Peramalan Jumlah Pesanan Benang dengan Metode ARIMA

Abstrak

The research was conducted at companies engaged in the textile industry. This company processes raw cotton materials to become yarn. Currently, the company has a relatively high amount of storage. This is caused by the company's inability to predict the demand for yarn from consumers who order from the company in the future, so the company maintains a large amount of raw material storage to anticipate consumer demand. Based on this, a forecasting method is needed that can help companies anticipate future demand needs. One method that can be used is the Autoregressive Integrated Moving Average (ARIMA). The research methodology utilizes a data mining research flow, namely CRISP-DM. The results of this study show that the best ARIMA(p,d,q) configuration is ARIMA(4,1,1), with an RMSE score of 53,293. Forecasting using ARIMA(4,1,1) has a MAPE score of 20.17%, which can be categorized as a feasible forecast.

Abstrak 

Penelitian dilakukan pada perusahaan yang bergerak pada industri tekstil. Perusahaan ini mengolah bahan baku kapas hingga menjadi benang. Saat ini perusahaan memiliki jumlah penyimpanan yang relatif tinggi. Hal tersebut disebabkan oleh perusahaan yang tidak dapat memprediksi kebutuhan permintaan benang dari konsumen yang memesan kepada perusahaan di masa mendatang, sehingga perusahaan menjaga penyimpanan bahan baku dalam jumlah besar untuk mengantisipasi permintaan konsumen. Berdasarkan hal tersebut dibutuhkan metode peramalan yang dapat membantu perusahaan dalam mengantisipasi kebutuhan permintaan di masa mendatang. Salah satu metoda yang dapat digunakan adalah Autoregressive Integrated Moving Average (ARIMA). Metodologi penelitian menggunakan alur penelitian data mining yaitu CRISP-DM. Hasil penelitian ini menunjukan ARIMA(p,d,q) terbaik adalah konfigurasi ARIMA(4,1,1) dengan skor RMSE bernilai 53,293. Peramalan menggunakan ARIMA(4,1,1) memiliki skor MAPE 20.17 % yang dapat dikategorikan sebagai peramalan yang layak digunakan.