Peramalan permintaan produksi gempur 480sl 1 liter menggunakan metode Double exponential smoothing dan Triple exponential smoothing
DOI:
https://doi.org/10.55826/jtmit.v4i4.1223Keywords:
Peramalan permintaan, Industri agrokimia, Double Exponential Smoothing, Triple Exponential Smoothing, Analisis musiman, Akurasi peramalanAbstract
Peramalan permintaan produk merupakan aspek penting dalam perencanaan dan pengendalian produksi, khususnya di industri agrokimia yang menghadapi fluktuasi kebutuhan pasar. PT XYZ sebagai produsen pestisida menghadapi tantangan dalam menentukan jumlah produksi herbisida sistemik cair Gempur 480 SL kemasan 1 liter, yang memiliki permintaan pasar bersifat dinamis dipengaruhi faktor musiman, cuaca, serta kondisi pertanian nasional. Penelitian ini bertujuan untuk menganalisis pola permintaan produk, mengaplikasikan beberapa metode peramalan, serta mengidentifikasi metode dengan tingkat akurasi terbaik. Data yang digunakan berupa permintaan historis selama periode Januari 2023 hingga Desember 2024 dengan total permintaan sebanyak 252.400 box. Metode peramalan yang diterapkan meliputi,Double Exponential Smoothing, dan Triple Exponential Smoothing (Winters). Hasil pengolahan data menunjukkan bahwa pola permintaan bersifat musiman dengan tingkat fluktuasi yang cukup tinggi. Evaluasi akurasi menggunakan indikator Mean Absolute Deviation (MAD), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE). Berdasarkan hasil analisis, metode Triple Exponential Smoothing (Winters) dengan parameter α = 0,59; β = 0,14; γ = 0,10 menghasilkan tingkat kesalahan terkecil dengan nilai MAPE sebesar 40%, MAD sebesar 3.516, dan MSE sebesar 17.312.362. Dengan demikian, metode ini direkomendasikan sebagai pendekatan yang lebih tepat dalam meramalkan permintaan produk Gempur 480 SL, karena mampu menangkap pola data musiman dan tren secara lebih akurat dibandingkan metode lain. Hasil penelitian diharapkan dapat membantu perusahaan dalam merencanakan produksi, meminimalkan risiko overstock maupun stockout, serta mendukung efisiensi biaya dan peningkatan daya saing perusahaan.
References
[1] Adebiyi, A. A., Ayo, C. K., Adebiyi, M. O., & Otokiti, S. O. (2020). Stock price prediction using exponential smoothing and ARIMA models. International Journal of Computer Applications, 175(14), 6–12. https://doi.org/10.5120/ijca2020919810
[2] Albright, S. C., Winston, W. L., & Zappe, C. J. (2021).Data analysis and decision making (7th ed.). Cengage Learning.
[3] Ali, M., & Ibrahim, H. (2023). Demand forecasting using moving average and exponential smoothing in the food industry. Journal of Business and Management Review, 4(2), 115–125. https://doi.org/10.47153/jbmr.v4i2.345
[4] Anggraini, Y., & Setiawan, B. (2021). Peramalan permintaan produk menggunakan metode moving average dan exponential smoothing.Jurnal Ilmiah Teknik Industri, 20(1), 45–53. https://doi.org/10.23917/jiti.v20i1.12345
[5] Astuti, D., & Wahyuni, S. (2022). Forecasting agricultural commodities demand with exponential smoothing.Journal of Applied Agricultural Economics, 14(3), 112–120. https://doi.org/10.18551/aae.2022.14.3.12
[6] Chopra, S., & Meindl, P. (2021). Supply chain management: Strategy, planning, and operation(8th ed.). Pearson.
