Peramalan Tren Penjualan Menu Restoran Menggunakan Metode Single Moving Average

Abstract

<p>Penelitian ini bertujuan untuk meramalkan tren penjualan menu pada restoran guna membantu pihak pengelola restoran dalam menentukan dan memberikan rekomendasi pengelolaan stok menu. Peramalan dilakukan dengan mengimplementasikan metode <em>single moving average</em> pada data transaksi penjualan selama periode 15 bulan, yakni bulan Januari-Desember 2018 dan Januari-Maret 2019 untuk menghasilkan ramalan bulanan dan harian. Total sampel data latih yang diolah sebanyak 10.515 record yang merupakan data transaksi penjualan pada bulan Januari-Desember tahun 2018, serta 2.246 record data bulan Januari-Maret 2019 sebagai data uji (untuk menguji akurasi ramalan). Hasil pengujian hasil ramalan bulanan untuk Top-10 menu menghasilkan perhitungan MAPE <em>(Mean Absolut Percentage Error) sebesar </em>4% yang berarti tingkat akurasi sangat baik, yakni sebesar 96%. Sedangkan pengujian hasil ramalan harian menghasilkan MAPE yang cukup tinggi yaitu sebesar 39.2%, mengindikasikan nilai akurasi yang cukup rendah, yakni 60.8%. Meskipun akurasi untuk ramalan harian, masih rendah namun hasil penelitian ini dapat memberikan gambaran kepada pengelola hotel tentang rentang minimum-maksimal stok yang perlu disiapkan untuk menu tertentu pada hari-hari tertentu. Untuk memperoleh akurasi prediksi harian yang lebih akurat, penelitian ini akan dilanjutkan dengan mencoba metode lain serta menambah jumlah data latih.</p><p> </p><p class="Judul2"><strong><em>Abstract</em></strong></p><p class="Judul2"><em>This research aims to forecast sales trend of a restaurant menus to help the restaurant management in determaining and providing recommendations for managing stocks. Forecasting was performed by applying the single moving average towards fifteen months recorded data transaction, namely January to December 2018, and Januari to March 2019 to establish monthly and daily forecast. Total data training was 10.515 recods data transaction obtained from Januari to December 2018, while data testing was 2.246 record data transaction within Januari to March 2019. Result for montly forecast shows, that the average accuracy reached 96% (MAPE 4%) indicating the forecast is almost perfect. While, for daily forecast the average accuracy is only 60.8% (MAPE 39,2%) indicating that the forecast is less accurate. Although, accuracy of the daily forecast is considered less accurate, the result still can be used by the restaurant management to figure-out minimum and maximum amount of stock to be prepared for certain menus in certain days. </em></p>

Penerapan Peramalan Produksi Produk Semen Di PT XYZ Guna Memenuhi Permintaan Konsumen

“…Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan 15 memproyeksikannya ke masa mendatang dengan suatu bentuk model sistematis. Atau bisa juga dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer (Apriliani et al, 2020). Forecasting adalah suatu metode pendekatan dalam memprediksi kemungkinankemungkinan atas situasi pada masa yang kedepan dengan cara pengujian data yang terjadi dimasa lalu.…”

Pengendalian Persediaan Bahan Baku Masker Medis 3-Ply Menggunakan Metode Material Requirement Planning (MRP) di PT XYZ

“…Menurut (Sofyan, 2013) dalam sistem peramalan, penggunaan metode peramalan memiliki pengaruh yang kuat terhadap hasil peramalan yang diperoleh. Cara ini adalah salah satu opsi yang diterapkan untuk mengetahui kemungkinan jumlah persiapan persediaan di masa depan (Apriliani et al, 2020). Peramalan disebut sebagai suatu usaha yang menerapkan berbagai metode pendekatan baik secara kualitatif maupun kuantitatif (Fahmi, 2014).…”

Komparasi Metode Single Moving Average dan Double Exponential Smoothing untuk Peramalan Penjualan Produk Gerabah pada UD. Amerta Sedana

“…Metode Single Moving Average adalah metode peramalan yang menggunakan sejumlah data aktual permintaan untuk membangkitkan nilai peramalan untuk permintaan dimasa yang akan datang [10]. Metode moving average cocok digunakan untuk data jangka panjang [11]. Ratarata bergerak dapat dituliskan dengan persamaan sebagai berikut :…”