Peramalan Permintaan Ragum dengan Metode Time Series dengan Perhitungan Error MSE

Abstract

Peramalan adalah proses memprediksi kemungkinan situasi di masa depan dengan memeriksa data masa lalu berdasarkan analisis data historis. Manfaat dari peramalan tercermin dalam proses pengambilan keputusan. Keputusan yang didasarkan atas pertimbangan dari periode sebelumnya merupakan suatu keputusan yang baik. Penelitian ini bertujuan untuk menganalisis peramalan terhadap data permintaan produk ragum masa lalu dalam 15 periode sebelumnya untuk mempediksi jumlah permintaan ragum selama 6 periode kedepan dengan menggunakan metode Mean Squared Error (MSE). Peramalan ini dilakukan secara manual dengan menerapkan ketujuh langkah peramalan, yaitu megidentifikasi target ramalan, membuat gambaran plot sebar, Dapat mengklasifikasikan beberapa metode, menghitung parameter, menghitung error setiap metode, mendapatkan metode dengan nilai terendah, dan meninjau data perkiraan akan memastikan bahwa pola perkiraan yang dipilih sesuai untuk enam periode berikutnya bahwa permintaan tersebut cukup mewakili. Peramalan deret waktu dilakukan dengan metode linier dan siklis. perolehan perkiraan memperlihatkan metode siklis terpilih karena memperoleh jumlah kesalahan paling rendah dibandingkan metode Mean Squared Error (MSE) bernilai 5725,1769. Hasil penelitian ini dapat membantu untuk menjadi pedoman bagi sebuah perusahaan dalam meningkatkan efektivitas suatu rencana bisnis untuk menghindari terjadinya kelebihan produksi dan mempertahankan kualitas produksi agar tidak mengalami penurunan.

The method of forecasting involves looking at historical data and using that analysis to predict potential future circumstances. The benefits of forecasting are reflected in decision-making processes. Decisions based on considerations from previous periods are considered good decisions. This study aims to analyze forecasting against past demand data for ragum products in the last 15 periods to predict the amount of ragum demand for the next 6 periods using the Mean Squared Error (MSE) method. This forecasting is done manually by applying seven forecasting steps, namely identifying the forecast target, creating a scatter plot overview, being able to classify several methods, calculating parameters, calculating the error for each method, obtaining the method with the lowest value, and reviewing the forecasted data to ensure that the selected forecast pattern is suitable for the next six periods and sufficiently represents the demand. Time series forecasting is done using linear and cyclic methods. The forecast acquisition shows that the cyclic method is selected because it obtains the lowest error compared to the Mean Squared Error (MSE) method, which is valued at 5725.1769. The results of this study can help guide a company in improving the effectiveness of a business plan to avoid overproduction and maintain production quality to prevent a decrease.