Forecasting Analisis Akurasi Peramalan Omset Menggunakan Metode Weighted Moving Average Dan Single Exponential Smoothing

Studi Komparatif Berbasis Time Series pada Warkop Agam Cabang Medan Tanjung Balai

Abstract

Fluktuasi omset penjualan bulanan yang tidak menentu menjadi tantangan utama bagi manajemen Warkop Agam Cabang Medan Tanjung Balai dalam merencanakan stok bahan baku dan mengelola strategi operasional keuangan. Penelitian ini bertujuan untuk menganalisis dan membandingkan tingkat akurasi antara metode Weighted Moving Average (WMA) periode 3 bulan dan metode Single Exponential Smoothing (SES) dengan parameter pemulusan alpha ∝ =0.8 untuk menemukan model peramalan terbaik. Data yang digunakan merupakan data sekunder runtun waktu (time series) berupa catatan total omset penjualan aktual bulanan dari periode April 2025 sampai Mei 2026 yang bersumber dari file "FORECASTING JURNAL.xlsx". Pengukuran tingkat akurasi diuji menggunakan tiga indikator kesalahan utama, yaitu Mean Absolute Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan secara konsisten bahwa metode Single Exponential Smoothing (SES) memiliki kinerja yang lebih akurat dengan menghasilkan nilai kesalahan yang lebih rendah, yaitu nilai MAD sebesar Rp14.955.007, MSE sebesar Rp351.573.673.442.739, dan nilai MAPE sebesar 19,46% jika dibandingkan dengan metode WMA yang menghasilkan nilai MAD sebesar Rp15.272.865, MSE sebesar Rp353.780.546.774.808, dan MAPE sebesar 20,42%. Berdasarkan standar evaluasi, nilai MAPE dari metode SES yang berada di bawah 20% mengindikasikan bahwa model tersebut dikategorikan memiliki kemampuan peramalan yang baik (good forecasting). Menggunakan dasar perhitungan metode SES sebagai model terbaik, hasil proyeksi peramalan omset Warkop Agam Cabang Medan Tanjung Balai untuk periode Juni 2026 diperkirakan mencapai Rp108.619.861. Implikasi dari hasil penelitian ini memberikan rekomendasi ilmiah bagi pihak manajemen dalam melakukan pengambilan keputusan logistik dan finansial secara lebih terukur demi menghindari risiko kerugian akibat penumpukan ataupun kekurangan persediaan bahan baku.