Wardana, Girindra Aditya (2020) Analisis Peramalan Penjualan Untuk Memperbaiki Perencanaan Persediaan Dengan Menggunakan Metode Time Series di Apotek XYZ. Undergraduate thesis, Universitas Bhayangkara Jakarta Raya.
|
Text
201510215023_Girindra Aditya Wardana_Cover-Daftar Isi.pdf Download (3MB) |
|
|
Text
201510215023_Girindra Aditya Wardana_BAB I.pdf Download (916kB) |
|
|
Text
201510215023_Girindra Aditya Wardana_BAB II, III, IV.pdf Restricted to Registered users only Download (1MB) |
|
|
Text
201510215023_Girindra Aditya Wardana_BAB V.pdf Download (895kB) |
|
|
Text
201510215023_Girindra Aditya Wardana_Daftar Pustaka.pdf Download (1MB) |
|
|
Text
201510215023_Girindra Aditya Wardana_Lampiran.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Dalam penelitian ini metode yang digunakan adalah peramalan deret waktu (Time Series) yang memanfaatkan data historis penjualan untuk meramalkan persediaan pada masa yang akan datang, dengan memilih keempat metode Time Series: Moving Average, Weighted Moving Average, Exponential Smoothing dan Linear Trend Line Model dengan mencari nilai Mean Absoulte Percentage Error (MAPE) terkecil. Hasil peramalan dengan empat metode Time Series: Moving Average dengan n=4 memiliki nilai kesalahan peramalan (MAPE) 6,943%, Weight Moving Average dengan n=4 memiliki nilai kesalahan peramalan (MAPE) 7,56%, Exponential Smoothing dengan α=0,4 memiliki nilai kesalahan peramalan (MAPE) 8,47%, dan Linear Trend Line Model memiliki nilai kesalahan peramalan (MAPE) 6,48%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | Pembimbing: Sumanto, S.T., M.T. NIDN0306056101, Ainun Nadia, S.T., M.T. NIDN0311057504 |
| Subjects: | Teknologi dan Ilmu Terapan > Teknik Industri |
| Divisions: | Fakultas Teknik > Teknik Industri |
| Depositing User: | Mr. Arif Syamsudin |
| Date Deposited: | 04 Nov 2025 01:43 |
| Last Modified: | 04 Nov 2025 01:43 |
| URI: | http://repository.ubharajaya.ac.id/id/eprint/36770 |
Actions (login required)
![]() |
View Item |
Downloads
Downloads per month over past year
