Penerapan Metode Double Moving Average dalam Memprediksi Permintaan Kayu
Denny Irawan1, Raja Tama Andri Agus1, Sahren2,*
1Sistem Informasi, STMIK Royal, Kisaran, Indonesia
2Sistem Komputer, STMIK Royal, Kisaran, Indonesia Email: 1[email protected], 2,*[email protected]
Email Penulis Korespondensi: [email protected]
Abstrak−UD. Tunas Meranti Kuala Tanjung merupakan usaha yang bergerak dibidang pembuatan mabel (furniture). Masalah yang dihadapi UD. Tunas Meranti adalah sulitnya memprediksi permintaan jenis kayu yang diinginkan pelanggan untuk pembuatan furniture sehingga sulit menentukan jenis kayu mana yang harus banyak di stok setiap bulannya. Jika persediaan kayu melebihi permintaan maka biaya penyimpanan akan meningkat. Risikonya kayu yang disimpan terlalu lama akan menjadi kering, keras dan sulit untuk di olah. Untuk menjaga kelangsungan bisnis maka diperlukannya strategi persediaan kayu, yaitu dengan melakukan prediksi (peramalan). Adapun tujuan dilakukannya penelitian ini adalah untuk dapat memprediksi permintaan jenis kayu agar pemilik usaha dapat menyediakan jenis kayu sesuai dengan kebutuhan pelanggan. Metode yang digunakan dalam penelitian ini adalah metode Double Moving Average agar dapat memperkecil peluang terjadinya kesalahan antara prediksi dengan data sebenarnya. Agar lebih efisien, penulis merancang sistem peramalan berbasis web dan menggunakan database MySQL. Kesimpulan dari hasil prediksi permintaan kayu meranti untuk periode selanjutnya yaitu 43 batang dengan nilai MAPE sebesar 8% dan kayu mahoni yaitu 19 batang dengan nilai MAPE 11%, yang artinya prediksi dengan metode DMA sangat efektif.
Kata Kunci: Peramalan; Permintaan; Kayu; Furniture; DMA
Abstract−UD. Tunas Meranti Kuala Tanjung is a business engaged in the manufacture of furniture. Problems faced by UD.
Tunas Meranti is difficult to predict the demand for the type of wood that customers want for furniture making, so it is difficult to determine which type of wood should be in stock every month. If the supply of wood exceeds demand then storage costs will increase. The risk is that wood that is stored for too long will become dry, hard and difficult to process. To maintain business continuity, a wood supply strategy is needed, namely by making predictions (forecasting). The purpose of this research is to be able to predict the demand for wood types so that business owners can provide wood types according to customer needs.
The method used in this study is the Double Moving Average method in order to minimize the chance of errors between predictions and actual data. To be more efficient, the author designed a web-based forecasting system and uses a MySQL database. The conclusion from the prediction results of meranti wood demand for the next period is 43 sticks with a MAPE value of 8% and mahogany wood is 19 sticks with a MAPE value of 11%, which means that the prediction using the DMA method is very effective.
Keywords: Forecasting; Demand; Wood; Furniture; DMA
1. PENDAHULUAN
Di era globalisasi ini, teknologi informasi (TI) semakin maju dari hari ke hari. Penggunaan informasi sangat penting terutama dalam dunia bisnis baik itu daari segi produsen maupun konsumen. Maka dari itu informasi dalam dunia bisnis mempunyai peran yang sangat penting untuk digunakan dalam penyapaian informasi. Adanya internet memberikan kemudahan dalam mengakses informasi oleh siapapun, kapanpun dan dimanapun. Tidak hanya perusahaan besar ataupun instansi pemerintahan, para pmilik bisnis juga memanfaatkan kemajuan teknologi informasi untuk dapat menemukan, mengolah, dan melakukan perhitungan dengan mudah, cepat, dan tepat waktu.
Hal ini dapat dimanfaatkan pemilik bisnis untuk mendukung proses peramalan, misalnya pada bisnis mabel (furniture).
Furniture adalah perlengkapan rumah tangga yang mencakup semua jenis barang seperti kursi, lemari, meja dan lain-lain [1]. Agar jumlah permintaan pelanggan dapat terpenuhi maka persediaan kayu juga harus memadai agar bisnis furnitur dapat berjalan lancar maka diperlukannya strategi. Dalam sebuah bisnis, persediaan merupakan bagian yang paling penting. Persediaan dapat diartikan sebagai penyimpanan barang untuk dipakai atau dijual pada periode mendatang atau untuk jangka waktu yang akan dating [2]. Pengendalian persediaan merupakan upaya perusahaan untuk mengoptimalkan aktivitas dan mengupayakan risiko yang serendah-rendahnya [3].
