Perbandingan Metode Holt-Winters dan SARIMA untuk Memprediksi Permintaan Produk Fashion pada PT XYZ

Abstract

Permintaan produk fashion yang bersifat musiman dan dipengaruhi oleh tren sering menimbulkan ketidaksesuaian antara jumlah produksi dan penjualan. Kondisi tersebut terjadi di PT XYZ khususnya pada produk casual jeans, di mana volume produksi secara konsisten melebihi penjualan dan terus meningkat setiap tahun. Ketidakseimbangan tersebut menunjukkan perlunya sistem peramalan yang mampu menggambarkan pola permintaan secara lebih akurat untuk mendukung perencanaan produksi dan pengendalian persediaan. Penelitian ini menggunakan metode kuantitatif dengan pendekatan komparatif untuk membandingkan performa metode Holt-Winters dan Seasonal Autoregressive Integrated Moving Average (SARIMA) dalam memprediksi permintaan produk casual jeans. Penelitian ini menggunakan data sekunder penjualan bulanan dari Januari 2022 hingga Desember 2024 yang dianalisis menggunakan perangkat lunak RStudio. Akurasi kedua model diukur menggunakan Mean Absolute Scaled Error (MASE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa metode Holt-Winters Additive menghasilkan nilai MASE sebesar 0,399 dan MAPE 2,97%, sedangkan metode Holt-Winters Multiplicative memiliki nilai MASE 0,228 dan MAPE 1,55%. Sementara itu, model SARIMA (0,1,1) (1,1,0) [12] menunjukkan kinerja terbaik dengan nilai MASE 0,216 dan MAPE 1,43%, yang merupakan tingkat kesalahan terendah dibandingkan metode lainnya. Dengan demikian, metode SARIMA lebih sesuai digunakan untuk memprediksi permintaan produk casual jeans dengan pola musiman, serta dapat menjadi dasar dalam pengambilan keputusan produksi yang lebih efisien di PT XYZ.