ANALISIS PERBANDINGAN METODE HOLT WINTERS DAN SARIMA DALAM MEMPREDIKSI PENJUALAN HARIAN MENGGUNAKAN PYTHON

Astrid Aisah Rahmi; Nining Rahaningsih; Irfan Ali; Ratna Dewi Lestyorini

Authors

Astrid Aisah Rahmi STMIK IKMI Cirebon, Indonesia
Nining Rahaningsih STMIK IKMI Cirebon, Indonesia
Irfan Ali STMIK IKMI Cirebon, Indonesia
Ratna Dewi Lestyorini STMIK IKMI Cirebon, Indonesia

Keywords:

Holt–Winters, MAE, Mie Jebew, Peramalan Penjualan, RMSE, SARIMA

Abstract

Peramalan penjualan atau forecasting penjualan merupakan aspek penting dalam mendukung pengambilan keputusan bisnis, terutama bagi usaha kuliner dengan pola permintaan yang fluktuatif setiap harinya. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua metode peramalan deret waktu, yaitu Holt–Winters Damped Trend dan Seasonal Autoregressive Integrated Moving Average (SARIMA) dalam memprediksi total penjualan harian (dalam Rupiah) pada produk Wonton dan Mie Jebew selama periode enam bulan, yaitu April hingga September 2025. Data yang digunakan merupakan data penjualan harian kedua produk tersebut, dengan variabel utama total penjualan harian yang diperoleh dari hasil perkalian antara jumlah produk terjual dan harga satuan tetap sebesar Rp10.000. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan (interpolasi nilai kosong, transformasi logaritmik, dan uji stasioneritas), pembagian data menjadi training dan testing, pemodelan, evaluasi menggunakan Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE),. Hasil eksperimen menunjukkan bahwa model SARIMA(1,1,1)(1,1,1,7) memberikan hasil terbaik dengan MAE sebesar Rp234.750 dan RMSE sebesar Rp352.360. Sebaliknya, model Holt–Winters Damped Trend menghasilkan nilai kesalahan yang lebih tinggi, yaitu MAE sebesar Rp262.810 dan RMSE sebesar Rp357.890. Dengan demikian, model SARIMA terbukti lebih akurat dan efisien dalam memprediksi total penjualan harian produk Wonton dan Mie Jebew, sehingga dapat dijadikan alat bantu analisis untuk mendukung perencanaan produksi, strategi promosi, serta pengelolaan stok bahan baku.

References

T. E. Goltsos, A. A. Syntetos, C. H. Glock, and G. Ioannou, “Inventory forecasting: Mind the gap,” European Journal of Operational Research, vol. 299, no. 2, pp. 397–419, 2022, doi: 10.1016/j.ejor.2021.07.040.

Y. Ensafi, S. H. Amin, G. Zhang, and B. Shah, “Time-series forecasting of seasonal items sales using machine learning A comparative analysis,” International Journal of Information Management Data Insights, vol. 2, no. 1, p. 100058, 2022, doi: 10.1016/j.jjimei.2022.100058.

H. Ahaggach, L. Abrouk, and E. Lebon, “Systematic mapping study of sales forecasting: Techniques, trends and applications,” Future Generation Computer Systems, vol. 144, pp. 159–176, 2024, doi: 10.1016/j.future.2023.11.072.

M. P. Ponce-Flores, J. D. Ter�n-Villanueva, J. A. Cast�n-Rocha, S. Ibarra-Mart�nez, A. Santiago, and J. Laria-Menchaca, “Short Time Series Forecasting: Recommended Methods and Techniques,” Symmetry, vol. 14, no. 6, p. 1231, 2022, doi: 10.3390/sym14061231.

T.-W. Park and I.-S. Oh, “Time Series Forecasting of Agricultural Products� Sales Volumes Based on Seasonal Long Short-Term Memory,” Applied Sciences, vol. 10, no. 22, p. 8169, 2020, doi: 10.3390/app10228169.

I. Kochetkova, A. Novikov, and D. Kuznetsov, “Short-Term Mobile Network Traffic Forecasting Using SARIMA and Holt�Winters Models,” Future Internet, vol. 15, no. 9, p. 290, 2023, doi: 10.3390/fi15090290.

J. Li, “Predicting Sales Data with Holt�Winters Method,” Francis Academic Press Journal, vol. 3, no. 1, pp. 1–10, 2019.

W. Yang, “Application of exponential smoothing method and SARIMA model in forecasting demand: parameterisation and model comparison,” Electronics, vol. 12, no. 23, p. 3986, 2023, doi: 10.3390/electronics11233986.