Perbandingan Algoritma Single Exponential Smoothing Dan Simple Moving Average Dalam Peramalan Penjualan Kopi

Abstrak

Persaingan yang semakin ketat, pengelolaan operasional terutama dalam manajemen bahan baku menjadi tantangan utama bagi banyak bisnis. Oleh karena itu, perusahaan atau bisnis yang ingin mencapai keuntungan yang maksimal membutuhkan strategi prediksi penjualan yang baik dan akurat untuk periode mendatang. Prediksi yang baik tidak hanya membantu dalam mengantisipasi kebutuhan pasar, tetapi juga mengoptimalkan pengelolaan persediaan guna meminimalkan risiko kerugian akibat kelebihan atau kekurangan stok. penggunaan algoritma peramalan yang baik menjadi kunci utama agar perusahaan dapat menganalisis data historis secara mendalam untuk mengidentifikasi pola dan tren yang relevan sehingga dapat meningkatkan efisiensi operasional. Penelitian ini bertujuan untuk membandingkan dua metode algoritma peramalan, yaitu Exponential Smoothing dan Moving Average, dalam menentukan metode yang lebih unggul dalam hal keakuratan prediksi penjualan. Data yang digunakan dalam penelitian ini berasal dari penjualan historis Coffee Shop Kopi Cucu Eyang. Evaluasi kinerja kedua algoritma dilakukan menggunakan tiga metrik utama, Mean Absolute Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa metode Moving Average lebih unggul dalam akurasi MAPE dengan rata-rata sebesar 23%. Di sisi lain, Single Exponential Smoothing menunjukkan keunggulan dalam menyeimbangkan MAD dan MSE pada beberapa produk tertentu. Penelitian ini diharapkan dapat memberikan rekomendasi yang bermanfaat untuk meningkatkan efisiensi pengelolaan persediaan serta mendukung pengambilan keputusan bisnis yang lebih baik.