PERBANDINGAN ALGORITMA LINEAR REGRESSION, NEURAL NET DAN ARIMA UNTUK MEMPREDIKSI PENJUALAN PRODUK INSTRUMENTASI DAN KONTROL DI PT. SARANA INSTRUMENT

PT. Sarana Instrument merupakan sebuah perusahaan swasta nasional yang merupakan agen penjualan resmi beberapa produk instrumentasi dan kontrol yang berasal dari negara-negara Eropa dan Amerika Serikat untuk wilayah penjualan di Indonesia. Setiap perusahaan tentunya menargetkan penjualan yang ingin dicapai setiap tahunnya, untuk itu perusahaan tentu memerlukan peramalan penjualan. PT. Sarana Instrument saat ini belum memiliki sistem prediksi sehingga untuk pembuatan sales target setiap tahunnya masih menggunakan perkiraan secara manual dengan melihat data penjualan dari penjualan tahun sebelumnya. Sehingga PT. Sarana Instrument tidak bisa mendapatkan prediksi penjualan yang akurat dan perusahaan tidak dapat mempersiapkan sumber daya manusia dan sumber daya finasial yang sesuai dengan kebutuhan perusahaan. Oleh karena itu, diperlukanlah sistem peramalan untuk membantu membuat peramalan. Tujuan penelitian ini untuk menganalisa tingkat error peramalan data penjualan tahun 2013-2021 di PT. Sarana Instrument dengan menggunakan algoritma forecasting yaitu Algoritma Linear Regression, Neural Net dan Arima, sehingga didapatkan suatu metode forecast penjualan dengan tingkat error terkecil dan dapat diimplementasikan di PT. Sarana Instrument. Hasil penelitian menunjukkan bahwa (1) peramalan dengan metode Linear Regresi menghasilkan nilai RMSE 12.268 untuk Total Penjualan, nilai RMSE 10771.126 untuk Penjualan Produk GM-MSA, nilai RMSE 775.499 untuk Penjualan Produk SOR. (2) Peramalan dengan metode Neural Net menghasilkan nilai RMSE 5.976 untuk Total Penjualan, nilai RMSE 5045.773 untuk Penjualan Produk GM-MSA, nilai RMSE 10830.255untuk Penjualan Produk SOR. (3) Peramalan dengan metode Arima menghasilkan nilai RMSE 12.154 untuk Total Penjualan, nilai RMSE 5045.773untuk Penjualan Produk GM-MSA, nilai RMSE 445.273 untuk Penjualan Produk SOR. Jadi, perbandingan peramalan lebih tepat menggunakan metode Arima, karena menghasilkan nilai error terkecil

1.  UEU-Master-32988-COVER.Image.Marked.pdf - 206 KB
2.  UEU-Master-32988-HALAMAN PENGESAHAN.Image.Marked.pdf - 264 KB
3.  UEU-Master-32988-HALAMAN PERSETUJUAN PUBLIK.Image.Marked.pdf - 245 KB
4.  UEU-Master-32988-HALAMAN PERNYATAAN.Image.Marked.pdf - 204 KB
5.  UEU-Master-32988-ABSTRAK.Image.Marked.pdf - 634 KB
6.  UEU-Master-32988-KATA PENGANTAR.Image.Marked.pdf - 258 KB
7.  UEU-Master-32988-DAFTAR ISI.Image.Marked.pdf - 233 KB
8.  UEU-Master-32988-DAFTAR PUSTAKA.Image.Marked.pdf - 201 KB
9.  UEU-Master-32988-LAMPIRAN.Image.Marked.pdf - 598 KB
10.  UEU-Master-32988-BAB1.Image.Marked.pdf - 206 KB