Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278

Technolgy and Applied Sciences

Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]

Prediksi Persediaan Oli Sepeda Motor Di Bengkel Amin

Dengan Metode Simple Moving Average
1 2 3*
Muhammad Syahrul , Havid Syafwan , Yori Apridonal M
1
Sistem Informasi, Sekolah Tinggi Manajemen Informatika dan Komputer Royal
3*
[Link]@[Link]

Abstrak
Bengkel Amin merupakan salah satu usaha yang fokus pada penjualan berbagai macam oli,
sparepart dan juga jasa servis sepeda motor, yang berlokasi di Jl. Kecipir, Lk. I, Umbut –
umbut, Kecamatan Kisaran Timur. Usaha ini berdiri sejak 2020 yang didirikan oleh Pak
Amin. Bengkel Amin menghadapi kesulitan dalam mencapai target persediaan stok oli di
bulan selanjutnya karena pemilik hanya mengandalkan perkiraan dan tidak menggunakan
sistem peramalan yang terperinci untuk menentukan persediaan stok oli, sehingga dapat
mengganggu strategi dan pencapaian pendapatan setiap bulan. Oleh karena itu diterapkan
metode Single Moving Average untuk mengatasi masalah tersebut. Hasil rancang sistem
peramalan penjualan oli pada Bengkel Amin menggunakan bahasa pemograman PHP dapat
mempermudah proses peramalan dengan cepat dan akurat sesuai dengan penerapan metode
Simple Moving Average sehingga dapat dijadikan acuan persediaan di bulan berikutnya.
Hasil dari penelitian ini berupa peramalan produk oli Yamalube Matic 1L pada bulan juni
2023 menggunakan periode moving 6 ialah 48.83 dengan nilai Error 5.50%. Sementara
untuk produk oli MPX2 1L pada bulan juni menggunakan periode moving 3 ialah 65.67
dengan nilai Error 2.67%.

Kata Kunci : Peramalan, Single Moving Average, Oli, Bengkel

Abstract
Amin Workshop is one of the businesses that focuses on selling various kinds of oil, spare
parts as well as motorcycle service services, which are located on Jl. Winged bean, Lk. I,
Umbut – umbut, Kisaran Timur District. This business has been established since 2020
which was founded by Mr. Amin. Amin's workshop faces difficulties in achieving the oil stock
inventory target in the following month because the owner only relies on estimates and does
not use a detailed forecasting system to determine oil stock inventory, which can disrupt
strategy and achieve monthly income. Therefore, the Single Moving Average method is
applied to overcome this problem. The results of the design of the oil sales forecasting system
at Amin Workshop using the PHP programming language can facilitate the forecasting
process quickly and accurately in accordance with the application of the Simple Moving
Average method so that it can be used as a reference for supplies in the following month.
The results of this study are forecasting Yamalube Matic 1L oil products in June 2023 using
a moving period of 6 which is 48.83 with an Error value of 5.50%. Meanwhile for MPX2 1L
oil products in June using a moving period of 3, namely 65.67 with an Error value of 2.67%.

