuasi permintaan, sehingga strategi yang dibuat menjadi lebih tepat.
Hal ini juga didukung oleh penelitian Aini dkk.
menunjukkan bahwa metode Single Exponential Smoothing dapat digunakan untuk memprediksi penjualan LPG 3 kg secara efektif .
Dalam usaha penjualan gas LPG, pengelolaan stok menjadi hal yang sangat penting karena gas merupakan kebutuhan utama masyarakat yang harus selalu tersedia.
Namun, permintaan LPG sering mengalami perubahan yang tidak menentu dan sulit diprediksi secara langsung.
Perubahan ini bisa dipengaruhi oleh berbagai faktor, seperti kebutuhan rumah tangga, kondisi ekonomi, hingga faktor musiman.
Kondisi tersebut sering menyebabkan ketidaksesuaian antara jumlah stok dengan kebutuhan sebenarnya, yang pada akhirnya menimbulkan risiko kelebihan atau kekurangan persediaan.
Penelitian menunjukkan bahwa metode seperti Moving Average.
Single Exponential Smoothing, dan Double Exponential Smoothing dapat digunakan untuk memprediksi permintaan LPG dengan cukup baik .
Permasalahan yang sama juga terjadi di Pangkalan Sulinah, di mana data penjualan menunjukkan pola yang tidak stabil dari waktu ke ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
Hal ini membuat pengelola kesulitan dalam menentukan jumlah stok yang harus disediakan untuk periode berikutnya.
Oleh karena itu, diperlukan metode peramalan yang tidak hanya mampu menghasilkan prediksi, tetapi juga memiliki tingkat akurasi yang tinggi serta dapat membantu dalam pengelolaan persediaan dan pengambilan keputusan .
Dalam analisis deret waktu .
ime serie.
, terdapat beberapa metode yang umum digunakan, seperti Moving Average (MA).
Single Exponential Smoothing (SES), dan Double Exponential Smoothing (DES).
Metode Moving Average merupakan metode sederhana yang menghitung nilai rata-rata dari data sebelumnya untuk menghasilkan prediksi.
Meskipun mudah digunakan, metode ini kurang responsif terhadap perubahan data yang cepat.
Sementara itu.
Single Exponential Smoothing memberikan bobot yang lebih besar pada data terbaru, sehingga lebih peka terhadap perubahan, namun masih memiliki keterbatasan dalam menangkap pola tren secara kuat .
Untuk mengatasi keterbatasan tersebut, digunakan metode Double Exponential Smoothing yang mampu mempertimbangkan unsur tren dalam peramalan.
Metode ini lebih cocok digunakan pada data yang menunjukkan kecenderungan naik atau turun.
Beberapa penelitian menunjukkan bahwa tingkat akurasi dari masing-masing metode berbeda, tergantung pada pola data yang dianalisis.
Bahkan, penelitian Mashuri dkk.
menunjukkan bahwa metode Double Exponential Smoothing lebih unggul pada data yang memiliki pola tren .
in itu, dalam menentukan metode terbaik, diperlukan evaluasi menggunakan ukuran kesalahan seperti MAE.
MSE, dan MAPE.
Penggunaan beberapa indikator error ini penting agar hasil peramalan yang diperoleh benar-benar akurat dan dapat diandalkan .
Berdasarkan uraian tersebut, penelitian ini bertujuan untuk membandingkan kinerja metode Moving Average.
Single Exponential Smoothing, dan Double Exponential Smoothing dalam memprediksi penjualan gas LPG di Pangkalan Sulinah.
Perbandingan dilakukan menggunakan ukuran kesalahan seperti MAE.
MSE, dan MAPE untuk mengetahui metode yang memiliki tingkat akurasi terbaik.
Penggunaan ukuran ketepatan peramalan seperti MAPE.
MAD, dan MSD dapat digunakan untuk mengetahui tingkat akurasi hasil peramalan serta membantu menentukan Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi hasil peramalan dengan nilai kesalahan terkecil .
Selain itu, penelitian ini tidak hanya berfokus pada nilai kesalahan, tetapi juga mempertimbang kan kesesuaian metode dengan pola data yang Hal ini penting karena metode dengan nilai error terkecil belum tentu menjadi metode yang paling tepat apabila tidak mampu merepresentasikan karakteristik data secara baik .
Dengan demikian, penelitian ini bertujuan untuk menentukan metode peramalan yang paling akurat sekaligus paling sesuai dengan pola data penjualan gas LPG.
Hasil penelitian ini diharapkan dapat membantu Pangkalan Sulinah dalam mengelola persediaan secara lebih efektif serta mendukung pengambilan keputusan yang lebih tepat, sekaligus memberikan kontribusi dalam pengembangan ilmu pengetahuan, khususnya di bidang peramalan berbasis analisis deret waktu .
ime serie.
