Analisis Peramalan Permintaan Bahan Baku Kulit Jenis Sheep Cabreta dengan Metode Time Series (Studi Kasus PT. Adi Satria Abadi)
DOI:
https://doi.org/10.24843/JRATI.2026.v04.i02.p02Keywords:
Metode Time Series, Peramalan Permintaan, Sheep Cabreta, Simple Moving Average, Weighted Moving AverageAbstract
PT. Adi Satria Abadi merupakan perusahaan manufaktur sarung tangan berbahan kulit yang menerapkan sistem Make to Stock (MTS) dan Make to Order (MTO). Permasalahan yang dihadapi adalah terjadinya kekurangan stok (stockout) secara konsisten pada produk kulit jenis Sheep Cabreta akibat metode perencanaan produksi yang masih bergantung pada perkiraan dan pengalaman kepala produksi tanpa pendekatan kuantitatif yang terstruktur. Penelitian ini bertujuan untuk menentukan metode peramalan permintaan terbaik dan menghasilkan peramalan permintaan kulit Sheep Cabreta untuk periode Januari–Desember 2026. Data historis permintaan periode Januari 2024 hingga Desember 2025 digunakan sebagai dasar analisis. Tiga metode time series dibandingkan, yaitu Weighted Moving Average (WMA) dengan bobot (3,2,1), Single Exponential Smoothing (SES) dengan nilai α = 0,1 hingga 0,9, dan Simple Moving Average (SMA) dengan periode n = 3, 5, dan 7. Pemilihan
metode terbaik didasarkan pada nilai Mean Absolute Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE) terkecil. Hasil penelitian menunjukkan bahwa metode SMA dengan periode 7 (n = 7) merupakan metode terbaik dengan nilai MAD sebesar 58.439, MSE sebesar 9.796.328, dan MAPE sebesar 9,6% (< 10%, kategori sangat baik). Hasil peramalan untuk Januari–Desember 2026 berkisar antara 637.608 pcs hingga
674.900 pcs per bulan, yang dapat digunakan sebagai acuan dalam perencanaan pengadaan bahan baku secara lebih terstruktur dan efisien.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 JURNAL RISET DAN APLIKASI TEKNIK INDUSTRI

This work is licensed under a Creative Commons Attribution 4.0 International License.
Anda diperbolehkan:
- Berbagi — menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun; untuk kepentingan apapun, termasuk kepentingan komersial.
- Adaptasi — menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial.
- Pemberi lisensi tidak dapat mencabut ketentuan di atas sepanjang Anda mematuhi ketentuan lisensi ini.
Berdasarkan ketentuan berikut:
- Atribusi — Anda harus mencantumkan nama yang sesuai , mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan . Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
- BerbagiSerupa — Apabila Anda menggubah, mengubah, atau membuat turunan dari materi ini, Anda harus menyebarluaskan kontribusi Anda di bawah lisensi yang sama dengan materi asli.
- Tidak ada pembatasan tambahan — Anda tidak dapat menggunakan ketentuan hukum atau sarana kontrol teknologi yang secara hukum membatasi orang lain untuk melakukan hal-hal yang diizinkan lisensi ini.
Pemberitahuan:
Anda tidak perlu menaati lisensi untuk bagian materi ini yang telah berada di bawah domain publik atau untuk penggunaan yang diizinkan di bawah pengecualian atau pembatasan .
Tidak ada jaminan yang diberikan oleh lisensi ini. Lisensi ini mungkin tidak memberikan izin yang sesuai dengan tujuan penggunaan Anda. Sebagai contoh, hak-hak lainnya seperti hak atas potret, hak atas privasi, atau hak moral dapat membatasi penggunaan materi berlisensi CC.





