Analisis metode forecasting klasik dan arima untuk optimasi pengelolaan persediaan produk fast moving di PT XYZ

Abstract

Pengelolaan persediaan produk fast moving merupakan aspek penting dalam menjaga keseimbangan antara ketersediaan stok dan efisiensi biaya operasional perusahaan. Permasalahan utama yang sering dihadapi adalah fluktuasi permintaan yang tinggi sehingga menyulitkan perusahaan dalam menentukan jumlah persediaan yang optimal. Penelitian ini bertujuan untuk menganalisis dan membandingkan tingkat akurasi beberapa metode peramalan, yaitu Moving Average, Single Exponential Smoothing, Double Exponential Smoothing, Winter’s Method, dan Autoregressive Integrated Moving Average (ARIMA), dalam memprediksi permintaan produk fast moving di PT XYZ. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan desain deskriptif-komparatif menggunakan data historis penjualan bulanan periode Januari 2022 hingga Desember 2024. Evaluasi kinerja model dilakukan menggunakan indikator Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD), dan Mean Squared Error (MSE), serta dilengkapi dengan analisis tracking signal dan moving range untuk menilai kestabilan dan bias model. Hasil penelitian menunjukkan bahwa metode ARIMA memiliki tingkat akurasi terbaik dengan nilai kesalahan paling rendah dibandingkan metode lainnya. Meskipun demikian, analisis validasi menunjukkan adanya kecenderungan bias pada beberapa periode, sehingga model tetap memerlukan pemantauan dan evaluasi berkala. Penelitian ini menyimpulkan bahwa ARIMA merupakan metode yang paling optimal dalam memodelkan permintaan produk fast moving yang bersifat fluktuatif, serta dapat digunakan sebagai dasar dalam pengambilan keputusan pengelolaan persediaan yang lebih efektif dan berbasis data.