Pemodelan terbaik untuk meramalkan jumlah permintaan mie kering PT. XYZ menggunakan metode ARIMA atau time series regression

Fistiyawati, Mashytah (2022) Pemodelan terbaik untuk meramalkan jumlah permintaan mie kering PT. XYZ menggunakan metode ARIMA atau time series regression. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10611810000052-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (5MB)

Abstract

Perencanaan produksi merupakan proses untuk menentukan jumlah barang yang akan diproduksi beserta kuantitasnya pada suatu periode tertentu. Perencanaan produksi dilakukan berdasarkan hasil peramalan terhadap jumlah permintaan barang tersebut. Kesalahan dalam peramalan jumlah permintaan barang dapat menyebabkan perencanaan produksi menjadi tidak sesuai dan menimbulkan kerugian bagi perusahaan, seperti terjadinya overstock atau stockout. Peramalan jumlah permintaan mie yang dilakukan oleh pihak manajemen perusahaan dari tahun 2011 sampai 2020 menghasilkan nilai RMSE dan MAPE yang cukup besar, yaitu sebesar 206.617 dan 38,02%. Oleh karena itu, dibutuhkan suatu metode peramalan yang tepat dan efisien agar menghasilkan akurasi peramalan dengan tingkat kesalahan yang lebih kecil dibandingkan hasil yang diperoleh perusahaan. Pada penelitian ini dilakukan peramalan jumlah permintaan mie kering PT. XYZ pada tahun 2022 menggunakan data sekunder yang diperoleh dari PT. XYZ. Data yang digunakan berupa data jumlah permintaan mie kering setiap bulan sejak Januari 2011 sampai dengan Desember 2021. Metode peramalan yang digunakan adalah ARIMA dan Time Series Regression (TSR) dengan variabel dummy berupa efek tren, efek intervensi pada waktu pertama kali ditemukan COVID-19 di Indonesia, efek variasi kalender pada waktu terjadinya Hari Raya Idul Adha, serta efek musiman. Hasil penelitian menunjukkan bahwa model peramalan terbaik adalah model TSR dengan nilai RMSE dan MAPE sebesar 141.699,2 dan 19,14%. Nilai tersebut lebih kecil dibandingkan nilai RMSE dan MAPE yang diperoleh perusahaan. Variabel dummy yang berpengaruh signifikan terhadap jumlah permintaan mie kering adalah variabel dengan efek tren, efek intervensi pada waktu pertama kali ditemukan COVID-19 di Indonesia, dan efek variasi kalender pada waktu terjadinya Hari Raya Idul Adha. Hasil peramalan menunjukkan bahwa terjadi kenaikan jumlah permintaan mie kering pada tahun 2022, dengan jumlah permintaan mie kering tertinggi terjadi pada bulan Desember 2022 dan terendah terjadi pada bulan Juli 2022.
===============================================================================================================================
Production planning is a process of determining the quantity of goods to be produced within a certain period. Production planning is carried out based on the results of forecasting the demand for these goods. Errors in forecasting the demand for goods can lead to inappropriate production planning, which may result in losses for the company, such as overstock or stockout. Forecasting the demand for noodles conducted by the company's management from 2011 to 2020 resulted in relatively large RMSE and MAPE values of 206.617 and 38.02%, respectively. Therefore, accurate and efficient forecasting is needed to achieve a lower forecasting error than that obtained by the company. In this study, the demand for dry noodles at PT. XYZ in 2022 was forecasted using secondary data obtained from PT. XYZ. The data consisted of the monthly demand for dry noodles from January 2011 to December 2021. The forecasting methods used were ARIMA and Time Series Regression (TSR), with dummy variables representing trend effects, intervention effects at the time COVID-19 was first detected in Indonesia, calendar variation effects related to Eid al-Adha, and seasonal effects. The results showed that the best forecasting model was the TSR model, with RMSE and MAPE values of 141,699.2 and 19.14%, respectively. These values were lower than the RMSE and MAPE values obtained by the company. The dummy variables that had a significant effect on the demand for dry noodles were those representing trend effects, intervention effects at the time COVID-19 was first detected in Indonesia, and calendar variation effects related to the occurrence of Eid al-Adha. The forecasting results showed an increase in the demand for dry noodles in 2022, with the highest demand occurring in December 2022 and the lowest occurring in July 2022.

Item Type:	Thesis (Other)
Additional Information:	519.535 Fis p-1
Uncontrolled Keywords:	ARIMA, Peramalan, Permintaan Mie Kering, Time Series Regression, ARIMA, Forecasting, Demand for Dry Noodles, Time Series Regression
Subjects:	Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	magang .
Date Deposited:	06 Oct 2026 01:47
Last Modified:	06 Oct 2026 01:47
URI:	http://repository.its.ac.id/id/eprint/145284

Actions (login required)

View Item