Pendahuluan telah menguraikan latar belakang penelitian secara sistematis, dimulai dari pentingnya pengelolaan persediaan dalam ketidakstabilan permintaan gas LPG yang terjadi pada Pangkalan Sulinah.
Penjelasan mengenai konsep peramalan serta metode Moving Average.
Single Exponential Smoothing, dan Double Exponential Smoothing juga telah disampaikan dengan cukup baik dan didukung oleh referensi yang relevan.
Namun demikian, pendahuluan masih perlu diperkuat pada aspek research gap atau celah Penulis telah memaparkan beberapa penelitian terdahulu yang menggunakan metode forecasting pada data penjualan LPG, tetapi belum menjelaskan secara tegas perbedaan dan dibandingkan penelitian sebelumnya.
Selain itu, rumusan masalah dan tujuan penelitian masih tersirat dalam uraian latar belakang sehingga perlu disajikan secara lebih eksplisit agar fokus penelitian lebih mudah dipahami oleh pembaca.
Secara keseluruhan, pendahuluan sudah mampu menunjukkan urgensi penelitian dan relevansi permasalahan yang diangkat.
Akan tetapi, penegasan mengenai celah penelitian, kebaruan penelitian, serta tujuan penelitian yang lebih spesifik akan meningkatkan kualitas dan kekuatan argumentasi pada bagian ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
TINJAUAN PUSTAKA Peramalan .
merupakan salah satu pendekatan yang banyak digunakan dalam berbagai bidang untuk mendukung proses pengambilan keputusan, khususnya dalam pengelolaan persediaan dan perencanaan Dalam beberapa tahun terakhir, berkembang seiring dengan meningkatnya kebutuhan akan prediksi yang akurat dalam menghadapi ketidakpastian data .
Secara um um, metode peramalan dapat dibagi menjadi dua kelompok utama, yaitu metode statistik klasik dan metode berbasis kecerdasan buatan (Artificial Intelligence atau AI).
Dalam praktiknya, metode statistik klasik seperti Moving Average dan Exponential Smoothing masih banyak digunakan karena kemudahan implementasi serta interpretasinya yang sederhana.
Sebuah penelitian menunjukkan bahwa metode tradisional tetap relevan dalam konteks usaha skala kecil dan menengah, terutama karena lebih ringan secara komputasi dan mudah dipahami oleh pengguna .
Namun demikian, metode ini memiliki keterbatasan dalam menghadapi pola data yang kompleks dan tidak stabil.
Beberapa membandingkan berbagai metode peramalan untuk menemukan pendekatan yang paling Dalam penelitian yang dilakukan pada sektor produksi pangan, beberapa metode seperti Moving Average.
Single Exponential Smoothing (SES), dan Double Exponential Smoothing (DES) dibandingkan untuk memprediksi kebutuhan Hasil penelitian tersebut menunjukkan bahwa setiap metode memiliki performa yang berbeda tergantung pada karakteristik data, di mana metode berbasis smoothing cenderung memberikan hasil yang lebih stabil pada data yang memiliki fluktuasi .
Hal ini menunjukkan bahwa tidak ada satu metode yang secara universal paling unggul, melainkan harus disesuaikan dengan pola data yang dianalisis.
Pendekatan serupa juga dilakukan pada sektor e-commerce, di mana peramalan digunakan untuk mendukung manajemen stok.
Dalam penelitian tersebut, metode Single Exponential Smoothing (SES).
Double Exponential Smoothing (DES), dan Triple Exponential Smoothing (TES) dibandingkan untuk mengetahui tingkat akurasi masing-masing metode.
Hasilnya menunjukkan bahwa metode exponential Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi smoothing memiliki tingkat kesalahan yang relatif kecil dan mampu memberikan prediksi yang cukup akurat dalam konteks data penjualan .
Hal ini memperkuat anggapan bahwa metode smoothing sangat efektif digunakan pada data time series yang memiliki pola tertentu.
Selain itu, studi dalam bidang kesehatan juga menekankan pentingnya pemilihan metode peramalan yang tepat.
Dalam penelitian terkait perencanaan kebutuhan obat, beberapa metode time series seperti Moving Average.
SES.
DES, dan TES dianalisis berdasarkan nilai error seperti MAE.
MSE, dan MAPE.
Hasil penelitian menunjukkan bahwa metode exponential smoothing, khususnya SES, mampu menghasilkan tingkat kesalahan yang paling kecil dibandingkan metode lainnya .
Temuan ini mengindikasika n bahwa metode smoothing memiliki keunggulan dalam menghasilkan prediksi yang akurat, terutama pada data yang relatif stabil.
Di sisi lain, perkembangan teknologi juga mendorong penggunaan metode berbasis kecerdasan buatan dalam peramalan.