Keyword : Forecasting, Single Moving Average, Oil, Workshop

1. PENDAHULUAN
Di era perkembangan dunia industri yang semakin kompetitif, setiap perusahaan dituntut untuk
menghasilkan produk yang berkualitas untuk memenuhi permintaan dari konsumen. Untuk
memenuhi permintaan konsumen tersebut dibutuhkan kerja keras dari setiap divisi dalam perusahaan.
Salah satu faktor terpenting yang harus diperhatikan yaitu peramalan atau yang disebut dengan istilah
forecasting. Peramalan dilakukan untuk mempekirakan apa yang akan terjadi pada periode yang akan
datang, maka persediaan sangat dibutuhkan oleh perusahaan untuk menjamin kelancaran aktivitas
usahanya. Hal yang harus direncanakan oleh perusahaan tersebut meningkatkan persediaan stok oli
sepeda motor.
CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 36
 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]
Sepeda motor adalah kendaraan bermotor roda dua atau tiga, tanpa rumah-rumah, baik dengan
atau tanpa kereta samping. Sepeda motor merupakan komponen terbesar dalam pergerakan perjalanan
dan lalu lintas di jalan umum. Pada umumnya kita beranggapan bahwa fungsi utama oli pada sepeda
motor hanyalah sebagai pelumas mesin, padahal oli memiliki fungsi lain yang tak kalah penting, yakni
antara lain sebagai pendingin, pelindung dari karat, pembersih dan penutup celah pada dinding mesin
[1]. Semua fungsi tersebut adalah sangat erat berkaitan, sebagai pelumas, oli akan membuat gesekan
antar komponen di dalam mesin bergerak lebih halus, sehingga memudahkan mesin untuk mencapai
suhu kerja yang ideal.
Bengkel Amin merupakan salah satu usaha yang fokus pada penjualan berbagai macam oli,
sparepart dan juga jasa servis sepeda motor, yang berlokasi di Jl. Kecipir, Lk. I, Umbut – umbut,
Kecamatan Kisaran Timur. Usaha ini berdiri sejak 2020 yang didirikan oleh Pak Amin. Bengkel Amin
menghadapi kesulitan dalam mencapai target persediaan stok oli di bulan selanjutnya karena pemilik
hanya mengandalkan perkiraan dan tidak menggunakan sistem peramalan yang terperinci untuk
menentukan persediaan stok oli, sehingga dapat mengganggu strategi dan pencapaian pendapatan setiap
bulan. Pencatatan oli yang terjual juga masih menggunakan kertas yang rawan hilang sehingga dapat
mempengaruhi jumlah produk terjual ketika pemilik ingin merekap data penjualan bulanan. Kondisi
ini berpotensi menimbulkan masalah dalam menentukan persediaan stok oli di bulan selanjutnya
karena ketidakpastian penjualan pada periode berjalan. Pemilik sering kali gagal dalam mencari merk
oli mana yang paling banyak digunakan, sehingga hal ini dapat mengurangi peluang untuk mendapatkan
keuntungan yang lebih banyak. Sebagai contoh, oli yang saat ini paling laris dipasaran ialah oli Shell
Advance AX7, namun pemilik hanya menyediakan oli tersebut dengan kuantitas sama seperti oli
lainnya, sehingga pemilik sering mendapati persediaan oli merk tersebut habis duluan sebelum tanggal
restock. Dilain sisi, pemilik juga menyediakan oli dengan merek Unioil dengan kuantitas yang sama
seperti oli lainnya, namun oli dengan merk ini jarang sekali dibeli maupun dipakai oleh pelanggan
sehingga menyebabkan oli merk ini menumpuk digudang.
Peramalan merupakan suatu seni dan ilmu pengetahuan dalam memprediksi peristiwa pada masa
yang akan datang. Peramalan akan melibatkan mengambil data historis dan memproyeksikan mereka
ke masa yang akan datang dengan menggunakan model matematika [2]. Metode yang akan digunakan
untuk meramalkan persediaan stok oli adalah Metode Single Moving Average (rata-rata bergerak).
Metode Single Moving Average merupakan salah satu metode yang dapat digunakan untuk mengatasi
permasalahan tersebut dikarenakan metode ini dapat digunakan untuk meramalkan suatu peramalan
dengan pola data yang menunjukan rata-rata bergerak bersifat stabil atau data tidak naik turun secara
drastis.
Keunggulan dari metode Single Moving Average ini adalah pemberian nilai bobot nya dapat
disesuaikan, tetapi penentuan bobot optimal nya sulit [3]. Penggunaan metode Single Moving Average
untuk menentukan nilai peramalan persediaan stok oli di bulan berikut nya berdasarkan data-data
sebelum nya.

2. METODE
Metode Penelitian
Metode Single Moving Average (SMA) merupakan suatu metode peramalan yang dilakukan
dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut sebagai ramalan
untuk periode yang akan datang. Metode Single Moving Average (SMA) memiliki karakteristik khusus
yaitu [4][5], pertama untuk menentukan ramalan pada periode yang akan datang memerlukan data
historis selama jangka waktu tertentu. Kedua semakin panjang jangka waktu Moving Average, efek akan
semakin halus.

CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 37

 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]
Menentukan ramalan dengan metode Single Moving Average (SMA) sangat sederhana yaitu
dengan merata-ratakan jumlah data sebanyak periode yang akan digunakan. Persamaan matematis dari
metode Single Moving Average (SMA) adalah:
𝑋 +𝑋 +⋯𝑋
𝐹𝑡+1 = 1 2𝑇 𝑇 (1)
Keterangan:
𝐹𝑡+1 = Ramalan untuk periode ke t+1
𝑋1 + 𝑋2 + ⋯ 𝑋𝑇 = Nilai sebenarnya periode ke t
T = Jangka waktu rata-rata bergerak (moving average)
Ukuran Akurasi Hasil Peramalan
Mean Square Error (MSE)
Mean Squared Error (MSE) adalah metode rata-rata Error kuadrat memperkuat pengaruh angka-
angka Error yang besar, namun memperkecil angka kesalahan prakiraan kecil (kurang dari satu unit).
Persamaan MSE dapat dituliskan sebagai berikut:
(𝑌 − 𝐹 )
𝑀𝑆𝐸 = ∑𝑛𝑡=1 𝑡 𝑛 𝑡 (2)
Dimana:
Yt = Nilai aktual pada periode t
Ft = Nilai peramalan pada periode t
n = Jumlah periode
Mean Absolute Deviation (MAD)
Mean Absolute Deviation (MAD) dihitung dengan membagi jumlah nilai absolut dari Error
perkiraan individu dengan ukuran sampel (jumlah periode perkiraan). Persamaan MAD adalah:
|𝑌 − 𝐹 |
𝑀𝐴𝐷 = ∑𝑛𝑡=1 𝑡 𝑛 𝑡 (3)
Dimana:
Yt = Data aktual pada periode t
Ft = Nilai peramalan pada periode t
n = Jumlah periode
Mean Absolute Percentage Error (MAPE)
Pengukuran ketelitian dengan cara Mean Absolute Percentage Error (MAPE) menunjukkan rata-
rata kesalahan absolute perkiraan dalam bentuk persentasenya terhadap data aktual. Persamaan
MAPE adalah:
1 |𝑌 − 𝐹 |
𝑀𝐴𝑃𝐸 = (𝑛) ∑𝑛𝑡=1 𝑡 𝑛 𝑡 (100) (4)
Dimana:
Yt = Data aktual pada periode t
Ft = Nilai peramalan pada periode t
N = Jumlah periode
Semakin rendah nilai MAPE, berarti nilai taksiran semakin mendekati nilai sebenarnya atau
dapat dikatakan model peramalan memiliki kemampuan yang baik. Rentang nilai untuk MAPE dapat
dilihat pada tabel 2.1:
Tabel 1. Signifikansi nilai MAPE
No MAPE (%) Signifikansi
1 <10 Kemampuan peramalan sangat baik.
2 10-20 Kemampuan peramalan baik.
3 20-50 Kemampuan peramalan layak/memadai
4 >50 Kemampuan peramalan sangat buruk.

CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 38

 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]

