PEMODELAN ARIMA UNTUK PREDIKSI PEMESANAN ES BATU KRISTAL PADA DATA HISTORIS AGEN

Abstract

Es batu kristal merupakan komoditas yang banyak digunakan pada sektor kuliner, perhotelan, dan rumah tangga sehingga permintaannya berfluktuasi dari waktu ke waktu. Kondisi tersebut menyulitkan agen distribusi dalam menentukan jumlah stok yang tepat dan berpotensi menyebabkan kelebihan maupun kekurangan persediaan. Penelitian ini bertujuan membangun model peramalan permintaan es batu kristal pada Agen Mas Bowil menggunakan metode Autoregressive Integrated Moving Average (ARIMA) untuk mendukung pengambilan keputusan pemesanan yang lebih akurat. Data yang digunakan berupa data historis pemesanan harian periode Mei–Oktober 2025 sebanyak 184 observasi yang terdiri atas Shift 1, Shift 2, Shift 3, dan total pemesanan harian. Tahapan penelitian meliputi pra-pemrosesan data, pengujian stasioneritas menggunakan Augmented Dickey-Fuller (ADF), proses differencing, identifikasi parameter model, serta evaluasi menggunakan MAE, RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa model ARIMA(0,1,1) pada data total harian menghasilkan performa terbaik dengan nilai MAPE sebesar 19,12%, sedangkan performa terbaik pada data per shift diperoleh Shift 3 dengan nilai MAPE sebesar 19,89%. Hasil tersebut menunjukkan bahwa agregasi data harian mampu menghasilkan prediksi yang lebih stabil dibandingkan pemodelan per shift. Meskipun demikian, pola prediksi yang terbentuk masih menunjukkan indikasi underfitting sehingga diperlukan data historis yang lebih panjang pada penelitian selanjutnya