Penelitian menunjukkan bahwa metode berbasis machine learning seperti Random Forest dan Decision Tree mampu memberikan akurasi yang lebih tinggi dibandingkan metode tradisional, terutama dalam menghadapi data yang kompleks dan tidak terstruktur .
Meskipun demikian, metode AI seringkali membutuhkan data yang besar serta proses komputasi yang lebih kompleks, sehingga belum tentu cocok untuk semua kasus, khususnya pada skala usaha kecil.
Secara umum, berbagai penelitian tersebut peramalan tidak hanya bergantung pada tingkat akurasi .
semata, tetapi juga harus mempertimbangkan karakteristik data yang Data yang memiliki pola tren, misalnya, cenderung lebih cocok dianalisis menggunakan metode yang mampu menangkap komponen tren seperti Double Exponential Smoothing.
Sebaliknya, data yang relatif stabil tanpa tren yang signifikan lebih cocok menggunakan metode yang lebih sederhana seperti Moving Average atau Single Exponential Smoothing.
Berdasarkan penelitian-penelitian diidentifikasi adanya beberapa kesenjangan .
Pertama, sebagian besar penelitian masih menitikberatkan pada penentuan metode terbaik hanya berdasarkan nilai kesalahan .
ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
yang paling kecil, tanpa mempertimbangkan kesesuaian metode terhadap pola data yang Kedua, membandingkan beberapa metode peramalan umumnya hanya berfokus pada hasil perhitungan secara numerik, tanpa disertai analisis yang mendalam terkait karakteristik data yang Ketiga, penelitian yang secara khusus membahas perbandingan metode peramalan pada usaha skala kecil, seperti pangkalan LPG dengan data yang bersifat fluktuatif, masih relatif terbatas .
Meskipun berbagai penelitian sebelumnya peramalan untuk menentukan metode dengan tingkat kesalahan terkecil, sebagian besar penelitian tersebut masih berfokus pada aspek akurasi perhitungan tanpa mengaitkannya secara mendalam dengan karakteristik data yang dianalisis.
Selain itu, objek penelitian yang digunakan umumnya berasal dari sektor produksi, kesehatan, maupun e-commerce, sehingga hasil yang diperoleh belum tentu sesuai apabila diterapkan pada data penjualan gas LPG yang memiliki pola permintaan Oleh karena itu, penelitian ini dilakukan dengan membandingkan metode Moving Average.
Single Exponential Smoothing, dan Double Exponential Smoothing tidak hanya berdasarkan nilai kesalahan peramalan, tetapi juga berdasarkan kesesuaian metode terhadap pola data penjualan LPG yang dianalisis.
Pendekatan ini diharapkan dapat memberikan hasil evaluasi yang lebih komprehensif dalam menentukan metode peramalan yang paling Oleh karena itu, penelitian ini mencoba mengisi gap tersebut dengan tidak hanya membandingkan metode Moving Average.
Single Exponential Smoothing, dan Double Exponential Smoothing berdasarkan nilai error (MAE.
MSE, dan MAPE), tetapi juga mempertimbangkan kesesuaian metode terhadap pola data penjualan yang memiliki karakteristik fluktuatif dan mengandung tren.
Pendekatan ini diharapkan dapat memberikan hasil yang lebih komprehensif dibandingkan penelitian sebelumnya yang hanya berfokus pada satu aspek saja.
Sebagai state of the art .
, penelitian ini menggabungkan dua pendekatan dalam menentukan metode terbaik, yaitu pendekatan kuantitatif melalui pengukuran error dan pendekatan kualitatif melalui analisis pola data.
Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi Dengan demikian, metode yang dipilih tidak hanya memiliki tingkat akurasi yang tinggi secara numerik, tetapi juga mampu merepresentasikan kondisi aktual data secara lebih realistis.
Pendekatan ini diharapkan dapat memberikan kontribusi baru dalam pengembangan metode peramalan, khususnya pada kasus penjualan dengan pola data yang dinamis dan tidak stabil.
Forecasting Peramalan atau forecasting merupakan suatu pendekatan analitis yang digunakan untuk memperkirakan kemungkinan kondisi yang akan terjadi di masa mendatang berdasarkan pola data yang telah terjadi sebelumnya.
Pendekatan ini tidak hanya berfokus pada perhitungan angka, tetapi juga pada pemahaman karakteristik data, seperti kecenderungan naik turun .
maupun perubahan yang tidak menentu .
, sehingga hasil prediksi yang diperoleh dapat menggambarkan kondisi yang lebih realistis.
Dalam konteks kegiatan bisnis, penerapan forecasting menjadi penting karena kebutuhan operasional secara lebih terstruktur .
Forecasting juga berperan penting dalam permintaan di masa depan dengan menggunakan pendekatan statistik.
Hasil peramalan dapat digunakan sebagai dasar dalam menentukan strategi bisnis yang lebih efektif, seperti pengelolaan stok dan distribusi barang, sehingga dapat meningkatkan efisiensi operasional .