[7] Dewi, L. P., & Putra, I. W. (2023). Peramalan produksi pupuk dengan metode moving average dan exponential smoothing. Jurnal Teknologi Pertanian, 24(2), 77–86. https://doi.org/10.32528/jtp.v24i2.9876
[8] Fadhilah, R., & Nuraini, A. (2020). Analisis perbandingan metode moving average dan exponential smoothing pada peramalan penjualan. Jurnal Sistem Informasi Bisnis, 10(2), 33–42. https://doi.org/10.21456/jsib.v10i2.1456
[9] Goh, M., Lim, Y., & Meng, F. (2021). Demand forecasting in supply chains: Recent trends and challenges. International Journal of Production Research, 59(12), 3653–3672. https://doi.org/10.1080/00207543.2020.1824081
[10] Gunawan, A., & Prasetyo, T. (2024). Penerapan metode exponential smoothing untuk peramalan penjualan pestisida. Jurnal Teknologi dan Industri Pertanian Indonesia, 16(1), 23–32. https://doi.org/10.31284/j.jtipi.2024.16.1.45
[11] Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (3rd ed.). OTexts. https://otexts.com/fpp3/
[12] Kurniawan, D., & Sari, M. (2022). Implementasi metode moving average dalam meramalkan permintaan produk agroindustri. Jurnal Agroindustri Indonesia, 11(2), 101–108. https://doi.org/10.21082/jai.v11n2.2022.101-108
[13] Lee, H. L., & Chen, Y. (2020). Demand forecasting in the digital era: Applications of AI and traditional models. Production and Operations Management, 29(5), 1143–1158. https://doi.org/10.1111/poms.13190
[14] Lubis, R., & Pertiwi, D. (2021). Analisis peramalan penjualan pupuk dengan exponential smoothing. Jurnal Agribisnis Indonesia, 9(2), 55–64. https://doi.org/10.31258/jai.9.2.55-64
[15] Mulyono, S., & Lestari, P. (2023). Penggunaan metode exponential smoothing untuk memprediksi permintaan produk kimia. Jurnal Sains dan Teknologi Industri, 14(1), 44–52. https://doi.org/10.22219/jsti.v14i1.8765
[16] Nugraha, A., & Rahayu, S. (2025). Forecasting demand for agrochemical products using Winters’ exponential smoothing. Indonesian Journal of Industrial Engineering, 17(1), 13–22. https://doi.org/10.31284/j.ijie.2025.17.1.65
[17] Putri, A. R., & Hidayat, F. (2024). Analisis pola permintaan produk agroindustri dengan metode moving average.Jurnal Teknologi Industri Pertanian, 20(3), 88–97. https://doi.org/10.32528/jtip.v20i3.4567
[18] Rahman, M., & Hasan, A. (2020). Comparison of exponential smoothing methods for demand forecasting. Journal of Data Analysis and Information Processing, 8(3), 155–167. https://doi.org/10.4236/jdaip.2020.83010
[19] Santoso, J., & Widodo, A. (2023). Analisis akurasi metode moving average dalam peramalan penjualan. Jurnal Sistem Informasi dan Manajemen, 12(1), 23–30. https://doi.org/10.31294/jsim.v12i1.2345
[20] Sari, I., & Wahyuningsih, E. (2022). Perbandingan metode moving average dan exponential smoothing untuk peramalan permintaan produk pangan. Jurnal Teknologi Pertanian Indonesia, 13(2), 67–75. https://doi.org/10.31284/j.jtpi.2022.13.2.88
[21] Setiawan, B., & Dewanto, R. (2021). Evaluasi metode peramalan permintaan pada industri manufaktur. Jurnal Ilmiah Teknik Industri, 19(2), 90–98. https://doi.org/10.23917/jiti.v19i2.11234
[22] Susanto, A., & Anwar, K. (2024). Penerapan metode Winters’ exponential smoothing untuk meramalkan penjualan pestisida. Journal of Agritech Research, 6(1), 55–64. https://doi.org/10.25105/jar.v6i1.7654
[23] Wahyudi, A., & Pramana, B. (2020). Peramalan permintaan produk manufaktur menggunakan metode time series. Jurnal Riset Teknologi dan Industri, 14(1), 33–42. https://doi.org/10.23960/jrti.v14i1.987
[24] Wang, Y., & Yu, H. (2023). Time series forecasting for agricultural supply chain planning. Journal of Cleaner Production, 410, 137145. https://doi.org/10.1016/j.jclepro.2023.137145
[25] Yuliani, T., & Kurnia, A. (2025). Analisis peramalan permintaan produk agroindustri menggunakan exponential smoothing dan moving average. Jurnal Rekayasa Industri dan Sistem, 7(1), 12–21. https://doi.org/10.25077/jris.v7i1.1234
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Faisal akbar Al-rozaq, Said Salim Dahda
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