3. HASIL DAN PEMBAHASAN

Analisis data masukan
Kebutuhan masukan untuk sistem pada Bengkel Amin adalah data inventory produk[6]. Berikut
ini adalah data penjualan oli periode Januari 2022 hingga Mei 2023 pada Bengkel Amin.
Tabel 2. Data Penjualan Periode Jan 2022 – Mei 2023
Bulan Yamalube Matic 1L (Btl) AHM Oil MPX 2 1L (Btl)
Jan-22 49 67
Feb-22 52 66
Mar-22 50 63
Apr-22 53 65
Mei-22 54 64
Jun-22 56 67
Jul-22 49 65
Agu-22 48 68
Sept-22 50 69
Okt-22 52 72
Nov-22 51 70
Des-22 49 70
Jan-23 47 69
Feb-23 44 70
Mar-23 48 66
Apr-23 51 67
Mei-23 54 64
Analisis Proses Prediksi Metode Single Moving Average
Pada tahapan ini merupakan tahapan untuk menjelaskan bagaimana proses dari sistem yang ada.
Sehingga dengan adanya analisis proses ini sistem yang ada berjalan sesuai dengan prosedur yang sedang
diusulkan. Perhitungan dimulai dengan menghitung nilai peramalan pada bulan setelah periode moving
untuk menghasilkan hasil peramalan pada periode Juni pada tahun 2023.
Dari banyaknya data yang dimiliki, peneliti memilih beberapa data sebagai sampel untuk prediksi
peramalan menggunakan metode Single Moving Average ini. Diantaranya adalah data penjualan
produk oli dari merk Yamalube Matic dan AHM Oil MPX 2. Berikut adalah prediksi peramalan
menggunakan metode SMA untuk meramalkan persediaan produk:
Peramalan Yamalube Matic
Proses peramalan produk Yamalube Matic dengan metode Single Moving Average (SMA)[7]
dengan rata-rata bergerak sebanyak 6 bulan.
April 2022 Mei 2022 Juni 2022
𝑌1 +𝑌2 +𝑌3 +𝑌4 +𝑌5 +𝑌6 𝑌2 +𝑌3 +𝑌4 +𝑌5 +𝑌6 +𝑌7 𝑌 +𝑌 +𝑌 +𝑌 +𝑌 +𝑌
F1 = F2 = F3 = 3 4 5 6 6 7 8
6 6
49+52+50+53+54+56 52+50+53+54+56+49 50+53+54+56+49+48
F1 = F2 = F3 =
6 6 6
314 314 310
F1 = 6 F2 = 6 F3 = 6
F1 = 52.33 F2 = 52.33 F3 = 51.67

Begitu seterusnya hingga perhitungan peramalan pada bulan Juni 2023.

CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 39

 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]
Setelah menghitung peramalan, langkah selanjutnya adalah menghitung nilai MAD, MSE dan
MAPE. Untuk menghitung nilai tersebut dibutuhkan perhitungan kesalahan (Error) terlebih dahulu
dari peramalan. Adapun rumus perhitungan Error:
Et = Ft – Xt
Keterangan :
Et = nilai galat (Error)
Xt = data aktual pada periode ke t
Ft = data ramalan pada periode ke t
Perhitungan Error diambil dari bulan Juli 2022 dimana hasil perhitungan didapat dari nilai selisih
antara data aktual dengan hasil peramalan yang dilakukan sampai dengan May 2023 dikarenakan pada
bulan Juni 2023 data penjualan oli belum diketahui. Berikut ini perhitungan Errornya:
Et Juli 2022 = 52.33 – 49 = 3.33
Et Agustus 2022 = 52.33 – 48 = 4.33
Et September 2022 = 51.67 – 50 = 1.67
Begitu seterusnya hingga perhitungan nilai Error pada periode Mei 2023.
Tahapan selanjutnya adalah menghitung nilai Absolute Error (MAD). Nilai MAD didapat dari
nilai Error dari kesahalan. Langkah berikutnya menghitung nilai Error2 (MSE). Nilai MSE didapat dari
nilai MAD atau nilai kesalahan peramalan yang dikuadratkan. Adapun tabel hasil perhitungan nilai
MSE sebagai berikut:
Tabel 3. Nilai MSE Peramalan Yamalube Matic
2
No Periode Data Aktual Forecast Error ABS Error (MAD) Error (MSE)
1 Jan-22 49 0.00
2 Feb-22 52 0.00
3 Mar-22 50 0.00
4 Apr-22 53 0.00
5 May-22 54 0.00
6 Jun-22 56 0.00
7 Jul-22 49 52.33 3.33 3.33 11.11
8 Aug-22 48 52.33 4.33 4.33 18.78
9 Sep-22 50 51.67 1.67 1.67 2.78
10 Oct-22 52 51.67 -0.33 0.33 0.11
11 Nov-22 51 51.50 0.50 0.50 0.25
12 Dec-22 49 51.00 2.00 2.00 4.00
13 Jan-23 47 49.83 2.83 2.83 8.03
14 Feb-23 44 49.50 5.50 5.50 30.25
15 Mar-23 48 48.83 0.83 0.83 0.69
16 Apr-23 51 48.50 -2.50 2.50 6.25
17 May-23 54 48.33 -5.67 5.67 32.11
18 Jun-23 48.83 - - -