Masalah yang dihadapi UD. Tunas Meranti Kuala Tanjung yaitu sulitnya menentukan persediaan jenis kayu yang disebabkan oleh permintaan konsumen akan kayu yang kerap berubah-ubah setiap bulannya. Jika persediaan lebih banyak dari permintaan, maka akan terjadi penumpukan kayu. Risikonya kayu yang di simpan terlalu lama akan menjadi kering, mengeras dan sulit untuk di olah. Sebaliknya, jika persediaan dikurangi maka UD. Tunas Meranti Kuala Tanjung akan kekurangan stok. Hal ini tentu saja menghabat jalannya sebuah bisnis dan akan merugikan pemilik usaha karena dapat menyebabkan turunnya laba. Untuk menjaga kelangsungan usaha maka diperlukannya strategi yaitu dengan melakukan prediksi (peramalan) permintaan.
Peramalan adalah suatu kegiatan untuk mengetahui apa yang akan terjadi dimasa yang akan datang dengan menggunakan pengujian dari data masa lampau [4]. Pendapat lain mengatakan bahwa peramalan adalah sebuah seni untuk memprediksi peristiwa yang akan terjadi menggunakan data historis dan memberikan perkiraan untuk
masa depan dengan beberapa bentuk model matematis [5]. Dengan adanya peramalan, manajemen perusahaan akan lebih mudah mengambil keputusan di masa mendatang dan memberikan kemudahan bagi manajemen perusahaan untuk menentukan kebijakan perusahaan. Walaupun demikian, perlu diketahui bahwa sebuah prediksi selalu mempunyai unsur kesalahannya, sehingga usaha untuk memperkecil kesalahan dari predisi tersebut menjadi hal yang perlu diperhatikan [6]. Dengan melalukan peramalan, kesalahan yang disebabkan saat perencanaan dapat diatasi seminimal mungkin [7] .
Metode peramalan yang digunakan dalam penelitian ini adalah metode Double Moving Average (DMA).
Metode ini merupakan pengembangan dari metode Moving Average (MA). Metode ini memiliki karakteristik prediksi yang simple dan cocok digunakan untuk waktu jangka panjang [8]. Metode peramalan ini sering digunakan dalam peramalan bisnis seperti peramalan permintaan pasar, analisis teknikal, pergerakan saha dan tren- tren bisnis dimasa mendatang [9].
Hasil penelitian menunjukkan bahwa metode Double Moving Average untuk permintaan jarum suntik 3 ml periode n=3 memberikan hasil yang lebih akurat dan memiliki tingkat kesalahan kecil dengan nilai RMSE 95.8 dan MAPE 0.353 [10]. Hasil penelitian menunjukkan bahwa penggunaan metode Double Moving Average efektif dalam meramalkan penjualan beras di UD. Putra Tunggal mengalami penurunan [11]. Penelitian lain dari [12]
menyatakan bahwa metode Double Moving Average merupakan metode terbaik yang dapat digunakan dalam meramalkan IHK Kota Samarinda untuk periode Juli sapai Agustus 2019 mengalami kenaikan sebesar 139,33;
139,67; 140,00. Hasil dari penelitian yang dilakukan oleh [13] bahwa perhitungan menggunakan metode Double Moving Average diperoleh nilai MAPE terkecil yaitu sebesar 5.3537, sehingga diketahui prediksi untuk 5 tahun kedepan (2019-2023) sebesar 304826.5 ton.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Pada umumnya, pendekatan metode peramalan dibagi menjadi dua, yaitu kuantitatif dan kualitatif [14]. Metode penelitian ini menggunakan pendekatan kuantitatif. Penelitian kuantitatif cenderung menggunakan ilmu statistik dan matematika [15]. Tujuan metode penelitian ini adalah untuk mendeskripsikan objek yang diteliti yaitu permintaan kayu untuk pembuatan furniture (mabel). Struktur metodologi penelitian dapat dilihat pada gambar 1 sebagai berikut :
Identifikasi Masalah
Studi Literatur
Mengumpulkan Data
Menerapkan Metode DMA Analisia Sistem Peramalan Merancang Sistem Peramalan
Menguji Sistem Peramalan
Implementasi Sistem
Gambar 1. Struktur Kerangka Penelitian Berdasarkan kerangka penelitian diatas, dapat diuraikan sebagai berikut : 1. Identifikasi Masalah
Pada tahap ini penulis melakukan studi lapangan yang bertujuan untuk mengidentifikasi masalah yang dihadapi. Adapun masalah yang terjadi yaitu sulitnya memprediksi jumlah permintaan pelanggan terhadap kayu untuk pembuatan mabel serta sulit menentukan jumlah stok persediaan kayu yang harus tersedia pada masa mendatang karena permintaan pelanggan yang cenderung berubah-ubah.
