Hasil Pencarian  ::  Simpan CSV :: Kembali

"Forecasting adalah salah satu metode data mining yang digunakan untuk meramalkan atau memperkirakan mengenai sesuatu yang belum terjadi. Pada dunia bisnis, forecasting biasa digunakan dalam menentukan keputusan bisnis untuk masa yang akan datang. Penelitian ini ingin menunjukkan implementasi forecasting untuk data penjualan organisasi yang bersifat irregular, dengan menggunakan dua metode forecasting yaitu simple moving average dan single exponential smoothing. Hasil forecasting kemudian divisualisasikan dalam bentuk dashboard. Penelitian ini menunjukkan secara umum metode single exponential smoothing memberikan prediksi yang lebih baik dibandingkan simple moving average dengan selisih nilai forecast error sebesar 18,62 untuk produk dan 20,46 untuk customer.

---

Forecasting is one of data mining method that is used to predict or estimate something that has not happened. On the business world, forecasting often used to determine business decision for the future. This research would like to show the implementation of forecasting for sales data organization that is irregular, with the use of two methods of forecasting, which are simple moving average and single exponential smoothing.

The forecasting result then visualized in dashboard form. This research shows in general, single exponential smoothing method provides better predictions than simple moving average with the difference between the value of forecast error of 18,62 for products and 20,46 for customers."

"Berkembangnya ilmu pengetahuan dan teknologi yang semakin pesat disertai dengan semakin ketatnya persaingan dalam dunia usaha mengakibatkan adanya persaingan antar perusahaan dalam memberikan pelayanan kepada konsumen. Oleh karena itu dibutuhkan suatu cara agar dapat menghasilkan barang dengan tepat. Hal inilah yang menjadi peranan dari sebuah metode peramalan penjualan. Terdapat banyak cara dalam melakukan peramalan, namun cara manakah yang dapat memberikan hasil yang terbaik. Dalam penelitian ini, dibandingkan antara metode Neural Network, Grey System Theory GM(1,1) dengan metode tradisional. Dari enam belas jenis data yang digunakan menunjukan BPNN memberikan hasil kesalahan yang lebih kecil dibandingkan dengan metode lainnya.

---

Now a days, a science and technology is growing rapidly make the competition intensifies in the business world for providing services to consumers. Therefore we need some way to produce goods with the correct amount. It was become the rolle of a sales forecasting method. There are many methods in sales forecast. However we don't know which method can give the best result. In this research, Neural Network, Grey System Theory GM(1,1) will be compared to the traditional methods. Through sixteen kinds of data that is used, show that BPNN provide results a smaller error than others."

"Industri farmasi di Indonesia menunjukkan pertumbuhan signifikan, namun menghadapi tantangan dalam manajemen persediaan dan peramalan penjualan. Produk farmasi memiliki masa simpan terbatas dan permintaan yang fluktuatif, sehingga peramalan yang akurat sangat penting untuk mengurangi risiko overstock dan stockout. Penelitian ini membandingkan akurasi metode peramalan time series untuk data penjualan perusahaan farmasi menggunakan metode SARIMA dan Holt-Winters Exponential Smoothing. Tujuan penelitian adalah menentukan metode peramalan paling efektif untuk meningkatkan efisiensi manajemen persediaan di industri farmasi. Data yang digunakan adalah penjualan historis dari Februari 2019 hingga Agustus 2023. Hasil penelitian menunjukkan bahwa metode SARIMA memberikan rata-rata MAPE sebesar 37,06%, lebih baik dibandingkan metode Holt-Winters Exponential Smoothing yang memiliki rata-rata MAPE sebesar 43,99%. Penelitian ini diharapkan dapat berkontribusi pada peningkatan manajemen persediaan dan operasional di industri farmasi Indonesia.

---

The pharmaceutical industry in Indonesia shows significant growth but faces challenges in inventory management and sales forecasting. Pharmaceutical products have limited shelf lives and fluctuating demand, making accurate forecasting crucial to reduce the risks of overstock and stockout. This study compares the accuracy of time series forecasting methods for pharmaceutical company sales data using SARIMA and Holt-Winters Exponential Smoothing methods. The objective of this research is to determine the most effective forecasting method to improve inventory management efficiency in the pharmaceutical industry. The data used comprises historical sales from February 2019 to August 2023. The results indicate that the SARIMA method achieves an average MAPE of 37.06%, outperforming the Holt-Winters Exponential Smoothing method, which has an average MAPE of 43.99%. This study is expected to contribute to the improvement of inventory management and operations in Indonesia's pharmaceutical industry."