Peramalan Permintaan Brightening Cream Menggunakan Metode ARIMA dan Metode Double Exponential Smoothing di Industri Kosmetik
DOI:
https://doi.org/10.55826/jtmit.v5i2.1937Keywords:
ARIMA, , Peramalan Permintaan, Double Exponential SmoothingAbstract
Dalam era persaingan bisnis kosmetik yang ketat, peramalan permintaan menjadi komponen krusial bagi perusahaan untuk mengoptimalkan perencanaan produksi dan meminimalkan risiko ketidakseimbangan stok. Penelitian ini bertujuan untuk menentukan metode peramalan yang lebih baik untuk produk Brightening Cream di PT XYZ dengan membandingkan metode Autoregressive Integrated Moving Average (ARIMA) dan Double Exponential Smoothing (DES) dari Holt. Data yang digunakan adalah data historis permintaan mingguan sebanyak 41 periode yang menunjukkan pola fluktuatif, tren dan musiman. Analisis dilakukan dengan bantuan perangkat lunak Minitab untuk menghitung tingkat kesalahan peramalan berdasarkan indikator Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model ARIMA (1,2,1) merupakan model terbaik karena telah memenuhi uji asumsi white noise dan normalitas, serta menghasilkan nilai kesalahan yang signifikan lebih rendah dibandingkan metode DES. Nilai MAPE dan MSE yang dihasilkan oleh metode ARIMA (1,2,1) adalah sebesar 23,513 % dan 7818, sedangkan metode DES menghasilkan sebesar 24,000% dan 8922. Oleh karena itu, metode ARIMA (1,2,1) direkomendasikan bagi PT XYZ sebagai dasar pengambilan keputusan dalam pengendalian persediaan dan perencanaan produksi guna meningkatkan efisiensi operasional.
References
[1] R. C. Kaemong, M. Arifin, and F. Muhammad, “PENYEBAB PENGARUHNYA PERTUMBUHAN PASAR INDONESIA TERHADAP PRODUK SKIN CARE LOKAL PADA TAHUN 2022,” pp. 1390–1396, 2023.
[2] H. Guojun, L. Ningning, and A. Background, “Prediction of Ecotourism Population Based on Exponential Smoothing and ARIMA Mixed Model,” pp. 39–42, 2021, doi: 10.1109/ICICAS53977.2021.
[3] A. Zahrah, A. Wibowo, B. P. Pratama, M. Aulia, and F. Kartiasih, “Perbandingan Model ARIMA dan Holt ’ s Double Exponential Smoothing Untuk Peramalan Harga Emas Indonesia 2025,” vol. 7, no. 2, pp. 68–84, 2025.
[4] K. Studi et al., “The Forecasting Result Study of the Poverty Line and Number of Poor Population in DIY using DES and ARIMA,” vol. 21, no. 2, pp. 397–407, 2025.
[5] A. Mwenda, D. Kuznetsov, and S. Mirau, “ANALYZING THE IMPACT OF HISTORICAL DATA LENGTH IN NON SEASONAL ARIMA MODELS FORECASTING,” vol. 5, no. 10, pp. 77–86, 2015.
[6] J. Manajemen, B. N. Alfa, D. Novrisal, U. N. Solikhah, L. Fitriani, and A. Zahra, “MATRIK Peramalan Permintaan Produk Cable Ladder pada Perusahaan Manufaktur Cable Support System and Electrical Switchboard menggunakan Metode Time Series Forecasting,” vol. XXV, no. 2, 2025.
[7] C. Saputro and Q. Ayuniyyah, “Permintaan dan Penawaran dalam Ekonomi Mikro Demand and Supply in Microeconomics,” vol. Vol. 4, No, 2024.
[8] W. Nurlela, A. I. Pratiwi, and H. T. Yulianti, “Analisis Metode Moving Average , Exponential Smoothing , dan Arima dalam Peramalan Permintaan untuk Pengendalian Stok Floor Rear,” vol. 4, no. 3, pp. 1066–1075, 2025.
[9] H. Hassyddiqy and H. Hasdiana, “Analisis Peramalan (Forecasting) Penjualan Dengan Metode ARIMA (Autoregressive Integrated Moving Average) Pada Huebee Indonesia,” Data Sci. Indones., vol. 2, no. 2, pp. 92–100, 2023, doi: 10.47709/dsi.v2i2.2022.
[10] S. F. Utami, S. Y. Arisma, K. Hermanto, and E. Ruskartina, “Peramalan Jumlah Penjualan Sepeda Motor menggunakan Metode Time Series Studi Kasus : Dealer Motor Nusantara Surya Sakti (NSS) Sumbawa,” Hexagon, vol. 1, no. 2, pp. 33–41, 2020.
[11] J. A. Cahyono and E. Aryanny, “Analisa Peramalan (Forecasting) Permintaan Kalibrasi Departemen Iso,Standarisasi & Kalibrasi Divisi Technology & Quality Assurance Pt. Pal Indonesia Menggunakan Metode Time Series,” J. Ilm. Sain dan Teknol., vol. 1, no. 3, pp. 324–336, 2023.
[12] J. Matematika, V. No, J. Hal, and M. Ilham, “Analisis Prediksi Time Series Menggunakan Metode ARIMA pada Data Ekonomi Regional,” vol. 1, no. 1, pp. 8–14, 2026.
[13] A. Rahman, N. H. Djanggu, T. Wahyudi, J. T. Industri, F. Teknik, and U. Tanjungpura, “IMPLEMENTASI TIME SERIES ANALYSIS DAN PEMODELAN MACHINE LEARNING ARIMA GUNA PETERNAKAN BONG SUN TIN,” vol. 9, no. 2, pp. 196–202, 2025.
[14] J. Ilmiah and E. Islam, “Prediksi Harga Saham Harian PT BTPN Syariah Tbk Menggunakan Model Arima dan Model Garch,” vol. 7, no. 03, pp. 1573–1580, 2021.
[15] N. T. Qurniawan and T. Sukmono, “Peramalan Permintaan dengan Menerapkan Metode Autoregressive Integrated Moving Average ( ARIMA ) pada Industri Beton,” vol. 4, no. 3, pp. 1024–1032, 2025.
[16] S. Nurdin and B. Ilembo, “Short Run Forecasting of Petroleum Prices in Tanzania Using ARIMA and Exponential Smoothing : A Comparative Analysis,” vol. 2, pp. 100–116, 2025.
[17] R. Achmad, B. Syakir, and A. A. Budiman, “Perbandingan Akurasi Double Exponential Smoothing dan ARIMA dalam Memprediksi Penjualan di E-Commerce Nibans Cake,” vol. i, no. 1, pp. 4–7, 2024.
[18] Y. Chatwaranon, I. I. Theories, and R. Concpt, “Weather Forecast Comparison Between ARIMA and Exponential Smoothing in the Cloud,” pp. 31–34, 2022.
[19] T. Hariguna, “Comparison of Three Time Series Forecasting Methods on Linear Regression, Exponential Smoothing and Weighted Moving Average,” Int. J. Informatics Inf. Syst., vol. 6, no. 2, pp. 89–102, 2023.
[20] M. Habel Wiyono Pranataningtyas, Y. Agus Pranoto, and D. Rudhistiar, “Vehicle Volume Forecasting System on Toll Roads Using Double Moving Average and Double Exponential Smoothing Methods,” Int. J. Comput. Sci. Inf. Technol., vol. 1, no. 1, pp. 13–19, 2024.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Evi Aprilia Sumarsono, Hafidz Akbar Halim, Retno Purwani Setyaningrum
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
