1

Laporan Praktikum Perancangan Teknik Industri. Jakarta, 09 Oktober 2021

Analisis Prediksi Permintaan Produk Keyboard EBT 212

dengan Menggunakan Metode Peramalan Moving Average
Mochamad Putra Perdana1, Muhammad Farhan Mulyadi1, Septalia Rakhmaputri1, Yuli Sri
Wahyuni1, Mira Ramadhina1, Sopian Maulana1, Widya Nurcahayanty Tanjung1

Teknik Industri, Fakultas Sains dan Teknologi, Universitas Al-Azhar Indonesia, Komplek Masjid Agung Al-
Azhar, Jalan Sisingamangaraja, Kebayoran Baru, Jakarta Selatan 12110

Email : yulisriwahyuni23@gmail.com

Abstrak - Suatu perusahaan yang bergerak dalam bidang jasa penjualan atau pendistribusian produk,
selalu menginginkan keberhasilan dalam aktifitasnya dimasa yang akan datang. Hal ini menunjukkan
bahwa setiap perusahaan selalu berusaha untuk tetap berkembang dalam bidang usahanya di masa
depan. Kaitannya dengan penyusunan rencana penjualan, informasi yang diperoleh dari peramalan
penjualan akan memberikan gambaran berguna tentang prospek permintaan produk di pasar. Baik atau
tidaknya sebuah prospek penjualan suatu produk pada dasarnya tidak hanya berdasarkan kemampuan
ataupun penggunaan metode peramalan yang tepat dan baik. Namun yang tidak kalah pentingnya
adalah pada proses perencanaan produksi yang menentukan terhadap mutu atau kualitas suatu produk,
penilaian pasar yang menentukan jenis pasar, kebijakan promosi dan pemasaran yang menentukan
cerahnya prospek produk kedepannya. Untuk merencanakan proses produksi, dibutuhkan peramalan
terhadap permintaan konsumen, salah satunya dengan menggunakan metode forecasting. Hampir semua
bagian perusahaan membutuhkan hasil peramalan (forecasting) penjualan. Hasil dari peramalan suatu
lingkungan bisnis dimana perusahaan beroperasi pada umumnya mempunyai implikasi pada ramalan
penjualan. Oleh karena itu, peramalan suatu penjualan dalam sebuah perusahaan sangat dibutuhkan
tidak hanya untuk jangka pendek saja melainkan juga untuk jangka panjangnya. Pada penelitian ini
menggunakan beberapa metode, yaitu Single Moving Average, dan Double Moving Average. Berdasarkan
hasil pengumpulan dan pengolahan data dapat disimpulkan bahwa dari ketiga metode yang ada metode
Double Moving Average adalah metode terbaik. Berdasarkan hasil pengumpulan dan pengolahan data
dapat disimpulkan bahwa dari ketiga metode yang ada metode Double Moving Average adalah metode
terbaik. Hal ini dikarenakan metode DMA memiliki nilai error terkecil, yaitu nilai MAE sebesar 21,86
dan MAPE sebesar 8,65%.

Abstract – A company engaged in sales services or product distribution, always wants success in its
activities in the future. This shows that every company is always trying to keep growing in the field of
business in the future. In relation to the preparation of sales plans, the information obtained from sales
forecasting will provide a useful picture of the prospects for product demand in the market. Whether or
not a sales prospect of a product is basically not only based on the ability or use of appropriate and good
forecasting methods. However, what is no less important is the production planning process that
determines the quality or quality of a product, market assessments that determine the type of market,
promotion and marketing policies that determine the bright future prospects of the product. To plan the
production process, it is necessary to forecast consumer demand, one of which is by using the forecasting
method. Almost all parts of the company require the results of forecasting (forecasting) sales. The results
of forecasting a business environment in which the company operates generally have implications for
sales forecasts. Therefore, forecasting a sale in a company is needed not only for the short term but also
for the long term. In this study using several methods, namely Single Moving Average, and Double
Moving Average. Based on the results of data collection and processing, it can be concluded that of the
three existing methods, the Double Moving Average method is the best method. Based on the results of
data collection and processing, it can be concluded that of the three existing methods, the Double Moving
Average method is the best method. This is because the DMA method has the smallest error value, namely
the MAE value of 21.86 and MAPE of 8.65%.