2. Studi Literatur
Pada tahap ini penulis mempelajari teori dan konsep dalam literatur yang akurat dari masalah penelitian yang bersumber dari buku dan jurnal di internet.
3. Pengumpulan Data
Penulis mengumpulkan data-data yang dibutuhkan yang nantinya akan diolah. Pengumpulan data dilakukan dengan melakukan observasi dan melakukan wawancara dengan pemilik UD. Tunas Meranti Kuala Tanjung.
4. Analisis Sistem
Pada tahap ini, penulis menganalisis sistem operasi, menganalisis masalah, menganalisis bentuk perangkat lunak dan perangkat keras dari kebutuhan sistem, dan menganalisis sistem yang diusulkan.
5. Perancangan Sistem
Tujuan dari dilakukannya perancangan sistem adalah agar sistem yang dirancang lebih sistematis, sehingga menghasilkan sistem prediksi yang efektif dan dapat memenuhi kebutuhan dari pengguna.
6. Pengujian Sistem
Tujuan dari tahapan ini yaitu untuk menemukan kesalahan ataupun kekurangan pada sistem yang telah dibuat dan kemudian diuji. Sehingga dapat diketahui apakah sistem sudah sesuai dan dapat digunakan dengan baik atau tidak.
7. Implementasi Sistem
Tujuan dari implementasi ini adalah agar terciptanya tujuan-tujuan yang telah disusun dan merupakan tahapan akhir untuk mengetahui apakah sistem yang dibangun berhasil atau tidak.
2.2 Metode Double Moving Average (DMA)
Metode DMA merupakan pengembangan dari metode Moving Average (MA). Yang membuatnya berbeda adalah metode Double Moving Average biasanya digunakan untuk mempertimbangkan trend. Metode ini disebut Double Moving Average karena nilai yang digunakan dalam perhitungan peramalan adalah hasil perhitungan dua kali dari metode Single Moving Average (SMA). Langkah-langkah yang digunakan pada metode DMA yaitu dimulai dengan menghitung SMA dengan menggunakan persamaan rumus sebagai berikut :
𝑺′𝒕 = 𝐗𝐭+𝐗𝐭−𝟏+⋯+𝐱𝐭−𝐍+𝟏
𝑵 (1)
Langkah selanjutnya adalah DMA dari hasil peramalan yang dihasilkan dari SMA dengan menggunakan persamaan rumus sebagai berikut :
𝑺′′𝒕 = 𝐒′′𝐭 + 𝐒𝐭−𝟏 +⋯+ 𝐒𝐭−𝐍+𝟏
𝑵 (2)
Setelah mendapatkan nilai 𝑆′′, selanjutnya adalah menentukan nilai konstanta (at) menggunakan persaman (3) dan dilanjutkan dengan menentukan nilai koefisien trend (bt) menggunakan persamaan (4)
𝑎𝑡 = 𝐒
′𝐭 +(𝐒′𝐭−𝐒′′𝒕)
𝑵 = 2𝑆′𝑡 − 𝑆′′𝑡 (3) 𝑏𝑡 = 𝟐
𝑵−𝟏 (𝑆′𝑡 − 𝑆′′t ) (4)
Langkah akhir yang dilakukan pada metode Double Moving Average adalah menentukan besar nilai peramalan menggunakan persamaan (5), yaitu dengan menjumlahkan hasil nilai konstanta (at) dan koefisien trend (bt).
