ANALISIS FORECASTING PERMINTAAN PRODUK MENGGUNAKAN METODE ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) PADA PT MANDIRI JOGJA INTERNASIONAL
DOI:
https://doi.org/10.61722/jmia.v2i6.7312Keywords:
Peramalan, ARIMA, Peramalan Permintaan, Deret Waktu, Manajemen PersediaanAbstract
Fluktuasi permintaan produk berbahan dasar kulit pada sebuah perusahaan manufaktur tas dan dompet di Yogyakarta menyebabkan ketidakpastian dalam perencanaan produksi, pengelolaan persediaan, dan strategi pemasaran. Penelitian ini bertujuan untuk menganalisis pola historis permintaan dan menghasilkan model peramalan yang akurat menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Data yang digunakan berupa data penjualan bulanan produk periode Januari 2021–Desember 2024. Tahapan analisis meliputi identifikasi pola data, uji stasioneritas melalui transformasi Box-Cox dan differencing, seleksi parameter berdasarkan plot ACF/PACF, pengujian signifikansi parameter, uji residual (white noise) menggunakan metode Ljung Box, serta evaluasi model dengan Mean Square Error (MSE). Hasil penelitian menunjukkan bahwa model ARIMA(2,1,0) merupakan model terbaik dengan nilai MSE sebesar 1.089.140. Model ini digunakan untuk meramalkan permintaan Januari–September 2025 dengan kisaran estimasi 3.200–3.500 unit per bulan. Validasi awal menunjukkan deviasi sebesar 546 unit pada Januari dan 449 unit pada Februari, namun pola prediksi tetap konsisten dengan tren permintaan aktual. Temuan ini menunjukkan bahwa ARIMA dapat digunakan sebagai alat pendukung keputusan operasional, terutama dalam perencanaan produksi dan manajemen persediaan.
References
Abiodun, V., & Olalekan, D. (2025). Time series Forecast of Nigeria’s Electricity Using Auto-Regressive Integrated Moving Average (Arima) Model. In Journal of Institutional Research (Vol. 152).
Aththufail, M. F. A., Devila, S., & Novkaniza, F. (2023). Forecasting Indonesia Mortality Rate Using Beta Autoregressive Moving Average Model. Communications in Mathematical Biology and Neuroscience, 2023. https://doi.org/10.28919/cmbn/8184
Jafarian-Namin, S., Fatemi Ghomi, S. M. T., Shojaie, M., & Shavvalpour, S. (2021). Annual Forecasting Of Inflation Rate in Iran: Autoregressive Integrated Moving Average Modeling Approach. Engineering Reports, 3(4). https://doi.org/10.1002/eng2.12344
Jamii, M., & Maaroufi, M. (2021). The Forecasting of Electrical Energy Consumption in Morocco with an Autoregressive Integrated Moving Average Approach. Mathematical Problems in Engineering, 2021. https://doi.org/10.1155/2021/6623570
Jian, Y., Zhu, D., Zhou, D., Li, N., Du, H., Dong, X., Fu, X., Tao, D., & Han, B. (2022). ARIMA Model For Predicting Chronic Kidney Disease and Estimating Its Economic Burden In China. BMC Public Health, 22(1). https://doi.org/10.1186/s12889-022-14959-z
Hermawan, R., & Suseno. (2022). Analisis Peramalan Penjualan Produk Nutrisi Dengan Metode ARIMA dan SARIMA Pada PT Sapto Bumi Hidroponik. JURITI PRIMA (Junal Ilmiah Teknik Industri Prima), 5(2), 1–9. http://jurnal.unprimdn.ac.id/index.php/juriti/article/view/2253
Kozitsin, V., Katser, I., & Lakontsev, D. (2021). Online Forecasting And Anomaly Detection Based On The ARIMA Model. Applied Sciences (Switzerland), 11(7). https://doi.org/10.3390/app11073194
Mahendra, H. N., Mallikarjunaswamy, S., Mahesh Kumar, D., Kumari, S., Kashyap, S., Fulwani, S., & Chatterjee, A. (2023). Assessment and Prediction of Air Quality Level Using ARIMA Model: A Case Study of Surat City, Gujarat State, India. Nature Environment and Pollution Technology, 22(1), 199–210. https://doi.org/10.46488/NEPT.2023.V22I01.018
Mashadihasanli, T. (2022). Stock Market Price Forecasting Using the Arima Model: an Application to Istanbul, Turkiye. Journal of Economic Policy Researches / İktisat Politikası Araştırmaları Dergisi, 9(2), 439–454. https://doi.org/10.26650/jepr1056771
Schaffer, A. L., Dobbins, T. A., & Pearson, S. A. (2021). Interrupted time series analysis using Autoregressive integrated Moving Average (ARIMA) models: a guide for evaluating large-scale health interventions. BMC Medical Research Methodology, 21(1). https://doi.org/10.1186/s12874-021-01235-8
Surendra, J., Rajyalakshmi, K., Apparao, B. V., Charankumar, G., & Dasore, A. (2021). Forecast And Trend Analysis Of Gold Prices In India Using Auto Regressive Integrated Moving Average Model. Journal of Mathematical and Computational Science, 11(2), 1166–1175. https://doi.org/10.28919/jmcs/5250
Rosadi, S. H., Purnamasari, F., & Bahar, A. S. (2024). Penerapan Model Arima-Box Jenkins Dalam Peramalan Permintaan Produk Abon. Jurnal Ekonomi Dan Pendidikan, 7, 29–36.
Wibowo, S., & Suseno. (2023). Penerapan Metode ARIMA dan SARIMA Pada Peralaman Penjualan Telur Ayam Pada PT Agromix Lestari Group. Jurnal Teknologi Dan Manajemen Industri Terapan (JTMIT), 2(1), 33–40.
Yin, C., Liu, K., Zhang, Q., Hu, K., Yang, Z., Yang, L., & Zhao, N. (2023). SARIMA-Based Medium- and Long-Term Load Forecasting. Strategic Planning for Energy and the Environment, 42(2), 283–306. https://doi.org/10.13052/spee1048-5236.4222
Zamil, A. S., Anzani, L., & Arifin, W. A. (2023). Prediksi Tinggi Gelombang Laut Jakarta Utara Menggunakan Machine Learning: Perbandingan Algoritma Arima & Sarima. 14(2), 286–294. http://ejurnal.provisi.ac.id/index.php/JTIKP
Downloads
Published
Issue
Section
License
Copyright (c) 2025 JURNAL MULTIDISIPLIN ILMU AKADEMIK
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