Mochamad Putra Perdana1, Muhammad Farhan Mulyadi1, Septalia Rakhmaputri1, Yuli Sri Wahyuni1, Mira Ramadhina1,
Sopian Maulana1, Widya Nurcahayanty Tanjung1
Keywords – forecasting, moving average, exponential smoothing
PENDAHULUAN
M enentukan rencana produksi yang aktual dan
benar adalah hal yang utama bagi perusahaan
demi menghindari kerugian yang besar akibat
kesalahan dalam memprediksi jumlah produk. Pada
penelitian ini memiliki tujuan untuk menentukan
langkah optimal dalam menentuka perencanaan
produksi melalui beberapa metode pendekatan
peramalan yaitu Single Moving Average dan
Double Moving Average. untuk mengetahu jumlah
Mean Absolute Error (MAE) dan Mean Absolute
Percentage Error (MAPE) yang paling minimum
untuk menentukan perencanaan produksi selama 5
bulan ke depan.
TINJAUAN PUSTAKA
Peramalan
Peramalan adalah metode untuk memperkirakan
suatu nilai dimasa depan dengan menggunakan data
masa lalu. Peramalan juga dapat diartikan sebagai
seni dan ilmu untuk memperkirakan kejadian pada
masa yang akan datang, sedangkan aktivitas
peramalan merupakan suatu fungsi bisnis yang
berusaha memperkirakan penjualan dan
penggunaan suatu produk sehingga produk-produk
itu dapat dibuat dalam kuantitas yang tepat.
Pada dasarnya ada 3 langkah peramalan yang
penting, yaitu:
1. Menganalisa data yang lalu, tahap ini berguna
untuk pola yang terjadi pada masa lalu.
2. Menentukan data yang dipergunakan. Metode
yang baik adalah metode yang memberikan hasil
ramalan yang tidak jauh berbeda dengan
kenyataan yang terjadi.
3. Memproyeksikan data yang lalu dengan
menggunakan metode yang dipergunakan, dan
mempertimbangkan adanya beberapa faktor
perubahan(perubahan kebijakan-kebijakan yang
mungkin terjadi, termasuk perubahan kebijakan
pemerintah, perkembangan potensi masyarakat
[1].
2
Moving Average
Moving average adalah suatu metode peramalan
umum dan mudah untuk menggunakan alat-alat
yang tersedia untuk analisis tekniks. Moving
average menyediakan metode sederhana untuk
pemulusan data masa lalu. Metode ini beguna untuk
peramalan ketika tidak terjadi tren, gunakan
estimasi berbeda untuk mempertimbangkanya. Hal
ini disebut dengan “bergerak” karena sebgai data
baru yang tersedia, data yang tertua tidak digunakan
lagi.
Single Moving Average
Metode rata-rata bergerak tunggal menggunakan
sejumlah data actual permintaan yang baru untuk
membangkitkan nilai ramalan untuk permintaan
dimasa yang akan datang. Secara sistematis, rata-
rata bergerak di tunjukan sebagai berikut :
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑡
𝐹𝑡+1 =
𝑇
Keterangan :
𝐹𝑡+1 : Ramalan untuk periode ke-t
𝑋𝑡 : Nilai permintaa periode ke-t
𝑇 : Jumlah periode rata-rata bergerak [2].
Double Moving Average
Single Moving Average kurang begitu baik dalam
mengatasi trend yang ada pada data, sehingga
diperlukan metode yang dapat mengakumulasi dan
mengakomodir trend yang ada. Metode ini disebut
Double Moving Average, dasar dari metode ini
adalah menghitung rata-rata bergerak yang kedua
artinya rata-rata bergerak dari ratarata bergerak.
Prosedur Double Moving Average secara umum
dapat dijelaskan melalui persamaan berikut:
𝑋𝑡 + 𝑋𝑡−1 + ⋯ + 𝑋𝑡−𝑁+1
𝑆′𝑡 =
𝑁
𝑆′𝑡 + 𝑆′𝑡−1 + ⋯ + 𝑆′𝑡−𝑁+1
𝑆′′𝑡 =
𝑁
𝑎𝑡 = 𝑆′𝑡 + (𝑆 ′ 𝑡 − 𝑆 ′′ 𝑡 )
 3
Analisis Permintaan Keyboard EBT 212 dengan Menggunakan Metode Peramalan Moving Average

