FORECASTING PENJUALAN OBAT MENGGUNAKAN METODE SINGLE, DOUBLE, DAN TRIPLE EXPONENTIAL SMOOTHING ( STUDI KASUS : APOTEK MANDIRI MEDIKA)
DOI:
https://doi.org/10.24246/itexplore.v1i2.2022.pp90-99Keywords:
Medicine Forecasting ,Single Exponential Smoothing, Double Exponential Smoothing, Triple Exponential SmoothingAbstract
Abstrak – Obat merupakan bahan biologis yang sangat penting digunakan untuk penyembuhan dan peningkatan kesehatan untuk manusia. Kebutuhan obat akan semakin terus meningkat seiring dengan menuanya penuduk, sehingga diperlukan peramalan penjualan ketersediaan obat. Peramalan merupakan proses menyusun informasi untuk mendapatkan informasi yang baru. Peramalan memiliki banyak metode, pada penelitian ini menggunakan Metode Single, Double, dan Triple Exponential Smoothing dengan menggunakan studi kasus obat. Ketiga algoritma ini akan dilakukan perbandingan untuk mengetahui metode mana yang terbaik dalam peramalan. Hasil penelitian ini menunjukan metode Triple Exponential Smoothing merupakan metode yang terbaik degan nilai SSE 3306.302, jika dibandingan dengan Singel Exponential Smoothing sebesar 3945.069 dan Double Exponential Smoothing sebesar 4673.829.
Abstract – Medicine is a very important biological material used for healing and improving health for humans. The need for drugs will continue to increase along with the aging of the population, so it is necessary to forecast sales of drug availability. Forecasting is the process of compiling information to obtain new information. Forecasting has many methods, in this study using the Single, Double, and Triple Exponential Smoothing method using drug case studies. These three algorithms will be compared to find out which method is the best in forecasting. The results of this study indicate that the Triple Exponential Smoothing method is the best method with an SSE value of 3306,302, when compared with Single Exponential Smoothing of 3945,069 and Double Exponential Smoothing of 4673,829.
Downloads
References
S. Wahyuningsih and D. R. Utari, “Perbandingan Metode K-Nearest Neighbor , Naive Bayes dan Decision Tree untuk Prediksi Kelayakan Pemberian Kredit,” Konf. Nas. Sist. Inf. 2018 STMIK Atma Luhur Pangkalpinang, 8 – 9 Maret 2018, pp. 619–623, 2018.
R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 646, 2021, doi: 10.32493/informatika.v5i4.7622.
M. A. Rahman, N. Hidayat, and A. Afif Supianto, “Komparasi Metode Data Mining K-Nearest Neighbor Dengan Naïve Bayes Untuk Klasifikasi Kualitas Air Bersih (Studi Kasus PDAM Tirta Kencana Kabupaten Jombang),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Vol. 2, No. 12, Desember 2018, hlm. 6346-6353 e-ISSN, vol. 2, no. 12, pp. 925–928, 2018.
N. T. Romadloni, I. Santoso, and S. Budilaksono, “Perbandingan Metode Naive Bayes , Knn Dan Decision Tree Terhadap Analisis Sentimen Transportasi Krl,” J. IKRA-ITH Inform., vol. 3, no. 2, pp. 1–9, 2019.
P. N. Harahap and S. Sulindawaty, “Implementasi Data Mining Dalam Memprediksi Transaksi Penjualan Menggunakan Algoritma Apriori (Studi Kasus PT.Arma Anugerah Abadi Cabang Sei Rampah),” Matics, vol. 11, no. 2, p. 46, 2020, doi: 10.18860/mat.v11i2.7821.
D. Cahyanti, A. Rahmayani, and S. A. Husniar, “Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara,” Indones. J. Data Sci., vol. 1, no. 2, pp. 39–43, 2020, doi: 10.33096/ijodas.v1i2.13.
Z. Zulfauzi and M. N. Alamsyah, “Penerapan Algoritma Naive Bayes Untuk Prediksi Penerimaan Mahasiswa Baru Studi Kasus Universitas Bina Insan Fakultas Komputer,” J. Teknol. Inf. Mura, vol. 12, no. 02, pp. 156–165, 2020, doi: 10.32767/jti.v12i02.1096.
U. I. Lestari, “Penerapan Metode K-Nearest Neighbor Untuk Sistem Pendukung Keputusan Identifikasi Penyakit Diabetes Melitus,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 4, pp. 2071–2082, 2021, doi: 10.35957/jatisi.v8i4.1235.
“Water Quality,” [Online]. Available: https://www.kaggle.com/adityakadiwal/water-potability.
M. Fatchan and H. Sugeng, “Anlisa Terpilihnya Tri Rismaharini sebagi Menteri Sosial dengan Pendekatan Algorithma Naïve Bayes,” vol. 1, no. 2, pp. 50–57, 2022.
Sofyan Vivi Dwiyanu, “Klasifikasi Kelulusan Mahasiswa Program Studi Teknik Informatika Menggunakan Algoritma K-Nearest Neighbor,” 2019.
