Peramalan Tren Penjualan Menu Restoran Menggunakan Metode Single Moving Average
DOI:
https://doi.org/10.25126/jtiik.2020722732Abstrak
Penelitian ini bertujuan untuk meramalkan tren penjualan menu pada restoran guna membantu pihak pengelola restoran dalam menentukan dan memberikan rekomendasi pengelolaan stok menu. Peramalan dilakukan dengan mengimplementasikan metode single moving average pada data transaksi penjualan selama periode 15 bulan, yakni bulan Januari-Desember 2018 dan Januari-Maret 2019 untuk menghasilkan ramalan bulanan dan harian. Total sampel data latih yang diolah sebanyak 10.515 record yang merupakan data transaksi penjualan pada bulan Januari-Desember tahun 2018, serta 2.246 record data bulan Januari-Maret 2019 sebagai data uji (untuk menguji akurasi ramalan). Hasil pengujian hasil ramalan bulanan untuk Top-10 menu menghasilkan perhitungan MAPE (Mean Absolut Percentage Error) sebesar 4% yang berarti tingkat akurasi sangat baik, yakni sebesar 96%. Sedangkan pengujian hasil ramalan harian menghasilkan MAPE yang cukup tinggi yaitu sebesar 39.2%, mengindikasikan nilai akurasi yang cukup rendah, yakni 60.8%. Meskipun akurasi untuk ramalan harian, masih rendah namun hasil penelitian ini dapat memberikan gambaran kepada pengelola hotel tentang rentang minimum-maksimal stok yang perlu disiapkan untuk menu tertentu pada hari-hari tertentu. Untuk memperoleh akurasi prediksi harian yang lebih akurat, penelitian ini akan dilanjutkan dengan mencoba metode lain serta menambah jumlah data latih.
Abstract
This research aims to forecast sales trend of a restaurant menus to help the restaurant management in determaining and providing recommendations for managing stocks. Forecasting was performed by applying the single moving average towards fifteen months recorded data transaction, namely January to December 2018, and Januari to March 2019 to establish monthly and daily forecast. Total data training was 10.515 recods data transaction obtained from Januari to December 2018, while data testing was 2.246 record data transaction within Januari to March 2019. Result for montly forecast shows, that the average accuracy reached 96% (MAPE 4%) indicating the forecast is almost perfect. While, for daily forecast the average accuracy is only 60.8% (MAPE 39,2%) indicating that the forecast is less accurate. Although, accuracy of the daily forecast is considered less accurate, the result still can be used by the restaurant management to figure-out minimum and maximum amount of stock to be prepared for certain menus in certain days.
Downloads
Referensi
ASRININGTIAS, Y., MARDHIYAH, R., Studi, P., Informatika, T., Bisnis, F., Informasi, T. and Yogyakarta, U.T., 2014. Aplikasi Data Mining Untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa. Jurnal Informatika (Yogyakarta), 8(1), pp.837–848.
DARMAATMADJA, S., 2011. Rahasia Sukses Bisnis Restoran. Yogyakarta: Medpress.
GASPERSZ, V., 2005. Production Planning and Inventory Control. Jakarta: Gramedia Pustaka Utama.
HELDI DIANA, C.D.R., 2015. Sistem Pendukung Keputusan Untuk Forecasting Penjualan di Toko Sumber Saudara. Prosiding SNATIF Ke-2 Tahun 2015, pp.275–280.
KUMALASARI, R. AND SETYOWIDODO, I., 2017. Penerapan Metode Single Moving Average (SMA) Pada Aplikasi Peramalan Penjualan Di Kedai Digital #24 Kediri.
KURNIAWAN, E., WIBAWANTO, H., WIDODO, D.A., Universitas, P., Semarang, N., Tiruan, J.S. and Widrow, N., 2019.
IMPLEMENTATION OF BACKPROPOGATION METHOD WITH NGUYEN WIDROW. 6(1), pp.49–54.
KUSRINI & LUTHFI, E.T., 2009. Algoritma Data Mining. Yogyakarta: ANDI.
LUTFI, M., MUTTAQIEN, H., APRILIANI, A., ZAINUDDIN, H. AND YUYUN, Y., 2019. Application of the Naïve Bayes Algorithm and Simple Exponential Smoothing for Food Commodity Prices Forecasting. p.2284613.
MARDI, Y., 2017. Data Mining : Klasifikasi Menggunakan Algoritma C4.5. Jurnal Edik Informatika, 2(2), pp.213–219.
NURLIFA, A. AND KUSUMADEWI, S., 2017. Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky. INOVTEK Polbeng - Seri Informatika, 2(1), p.18.
PRATAMI, W.C.A., 2017. Penerapan Metode Kuantitatif Terhadap Jumlah Permintaan Tenaga Kerja Perhotelan Di Denpasar. Jurnal Bisnis Darmajaya, 3(1), pp.65–73.
RACHMAN, R., 2018. Penerapan Metode Moving Average Dan Exponential Smoothing Pada Peramalan Produksi Industri Garment. Jurnal Informatika, 5(2), pp.211–220.
RAHARJO, A., 2008. 5 Rahasia Sukses Bisnis Restoran. Depok: Penebar Plus.
SUBAGYO, 2008. Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE.
SUSILAWATI, D., SETIAWAN, N., YULIANTI, I. AND PRAYUDI, D., 2018. Penerapan Metode Single Moving Average untuk Prediksi Penjualan Pada Aby Manyu Cell. Penerapan Metode Single Moving Average untuk Prediksi Penjualan Pada Aby Manyu Cell, 6(1), pp.78–84.
WARDAH, S. AND ISKANDAR, I., 2017. Analisis Peramalan Penjualan Produk Keripik Pisang Kemasan Bungkus (Studi Kasus : Home Industry Arwana Food Tembilahan). J@ti Undip : Jurnal Teknik Industri, 11(3), p.135.
WICAKSANA, I.W.S., APRILIA, D., BASKORO, D.A. AND LIAT AMBARWATI, 2013. Belajar Data Mining Dengan Rapid Minner. p.139.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