2 deret yang asli. Ramalan dari pemulusan

𝑏𝑡 = (𝑆 ′ − 𝑆 ′′ 𝑡 )
𝑁−1 𝑡 eksponensial linier Holt didapat dengan
𝐹𝑡+𝑚 = 𝑎𝑡 + 𝑏𝑡𝑚 menggunakan tiga persamaan, yaitu:

Keterangan: 𝑆′𝑡 = 𝛼𝑋𝑡 + (1 − 𝛼)(𝑆 ′ 𝑡−1 + 𝑡𝑡−1 )

𝑆 ′𝑡 : Single Moving Average 𝑡𝑡 = 𝛽(𝑆 ′ 𝑡 − 𝑆 ′ 𝑡−1 ) + (1 − 𝛽)𝑡𝑡−1
𝑆′′𝑡 : Double Moving Average 𝐹𝑡+𝑚 = 𝑆′𝑡 + 𝑡𝑡 𝑚
𝑎𝑡 : Penyesuaian Moving Average tunggal
𝑏𝑡 : Estimasi kecenderungan dari periode Inialisasi :
waktu sat uke periode waktu berikutnya
𝐹𝑡+𝑚 : Ramalan untuk m periode ke depan [1]. 𝑆′1 = 𝑋1
(𝑋2 − 𝑋1) + (𝑋4 − 𝑋3)
Exponential Smoothing 𝑡1 =
2

Metode exponential smoothing adalah metode yang Keterangan :

menunjukkan pembobotan menurun secara
eksponensial terhadap nilai pengamatan yang lebih
lama. Terdapat satu atau lebih parameter penulisan
yang ditentukan secara eksplisit, dan hasil pilihan
ini menentukan bobot yang dikenakan pada nilai
observas [3].
Single Exponential Smoothing
Metode Single Exponential Smoothing adalah
metode yang menunjukan pembobotan menurun
secara eksponensial terhadap nilai observasi yang
lebih tua yaitu nilai yang lebih baru diberikan bobot
yang relatif lebih besar dibanding nilai observasi
yang lebih lama. Metode ini memberikan sebuah
pembobotan eksponensial rata-rata bergerak dari
semua nilai observasi sebelumnya. Pada metode ini
tidak dipengaruhi oleh trend maupun musim.
Rumus dasar simple exponential smoothing adalah
sebagai berikut :
𝐹𝑡+1 = 𝛼𝑋𝑡 + (1 − 𝛼)𝐹𝑡
𝑋𝑡 : Nilai permintaan pada periode t
𝑆′𝑡 : Nilai Single Exponential Smoothing
𝑡𝑡 : Nilai trend pada periode t
𝛼, 𝛽 : Nilai pemulusan (0 sampai 1)
𝐹𝑡+𝑚 : Ramalam m periode yang akan
diramalkan
m : Jumlah periode yang akan diramalkan [5].
Mean Absolute Error (MAE)
Metode yang digunakan dalam peramalan yang
memperhitungkan jumlah error yang terjadi. Mean
Absolute Error (MAE) mengukur ketepatan
ramalan dengan merata-rata kesalahan.
Mean Absolute Percentage Error (MAPE)
Mean Absolute Error merupakan rata-rata persen
kesalahan selama periode tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar
atau lebih kecil dibandingkan kenyataannya [6].