𝐹𝑡+m = 𝑎𝑡 + . 𝑚 (5) Dimana persamaan (1), (2), (3), (4), (5) adalah :
𝑆′t : single moving average 𝑆′′ t : double moving average
𝐹𝑡+m : ramalan untukm perode ke depan 𝑎𝑡 : penyesuaian moving average tunggal 𝑏𝑡 : estimasi periode waktu berikutnya m : periode kedepan yang diramalkan N : data pada periode ke t
t : waktu sekarang 2.3 Use Case Diagram
Use case dibuat untuk mengetahui aktivitas apa saja yang dapat dilakukan oleh masing-masing user. Use Case diagram dari prediksi permintaan kayu dapat dilihat pada gambar 2 berikut ini :
Gambar 2. Use Case Prediksi Permintaan Kayu
Dari gambar 2 dapat dapat dilihat bahwa admin bertugas untuk mengolah data permintaan, melakukan perhitungan, dan mencetak laporan. Sementara itu pemilihk hanya dapat melakukan prediksi dan mencetak laporan.
3. HASIL DAN PEMBAHASAN
3.1 Perhitungan Double Moving Average (DMA)
Data yang digunakan pada perhitungan kali ini adalah data permintaan kayu Meranti dan kayu Mahoni periode Juli 2021-Juni 2022. Umumnya, data untuk peramalan tidak dibatasi. Namun, semakin banyak data yang digunakan maka akan semakin detail [16]. Metode Double Moving Average ini dinyatakan cukup sesuai untuk peramalan jangka pendek dan jangka menengah [17].Pada perhitungan dengan metode Double Moving Average ini menggunakan rata-rata bergerak 3 bulan. Perhitungan permintaan kayu meranti dapat dihitung menggunakan rumus persamaan (1), sebagai berikut :
SMA3 = 20+25+30
3 = 25,00 SMA4 = 35+20+253 = 26,66 SMA5 = 27+35+20
3 = 27,33
Setelah itu dilanjutkan dengan perhitungan Double Moving Average (DMA) menggunakan persamaan (2) yaitu sebagai berikut :
DMA3 = 27,33+26,66+25
3 = 26,33 DMA4 = 30,66+27,33+26,66
3 = 28,21
DMA5 = 27,33+30,66+27,33
3 = 28,44
Setelah dilakukan hitungan keseluruhan, maka didapatlah hasil rata-rata bergerak 3. Hasil perhitungannya dapat dilihat pada tabel 1 dibawah ini :
Tabel 2. Hasil Rata-Rata Bergerak Kayu Meranti Bulan Permintaan SMA 3 DMA 3
Jul-21 30 - -
Agu-21 25 - -
Sep-21 20 25 -
Okt-21 35 26,66 -
Nov-21 27 27,33 26,33
Des-21 30 30,66 28,21
Jan-22 25 27,33 28,44
Feb-22 22 25,66 27,88
Mar-22 20 22,33 25,1
Apr-22 31 24,33 24,1
Mei-22 29 26,66 24,44
Jun-22 39 33 27,99
Selanjutnya adalah menentukan nilai koefesien (𝑎𝑡) dan besarnya nilai koefisien trend (b𝑡) : 𝑎1= 2 × 27,33 − 26,33 = 28,33
𝑏1= 2
3 − 1× (27,33 − 26,33) = 1
Setelah nilai koefisien (at) dan koefisien trend (bt) telah didapatkan hasilnya maka untuk proses selanjutnya melakukan peramalan dengan menggunakan persamaan sebagai berikut :
𝐹1= 28,33 + 1 = 29,33
Berdasarkan keseluruhan proses perhitungan yang telah dilakukan, maka didapatlah hasil akhir yang dapat dilihat pada tabel 2 dan tabel 3 di bawah ini:
Tabel 2. Hasil Peramalan Permintaan Kayu Meranti Periode Selanjutnya
Bulan Permintaan SMA 3 DMA 3 at bt Prediksi MSE MAPE
Jul-21 30 - - - -
Agu-21 25 - - - -
Sep-21 20 25,00 - - - -
Bulan Permintaan SMA 3 DMA 3 at bt Prediksi MSE MAPE
Okt-21 35 26,66 - - - -
Nov-21 27 27,33 26,33 28,33 1 - - -
Des-21 30 30,66 28,21 33,11 2,45 29,33 6,00 8%
Jan-22 25 27,33 28,44 26,22 -1,11 25,56 1,23 4%
Feb-22 22 25,66 27,88 23,44 -2,22 25,11 4,93 10%
Mar-22 20 22,33 25,10 19,56 -2,77 21,22 7,67 14%
Apr-22 31 24,33 24,10 24,56 0,23 16,79 0,05 1%
Mei-22 29 26,66 24,44 28,88 2,22 24,79 4,93 8%
Jun-22 39 33,00 27,99 38 5,01 31,10 25,10 13%
Jul-22 Permintaan Periode Selanjutnya 43,08
Jumlah 222,11 4,81 49,92 58%
Rata-Rata 27,76 0,06 7,13 8%