Setelah mendapatkan nilai MSE, kemudian menghitung nilai APE. Adapun rumus perhitungan
APE adalah sebagai berikut:
APE = Aktual / Absolute Error (MAD) * 100
Keterangan :
Aktual = nilai aktual
Absolute Error (MAD) = kesalahan peramalan
CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 40
 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]
Perhitungan MAPE hanya dilakukan sampai dengan Mei 2023 dikarenakan pada bulan Juni 2023
data penjualan belum diketahui. Adapun perhitungannya yaitu sebagai berikut:
APE Juli 2022 = (3.33 / 49) * 100 = 6.80%
APE Agustus 2022 = (4.33 / 48) * 100 = 9.03%
APE September 2022 = (1.67 / 50) * 100 = 3.33%
Begitu seterusnya hingga perhitungan nilai APE pada periode Mei 2023. Setelah semua hasil di
atas di dapat maka langkah selanjutnya adalah menghitung rata-rata nilai MAD. Rata-rata nilai MAD
merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil
peramalan lebih besar atau lebih kecil dibandingkan kenyataannya. Berikut ini perhitungan nilai rata-
rata MAD:
n
|Yt − Ft | 29.50
MAD = ∑ = = 2.68
n 11
t=1
Kemudian langkah selanjutnya ialah menghitung nilai MSE. Mean Square Error (MSE)
merupakan suatu parameter dalam peramalan untuk menguji keakuratan hasil peramalan yang telah
dilakukan. Semakin kecil nilai MSE maka semakin akurat hasil peramalan yang telah dilakukan.
Berikut ini ialah perhitungan nilai rata-rata MSE:
n
(Yt − Ft )2 114.36
MSE = ∑ = = 10.40
n 11
t=1
Langkah terakhir ialah menghitung nilai MAPE[8]. MAPE merupakan ukuran kesalahan relatif.
MAPE biasanya lebih berarti dibandingakan MAD karena MAPE menyatakan persentase kesalahan
hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi
persentase kesalahan terlalu tinggi atau terlalu rendah.
n
1 |Yt − Ft | 60.53
MAPE = ( ) ∑ (100) = = 5.50%
n n 11
t=1
Adapun hasil perhitungan nilai rata-rata MAD, MSE dan MAPE dapat dilihat pada tabel berikut:
Tabel 4. Nilai MAD, MSE dan MAPE Peramalan Yamalube Matic
No Periode Data Aktual Forecast Error ABS Error Error2 APE (%)
1 Jan-22 49 0.00
2 Feb-22 52 0.00
3 Mar-22 50 0.00
4 Apr-22 53 0.00
5 May-22 54 0.00
6 Jun-22 56 0.00
7 Jul-22 49 52.33 3.33 3.33 11.11 6.80
8 Aug-22 48 52.33 4.33 4.33 18.78 9.03
9 Sep-22 50 51.67 1.67 1.67 2.78 3.33
10 Oct-22 52 51.67 -0.33 0.33 0.11 0.64
11 Nov-22 51 51.50 0.50 0.50 0.25 0.98
12 Dec-22 49 51.00 2.00 2.00 4.00 4.08
13 Jan-23 47 49.83 2.83 2.83 8.03 6.03
14 Feb-23 44 49.50 5.50 5.50 30.25 12.50