Moving Average Metode Metode Moving Average adalah salah satu pendekatan dalam peramalan yang memanfaatkan nilai rata-rata dari data masa lalu pada periode tertentu untuk memperkirakan nilai di masa mendatang.
Teknik ini dilakukan dengan mengolah sejumlah data sebelumnya, kemudian menghitung nilai rata-ratanya sebagai dasar Ketika data baru tersedia, perhitungan rata-rata akan diperbarui sehingga menghasilkan estimasi yang lebih mutakhir.
Pendekatan ini banyak diterapkan dalam analisis time series karena mampu mereduksi pengaruh variasi jangka pendek dan membantu menampilkan pola data secara lebih sederhana .
Meskipun demikian, metode Moving Average memiliki beberapa keterbatasan, terutama karena setiap data dalam perhitungan diberikan tingkat kepentingan yang sama.
Hal ini menyebabkan metode ini kurang adaptif ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
terhadap perubahan pola atau tren yang terjadi secara cepat.
Selain itu, hasil peramalan juga dipengaruhi oleh panjang periode yang digunakan dalam proses perhitungan.
Walaupun demikian, metode ini tetap sering digunakan karena mampu memberikan gambaran umum terhadap kecenderungan data, terutama pada kondisi data yang tidak mengalami perubahan signifikan .
METODOLOGI PENELITIAN
Tahapan Penelitian Penelitian ini dilakukan melalui serangkaian tahapan yang sistematis guna menghasilkan model peramalan yang akurat dan sesuai dengan karakteristik data.
Alur penelitian dimulai dari identifikasi permasalahan hingga penarikan kesimpulan dan saran.
Secara umum, tahapan penelitian dapat dilihat pada Gambar 1.
Gambar 1.
Diagram Alur Tahapan Penelitian Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi Berdasarkan Gambar 1, penelitian ini diawali dengan proses identifikasi masalah yang bertujuan untuk memahami permasalahan utama yang terjadi pada objek penelitian, yaitu ketidakstabilan permintaan penjualan gas LPG di Pangkalan Sulinah.
Kondisi tersebut menyebabkan kesulitan dalam menentukan jumlah persediaan yang tepat.
Tahap selanjutnya adalah pengumpulan data penjualan LPG yang diperoleh dari data historis dalam periode tertentu.
Data yang terkumpul kemudian diproses pada tahap preprocessing, yaitu dengan melakukan pembersihan data, pengecekan nilai yang hilang .
issing valu.
, serta penyusunan data ke dalam format deret waktu .
ime serie.
Setelah data siap digunakan, dilakukan tahap pengolahan data untuk mengidentifikasi pola yang terbentuk, seperti tren dan fluktuasi.
Analisis ini penting untuk menentukan metode peramalan yang sesuai dengan karakteristik Tahap berikutnya adalah penerapan metode peramalan yang terdiri dari tiga metode, yaitu Moving Average (MA).
Single Exponential Smoothing (SES), dan Double Exponential Smoothing (DES).
Masing-masing metode diterapkan untuk menghasilkan nilai prediksi .
pada periode berikutnya.
Hasil peramalan dari masing-masing metode kemudian dievaluasi dengan menghitung tingkat kesalahan menggunakan parameter Mean Absolute Error (MAE).
Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE) .
Evaluasi ini bertujuan untuk mengetahui tingkat akurasi dari setiap metode yang digunakan.
Selanjutnya dilakukan proses pengambilan keputusan untuk menentukan metode terbaik.
Pada tahap ini, tidak hanya nilai error yang dipertimbangkan, tetapi juga kesesuaian metode terhadap pola data.
Metode yang terpilih diharapkan mampu memberikan hasil prediksi yang akurat dan representatif terhadap kondisi Tahap akhir penelitian adalah penarikan kesimpulan dan pemberian saran berdasarkan hasil analisis yang telah dilakukan.
Pengumpulan Data Periode Januari hingga Mei 2025 dipilih karena merupakan data historis yang tersedia dan telah mewakili kondisi penjualan aktual ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
pada lokasi penelitian.
Meskipun jumlah data yang digunakan relatif terbatas, data tersebut tetap dapat digunakan untuk mengevaluasi kinerja beberapa metode peramalan dan membandingkan tingkat akurasinya pada kondisi nyata yang dihadapi oleh Pangkalan Sulinah.
Pengumpulan data merupakan tahap penting dalam penelitian ini karena kualitas data sangat mempengaruhi hasil peramalan.
Data yang digunakan dalam penelitian ini terdiri dari data primer dan data sekunder.
Data primer diperoleh secara langsung dari Pangkalan Sulinah melalui metode observasi dan Observasi dilakukan dengan mengamati proses penjualan serta pengelolaan stok gas LPG, sedangkan wawancara dilakukan dengan pihak pengelola untuk memperoleh informasi terkait permasalahan yang dihadapi dalam pengendalian persediaan.
