PREDIKSI PENJUALAN MAKANAN RINGAN DENGAN MENGGUNAKAN ALGORITMA DOUBLE EXPONENTIAL SMOOTHING DAN LEAST SQUARE

Ardiansyah, Ferry (2023) PREDIKSI PENJUALAN MAKANAN RINGAN DENGAN MENGGUNAKAN ALGORITMA DOUBLE EXPONENTIAL SMOOTHING DAN LEAST SQUARE. Diploma thesis, Universitas Nasional.

	Text Cover (Cover, Lembar Penunjang, Kata Pengantar, Abstrak, Daftar Isi, Daftar Gambar, Daftar Tabel).pdf Download (1MB)
	Text BAB I.pdf Download (137kB)
	Text BAB II.pdf Download (108kB)
	Text BAB III.pdf Download (3MB)
	Text BAB IV.pdf Download (2MB)
	Text BAB V.pdf Download (60kB)
	Text Lampiran (Daftar Pustaka, Daftar Lampiran, Lembar Awal Hasil Turnitin).pdf Download (1MB)

Abstract

Peramalan (forecasting) adalah aktivitas untuk memproyeksikan kejadian di masa
depan. Peramalan menjadi penting karena ada keterlambatan antara kesadaran akan kebutuhan
kebijakan baru dan implementasinya. Peramalan sering digunakan di dunia bisnis, seperti
dalam memperkirakan hasil penjualan makanan ringan, sehingga bisnis kecil dapat
merencanakan produksi penjualan makanan ringan di masa depan. Dalam penelitian ini, kedua
metode peramalan Algoritma Kuadrat Terkecil (Least Square) dan pemulusan eksponensial
Ganda digunakan agar bisa membandingkan hasil produksi dengan tingkat kesalahan terendah.
Dalam pengujian dengan 24 data, metode Least Square menghasilkan akurasi yang lebih baik
dengan MAPE = 125,885%, sedangkan algoritma Double Exponential Smoothing
menghasilkan MAPE terendah pada alpha 0,1 dengan nilai 52,983%. Meskipun demikian,
sistem peramalan masih memiliki kelebihan dan kekurangan, dan dapat ditingkatkan dengan
menggunakan metode peramalan lainnya untuk menghasilkan hasil yang lebih akurat dan
efektif. Selain itu, sistem dapat ditingkatkan dengan pengembangan aplikasi berbasis Android
untuk akses pengguna yang lebih mudah dan praktis.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Users 30 not found.
Date Deposited:	26 Jun 2023 07:41
Last Modified:	26 Jun 2023 07:41
URI:	https://repository.unas.ac.id/id/eprint/7154

Actions (login required)

View Item