15 Mar-23 48 48.83 0.83 0.83 0.69 1.74
16 Apr-23 51 48.50 -2.50 2.50 6.25 4.90
17 May-23 54 48.33 -5.67 5.67 32.11 10.49
CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 41
 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]
18
Jun-23 48.83 - - - -
MAD 2.68
MSE 10.40
MAPE 5.50%
Peramalan AHM Oil MPX 2
Proses prediksi persediaan produk dengan metode Single Moving Average (SMA) dengan rata-rata
bergerak sebanyak 3.
April 2022 Mei 2022 Juni 2022
𝑌1 +𝑌2 +𝑌3 𝑌2 +𝑌3 +𝑌4 𝑌 +𝑌 +𝑌
F1 = F2 = F3 = 3 4 5
3 3 3
67+66+63 66+63+65 63+65+64
F1 = F2 = F3 =
3 3 3
196 194 192
F1 = 3 F2 = 3 F3 = 3
F1 = 65,33 F2 = 64.67 F3 = 64
Begitu seterusnya hingga perhitungan peramalan pada bulan Juni 2023. Setelah menghitung
peramalan, langkah selanjutnya adalah menghitung nilai MAD, MSE dan MAPE. Untuk menghitung
nilai tersebut dibutuhkan perhitungan kesalahan (Error) terlebih dahulu dari peramalan. Adapun
rumus perhitungan Error:
Et = Ft – Xt
Keterangan :
Et = nilai galat (Error)
Xt = data aktual pada periode ke t
Ft = data ramalan pada periode ke t
Perhitungan Error diambil dari bulan April 2022 dimana hasil perhitungan didapat dari nilai selisih
antara data aktual dengan hasil peramalan yang dilakukan sampai dengan May 2023 dikarenakan pada
bulan Juni 2023 data penjualan oli belum diketahui. Berikut ini perhitungan Errornya:
Et April 2022 = 65.33 – 65 = 0.33
Et Mei 2022 = 64.67 – 64 = 0.67
Et Juni 2022 = 64 – 67 = -3.00
Begitu seterusnya hingga perhitungan nilai Error pada periode Mei 2023.
Tahapan selanjutnya adalah menghitung nilai Absolute Error (MAD). Nilai MAD didapat dari
nilai Error dari kesahalan.
Langkah berikutnya menghitung nilai Error2 (MSE). Nilai MSE didapat dari nilai MAD atau nilai
kesalahan peramalan yang dikuadratkan.
Setelah mendapatkan nilai MSE, kemudian menghitung nilai APE. Adapun rumus perhitungan
APE adalah sebagai berikut:
APE = Aktual / Absolute Error (MAD) * 100
Keterangan :
Aktual = nilai aktual
Absolute Error (MAD) = kesalahan peramalan
Perhitungan MAPE hanya dilakukan sampai dengan Mei 2023 dikarenakan pada bulan Juni 2023
data penjualan belum diketahui. Adapun perhitungannya yaitu sebagai berikut:
APE April 2022 = (0.33 / 65) * 100 = 0.51%
APE Mei 2022 = (0.67 / 64) * 100 = 1.04%
APE Juni 2022 = (3.00 / 67) * 100 = 4.48%
Begitu seterusnya hingga perhitungan nilai APE pada periode Mei 2023.
Setelah keseluruhan nilai APE didapat, maka hasil tersebut dapat dilihat pada tabel berikut ini:

CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 42

 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]
Tabel 5. Nilai APE Peramalan Yamalube Matic
No Periode Data Aktual Forecast Error ABS Error Error2 APE (%)
1 Jan-22 67 0.00
2 Feb-22 66 0.00
3 Mar-22 63 0.00
4 Apr-22 65 65.33 0.33 0.33 0.11 0.51
5 May-22 64 64.67 0.67 0.67 0.44 1.04
6 Jun-22 67 64.00 -3.00 3.00 9.00 4.48
7 Jul-22 65 65.33 0.33 0.33 0.11 0.51
8 Aug-22 68 65.33 -2.67 2.67 7.11 3.92
9 Sep-22 69 66.67 -2.33 2.33 5.44 3.38
10 Oct-22 72 67.33 -4.67 4.67 21.78 6.48
11 Nov-22 70 69.67 -0.33 0.33 0.11 0.48
12 Dec-22 70 70.33 0.33 0.33 0.11 0.48
13 Jan-23 69 70.67 1.67 1.67 2.78 2.42
14 Feb-23 70 69.67 -0.33 0.33 0.11 0.48
15 Mar-23 66 69.67 3.67 3.67 13.44 5.56
16 Apr-23 67 68.33 1.33 1.33 1.78 1.99
17 May-23 64 67.67 3.67 3.67 13.44 5.73
18 Jun-23 65.67 - - - -
Setelah semua hasil di atas di dapat maka langkah selanjutnya adalah menghitung rata-rata nilai
MAD. Rata-rata nilai MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya.
Berikut ini perhitungan nilai rata-rata MAD:
n
|Yt − Ft | 25.33
MAD = ∑ = = 1.81
n 14
t=1
Kemudian langkah selanjutnya ialah menghitung nilai MSE. Mean Square Error (MSE)
merupakan suatu parameter dalam peramalan untuk menguji keakuratan hasil peramalan yang telah
dilakukan. Semakin kecil nilai MSE maka semakin akurat hasil peramalan yang telah dilakukan.
Berikut ini ialah perhitungan nilai rata-rata MSE:
n
(Yt − Ft )2 75.78
MSE = ∑ = = 5.41
n 14
t=1
Langkah terakhir ialah menghitung nilai MAPE. MAPE merupakan ukuran kesalahan relatif.
MAPE biasanya lebih berarti dibandingakan MAD karena MAPE menyatakan persentase kesalahan
hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi
persentase kesalahan terlalu tinggi atau terlalu rendah.
n
1 |Yt − Ft | 37.45
MAPE = ( ) ∑ (100) = = 2.67%
n n 14
t=1
Adapun hasil perhitungan nilai rata-rata MAD, MSE dan MAPE dapat dilihat pada tabel
berikut:

CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 43

 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]
Tabel 6. Nilai MAD, MSE dan MAPE Peramalan Yamalube Matic
No Periode Data Aktual Forecast Error ABS Error Error2 APE (%)
1 Jan-22 67 0.00
2 Feb-22 66 0.00
3 Mar-22 63 0.00
4 Apr-22 65 65.33 0.33 0.33 0.11
5 May-22 64 64.67 0.67 0.67 0.44
6 Jun-22 67 64.00 -3.00 3.00 9.00
7 Jul-22 65 65.33 0.33 0.33 0.11 0.51
8 Aug-22 68 65.33 -2.67 2.67 7.11 1.04
9 Sep-22 69 66.67 -2.33 2.33 5.44 4.48
10 Oct-22 72 67.33 -4.67 4.67 21.78 0.51
11 Nov-22 70 69.67 -0.33 0.33 0.11 3.92
12 Dec-22 70 70.33 0.33 0.33 0.11 3.38
13 Jan-23 69 70.67 1.67 1.67 2.78 6.48
14 Feb-23 70 69.67 -0.33 0.33 0.11 0.48
15 Mar-23 66 69.67 3.67 3.67 13.44 0.48
16 Apr-23 67 68.33 1.33 1.33 1.78 2.42
17 May-23 64 67.67 3.67 3.67 13.44 0.48
18 Jun-23 65.67 - - - -
MAD 1.81
MSE 5.41
MAPE 2.67%
Perbandingan Hasil Error Periode Moving
Berikut ini merupakan hasil perbandingan antara periode moving yang digunakan dengan
periode moving lainnya yaitu menggunakan periode moving 3, 4, 5 dan 6:
Tabel 7 Perbandingan Nilai Error
No Produk Periode Moving MAD MSE MAPE Forecasting
3 3.36 14.04 6.70% 51.00
4 3.19 13.65 6.39% 49.25
1 Yamalube Matic 1L
5 2.93 12.65 5.91% 48.80
6 2.68 10.40 5.50% 48.83
3 1.80 5.41 2.67% 65.67
4 2.09 6.46 3.09% 66.75
2 AHM Oli MPX2 1L
5 2.35 8.33 3.45% 67.20
6 2.56 9.75 3.76% 67.67
Berdasarkan tabel diatas, dapat disimpulkan bahwa produk Yamalube Matic 1L lebih cocok
menggunakan periode moving 6 dikarenakan memiliki nilai Mape yang paling kecil yaitu 5.50.
Sementara untuk produk AHM Oli MPX2 1L lebih cocok menggunakan periode moving 3 karena
memiliki nilai MAPE yang paling kecil yaitu 2.67.

