Metode Single Exponential Smoothing dan Fuzzy Time Series pada Peramalan Permintaan Penjualan Pakaian Thrift Shop Garagesaleinaja

Abstract

Abstract. Forecasting is needed to find out the demand for a product or several products in the future period. Forecasting also has a very important role so that a business or company does not produce excessive or insufficient products. One of the most common forecasting methods is the Single Exponential Smoothing (SES) method. This SES method is a very easy method because it is the simplest exponential smoothing technique that only requires one parameter. In contrast to SES, the Fuzzy Time Series (FTS) method does not have other requirements that must be met. The FTS method can also solve the problem of forecasting historical data in the form of linguistic values. In this final project, a comparison of SES and FTS methods will be carried out. The comparison of the best forecasting methods is measured using the error methods MAD (Mean Absolute Deviation), MSE (Mean Square Error) and MAPE (Mean Absolute Percent Error). The data used is data on sales (monthly) of Thrift Shop Garagesaleinaja clothes in December 2019 – October 2021. From the calculation results, the error value of SES is MAD = 2144; MSE = 667579911; MAPE = 553, and the error value of FTS is MAD = 1995,84545; MSE = 5729754.97; MAPE = 380,69926. Between the two forecasting methods, the FTS method has a smaller error value than SES, the FTS method is the best method for predicting the sales results of Thrift Shop Garagesaleinaja clothes.

Abstrak. Peramalan sangat dibutuhkan untuk mengetahui permintaan terhadap suatu produk atau beberapa produk pada periode yang akan datang. Peramalan juga memiliki peranan yang sangat penting agar suatu usaha atau perusahaan tidak memproduksi produk secara berlebihan atau kekurangan. Salah satu metode peramalan yang sering dijumpai yaitu metode Single Exponential Smoothing (SES), metode SES ini merupakan metode yang sangat mudah karena merupakan teknik pemulusan eksponensial paling sederhana yang hanya membutuhkan satu parameter. Berbeda dengan SES, metode Fuzzy Time Series (FTS) tidak ada syarat lain yang harus dipenuhi. Metode FTS juga dapat menyelesaikan masalah peramalan data historis berupa nilai-nilai linguistik. Pada tugas akhir ini akan dilakukan perbandingan peramalan metode SES dan FTS. Perbandingan metode peramalan yang paling baik diukur menggunakan metode error MAD (Mean Absolute Deviation), MSE (Mean Square Error) dan MAPE (Mean Absolute Percent Error). Data yang digunakan adalah data penjualan (bulanan) pakaian Thrift Shop Garagesaleinaja pada Desember 2019 – Oktober 2021. Dari hasil perhitungan diperoleh nilai error dari SES adalah MAD  = 2144; MSE = 667579911; MAPE = 553, dan nilai error dari FTS adalah MAD = 1995,84545; MSE = 5729754,97; MAPE = 380,69926. Diantara kedua metode peramalan tersebut, metode FTS memiliki nilai error lebih kecil dibandingkan SES, metode FTS merupakan metode terbaik untuk meramalkan hasil penjualan pakaian Thrift Shop Garagesaleinaja.