Keterangan :
𝐹𝑡+1 : Nilai peramalan pada satu periode
berikutnya
𝛼 : Konstansta pemulusan (harus antara 0 dan
1)
𝑋𝑡 : Nilai permintaan pada periode ke-t
𝐹𝑡 : Data pada periode t [4].

Double Exponential Smoothing by Holt

Metode pemulusan eksponensial linier dari Holt

pada prinsipnya serupa dengan Brown kecuali
bahwa Holt tidak menggunakan rumus pemulusan
berganda secara langsung. Sebagai gantinya, Holt
memutuskan nilai trend dengan parameter yang
berbeda dari dua parameter yang digunakan pada
 4
Mochamad Putra Perdana1, Muhammad Farhan Mulyadi1, Septalia Rakhmaputri1, Yuli Sri Wahyuni1, Mira Ramadhina1,
Sopian Maulana1, Widya Nurcahayanty Tanjung1

METODOLOGI HASIL DAN PEMBAHASAN

Mulai Pengumpulan Data

Pada praktikum dilakukan pengumpulan data pada

Tujuan
Penelitian
pabrik Keyboard EBT 212 yaitu data penjualan 2
Identifikasi tahun terakhir. Data yang diperoleh sebanyak 24
Masalah periode yaitu dari bulan November 2019 sampai
dengan Oktober 2021. Kemudian dilakukan
Identifikasi permalan permintaan untuk 5 bulan ke depan.
Masalah Berikut data 2 tahun terakhir terhadap 3 jenis
produk Keyboard EBT 212.
Rumusan Tabel 1. Data Permintaan Produk Keyboard EBT 212
Masalah

Produk Keyboard EBT 212

Periode Bulan
Keyboard Mouse Mouse Pad
Studi Literatur 1 Oct-19 16 19 12
2 Nov-19 13 11 20
3 Dec-19 20 16 15
Data Historis
Penjualan
4 Jan-20 12 16 16
Keyboard EBT 5 Feb-20 14 11 16
212 Selama 24 6 Mar-20 19 20 12
Bulan
7 Apr-20 15 17 19
8 May-20 15 15 19
9 Jun-20 19 16 20
Plot Data
10 Jul-20 18 15 16
11 Aug-20 17 11 18
Forecasting
12 Sep-20 19 11 12
dengan 13 Oct-20 12 14 13
Moving 14 Nov-20 11 19 11
Average
15 Dec-20 11 17 12
16 Jan-21 13 13 13
17 Feb-21 16 19 18
SMA DMA 18 Mar-21 11 15 15
19 Apr-21 13 13 20
20 May-21 20 17 20
21 Jun-21 17 19 16
Data Hasil
22 Jul-21 20 17 18
Forecasting 23 Aug-21 12 10 13
24 Sep-21 16 17 17

Analisa Data
Tabel 1 merupakan data permintaan dua tahun
terakhir penjualan Keyboard EBT 212. Data yang
diperoleh mengamali perubahan tiap periodenya.

Kesimpulan Pengolahan Data

Pada pengolahan data dilakukan dengan

Selesai menggunakan data agregat dari 3 jenis produk
Keyboard EBT 212 lalu dilakukan peramalan
menggunakan metode Single Moving Average, dan
Gambar 1. Flowchart Penelitian
Double Moving Average.
 5
Analisis Permintaan Keyboard EBT 212 dengan Menggunakan Metode Peramalan Moving Average