Sementara itu, data sekunder berupa data historis penjualan gas LPG dalam periode Januari hingga Mei 2025.
Data ini mencakup jumlah penjualan dan nilai transaksi yang kemudian digunakan sebagai dasar dalam proses analisis peramalan.
Selain itu, metode dokumentasi juga pendukung yang berkaitan dengan penelitian.
Dengan pengumpulan data tersebut, diharapkan data yang diperoleh memiliki tingkat validitas dan reliabilitas yang baik.
Analisa Data Analisis data dalam penelitian ini dilakukan menggunakan pendekatan 5W1H (Why.
Who.
What.
Where.
When, dan Ho.
untuk memahami permasalahan secara menyeluruh.
Dari aspek Why, penelitian ini dilakukan karena adanya permasalahan ketidakstabilan permintaan yang menyebabkan kesulitan dalam pengelolaan stok gas LPG.
Ketidaktepatan dalam perencanaan stok dapat berdampak pada kerugian operasional maupun penurunan kualitas pelayanan.
Dari aspek Who, pihak yang terlibat dalam penelitian ini adalah pengelola Pangkalan Sulinah sebagai objek penelitian yang mengalami permasalahan dalam pengelolaan Dari aspek What, objek yang dianalisis adalah data penjualan gas LPG yang memiliki pola Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi fluktuatif dan menunjukkan kecenderungan tren tertentu dalam periode waktu yang diamati.
Dari aspek Where, penelitian dilakukan di Pangkalan Sulinah yang menjadi lokasi pengambilan data dan penerapan metode Dari aspek When, data yang digunakan merupakan data historis penjualan pada periode Januari hingga Mei 2025, yang kemudian digunakan untuk memprediksi penjualan pada periode berikutnya.
Dari aspek How, analisis dilakukan dengan menerapkan tiga metode peramalan, yaitu Moving Average.
Single Exponential Smoothing, dan Double Exponential Smoothing.
Hasil dari masing-masing menggunakan ukuran error untuk menentukan metode yang paling sesuai.
Tahapan Implementasi dan Pengujian Metode Tahap implementasi dilakukan dengan menerapkan ketiga metode peramalan pada data yang telah diproses.
Metode Moving Average digunakan dengan menghitung rata-rata dari sejumlah periode sebelumnya, sedangkan Single Exponential Smoothing menggunakan parameter alpha () untuk memberikan bobot lebih besar pada data terbaru.
Double Exponential Smoothing digunakan untuk menangkap pola tren dengan menambahkan komponen level dan Dalam penelitian ini, pemilihan parameter pada metode peramalan dilakukan melalui proses pengujian beberapa alternatif nilai Pada metode Moving Average, digunakan beberapa variasi periode perhitungan untuk melihat pengaruhnya terhadap hasil Sementara itu, pada metode Single Exponential Smoothing dan Double Exponential Smoothing dilakukan pengujian beberapa nilai parameter smoothing yang berada pada rentang 0 sampai 1.
Nilai parameter yang menghasilkan tingkat kesalahan paling kecil berdasarkan pengukuran MAE.
MSE, dan MAPE dipilih sebagai parameter terbaik untuk digunakan pada proses peramalan.
Pendekatan ini dilakukan agar hasil yang diperoleh lebih objektif dan dapat menghasilkan metode dengan tingkat akurasi yang optimal.
Setelah dilakukan, tahap selanjutnya adalah pengujian metode dengan menghitung tingkat kesalahan ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
MAE.
MSE.
MAPE.
Perhitungan ini bertujuan untuk mengevaluasi masing-masing menghasilkan prediksi yang mendekati nilai Sebagai gambaran hasil pengolahan, data penjualan dan hasil peramalan dapat disajikan dalam bentuk tabel.
Selanjutnya dilakukan perbandingan nilai error untuk menentukan metode terbaik.
Namun, dalam penelitian ini pemilihan metode tidak hanya berdasarkan nilai error terkecil, tetapi juga mempertimbangkan kemampuan metode dalam menangkap pola data, khususnya tren.
Hasil pengujian dengan harga gas LPG Rp21.
000 menunjukkan bahwa meskipun terdapat metode dengan nilai error lebih kecil, metode yang mampu menangkap pola tren menggambarkan kondisi aktual.
Oleh karena itu, metode yang terpilih merupakan metode yang memiliki keseimbangan antara akurasi numerik dan kesesuaian terhadap pola data.
Tahap akhir dari proses ini adalah penarikan kesimpulan dan pemberian saran sebagai rekomendasi bagi pihak pengelola dalam meningkatkan efektivitas pengelolaan stok.
