Analisis Komparatif Metode Moving Average dan Exponential Smoothing untuk Peramalan Produksi Brownies Chips pada UMKM Agriku Kota Parepare
Abstract
persaingan usaha pangan yang semakin ketat oleh pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) dituntut mampu mengelola produksi secara efisien agar sesuai dengan permintaan pasar. Salah satu pendekatan yang digunakan untuk mendukung perencanaan tersebut adalah metode peramalan produksi berbasis data historis. Penelitian ini bertujuan untuk menganalisis dan membandingkan tingkat akurasi dua metode peramalan, yaitu moving average dan exponential smoothing, dalam menentukan jumlah produksi optimal Brownies Chips pada UMKM Agriku Parepare. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan data penjualan mingguan selama tiga periode yang diolah menggunakan perangkat lunak QM for Windows. Hasil analisis menunjukkan bahwa metode moving average tiga periode menghasilkan nilai kesalahan paling kecil, dengan MAD sebesar 2,5, MSE sebesar 6,25, dan MAPE sebesar 4,545%. Sementara itu, metode exponential smoothing dengan α = 0,2 memiliki MAD sebesar 4,5, MSE sebesar 20,5, dan MAPE sebesar 8,182%. Dengan tingkat akurasi yang lebih tinggi, metode moving average dinilai lebih sesuai untuk pola permintaan yang stabil seperti pada UMKM Agriku. Penerapan metode ini dapat membantu pelaku usaha dalam mengoptimalkan produksi, mengurangi risiko kelebihan stok, dan mengefisienkan penggunaan sumber daya produksi.
References
Aprilia, N., Subroto, W. T., & Sakti, N. C. (2025). The Role of Small and Medium Enterprises (SMEs) in Supporting the People’s Economy in Indonesia. International Journal of Research and Scientific Innovation, XI (XII), 368-376.
Babai, M. Z., Boylan, J. E., & Rostami-Tabar, B. (2022). Demand forecasting in supply chains: a review of aggregation and hierarchical approaches. International journal of production research, 60(1), 324-348. https://doi.org/10.1080/00207543.2021.2005268
Bouchard, S., Abdulnour, G., & Gamache, S. (2022). Agility and Industry 4.0 implementation strategy in a Quebec manufacturing SME. Sustainability, 14(13), 7884. https://doi.org/10.3390/su14137884
Harrison, L. O., Engelhard, G. H., Thurstan, R. H., & Sturrock, A. M. (2023). Widening mismatch between UK seafood production and consumer demand: a 120-year perspective. Reviews in Fish Biology and Fisheries, 33(4), 1387-1408.
Long, M., Xiong, X., & Lin, H. (2024). Spatiotemporal Analysis of Food Production–Demand Mismatch in China and Implications for Agricultural Structural Adjustment. Foods, 13(13), 1990. https://doi.org/10.3390/foods13131990
Mircetic, D., Rostami-Tabar, B., Nikolicic, S., & Maslaric, M. (2022). Forecasting hierarchical time series in supply chains: an empirical investigation. International Journal of Production Research, 60(8), 2514-2533. https://doi.org/10.1080/00207543.2021.1896817
Prasetyo, T. A., Sianipar, E. R., Naomi, P. L., Hutabarat, E. S., Chandra, R., Siagian, W. M., & Panjaitan, G. H. A. (2023). Sales forecasting of marketing using adaptive response rate single exponential smoothing algorithm. Indonesian Journal of Electrical Engineering and Computer Science, 31(1), 423-432. https://doi.org/10.11591/ijeecs.v31.i1.pp423-432.
Purnamasari, D., Arumi, E. R., & Primadewi, A. (2022). Implementasi Metode Single Moving Average Untuk Prediksi Stok Produsen. JURIKOM (Jurnal Ris. Komputer), 9(5), 1495.
Purnamasari, D. I., Permadi, V. A., Saepudin, A., & Agusdin, R. P. (2023). Demand forecasting for improved inventory management in small and medium-sized businesses. Jurnal Nasional Pendidikan Teknik Informatika: JANAPATI, 12(1), 56-66.
Putri, T. O., Rizqi, A. W., & Jufriyanto, M. (2025). Sulfuric Acid Demand Forecasting Analysis Using Double Moving Average And Double Exponential Smoothing Methods At PT Petrokimia Gresik. G-Tech: Jurnal Teknologi Terapan, 9(1), 19-28. https://doi.org/10.70609/gtech.v9i1.5623
Reardon, T., Liverpool-Tasie, L. S. O., & Minten, B. (2021). Quiet Revolution by SMEs in the midstream of value chains in developing regions: wholesale markets, wholesalers, logistics, and processing. Food Security, 13(6), 1577-1594.
Saputra, D., & Hariyana, N. (2024). Comparison of Double Exponential Smoothing Method with Weighted Moving Average in Forecasting UD Sales. Setya Abadi D. M as Financial Literacy. Journal of Entrepreneurial and Business Diversity, 2(1), 176-185. https://doi.org/10.38142/jebd.v2i1.121
Sinha, K. J., Sinha, S., & Sinha, B. J. (2024). Micro, Small, and Medium-Sized Enterprises (MSMEs): The significant role and challenges in Indonesia’s economy. International Journal For Multidisciplinary Research, 6(3), 20824.
Ramadani, S., Ramadhani, D. A., Ikrom, M., & Harahap, L. M. (2025). Peran strategis UMKM dalam mendorong pertumbuhan ekonomi berkelanjutan di Indonesia. Jurnal Ekonomi, Bisnis dan Manajemen, 4(1), 158-166.
Wang, M., & Li, T. (2025). Pest and disease prediction and management for sugarcane using a hybrid autoregressive integrated moving average—a long short-term memory model. Agriculture, 15(5), 500. https://doi.org/10.3390/agriculture15050500
Wang, S., Kang, Y., & Petropoulos, F. (2024). Combining probabilistic forecasts of intermittent demand. European Journal of Operational Research, 315(3), 1038-1048. https://doi.org/10.1016/j.ejor.2024.01.03