Tabel 2. Permintaan Produk Keyboard EBT 212 Single Moving Average

Produk Keyboard EBT 212 Jumlah
Periode Bulan
Dengan Backlit Tanpa Backlit Tombol Lingkaran Permintaan
Pada pengolahan data menggunakan Single Moving
1 Oct-19 16 19 12 47 Average dilakukan peramalan data berdasarkan data
2 Nov-19 13 11 20 44
3 Dec-19 20 16 15 51
agregat permintaan selama 2 tahun sebelumnya,
4 Jan-20 12 16 16 44 yaitu tahun 2021. Prakiraan dilakukan untuk lima
5 Feb-20 14 11 16 41 bulan yang akan datang yaitu pada bulan Oktober
6 Mar-20 19 20 12 51
7 Apr-20 15 17 19 51 2021 sampai dengan Februari 2022. Berikut adalah
8 May-20 15 15 19 49 hasil perhitungan dengan Metode SMA.
9 Jun-20 19 16 20 55
10 Jul-20 18 15 16 49
11 Aug-20 17 11 18 46 Tabel 3. Hasil Single Moving Average
12 Sep-20 19 11 12 42
13 Oct-20 12 14 13 39 Hasil
14 Nov-20 11 19 11 41 Periode Permintaan (unit) Prakiraan Error Prakiraan 3 Bulanan
No
15 Dec-20 11 17 12 40 3 Bulanan
16 Jan-21 13 13 13 39 t Xt Ft. m = 1 MAE MAPE
17 Feb-21 16 19 18 53 1 Oct-19 47
18 Mar-21 11 15 15 41 2 Nov-19 44
19 Apr-21 13 13 20 46 3 Dec-19 51
20 May-21 20 17 20 57 4 Jan-20 44 47.33 11.11 7.58%
21 Jun-21 17 19 16 52 5 Feb-20 41 46.33 28.44 13.01%
22 Jul-21 20 17 18 55 6 Mar-20 51 45.33 32.11 11.11%
23 Aug-21 12 10 13 35 7 Apr-20 51 45.33 32.11 11.11%
24 Sep-21 16 17 17 50 8 May-20 49 47.67 1.78 2.72%
9 Jun-20 55 50.33 21.78 8.48%
10 Jul-20 49 51.67 7.11 5.44%
Pada pengolahan data agregat dilakukan 11 Aug-20 46 51.00 25.00 10.87%
12 Sep-20 42 50.00 64.00 19.05%
penjumlahan data permintaan dari ketiga jenis 13 Oct-20 39 45.67 44.44 17.09%
produk Keyboard EBT 212 setiap periodenya. Data 14 Nov-20 41 42.33 1.78 3.25%
15 Dec-20 40 40.67 0.44 1.67%
yang diperoleh kemudian digunakan untuk 16 Jan-21 39 40.00 1.00 2.56%
menentukan pola yang tepat dalam melakukan 17 Feb-21 53 40.00 169.00 24.53%
18 Mar-21 41 44.00 9.00 7.32%
peramalan. Pada tabel 1 dapat diketahui bahwa data 19 Apr-21 46 44.33 2.78 3.62%
penjualan tiap produk dari ketiga produk memiliki 20 May-21 57 46.67 106.78 18.13%
21 Jun-21 52 48.00 16.00 7.69%
jumlah permintaan yang berbeda-beda selama 24 22 Jul-21 55 51.67 11.11 6.06%
bulan penjualan. 23 Aug-21 35 54.67 386.78 56.19%
24 Sep-21 50 47.33 7.11 5.33%
Sebelum melakukan forecasting, data yang sudah 25 Oct-21 m= 1 46.67
terkumpul dilakukan dulu plot pola data untuk 26 Nov-21 m= 2 93.33
27 Dec-21 m= 3 140.00
mengetahui data yang dimiliki itu memiliki trend 28 Jan-22 m= 4 186.67
atau tidak. 29 Feb-22 m= 5 233.33
Total 979.67 242.82%
MAE 46.65
MAPE 11.56%

Pada tabel 3 yang telah dipaparkan didapatkan hasil

prakiraan dari bulan Oktober 2021 sampai dengan
Februari 2022 sebesar 46,67; 93,33; 140; 186,67;
233,33. Kemudian dilakukan perhitungan MAE dan
MAPE untuk mengetahui kesalahan hasil
peramalan dalam periode tersebut. Pada pengolahan
data MAE didapatkan hasil sebesar 46,65 dan nilai
MAPE sebesar 11,56%.