HASIL DAN PEMBAHASAN
Data Penjualan Gas Januari 2025 Ae Mei Tabel 1.
Penjualan Gas Elpiji Pada Bulan Januari - Mei 2025 Total Total Bulan Pembelian Harga Januari Februari Maret April Mei Plot Data Gambar 2.
Plot Data Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi Berdasarkan gambar, dapat dilihat bahwa permintaan tabung gas LPG pada Pangkalan Sulinah tahun 2025 menunjukkan pola trend yang berfluktuasi.
Hal ini terlihat dari adanya kenaikan dan penurunan pada tiap bulan.
Pada bulan Januari total penjualan sebesar Rp10.
000, kemudian mengalami penurunan pada Februari menjadi Rp8.
Selanjutnya terjadi kenaikan cukup signifikan pada Maret hingga Rp15.
000, namun kembali menurun pada April menjadi Rp11.
Pada bulan Mei, penjualan meningkat drastis mencapai Rp21.
Meskipun terjadi fluktuasi setiap bulan, secara keseluruhan dapat disimpulkan bahwa permintaan tabung gas LPG di Pangkalan Sulinah selama periode Januari hingga Mei 2025 menunjukkan tren meningkat, karena nilai penjualan pada akhir periode (Me.
lebih tinggi dibandingkan awal periode (Januar.
sebelumnya, sehingga lonjakan tinggi pada bulan Mei tidak sepenuhnya diikuti dalam hasil Tabel 2.
Forecasting Moving Average Bulan Penjualan MA .
Bula.
(R.
Januari Februari Maret April Mei Juni (Prediks.
Single Exponential Smoothing Moving Average Gambar 3.
Peramalan Moving Average Berdasarkan menggunakan metode Moving Average (MA) pada data penjualan tabung gas LPG di Pangkalan Sulinah tahun 2025 yang diolah menggunakan Python pada Google Colab, diperoleh nilai tingkat kesalahan peramalan yaitu MAPE sebesar 5.
MAD sebesar 4.
583, dan MSD sebesar 58.
Nilai MAPE yang relatif kecil menunjukkan bahwa hasil peramalan menggunakan metode Moving Average tergolong cukup akurat, sehingga masih dapat digunakan untuk memprediksi permintaan pada periode Berdasarkan grafik hasil pengolahan di Google Colab, terlihat bahwa hasil prediksi pada bulan Juni mengalami penurunan Mei.
Rp21.
000 menjadi sekitar Rp16.
Hal ini disebabkan oleh metode Moving Average yang bekerja dengan cara meratakan nilai data ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
Gambar 4.
Peramalan Single Exponential Smoothing Berdasarkan menggunakan metode Single Exponential Smoothing (SES) pada data penjualan tabung gas LPG di Pangkalan Sulinah tahun 2025 yang diolah menggunakan Python pada Google Colab, diperoleh nilai kesalahan peramalan yaitu MAPE sebesar 4.
MAD sebesar 3.
803, dan MSD sebesar Nilai MAPE yang kecil menunjukkan bahwa metode ini memiliki tingkat akurasi yang baik dalam melakukan peramalan.
Nilai parameter yang digunakan yaitu alpha () = 0,987884, yang diperoleh melalui proses optimasi parameter pada pemodelan di Python.
Nilai alpha yang sangat tinggi menunjukkan bahwa model sangat peka terhadap data terbaru, sehingga hasil peramalan lebih banyak dipengaruhi oleh nilai aktual terakhir dibandingkan data sebelumnya.
Berdasarkan grafik hasil pengolahan di Google Colab, terlihat permintaan pada bulan Juni mengalami penurunan dibandingkan bulan Mei, yaitu dari Rp21.
000 menjadi sekitar Rp16.
Hal ini terjadi karena metode SES melakukan proses pemulusan .
terhadap data Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi historis, sehingga lonjakan tinggi pada bulan Mei tidak sepenuhnya diikuti dalam hasil peramalan.
Tabel 3.
Forecasting Single Exponential Smoothing Bulan Penjualan Forecast SES Aktual (R.
(R.
Januari Februari Maret April Mei Juni (Prediks.
Double Exponential Smoothing Gambar 5.
Peramalan Double Exponential Smoothing Berdasarkan menggunakan metode Double Exponential Smoothing (DES) pada data penjualan tabung gas LPG di Pangkalan Sulinah tahun 2025 yang diolah menggunakan Python pada Google Colab, diperoleh nilai kesalahan peramalan yaitu MAPE sebesar 4.
MAD sebesar 3.
968, dan MSD sebesar Nilai MAPE yang kecil menunjukkan bahwa metode ini memiliki tingkat akurasi yang baik dalam memprediksi permintaan.
Nilai parameter yang digunakan yaitu alpha .
= 0,937929 dan gamma .
= 0,099517, yang diperoleh melalui proses optimasi parameter pada pemodelan di Python.