Tabel 3. Hasil Peramalan Permintaan Kayu Mahoni Periode Selanjutnya
Bulan Permintaan SMA 3 DMA 3 at bt Prediksi MSE MAPE
Jul-21 15 - - - -
Agu-21 14 - - - -
Sep-21 16 15,00 - - - -
Okt-21 13 14,33 - - - -
Nov-21 10 13,00 14,11 11,89 -1,11 - - -
Des-21 15 12,67 13,33 12,01 -0,66 10,78 0,44 3%
Jan-22 13 12,67 12,78 12,56 -0,11 11,35 0,01 0%
Feb-22 9 12,33 12,56 12,10 -0,23 12,45 0,05 1%
Mar-22 11 11,00 12 10,00 -1,00 11,87 1,00 9%
Apr-22 19 13,00 12,11 13,89 0,89 9,00 0,79 4%
Mei-22 20 16,67 13,56 19,78 3,11 14,78 9,67 48%
Jun-22 11 16,67 15,45 17,86 1,22 22,89 1,49 14%
Jul-22 Permintaan Periode Selanjutnya 19,11
Jumlah 110,09 2,11 13,45 79%
Rata-Rata 13,76 0,26 1,92 11%
Dari tabel 2 dapat dilihat bahwa permintaan kayu meranti untuk periode Juli 2022 sebanyak 43 batang, dengan nilai MAPE sebesar 8%. Sementara itu dari tabel 3 dapat dilihat bahwa prediksi permintaan kayu pada periode Juli 2022 sebanyak 13 batang dengan nilai MAPE sebesar 11%. Jadi dapat disimpulkan bahwa kayu Mahoni lah yang harus di stok paling banyak agar dapat memenuhi permintaan pelanggan
3.2 Implementasi dan Pengujian Sistem
Halaman login mempunyai 2 (dua) field yaitu username dan password yang harus diinput dengan benar jika ingin masuk ke sistem. Terdapat 1 (satu) tombol aksi yaitu masuk yang harus diklik oleh user setelah menginputkan username dan password. Tampilan halaman login dapat dilihat pada gambar 3 dibawah ini :
Gambar 3. Tampilan Halaman Login
Jika user berhasil login, maka sistem akan menapilkan menu utama seperti di bawah ini. Jika dilihat di sebelah kiri terdapat beberapa menu, seperti menu kategori berisikan data jenis kayu, data permintaan , forecasting
untuk melakukan perhitungan, dan menu pengguna yang berisikan data-data user. Halaman menu utama dapat dilihat pada gambar 4 berikut ini :
Gambar 4. Tampilan Halaman Menu Utama
Untuk menginput data permintaan, pilih menu Data Permintaan dan klik tambah data. Jika ingin menghapus ataupun mengedit data, klik ikon yang ada di tabel aksi. Halaman Data Permintaan dapat dilihat pada gambar 5 :
Gambar 5. Tampilan Halaman Data Permintaan
Untuk melakukan prediksi atau peramalan, pilih menu Forecasting. Inputkan nilai n, periode dan permintaan lalu klik tombol proses. Setelah beberapa detik maka sistem akan menapilkan hasil prediksi. Halaman hasil prediksi dapat dilihat pada gambar 6 dibawah ini :
Gambar 6. Hasil Prediksi Kayu Meranti
Dari gambar 5 dapat dilihat bahwa perhitungan manual dan perhitungan sistem dala memprediksi permintaan kayu di UD. Tunas Meranti Kuala Tanjung adalah sama.Yang artinya sistem dapat berjalan dengan
baik dan dapat digunakan. Untuk membuat hasil perhitungan prediksi menjadi sebuah laporan, klik tombol cetak.
Halaman laporan dapat dilihat pada gambar 6 dibawah ini :
Gambar 6. Tampilan Laporan
4. KESIMPULAN
Berdasarkan hasil pembahasan mengenai prediksi permintaan kayu dengan metode Double Moving Average, didapatkan hasil berupa jumlah prediksi permintaan kayu meranti untuk periode Juli 2022 lebih banyak daripada kayu mahoni yaitu sebanyak 43 batang dengan nilai MSE 7,15 dan nilai MAPE sebesar 8%, yang artinya nilai akurasi peramalan mencapai 92%. Dari pengujian yang telah dilakukan disimpulkan bahwa dengan dibuatnya sebuah sistem peramalan ini dapat membantu pemilik usaha mabel UD. Tunas Meranti Kuala Tanjung untuk memprediksi permintaan jenis kayu sehingga dapat menentukan jumlah persediaan kayu untuk periode berikutnya.