Gambar 2. Grafik Agregat dari Penjualan keyboard Double Moving Average

Gambar 2 merupakan grafik dari data permintaan
ketiga produk Keyboard dapat dikatakan bahwa
grafik tersebut mengalami naik turun atau yang
disebut trend. Hal itu disebabkan oleh permintaan
konsumen yang berubah tiap periodenya sehingga
data dapat disebut sebagai data yang memiliki
trend.
Pada pengolahan data menggunakan Double
Moving Average dilakukan peramalan data
berdasarkan data agregat permintaan selama 2
tahun sebelumnya. Prakiraan dilakukan untuk masa
yang akan datang yaitu pada bulan Oktober 2021
sampai dengan Februari 2022. Berikut adalah hasil
perhitungan dengan Metode DMA.
 6
Mochamad Putra Perdana1, Muhammad Farhan Mulyadi1, Septalia Rakhmaputri1, Yuli Sri Wahyuni1, Mira Ramadhina1,
Sopian Maulana1, Widya Nurcahayanty Tanjung1

Tabel 4. Hasil Double Moving Average memiliki nilai error terkecil, yaitu nilai MAE
Data DMA DMA Hasil
sebesar 21,86 dan MAPE sebesar 8,65%. Jadi,
Error
No Periode (t) Permintaan
(Xt)
3 Bulanan
(S't)
3 Bulanan
(S''t)
Nilai a (at) Nilai b (bt) Perkiraan
Ft. m=1 MAE MAPE
perusahaan produksi Keyboard EBT 212 cocok
1
2
Oct-19
Nov-19
47
44
menggunakan metode Double Moving Average
3
4
Dec-19
Jan-20
51
44
47.33
46.33 untuk melakukan peramalan permintaan 3 jenis type
5 Feb-20 41 45.33 46.33 44.33 -1.00
6 Mar-20 51 45.33 45.67 45.00 -0.33 44.67 40.11 12.42% Keyboard EBT 212 selama 5 bulan ke depan.
7 Apr-20 51 47.67 46.11 49.22 1.56 50.78 0.05 0.44%
8 May-20 49 50.33 47.78 52.89 2.56 55.44 41.53 13.15%
9 Jun-20 55 51.67 49.89 53.44 1.78 55.22 0.05 0.40%
10 Jul-20 49 51.00 51.00 51.00 0.00 51.00 4.00 4.08%
11 Aug-20 46 50.00 50.89 49.11 -0.89 48.22 4.94 4.83%
12
13
Sep-20
Oct-20
42
39
45.67
42.33
48.89
46.00
42.44
38.67
-3.22
-3.67
39.22
35.00
7.72
16.00
6.61%
10.26%
DAFTAR PUSTAKA
14 Nov-20 41 40.67 42.89 38.44 -2.22 36.22 22.83 11.65%
15 Dec-20 40 40.00 41.00 39.00 -1.00 38.00 4.00 5.00%
16
17
Jan-21
Feb-21
39
53
40.00
44.00
40.22
41.33
39.78
46.67
-0.22
2.67
39.56
49.33
0.31
13.44
1.42%
6.92%
[1] S. Wardah and Iskandar, “Analisis
18
19
Mar-21
Apr-21
41
46
44.33
46.67
42.78
45.00
45.89
48.33
1.56
1.67
47.44
50.00
41.53
16.00
15.72%
8.70% Peramalan Penjualan Produk Kripik Pisang
20
21
May-21
Jun-21
57
52
48.00
51.67
46.33
48.78
49.67
54.56
1.67
2.89
51.33
57.44
32.11
29.64
9.94%
10.47% Kemasan Bungkus ( Studi Kasus : Home
Industry Arwana Food Tembilahan ),” J.
22 Jul-21 55 54.67 51.44 57.89 3.22 61.11 37.35 11.11%
23 Aug-21 35 47.33 51.22 43.44 -3.89 39.56 20.75 13.02%
24 Sep-21 50 46.67 49.56 43.78 -2.89 40.89 83.01 18.22%
25
26
Oct-21
Nov-21
m=
m=
1
2
40.89
45.78
Tek. Ind., vol. 9, no. 3, pp. 135–142, 2016.
27 Dec-21 m= 3 49.78
28 Jan-22 m= 4 55.78
29 Feb-22
Total
m= 5 63.78
415.37 164.36%
[2] R. Rachman, “Penerapan Metode Moving
MAE
MAPE
21.86
8.65% Average Dan Exponential Smoothing Pada
Peramalan Produksi Industri Garment,” J.
Pada tabel 4 yang telah dipaparkan didapatkan hasil Inform., vol. 5, no. 2, pp. 211–220, 2018,
prakiraan dari bulan Oktober 2021 sampai dengan doi: 10.31311/ji.v5i2.3309.
Februari 2022 sebesar 40,89; 45,78; 49,78; 55,78;
63,78. Kemudian dilakukan perhitungan MAE dan [3] S. M. Robial, “Perbandingan Model Statistik
MAPE untuk mengetahui kesalahan hasil pada Analisis Metode Peramalan Time
peramalan dalam periode tersebut. Pada pengolahan Series (Studi Kasus: PT. Telekomunikasi
data MAE didapatkan hasil sebesar 21,86 dan nilai Indonesia, Tbk Kandatel Sukabumi),” J.
MAPE sebesar 8,65%. Ilm. SANTIKA, vol. 8, no. 2, pp. 1–17, 2018.