Nilai alpha yang tinggi menunjukkan bahwa model sangat responsif terhadap perubahan data terbaru, sedangkan nilai gamma yang relatif kecil menunjukkan bahwa komponen tren tetap diperhitungkan namun tidak terlalu dominan.
Berdasarkan grafik hasil pengolahan di Google Colab, terlihat bahwa hasil peramalan menunjukkan permintaan pada bulan Juni mengalami penurunan dibandingkan bulan Mei.
ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
yaitu dari Rp21.
000 menjadi sekitar Rp17.
Hal ini terjadi karena metode DES mempertimbangkan unsur tren, sehingga menghasilkan penyesuaian setelah adanya lonjakan tinggi pada bulan Mei.
Tabel 4.
Forecasting Double Eponential Smoothing Penjualan Forecast Periode Bulan Aktual (R.
(R.
Januari 10.
Februari 8.
Maret April Mei Juni Juli Agustus Perbandingan nilai MAPE.
MAD, dan MSD dari ketiga metode untuk peramalan dapat dilihat berdasarkan nilai kesalahan terkecil di antara metode yang digunakan.
Berdasarkan hasil pengolahan data, diperoleh bahwa nilai MAPE.
MAD, dan MSD terkecil terdapat pada metode Single Exponential Smoothing, dengan nilai berturut-turut yaitu 4, 3.
803, dan Hal ini menunjukkan bahwa metode tersebut memiliki tingkat kesalahan paling Sedangkan nilai MAPE.
MAD, dan MSD terbesar diperoleh pada metode Moving Average, yaitu sebesar 5, 4.
583, dan 58.
Sementara itu, metode Double Exponential Smoothing memiliki nilai kesalahan MAPE 4.
MAD 3.
968, dan MSD 235, yang berada di antara kedua metode Secara keseluruhan, nilai MAPE dari ketiga metode tidak memiliki perbedaan yang signifikan, sehingga ketiganya dapat dikatakan memiliki tingkat akurasi yang hampir sama.
Namun, jika dilihat dari nilai MAD dan MSD, terdapat perbedaan yang cukup jelas, terutama pada metode Moving Average yang memiliki nilai kesalahan lebih besar dibandingkan metode Berdasarkan analisis perbandingan ketiga metode dengan mempertimbangkan nilai MAPE.
MAD, dan MSD, serta melihat pola data penjualan, maka metode yang paling sesuai untuk meramalkan permintaan tabung gas LPG di Pangkalan Sulinah tahun 2025 adalah Double Exponential Smoothing.
Hal ini dikarenakan metode tersebut mampu menangkap pola trend Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi pada data, dimana permintaan mengalami kenaikan dan penurunan pada bulan tertentu, sehingga hasil peramalan menjadi lebih representatif terhadap kondisi aktual.
Hasil penelitian ini memberikan implikasi praktis bagi pengelola Pangkalan Sulinah dalam menentukan jumlah persediaan gas LPG untuk periode berikutnya.
Dengan menggunakan metode Double Exponential Smoothing, pengelola dapat memperoleh gambaran permintaan yang lebih sesuai dengan pola penjualan yang terjadi, terutama ketika terdapat kecenderungan peningkatan permintaan dari waktu ke waktu.
Informasi hasil peramalan ini dapat digunakan sebagai dasar dalam menyusun rencana pengadaan stok sehingga risiko kekurangan maupun kelebihan persediaan dapat Selain itu, penggunaan metode yang mampu menangkap pola tren juga membantu pengelola dalam mengantisipasi perubahan permintaan secara lebih cepat dibandingkan metode yang hanya mengandalkan rata-rata data historis.
Oleh karena itu, penerapan metode Double Exponential Smoothing berpotensi mendukung pengambilan keputusan yang lebih efektif dalam pengelolaan persediaan LPG di Pangkalan Sulinah.
Meskipun Single Exponential Smoothing menghasilkan nilai kesalahan yang sedikit lebih rendah dibandingkan Double Exponential Smoothing, menunjukkan bahwa pemilihan metode peramalan tidak dapat didasarkan pada nilai error saja.
Karakteristik
LPG
mengharuskan penggunaan metode yang mampu merepresentasikan perubahan tersebut.
Oleh karena itu.
Double Exponential Smoothing dipilih sebagai metode yang paling sesuai karena mampu memberikan keseimbangan antara tingkat akurasi dan kemampuan dalam menggambarkan pola data Temuan ini menunjukkan bahwa evaluasi metode peramalan perlu mempertimbangkan aspek statistik maupun karakteristik data agar hasil yang diperoleh lebih relevan untuk kebutuhan pengambilan keputusan.
KESIMPULAN DAN SARAN
Berdasarkan hasil analisis terhadap data penjualan gas LPG di Pangkalan Sulinah periode Januari hingga Mei 2025, dapat disimpulkan bahwa penerapan metode peramalan mampu membantu dalam memprediksi kebutuhan stok secara lebih terstruktur dan terukur.