4. KESIMPULAN
Metode Simple Moving Average memberikan prediksi yang cukup stabil dalam menentukan
persediaan oli sepeda motor di Bengkel Amin. Ini karena metode ini menghitung rata-rata dari
sejumlah periode sebelumnya, yang mengurangi fluktuasi data yang mungkin terjadi. Meskipun stabil,
metode ini memiliki keterbatasan dalam mengikuti tren jangka panjang atau perubahan mendadak
CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 44
 Fusion : Journal of Research in Engineering, E-ISSN : 3047-8278
Technolgy and Applied Sciences
Volume 1 ; Nomor 1 ; April 2024 ; Page 36-45
DOI :
WEB : [Link]
dalam permintaan atau suplai. Ini karena fokusnya pada data historis yang telah terjadi. Agar tetap
relevan, model prediksi dengan Simple Moving Average membutuhkan pembaruan secara teratur
dengan mempertimbangkan data baru dan menggeser jendela waktu yang digunakan untuk perhitungan
rata-rata.

5. DAFTAR PUSTAKA
[1] W. N. Faroh, N. Zahri, And J. L. Surya, “Pengaruh Fasilitas Dan Pelayanan Terhadap
Kepuasan Pelanggan Pada Pt Mafati Inovasi Technology Pondok Cabe-Tangerang Selatan,”
Vol. 2, No. 2, 2019.
[2] A. Aldhi Saputra, M. Munir, And Z. D. Rizki A.P, “Peramalan Pendapatan Dari Penjualan
Bawang Merah Menggunakan Metode Regresi Linier Berganda,” Prosiding Seminar Nasional
Teknologi Dan Sains, 2023.
[3] H. Syafwan, F. Siagian, P. Putri, M. Handayani, S. H. Tinggi Manajemen Informatika Dan
Komputer Royal Jln M Yamin No, And S. Utara, “Forecasting Jumlah Pengangguran Di
Kabupaten Asahan Menggunakan Metode Weighted Moving Average,” Jurnal Teknik
Informatika Kaputama (Jtik), Vol. 5, No. 2, 2021.
[4] N. Hudaningsih, S. Firda Utami, And W. A. Abdul Jabbar, “Perbandingan Peramalan
Penjualan Produk Aknil [Link] Sepuri Mengguanakan Metode Single Moving Average Dan
Single Exponential Smooting,” Jurnal Jinteks, Vol. 2, No. 1, 2020.
[5] R. D. Syahputra, Supriono, And Suharyono, “Peramalan Penjualan Jasa Freight Forwarding
Dengan Metode Single Moving Averages, Exponential Smoothing Dan Weighted Moving
Averages (Studi Kasus Pada Pt Anugerah Tangkas Transportindo, Jakarta) Reza,”
Administrasi Bisnis, Vol. 55, No. 2, Pp. 113–121, 2018.
[6] Fauziah, Y. I. Ningsih, And E. Setiarini, “Analisis Peramalan (Forecasting) Penjualan Jasa Pada
Warnet Bulian City Di Muara Bulian,” Vol. 10, No. 1, Pp. 61–67, 2019, Doi:
10.33087/Eksis.V10i1.160.
[7] S. Alfarisi, “Sistem Prediksi Penjualan Gamis Toko Qitaz Menggunakan Metode Single
Exponential Smoothing,” Vol. 4, No. 1, Pp. 80–95, 2017, Doi: 10.30998/Jabe.V4i1.1908.
[8] K. Auliasari, M. Kertaningtyas, And M. Kriswantono, “Penerapan Metode Peramalan Untuk
Identifikasi Potensi Permintaan Konsumen,” Informatics Journal, Vol. 4, No. 3, Pp. 121–129,
2019.

CC Attribution-ShareAlike 4.0 License. Muhammad Syahrul | Page 45