Aulia Apriliani
STMIK Handayani Makassar

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Peramalan Tren Penjualan Menu Restoran Menggunakan Metode Single Moving Average Aulia Apriliani; Hazriani Zainuddin; Agussalim Agussalim; Zulfajri Hasanuddin
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7, No 6: Desember 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020722732

Abstract

Penelitian ini bertujuan untuk meramalkan tren penjualan menu pada restoran guna membantu pihak pengelola restoran dalam menentukan dan memberikan rekomendasi pengelolaan stok menu. Peramalan dilakukan dengan mengimplementasikan metode single moving average pada data transaksi penjualan selama periode 15 bulan, yakni bulan Januari-Desember 2018 dan Januari-Maret 2019 untuk menghasilkan ramalan bulanan dan harian. Total sampel data latih yang diolah sebanyak 10.515 record yang merupakan data transaksi penjualan pada bulan Januari-Desember tahun 2018, serta 2.246 record data bulan Januari-Maret 2019 sebagai data uji (untuk menguji akurasi ramalan). Hasil pengujian hasil ramalan bulanan untuk Top-10 menu menghasilkan perhitungan MAPE (Mean Absolut Percentage Error) sebesar 4% yang berarti tingkat akurasi sangat baik, yakni sebesar 96%. Sedangkan pengujian hasil ramalan harian menghasilkan MAPE yang cukup tinggi yaitu sebesar 39.2%, mengindikasikan nilai akurasi yang cukup rendah, yakni 60.8%. Meskipun akurasi untuk ramalan harian, masih rendah namun hasil penelitian ini dapat memberikan gambaran kepada pengelola hotel tentang rentang minimum-maksimal stok yang perlu disiapkan untuk menu tertentu pada hari-hari tertentu. Untuk memperoleh akurasi prediksi harian yang lebih akurat, penelitian ini akan dilanjutkan dengan mencoba metode lain serta menambah jumlah data latih. AbstractThis research aims to forecast sales trend of a restaurant menus to help the restaurant management in determaining and providing recommendations for managing stocks. Forecasting was performed by applying the single moving average towards fifteen months recorded data transaction, namely January to December 2018, and Januari to March 2019 to establish monthly and daily forecast. Total data training was 10.515 recods data transaction obtained from Januari to December 2018, while data testing was 2.246 record data transaction within Januari to March 2019. Result for montly forecast shows, that the average accuracy reached 96% (MAPE 4%) indicating the forecast is almost perfect. While, for daily forecast the average accuracy is only 60.8% (MAPE 39,2%) indicating that the forecast is less accurate. Although, accuracy of the daily forecast is considered less accurate, the result still can be used by the restaurant management to figure-out minimum and maximum amount of stock to be prepared for certain menus in certain days.