Analisis Peramalan Persediaan Barang pada UD Kurniawan di Kota Gunungsitoli
DOI:
https://doi.org/10.62138/tuhenori.v4i1.200Keywords:
manajemen persediaan, peramalan persediaan, single moving average, exponential smoothing, efisiensi stokAbstract
Penelitian ini bertujuan untuk menganalisis peramalan persediaan barang pada UD Kurniawan di Kota Gunungsitoli, khususnya pada produk susu SGM. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan analisis deret waktu (time series). Data penelitian terdiri atas data primer yang diperoleh melalui observasi dan wawancara pendukung, serta data sekunder berupa data historis persediaan/penjualan produk susu SGM periode Januari 2021 sampai September 2023. Analisis peramalan dirancang menggunakan metode single moving average dan simple exponential smoothing dengan evaluasi akurasi menggunakan mean absolute error (MAE) dan mean squared error (MSE). Hasil penelitian menunjukkan bahwa pengelolaan persediaan pada UD Kurniawan masih menghadapi fluktuasi pembelian, sisa stok di gudang, dan barang rusak atau kedaluwarsa. Temuan observasi dan wawancara juga menunjukkan bahwa keputusan persediaan masih lebih banyak didasarkan pada pengalaman praktis daripada analisis kuantitatif yang terstruktur. Kondisi ini mengindikasikan bahwa pengelolaan persediaan belum sepenuhnya efisien dan masih memerlukan dukungan sistem peramalan yang lebih terukur. Penelitian ini menyimpulkan bahwa penerapan peramalan persediaan dapat menjadi langkah penting untuk meningkatkan efisiensi pengelolaan stok, menekan risiko kelebihan persediaan, dan mengurangi kerugian akibat barang rusak atau kedaluwarsa pada UD Kurniawan.
References
Amalia, E. L., Abdulullah, Moch. Z., & Attariq, M. D. (2021). Sistem Informasi PT Bintang Sidoraya Dengan Peramalan Penjualan Menggunakan Metode Statistical Parabolic Projection. Jurnal Buana Informatika, 12(2), 98–105. https://doi.org/10.24002/jbi.v12i2.4649
Badan Pusat Statistik Kota Gunungsitoli. (2024). Kota Gunungsitoli Dalam Angka 2024. Badan Pusat Statistik Kota Gunungsitoli.
Creswell, J. W., & Creswell, J. D. (2022). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (6th ed.). SAGE Publications, Inc.
Gulo, E. S. D., Hulu, T. H. S., Kakisina, S. M., & Mendrofa, M. S. D. (2024). Analisis Peramalan Persediaan Barang Menggunakan Metode Moving Average Dan Exponential Smoothing Pada CV. Sanjaya Bangun Pratama. Jurnal Ekonomi Bisnis, Manajemen Dan Akuntansi (JEBMA), 4(3), 1703–1716. https://doi.org/10.47709/jebma.v4i3.4788
Hartini, S., Prastawa, H., & Jayaningtyas, S. (2010). USULAN PERBAIKAN SISTEM PERSEDIAAN UNTUK MINIMASI BIAYA TOTAL PERSEDIAAN PADA PT. SEMARANG AUTOCOMP MANUFACTURING INDONESIA. Jurnal Teknik Industri, 5(1), 55–66.
Heizer, J., Render, B., & Munson, C. (2019). Operations Management: Sustainability and Supply Chain Management (13th ed.). Pearson Education.
Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts.
Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679–688. https://doi.org/10.1016/j.ijforecast.2006.03.001
Juarsa, R. P., Aqila, N., Maulina, W. P., Putra, A. J., Cibro, R., & Jumiati, M. (2025). PENDEKATAN METODE PERAMALAN UNTUK OPTIMALISASI PERMINTAAN BOLU KEMOJO PADA UMKM ALIN CAKE AND BAKERY. Jurnal Agroindustri, 15(1), 1–12. https://doi.org/10.31186/jagroindustri.15.1.1-12
Khedr, A. M., & S, S. R. (2024). Enhancing supply chain management with deep learning and machine learning techniques: A review. Journal of Open Innovation: Technology, Market, and Complexity, 10(4), 100379. https://doi.org/10.1016/j.joitmc.2024.100379
Latif, M., & Herdiansyah, R. (2022). Peramalan Persediaan Barang Menggunakan Metode Weighted Moving Average dan Metode Double Exponential Smoothing. Journal of Information System Research (JOSH), 3(2), 137–142. https://doi.org/10.47065/josh.v3i2.1232
Mejía, S., & Aguilar, J. (2024). A demand forecasting system of product categories defined by their time series using a hybrid approach of ensemble learning with feature engineering. Computing, 106(12), 3945–3965. https://doi.org/10.1007/s00607-024-01320-y
Merici, A., & Saprudin, U. (2024). Peramalan Persediaan Barang Menggunakan Metode Weighted Moving Average di CV. Multipaper Stationery. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 5(2), 1685–1694. https://doi.org/10.35870/jimik.v5i2.742
Rahmania, R. A., Indriani, N., & Wulandari, C. P. (2024). Optimizing Spare Parts Inventory Management of Truck Dealer Services using Forecasting Methods and Continuous Review System Approach. Journal of Advanced Technology and Multidiscipline, 3(2), 60–65. https://doi.org/10.20473/jatm.v3i2.66530
Regina, T., & Jodiawan, P. (2021). Proposed Improvement of Forecasting Using Time Series Forecasting of Fast Moving Consumer Goods. JIEMS (Journal of Industrial Engineering and Management Systems), 14(1). https://doi.org/10.30813/jiems.v14i1.2418
Stevenson, W. J., & Thomas J. Kull. (2024). Operations and Supply Chain Management. McGraw-Hill Education.
Sukolkit, N., Arunyanart, S., & Apichottanakul, A. (2024). An open innovative inventory management based demand forecasting approach for the steel industry. Journal of Open Innovation: Technology, Market, and Complexity, 10(4), 100407. https://doi.org/10.1016/j.joitmc.2024.100407
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Mawarnia Lawolo, Martha Surya Dinata Mendrofa, Serniati Zebua, Aferiaman Telaumbanua (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright remains with the authors.
Upon submission and acceptance for publication, authors grant Tuhenori a non-exclusive, royalty-free, worldwide, irrevocable license to publish, reproduce, distribute, display, index, and archive the article in any medium or format, now or in the future.
Unless otherwise stated, all author-created content is licensed under Creative Commons Attribution 4.0 International, CC BY 4.0. This license permits use, distribution, adaptation, and creation of derivative works for any purpose, including commercial use, with proper attribution.
