Peramalan Permintaan Produk Mouse dengan Pendekatan Time Series
| Authors | ||
| Issue | Vol 8 No 1 (2025): Talenta Conference Series: Energy and Engineering (EE) | |
| Section | Articles | |
| Section |
Copyright (c) 2025 Talenta Conference Series: Energy and Engineering (EE)  This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License. |
|
| Galley | ||
| DOI: | https://doi.org/10.32734/ee.v8i1.2674 | |
| Keywords: | Kuadratis Mean Square Error Peramalan Siklis Time Series Forecasting | |
| Published | 2025-07-28 |
Abstract
Pesatnya perkembangan industri permainan daring meningkatkan permintaan mouse berkualitas tinggi, namun ketidakpastian permintaan menyulitkan perencanaan produksi yang efektif. Penelitian ini bertujuan untuk meramalkan permintaan mouse selama 10 periode ke depan guna mendukung penetapan target produksi yang akurat. Metode peramalan kuadratis dan siklis diterapkan dengan menganalisis data historis dari 60 periode sebelumnya. Analisis diagram pencar digunakan untuk mengidentifikasi pola data, yang menunjukkan kecenderungan kuadratis dan siklis. Parameter peramalan dihitung untuk kedua metode, dan tingkat kesalahan dievaluasi menggunakan Mean Square Error (MSE). Hasil perhitungan menunjukkan bahwa metode kuadratis memiliki nilai MSE yang jauh lebih rendah, yaitu 18,2892, dibandingkan metode siklis yang mencapai 402,2301. Verifikasi dilakukan menggunakan Moving Range Chart, yang mengkonfirmasi bahwa metode kuadratis secara akurat mewakili pola data historis. Peramalan untuk 10 periode ke depan memproyeksikan permintaan mouse berkisar antara 648 hingga 718 unit. Kesimpulannya, metode peramalan kuadratis terbukti lebih unggul dan dapat diandalkan untuk mendukung perencanaan produksi mouse yang efisien dan responsif terhadap kebutuhan pasar.
The rapid growth of the online gaming industry has surged demand for high-quality mice, yet demand uncertainty complicates effective production planning. This study aims to forecast mouse demand for the next 10 periods to establish precise production targets. Quadratic and cyclic forecasting methods were employed, analyzing 60 periods of historical data. Scatter diagram analysis identified quadratic and cyclic patterns in the data. Forecasting parameters were calculated for both methods, with error levels evaluated using Mean Square Error (MSE). Results revealed that the quadratic method achieved a significantly lower MSE of 18.2892 compared to 402.2301 for the cyclic method. Verification through the Moving Range Chart confirmed that the quadratic method accurately represents historical data patterns. Forecasts for the next 10 periods project mouse demand ranging from 648 to 718 units. In conclusion, the quadratic forecasting method proves superior and reliable, enabling efficient and market-responsive mouse production planning.
