Penerapan Metode Fuzzy Time Series dalam Prediksi Produksi Kulit Pie

Abstract

Abstrak:

Prediksi penjualan yang akurat menjadi sangat penting bagi perusahaan untuk merancang strategi produksi dan pemasaran yang efektif. Dengan prediksi yang tepat, perusahaan dapat menyesuaikan kapasitas produksi, mengelola persediaan dengan optimal, dan menyusun strategi promosi yang sesuai dengan kebutuhan pasar. Dalam penelitian ini, metode Fuzzy Time Series diterapkan untuk memprediksi penjualan bulanan kulit pie, berdasarkan data historis penjualan yang tersedia. Proses penelitian dimulai dengan pengumpulan data penjualan bulanan, diikuti oleh pembentukan interval fuzzy yang mewakili berbagai kategori penjualan. Tahapan selanjutnya adalah fuzzifikasi, yaitu mengubah data asli ke bentuk fuzzy agar pola penjualan dapat teridentifikasi dalam tiap interval. Setelah itu, aturan fuzzy disusun untuk menentukan hubungan antara periode sebelumnya dan prediksi untuk periode berikutnya. Akhirnya, defuzzifikasi dilakukan untuk mengonversi data fuzzy kembali ke bentuk konkret. Berdasarkan hasil penelitian ini, prediksi penjualan bulan berikutnya berada pada kelas fuzzy A4 dengan estimasi produksi sebesar 1400 unit dan nilai MAPE sebesar 20,42%. Temuan ini menunjukkan bahwa metode Fuzzy Time Series merupakan pendekatan yang andal dalam memodelkan data penjualan yang tidak stabil, serta menyediakan informasi berharga bagi manajemen dalam mendukung pengambilan keputusan produksi dan perencanaan bisnis secara keseluruhan. Metode Fuzzy Time Series terbukti lebih efektif dibandingkan beberapa metode prediksi lainnya, seperti metode regresi linier atau metode ARIMA, terutama dalam menghadapi data penjualan yang fluktuatif dan memiliki pola yang sulit diprediksi. Keunggulan metode ini terletak pada fleksibilitasnya dalam menangkap ketidakpastian dan variabilitas data, memungkinkan hasil prediksi yang lebih akurat dalam situasi di mana metode konvensional cenderung mengalami keterbatasan.

===================================================

Abstract:

Accurate sales forecasting is crucial for companies to design effective production and marketing strategies. With precise predictions, companies can adjust production capacity, manage inventory optimally, and develop promotional strategies that align with market demands. In this study, the Fuzzy Time Series method was applied to forecast monthly pie crust sales, based on available historical sales data. The research process began with the collection of monthly sales data, followed by the creation of fuzzy intervals representing various sales categories. The next step was fuzzification, which converts the original data into a fuzzy form to identify sales patterns within each interval. Subsequently, fuzzy rules were formulated to determine the relationship between previous periods and predictions for the following period. Finally, defuzzification was carried out to convert the fuzzy data back into a concrete form. Based on the results of this study, the sales forecast for the next month falls within the fuzzy class A4, with an estimated production of 1,400 units and a MAPE value of 20.42%. These findings demonstrate that the Fuzzy Time Series method is a reliable approach for modeling unstable sales data and provides valuable information for management in supporting production decision-making and overall business planning. The Fuzzy Time Series method has proven to be more effective than other forecasting methods, such as linear regression or ARIMA, particularly when dealing with fluctuating sales data and patterns that are difficult to predict. This method's strength lies in its flexibility to capture uncertainty and data variability, allowing for more accurate forecasts in situations where conventional methods tend to face limitations.