Analisis Perbandingan Peramalan Penjualan Produk Sirup X Pada PT X di Berbagai Wilayah Jakarta

doi:10.33005/agridevina.v14i2.5183

Analisis Perbandingan Peramalan Penjualan Produk Sirup X Pada PT X di Berbagai Wilayah Jakarta

Syifa Amara Nazila, Slamet Abadi, Kuswarani Sulandjari

Abstract

Perusahaan X merupakan perusahaan Fast Moving Consumer Goods (FMCG) yang menggeluti bidang makanan serta minuman. Salah satu permasalahan utama yang dihadapi ialah ketidakpastian permintaan terhadap produk minuman sirup X, yang berdampak pada perencanaan produksi, pengelolaan persediaan, serta distribusi yang tidak merata di berbagai wilayah Jakarta. Penelitian ini bertujuan untuk mengidentifikasi pola penjualan, membandingkan metode peramalan, dan menentukan wilayah terbaik berdasarkan tren penjualan untuk mendukung pengambilan keputusan distribusi dan pemasaran. Penelitian ini menggunakan pendekatan kuantitatif deskriptif. Data yang digunakan terdiri dari data primer berupa informasi penjualan selama 36 bulan (Januari 2022 hingga Desember 2024) serta profil perusahaan yang diperoleh melalui wawancara langsung dengan manajer penjualan. Data sekunder yang digunakan berupa literatur ilmiah, jurnal penelitian terdahulu, serta data demografi wilayah Jakarta yang relevan. Metode peramalan yang digunakan meliputi Single, Double, dan Triple Exponential Smoothing, Dekomposisi Multiplikatif, serta ARIMA. Hasil menunjukkan pola penjualan yang fluktuatif dengan tren menurun. Metode terbaik adalah Dekomposisi Multiplikatif ordo 12 untuk Jakarta Barat, Timur, Selatan, dan Utara, serta Double Exponential Smoothing (α = 0,6; β = 0,2) untuk Jakarta Pusat. Model ARIMA terbaik meliputi ARIMA (2,0,4) untuk Jakarta Barat, ARIMA (0,0,5) untuk Jakarta Timur, Utara, dan Pusat, serta ARIMA (0,1,3) untuk Jakarta Selatan. Regresi variabel dummy menunjukkan bahwa Jakarta Barat dan Jakarta Timur merupakan wilayah strategis untuk pengembangan distribusi dan pemasaran. Implikasi kebijakan dari penelitian ini adalah perlunya optimalisasi distribusi dan promosi di wilayah tersebut untuk meningkatkan efisiensi penjualan.

References

Ahaggach, H., Abrouk, L., & Lebon, E. (2024). Systematic Mapping Study of Sales Forecasting: Methods, Trends, and Future Directions. Forecasting, 6(3), 502–532. https://doi.org/10.3390/forecast6030028

Atussaliha, N. A., Purnawansyah, P., & Darwis, H. (2020). Metode Double Exponential Smoothing pada Sistem Peramalan Tingkat Kemiskinan Kabupaten Pangkep. ILKOM Jurnal Ilmiah, 12(3), 183–190. https://doi.org/10.33096/ilkom.v12i3.607.183-190

Beay, R., & Sarimole, F. M. (2024). Application of Decision Tree Method for Sales Prediction at PT. Cipta Naga Semesta (Mayora Group) North Jakarta for 2023. International Journal Software Engineering and Computer Science (IJSECS), 4(3), 943–952. https://doi.org/10.35870/ijsecs.v4i3.2999

Fauzani, S. P., & Rahmi, D. (2023). Penerapan Metode ARIMA Dalam Peramalan Harga Produksi Karet di Provinsi Riau. Jurnal Teknologi Dan Manajemen Industri Terapan, 2(4), 269–277. https://doi.org/10.55826/tmit.v2i4.283

Fitria, V., & Anwar, S. (2020). Penerapan Triple Exponential Smoothing Dalam Meramalkan Laju Inflasi Bulanan Provinsi Aceh Tahun 2019 - 2020. E-Jurnal Ekonomi dan Bisnis Universitas Udayana, January 2020, 23. https://doi.org/10.24843/eeb.2020.v09.i01.p02

Kementerian Perindustrian Republik Indonesia. (2019). Industri Makanan dan Minuman Jadi Sektor Kampiun. https://www.kemenperin.go.id/artikel/20298/Industri-Makanan-dan-Minuman-Jadi-Sektor-Kampiun-

