Komparasi Double Dan Triple Exponential Smoothing Untuk Sistem Forecasting Penjualan Produk UMKM
DOI:
https://doi.org/10.48144/suryainformatika.v16i2.2538Keywords:
Double Exponential Smoothing, Triple Exponential Smoothing, Forecasting, MAPE, Rekomendasi StokAbstract
Data transaksi penjualan terus bertambah, tetapi pemanfaatannya sebagai dasar analisis prediktif untuk perencanaan persediaan belum optimal. Penelitian ini bertujuan membangun sistem informasi forecasting penjualan berbasis web, membandingkan Double Exponential Smoothing (DES) dan Triple Exponential Smoothing (TES) Holt-Winters Multiplicative, serta menghasilkan estimasi awal kebutuhan stok. Data mencakup 37.651 transaksi, 60.662 unit terjual, dan 2.905 produk periode Januari 2023-Desember 2025 yang diagregasi menjadi 36 observasi bulanan pada Food and Beverage (F&B), Craft (CRF), dan Fashion (FAS). Evaluasi kronologis menetapkan skenario 90:10 (32 bulan training dan 4 bulan testing) sebagai evaluasi utama, sedangkan 80:20 (29 bulan training dan 7 bulan testing) digunakan sebagai robustness check. Parameter pemulusan diuji pada grid 0,1-0,9 dengan interval 0,1. Pada evaluasi utama, DES memberikan MAPE terbaik pada F&B sebesar 6,56%, sedangkan TES memberikan MAPE terbaik pada CRF 6,29% dan FAS 35,02%. Robustness check 80:20 mempertahankan peringkat model yang sama dengan MAPE masing-masing 10,79%, 18,64%, dan 29,99%. Ketiga model terpilih juga mengungguli Naive Forecast. Validasi numerik independen di RStudio mereplikasi seluruh 12 kombinasi kategori metode skenario dan menghasilkan selisih MAPE 0,00 poin persentase setelah pembulatan dua desimal terhadap output PHP. Forecast 2026 menggunakan parameter skenario utama 90:10 untuk seluruh kategori. Sistem dikembangkan dengan Waterfall, Laravel, dan MySQL serta diuji secara fungsional menggunakan Black Box Testing. Estimasi stok produk dialokasikan dari forecast kategori berdasarkan proporsi historis dan diposisikan sebagai informasi awal, bukan jumlah pemesanan final, terutama pada CRF dan FAS yang memiliki risiko perubahan siklus hidup produk
References
P. C. Verhoef et al., “Digital transformation: A multidisciplinary reflection and research agenda,” J. Bus. Res., vol. 122, pp. 889–901, 2021, doi: 10.1016/j.jbusres.2019.09.022.
F. Petropoulos et al., “Forecasting: theory and practice,” Int. J. Forecast., vol. 38, no. 3, pp. 705–871, 2022, doi: 10.1016/j.ijforecast.2021.11.001.
R. Fildes, S. Ma, and S. Kolassa, “Retail forecasting: Research and practice,” Int. J. Forecast., vol. 38, no. 4, pp. 1283–1318, 2022, doi: 10.1016/j.ijforecast.2019.06.004.
R. Gustriansyah, E. Ermatita, and D. P. Rini, “An approach for sales forecasting,” Expert Syst. Appl., vol. 207, p. 118043, 2022, doi: 10.1016/j.eswa.2022.118043.
M. H. Riandi, N. T. Wiyani, and D. Arigawati, “Prediksi Penjualan Melalui Metode Weighted Moving Average (Wma) Pada Umkm ‘Nasi Bakar,’” J. Ris. Entrep., vol. 7, no. 2, pp. 190-205, 2024, doi: 10.30587/jre.v7i2.8459.
C. A. Suhendra, M. Asfi, W. J. Lestari, and I. Syafrinal, “Sistem Peramalan Persediaan Sparepart Menggunakan Metode Weight Moving Average dan Reorder Point,” MATRIK, vol. 20, no. 2, pp. 343–354, 2021, doi: 10.30812/matrik.v20i2.1052.
R. J. Hyndman and G. Athanasopoulos, Forecasting: Principles and Practice. Melbourne: Otexts, 2021. [Online]. Available: https://otexts.com/fpp3
N. Andriani, S. Wahyuningsih, and M. Siringoringo, “Application of Double Exponential Smoothing Holt and Triple Exponential Smoothing Holt-Winter with Golden Section Optimization to Forecast Export Value of East Borneo Province,” J. Mat. Stat. dan Komputasi, vol. 18, no. 3, pp. 475–483, 2022, doi: 10.20956/j.v18i3.17492.
D. M. Khairina, Y. Daniel, and P. P. Widagdo, “Comparison of double exponential smoothing and triple exponential smoothing methods in predicting income of local water company,” J. Phys. Conf. Ser., vol. 1943, no. 1, Art. no. 012102, 2021, doi: 10.1088/1742-6596/1943/1/012102.
J. Vimala and A. Nugroho, “Forecasting Penjualan Obat Menggunakan Metode Single, Double, dan Triple Exponential Smoothing (Studi Kasus: Apotek Mandiri Medika),” IT-Explore J. Penerapan Teknol. Inf. dan Komun., vol. 1, no. 2, pp. 90–99, 2022, doi: 10.24246/itexplore.v1i2.2022.pp90-99.
D. N. Abdurrahman and R. Rachman, “Penerapan Data Mining untuk Memprediksi Pendapatan Perusahaan dengan Metode Double Exponential Smoothing dan Triple Exponential Smoothing,” Method. J. Tek. Inform. dan Sist. Inf., vol. 10, no. 1, pp. 32–36, 2024, doi: 10.46880/mtk.v10i1.2611.
T. P. J. Tarisya and A. H. Primandari, “Perbandingan Metode Double Exponential Smoothing dan Metode Triple Exponential Smoothing untuk Harga Telur pada Produsen di Kabupaten Sukabumi,” Emerg. Stat. Data Sci. J., vol. 1, no. 2, pp. 204–214, 2023, doi: 10.20885/esds.vol1.iss.2.art21.
S. Makridakis, E. Spiliotis, and V. Assimakopoulos, “M5 accuracy competition: Results, findings, and conclusions,” Int. J. Forecast., vol. 38, no. 4, pp. 1346–1364, 2022, doi: 10.1016/j.ijforecast.2021.11.013.
H. Hewamalage, K. Ackermann, and C. Bergmeir, “Forecast evaluation for data scientists: common pitfalls and best practices,” Data Min. Knowl. Discov., vol. 37, pp. 788–832, 2023, doi: 10.1007/s10618-022-00894-5.
F. Mahardika, K. Mustofa, and A. T. Suseno, “Implementasi Metode Waterfall pada Sistem Informasi Penjualan Unit Motor Berbasis Web,” Hello World J. Ilmu Komput., vol. 2, no. 3, pp. 137–145, 2023, doi: 10.56211/helloworld.v2i3.277.
