Peramalan Penjualan Produk Merchandise CV. TOP SMART Menggunakan Model Seasonal Autoregressive Integrated Moving Average (SARIMA)

Purwanti, Sholikah Desi (2024) Peramalan Penjualan Produk Merchandise CV. TOP SMART Menggunakan Model Seasonal Autoregressive Integrated Moving Average (SARIMA). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201033-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB) | Request a copy

Abstract

Merchandise merupakan unsur utama dalam kegiatan bisnis retail dan grosir. Berdasarkan Indeks Penjualan Riil (IPR), sektor perdagangan retail menunjukkan adanya peningkatan pada bulan Oktober 2021. Sementara itu, menurut Bank Indonesia, IPR Nasional pada bulan April 2023 telah mencapai level 241,6 yang merupakan rekor tertinggi sejak awal pandemi Covid-19. Besarnya jumlah perdagangan ini menunjukkan bahwa terdapat peran penting perdagangan retail, termasuk merchandise dalam menunjang aktivitas perekonomian Indonesia dan pemenuhan kebutuhan konsumen. Salah satu perusahaan merchandise yang berada di kabupaten Madiun, Jawa Timur mengalami permasalahan terkait ketidakseimbangan antara kebutuhan konsumen dengan ketersediaan produk yang dimiliki akibat permintaan yang tidak menentu, serta tidak adanya peramalan penjualan yang dilakukan perusahaan. Dalam konteks ini, apabila terdapat pola musiman yang mempengaruhi penjualan, perusahaan tidak dapat mengidentifikasinya secara optimal.
Berdasarkan permasalahan tersebut, dalam tugas akhir ini, penulis melakukan peramalan penjualan produk merchandise menggunakan model Seasonal Autoregressive Integrated Moving Average (SARIMA), yang secara khusus dirancang untuk menangani aspek musiman dalam data penjualan. Didapatkan model SARIMA(1, 0, 1)(0, 0, 1, 2) menjadi model terbaik untuk peramalan penjualan payung dengan sMAPE sebesar 38,15%, model SARIMA(1, 0, 1)(1, 0, 0, 2) untuk peramalan penjualan tumbler dengan sMAPE sebesar 52,92%, dan model SARIMA(1, 0, 1)(0, 0, 1, 4) untuk peramalan penjualan botol, dengan sMAPE yang didapatkan sebesar 101,50%. Model SARIMA di evaluasi dengan keempat model peramalan lainnya, yaitu ARIMA, MA, Facebook Prophet, dan Holt-Winters Exponential Smoothing. Hasilnya menunjukkan bahwa model MA, ARIMA, Prophet, dan Holt-Winters Exponential Smoothing menunjukkan performa yang cukup baik dalam meramalkan penjualan produk dibandingkan dengan SARIMA apabila dilihat berdasarkan nilai kesalahan paling kecil saja. Meskipun hasil peramalan menggunakan SARIMA mendapatkan nilai sMAPE yang cenderung tinggi, hasil visualisasi peramalannya dapat mengikuti pola data aktual, serta hasil peramalan pada periode mendatang cukup selaras dengan data riil dan data historis yang dimiliki oleh masing-masing produk merchandise. Model Facebook Prophet dan Holt-Winters Multiplikatif dapat menjadi alternatif dari model SARIMA, karena menunjukkan nilai kesalahan yang lebih rendah dan cenderung menghasilkan peramalan yang dapat mengikuti pola data aktual. Namun, hasil peramalan pada data aktual tidak lebih baik dibandingkan SARIMA, karena mengalami over-forecast dan under-forecast. Sehingga keempat model evaluasi, yaitu MA, SARIMA, Facebook Prophet, dan Holt-Winters Exponential Smoothing menghasilkan peramalan yang tidak jauh lebih baik dari SARIMA, dan model SARIMA menjadi pilihan model terbaik untuk meramalkan penjualan produk merchandise.
=====================================================================================================
Merchandise is a key element of retail and wholesale business activities. The retail trade sector showed an increase in October 2021, based on the Real Sales Index (IPR). Meanwhile, according to Bank Indonesia, the National IPR reached a record high of 241.6 in April 2023, since the beginning of the Covid-19 pandemic. This significant trade volume indicates the crucial role of retail trade, including merchandise, in supporting Indonesia's economic activities and meeting consumer needs. A merchandise company located in Madiun, East Java, faced challenges related to the imbalance between consumer demand and product availability owing to uncertain demand and the lack of sales forecasting. In this context, seasonal patterns that influence sales cannot be optimally identified by the company.
To address these issues, this study employs the Seasonal Autoregressive Integrated Moving Average (SARIMA) model to forecast merchandise sales. The SARIMA(1, 0, 1)(0, 0, 1, 2) model was identified as the best fit for umbrella sales forecasting, achieving an sMAPE of 38.15%. For tumbler sales, the SARIMA(1, 0, 1)(1, 0, 0, 2) model resulted in an sMAPE of 52.92%, while the SARIMA(1, 0, 1)(0, 0, 1, 4) model for bottle sales yielded an sMAPE of 101.50%. The SARIMA model was evaluated against four other forecasting models, namely ARIMA, MA, Facebook Prophet, and Holt-Winters Exponential Smoothing. The results indicated that the MA, ARIMA, Prophet, and Holt-Winters Exponential Smoothing models showed good performance in forecasting product sales compared to SARIMA when considering the smallest error values. Although SARIMA forecasts had relatively high sMAPE values, the visualized forecast results closely followed the actual data patterns, and the future period forecasts were aligned with the real and historical data for each merchandise product. The Facebook Prophet and Holt-Winters Multiplicative models can serve as alternatives to the SARIMA model, as they demonstrate lower error values and tend to produce forecasts that closely follow the actual data patterns. However, the forecast results for the actual data are not superior to SARIMA, as they experience over-forecasting and under-forecasting. Therefore, the four evaluated models—MA, SARIMA, Facebook Prophet, and Holt-Winters Exponential Smoothing—do not produce forecasts significantly better than SARIMA, making the SARIMA model the best choice for forecasting merchandise product sales.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	SARIMA, Facebook Prophet, Merchandise, Penjualan, Peramalan, SARIMA, Facebook Prophet, Merchandise, Sales, Forecasting
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Sholikah Desi Purwanti
Date Deposited:	03 Aug 2024 08:14
Last Modified:	03 Aug 2024 08:17
URI:	http://repository.its.ac.id/id/eprint/112852

Actions (login required)

View Item