Penelitian ini membandingkan tiga metode, yaitu Moving Average (MA).
Single Exponential Smoothing ISSN : 2614-1701 (Ceta.
Ae 2614-3739 (Onlin.
(SES), dan Double Exponential Smoothing (DES), dengan menggunakan parameter evaluasi berupa Mean Absolute Error (MAE).
Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE).
Hasil pengujian menunjukkan bahwa metode Single Exponential Smoothing (SES) memiliki nilai error terkecil, sehingga secara numerik memberikan tingkat akurasi terbaik.
Namun demikian, berdasarkan analisis pola data yang menunjukkan adanya Double Exponential Smoothing (DES) dinilai lebih sesuai karena mampu menangkap komponen tren dalam data, sehingga lebih representatif terhadap kondisi Keunggulan dari penelitian ini terletak pada penggunaan beberapa metode peramalan yang mempertimbangkan tidak hanya nilai error, tetapi juga kesesuaian metode terhadap pola Meskipun demikian, penelitian ini memiliki keterbatasan pada jumlah data yang digunakan yang masih terbatas pada periode tertentu, sehingga belum sepenuhnya mencerminkan pola jangka panjang dan potensi variasi yang lebih Berdasarkan hasil tersebut, disarankan agar Pangkalan Sulinah mempertimbangkan penggunaan metode Double Exponential Smoothing efektivitas pengelolaan persediaan.
Selain itu, penggunaan data historis yang lebih panjang dan lebih detail diharapkan dapat meningkatkan akurasi hasil peramalan.
Dari sisi implementasi praktis, hasil penelitian ini dapat dimanfaatkan sebagai dasar dalam penyusunan rencana pengadaan dan pengelolaan persediaan LPG secara lebih terukur.
Dengan memanfaatkan hasil peramalan secara berkala, pihak Pangkalan Sulinah dapat memperkirakan kebutuhan stok pada periode berikutnya sehingga risiko kekurangan maupun kelebihan persediaan dapat Selain itu, hasil peramalan juga dapat digunakan sebagai bahan pertimbangan dalam menentukan jadwal pemesanan LPG kepada distributor agar ketersediaan stok tetap terjaga sesuai dengan kebutuhan pelanggan.
Untuk penelitian selanjutnya, disarankan untuk mengembangkan metode yang digunakan dengan menambahkan pendekatan lain seperti ARIMA atau metode berbasis machine learning.
Jurnal Manajemen Informatika & Sistem Informasi (MISI) Volume 9.
Nomor 2.
Juni 2026.
ISSN 2614-1701 .
edia ceta.
ISSN 2614-3739 .
edia onlin.
DOI : 10.
36595/misi.
http://e-journal.
id/index.
php/misi serta mempertimbangkan faktor eksternal seperti musim, kebijakan, dan kondisi ekonomi Selain pengembangan metode, penelitian selanjutnya juga dapat menggunakan data dengan periode yang lebih panjang dan frekuensi yang lebih rinci, seperti data harian atau mingguan, sehingga pola musiman, tren jangka panjang, dan perubahan permintaan yang lebih kompleks dapat dianalisis secara lebih Dengan demikian, model peramalan memberikan tingkat akurasi yang lebih tinggi serta lebih adaptif terhadap dinamika permintaan yang terjadi dalam kondisi nyata.
Pengujian pada dataset yang lebih beragam juga diperlukan untuk mengetahui konsistensi kinerja metode dalam berbagai kondisi, sehingga memberikan kontribusi yang lebih luas dalam pengembangan metode peramalan.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada semua pihak yang telah memberikan dukungan dan kontribusi dalam pelaksanaan penelitian ini.
Terima kasih disampaikan kepada pihak Pangkalan Sulinah yang telah memberikan data dan informasi yang dibutuhkan selama proses penelitian berlangsung.
Selain itu, penulis juga mengucapkan terima kasih kepada dosen pembimbing yang telah memberikan arahan, masukan, dan bimbingan sehingga penelitian ini dapat diselesaikan dengan baik.
Ucapan terima kasih juga ditujukan kepada rekan-rekan yang telah bekerja sama dalam proses pengumpulan data, pengolahan, hingga penyusunan laporan penelitian ini.
Tidak lupa, penulis menyampaikan apresiasi kepada institusi Universitas Muria Kudus yang telah memberikan dukungan baik secara akademik terlaksananya penelitian ini.
Akhir kata, penulis berharap penelitian ini dapat memberikan manfaat bagi pengembangan ilmu pengetahuan, khususnya dalam bidang peramalan penjualan, serta dapat menjadi referensi bagi penelitian selanjutnya.
DAFTAR PUSTAKA: