Analisis Peramalan dengan Metode Time Series Pada Produk Hair Dryer

Abstract

Peramalan adalah metode yang digunakan untuk memperkirakan dan meramalakan suatu nilai atau kejadian dimasa depan dengan menggunakan data masa lalu. Peramalan ini menggunakan produk hair dryer yang dilakukan di daerah Medan, Sumatera Utara. Penelitian ini membahas mengenai analisis peramalan produk hair dryer. Peramalan yang dilakukan mengggunakan metode yaitu metode time series yang digunakan untuk. mengetahui tingkat kesalahan (error) dari variabel mana yang terkecil, maka metode peramalan yang terpilih yaitu metode Linear dan Konstan. Time series adalah metode yang digunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu.Peramalan dilakukan untuk mengetahui data di masa mendatang.  Metode time series menggunakan 2 variabel yaitu PDRB Lapangan Usaha ADHB 2000 (Juta Rupiah) dan Inflasi (Umum) Tahunan Tahun 2009 – 2018. Berdasarkan pengumpulan dan pengolahan data serta analisa yang sudah dilakukan maka dapat kita bandingkan bahwa dari segi tingkat kesalahan serta perangkingan trend analysis maka MAPE mempunyai tingkat kesalahan yang lebih kecil dibandingkan dengan metode SEE. Metode trend analysis mempunyai nilai MAPE  sebesar 0,227 dan SEE sebesar 1563656835413320. Dapat disimpulkan bahwa metode terpilih adalah metode linier, dengan error MAPE. Berdasarkan analisa penetuan peramalan jumlah penjualan produk hair Tahun 2019 Y’ = 25503768,18 dan Tahun 2020 Y’ = 25503768,18.

Forecasting is a method used to estimate and forecast a value or event in the future by using past data. This forecasting uses a hair dryer product which is carried out in Medan, North Sumatra. In this research, we discuss the analysis of forecasting hair dryer products. Forecasting is done using the method that is the time series method used for. compare the smallest error rate, then the chosen forecasting method is the Linear and Constant method. Time series is a method used to analyze a series of data that is a function of time. Forecasting is done to find out data in the future. The time series method uses 2 variables namely PDRB Field of Business ADHB 2000 (Million Rupiah) and Annual (General) Inflation in 2009 - 2018. Based on data collection and processing and analysis that has been done, we can compare that in terms of error rates and trend analysis ranking then MAPE has a smaller error rate compared to the SEE method. The trend analysis method has a MAPE value of 0.227 and a SEE of 1563656835413320. It can be concluded that the chosen method is the linier method, with MAPE error. Based on the analysis of forecasting the number of sales of hair products in 2019 Y '= 25503768.18 and 2020 Y' = 25503768.18.