Mansur, S., Sattar, K., Hosseini, S. E., Pervez, S., Ahmad, I., Saleem, K., & Zohier Elhendi, A. (2025). Sales forecasting for retail stores using hybrid neural networks and sales-affecting variables. PeerJ Computer Science, 11, e3058. https://doi.org/10.7717/peerj-cs.3058

Mokorimban, F., E., Nainggolan, N., Langi., Y., A., R. (2021). Penerapan Metode Autoregressive Integrated Moving Average (ARIMA) dalam Model Intervensi Fungsi Step terhadap Indeks Harga Konsumen di Kota Manado. Jurnal Matematika Dan Aplikasi, 10(2), 91–99. https://doi.org/10.35799/dc.10.2.2021.34969

Monita, D. (2021). Model Regresi Dummy untuk Indeks Prestasi Kumulatif Mahasiswa. Jurnal MSA (Matematika dan Statistika Serta Aplikasinya), 9(2), 43–50. https://doi.org/10.24252/msa.v9i2.20590

Muhamad, N. (2023). Indonesia Termasuk Pasar Minuman Ringan Terbesar di Dunia. Databoks. https://databoks.katadata.co.id/ekonomi-makro/statistik/2b183bcfa33b1ea/indonesia-termasuk-pasar-minuman-ringan-terbesar-di-dunia

Pradia, A., S., Bakhtiar., A. (2022). Pengendalian Persediaan Bahan Baku Hopper Sebagai Komponen Utama Wheelbarrow Dengan Pendekatan Metode Min-Max Stock (Studi Kasus : PT Cahaya Maju Bahagia). https://ejournal3.undip.ac.id/index.php/ieoj/article/view/40224

Putra, A., V., E., P., Pranoto, Y., A., Wibowo, S., A. (2023). Penerapan Metode Single Exponential Smoothing Dalam Meramal Penjualan Di Toko Agung. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 1065–1071. https://doi.org/10.36040/jati.v6i2.5440

Rini, M. W., & Ananda, N. (2022). Perbandingan Metode Peramalan Menggunakan Model Time Series. Tekinfo: Jurnal Ilmiah Teknik Industri Dan Informasi, 10(2), 88–101. https://doi.org/10.31001/tekinfo.v10i2.1419

Sari, T., & Sakti, S. (2025). Forecast of sugar demand in retail using SARIMA and decomposition models case study: a retail store in Indonesia. SINERGI, 29(2), 331. https://doi.org/10.22441/sinergi.2025.2.006

Septiawan, A. H., & Fauzi, U. (2025). Analysis of Long Short-Term Memory and Support Vector Regression Methods in Forecasting Electric Energy Sales: Case Study. Journal La Multiapp, 6(2), 421–430. https://doi.org/10.37899/journallamultiapp.v6i2.2045

Sinuraya, Y. E. P., Pratama, A. B., & Albari, P. K. (2025). Pengaruh Soft-Selling Video Iklan Produk Marjan terhadap Niat BeliKonsumen melalui Perilaku Konsumen terhadap Iklan. Jurnal Bisnis Dan Manajemen West Science, 4(03), 273–295. https://doi.org/10.58812/jbmws.v4i03.2555

Sudirga, R. S. (2017). Seasonal Inventory Decisions (Single-Period Inventory Models). Journal of Business & Applied Management, 8(2). https://doi.org/10.30813/jbam.v8i2.848

Tarigan, V. (2023). Penerapan Metode Double Exponential Smoothing Untuk Memprediksi Jumlah Penjualan Springbed di PT. Masindo Karya Prima. Jurnal Informatika Polinema, 9(3), 339–346. https://doi.org/10.33795/jip.v9i3.1335

Verstraete, G., Aghezzaf, E.-H., & Desmet, B. (2020). A leading macroeconomic indicators’ based framework to automatically generate tactical sales forecasts. Computers & Industrial Engineering, 139, 106169. https://doi.org/10.1016/j.cie.2019.106169

Yulia M. Zai, Y., & Syahfitri, R. (2025). Optimizing Pharmaceutical Logistics through Sales Forecasting of Black Cough Syrup 100 ml to Support Competitive Advantage at PT “X.” Journal of Engineering Science and Technology Management (JES-TM), 5(1), 97–107. https://doi.org/10.31004/jestm.v5i1.225

Zhou, T. (2023). Improved Sales Forecasting using Trend and Seasonality Decomposition with LightGBM. 2023 6th International Conference on Artificial Intelligence and Big Data (ICAIBD), 656–661. https://doi.org/10.1109/ICAIBD57115.2023.10206380

Full Text: PDF

DOI : https://doi.org/10.33005/agridevina.v14i2.5183