REFERENCES
[1] Desi K., and Depi, R, “E-marketplace penjualan dan pemasaran barang furniture pada toko mebel menggunakan php dan mysql server,” vol. 10, no. 1, 2019.
[2] D. P. Y. Ardiana and L. H. Loekito, “Sistem Informasi Peramalan Persediaan Barang Menggunakan Metode Weighted Moving Average,” J. Teknol. Inf. dan Komput., vol. 4, no. 1, pp. 71–79, 2018, doi: 10.36002/jutik.v4i1.397.
[3] A. E. Armi, A. H. Kridalaksana, and Z. Arifin, “Peramalan Angka Inflasi Kota Samarinda Menggunakan Metode Double Exponential Smoothing ( Studi Kasus : Badan Pusat Statistik Kota Samarinda ),” vol. 14, no. 1, 2019.
[4] R. Fajri and T. M. Johan, “Implementasi Peramalan Double Exponential Smoothing Pada Kasus Kekerasan Anak Di Pusat Pelayanan Terpadu Pemberdayaan Perempuan Dan Anak,” J. ECOTIPE, vol. 4, no. 2, pp. 6–13, 2017, doi:
10.33019/ecotipe.v4i2.6.
[5] A. Nasution, “Metode Weighted Moving Average Dalam M-Forecasting,” vol. V, no. 2, pp. 119–124, 2019.
[6] Sari, R and Nurlia, F., “P Peramalan Penerimaan Bea Cukai Indonesia,” vol. 2, no. 1, pp. 137–154, 2018.
[7] Ramadhani, A. R., Ramadhanti, C., and Pramestiana, I, “Analisis Perancangan Produksi dengan Metode Double Moving Average dan Holt Pada CV. Putra Hari Cibitung,” vol. 01, no. 01, pp. 18–26, 2022.
[8] uadi, W., Riswandi,. Pohan, M. Wa, “Aplikasi Geografis Prediksi Hasil Panen Padi Menggunakan Metode Double Moving Average di Kabupaten Aceh Utara,” pp. 50–60.
[9] D. Ramadhani, “Analisa Peramalan Produksi Kertas NCR Nota di PT. Grafika Nusantara dengan Metode Moving Average,” pp. 155–164.
[10] Sinaga, H. D. E., and Novica, R, “Perbandingan Double Moving Average dengan Double Exponential Smoothing Pada Peramalan Bahan Medis Habis Pakai,” vol. IV, no. 2, 2018.
[11] R. Ikhwani, Y. Siagian, and N. Marpaung, “Penerapan Metode Double Moving Average Dalam Peramalan Permintaan Produk Beras,” Peramalan Indeks Harga Konsumen Kota Samarinda dengan Metode Double Moving Average”. 143–
149.
[12] Hidayat, K. W., Yuniarti, D., and Siringoringo, M,” vol. 9986, no. September, 2018.
[13] Yusuf, H. A., Ismail, D., and Resmawan, “Penerapan Metode Double Moving Average Untuk Meramalkan Hasil Produksi Tanaman Padi di Provinsi Gorontalo,” 2016.
[14] R. Andini and Y. P. Astuti, “Peramalan Persewaan Kaset Video Dengan Menggunakan Moving Average,” J. Ilm. Mat., vol. 9, no. 2, pp. 437–446, 2021.
[15] R. Y. Hayuningtyas, “Peramalan Persediaan Barang Menggunakan Metode Weighted Moving Average dan Metode Double Exponential Smoothing,” None, vol. 13, no. 2, pp. 217–222, 2017.
[16] Setiawan, I, “Rancang Bangun Aplikasi Peramalan Persediaan Stok Barang Menggunakan Metode Weighted Moving Average (WMA) Pada Toko Barang XYZ,” vol. 13, no. 3, pp. 1–9, 2021.
[17] M. Layakana and S. Iskandar, “Penerapan Metode Double Moving Average dan Double Eksponential Smoothing dalam Meramalkan Jumlah Produksi Crude Palm Oil (CPO) pada PT. Perkebunan Nusantara IV Unit Dolok Sinumbah,”
Karismatika, vol. 6, no. 1, pp. 44–53, 2020.