Tabel 5. Tabel Kesimpulan [4] A. Hartono, D. Dwijana, and W.

Headiwidjojo, “Perbandingan Metode
Metode Peramalan MAE MAPE
single Exponential Smoothing Dan Metode
Single Moving Average 46.65 11.56%
Double Moving Average 21.86 8.65% Exponential Smoothing Adjusted For Trend
(Holt’s Method) Untuk Meramalkan
Tabel 5 merupakan tabel hasil kesimpulan dari Penjualan. Studi Kasus: Toko Onderdil
semua metode yang digunakan, diantaranya adalah Mobil ‘Prodi, Purwodadi,’” J. EKSIS, vol. 5,
single moving average dan double moving average, no. 1, pp. 8–18, 2015.

[5] D. Purwanti and J. Purwadi, “Metode Holt’s

KESIMPULAN Double Exponential Smoothing dalam
Peramalan Laju Inflasi di Indonesia,” J. Ilm.
Pada praktikum kali ini dilakukan peramalan Mat., vol. 6, no. 2, p. 54, 2019, doi:
selama 5 bulan kedepan terhadap produk tas 10.26555/konvergensi.v6i2.19548.
Keyboard EBT 212. Peramalan dilakukan agar
dapat memprediksi berapa jumlah produksi yang [6] A. Saputro and B. Purwanggono,
akan dilakukan agar cost yang dikeluarkan optimal. “Peramalan Perencanaan Produksi Semen
Data yang digunakan merupakan data histori 2 dengan Metode Exponential Smoothing
tahun terakhir. Pada data agregat didapat tren turun pada PT. Semen Indonesia,” Ind. Eng.
sehingga menggunakan 2 metode, yaitu Single Online J., vol. 5, no. 4, pp. 1–7, 2016.
Moving Average dan Double Moving Average.
Berdasarkan hasil pengumpulan dan pengolahan
data dapat disimpulkan bahwa dari ketiga metode
yang ada metode Double Moving Average adalah
metode terbaik. Hal ini dikarenakan metode DMA