Penelitian ini bertujuan membangun model peramalan penjualan menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dengan menerapkan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Penelitian dilakukan menggunakan bahasa pemrograman Python melalui tahapan data preparation yang meliputi seleksi data, pembersihan data, dan smoothing menggunakan rolling mean dengan window 5. Selanjutnya, penentuan model dilakukan secara otomatis menggunakan Auto ARIMA untuk memperoleh kombinasi parameter (p, d, q) terbaik berdasarkan nilai Akaike Information Criterion (AIC) terkecil. Model kemudian dievaluasi menggunakan metode Walk-Forward Validation dengan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model terbaik berbeda untuk setiap produk, yaitu RVL 16 ARIMA (2,0,1), RVL Mangga ARIMA (0,1,0), SBS ARIMA (1,0,1), LS 12 ARIMA (0,1,0), SSB ARIMA (2,0,1), TRN B ARIMA (2,0,2), BCK ARIMA (3,1,0), LS 16 ARIMA (3,1,2), dan KSN ARIMA (1,0,1). Nilai MAE yang dihasilkan berkisar antara 0,2337 hingga 6,5985, nilai RMSE berkisar antara 0,2398 hingga 8,5805, sedangkan nilai MAPE berkisar antara 17,8505% hingga 96,6185%, dengan produk KSN memperoleh tingkat akurasi terbaik berdasarkan kategori interpretasi MAPE. Model yang dibangun berhasil diimplementasikan ke dalam sistem berbasis web sehingga mampu menghasilkan informasi prediksi penjualan yang dapat dimanfaatkan sebagai pendukung perencanaan persediaan dan pengambilan keputusan di PT Sukun Wartono Indonesia Regional Bekasi.

S12703

INF 0225 2026

Bekasi

Tersedia