Implementasi Holt-Winters Exponential Smoothing untuk Peramalan Harga Bahan Pangan di Kabupaten Pamekasan

Naik turunnya harga bahan pangan bisa menjadi penentu bagi setiap orang dalam menentukan makanan yang akan dikonsumsi, menyesuaikan dengan keadaan finansial mereka. Penelitian ini bertujuan untuk melakukan peramalan harga bahan pangan di masa mendatang dengan menggunakan data harga bahan pangan di masa sebelumnya. Dengan adanya peramalan harga, diharapkan dapat bermanfaat untuk membuat perencanaan pembelanjaan seperti perencanaan belanja bulanan dan penentuan harga jual makanan. Metode peramalan yang digunakan adalah Metode Holt-Winters Exponential Smoothing. Metode ini merupakan metode peramalan yang selain memperhatikan faktor trend juga melihat faktor musim. Penelitian ini hanya menggunakan harga bahan pangan di Kabupaten Pamekasan untuk periode 2012-2019. Hasil penelitian menunjukkan bahwa peramalan dengan menggunakan Metode Holt-Winters Exponential Smoothing menghasilkan nilai akurasi yang cukup baik dengan rata-rata nilai MAPE 1.2% untuk Model Multiplikatif dan 1.02% untuk Model Aditif. Hal ini menunjukkan bahwa Model Aditif lebih baik daripada Model Multiplikatif karena memiliki nilai MAPE yang lebih kecil. Kata kunci: holt-winters, penghalusan eksponensial, peramalan, harga, bahan pangan Abstract The fluctuation of food prices can be a determinant for everyone to choose what food they will consume, according to their financial condition. This study aims to forecast food prices in the future by using data on food prices in the past. With price forecasting, it can be useful for planning expenditures such as monthly shopping planning and determining the selling price of food. The method used in this research is the Holt-Winters Exponential Smoothing Method, which in addition to paying attention to trend factors, also observes season factors (seasonal). This study only uses food prices in Pamekasan Regency for the period 2012-2019. The results show that forecasting using the Holt-Winters Exponential Smoothing Method has a good accuracy value with an average MAPE value of 1.2% for the Multiplicative Model and 1.02% for the Additive Model. This result shows that Additive Model is better than Multiplicative Model. Keywords: holt-winters, exponential smoothing, forecasting, price, food.

Abstract licence: CC BY-SA

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.