PEMODELAN ARMA UNTUK PERAMALAN PENJUALAN BOLPOIN PADA CV. CHAVA GRUP CABANG KEFAMENANU

Indonesia

Authors

  • Fanda Apriani Kolloh Universitas Timor
  • Eva Binsasi
  • Cecilia Salsinha
  • Ebenhaiser Liunokas

Keywords:

Kata Kunci: Peramalan; Autoregresive; Moving Average; ARMA

Abstract

Pengelolaan persediaan yang efektif memerlukan peramalan permintaan yang akurat, khususnya pada perusahaan pemasok alat tulis kantor. CV. Chava Grup Cabang Kefamenanu merupakan salah satu perusahaan yang menghadapi fluktuasi permintaan bolpoin dari waktu ke waktu. Penelitian ini bertujuan untuk menerapkan model Autoregressive Moving Average (ARMA) dalam meramalkan penjualan bolpoin sebagai dasar perencanaan persediaan. Data yang digunakan adalah data penjualan bolpoin harian selama periode Juni 2022 hingga Mei 2023 sebanyak 288 observasi. Analisis dilakukan menggunakan pendekatan deret waktu dengan bantuan perangkat lunak R. Hasil uji stasioneritas menunjukkan bahwa data bersifat stasioner sehingga dapat dimodelkan menggunakan ARMA. Berdasarkan kriteria Akaike Information Criterion (AIC) dan uji diagnostik residual, model terbaik yang diperoleh adalah ARMA(3,3). Model tersebut digunakan untuk melakukan peramalan penjualan bolpoin selama 30 hari ke depan. Hasil peramalan menunjukkan bahwa penjualan bolpoin cenderung berfluktuasi pada periode tertentu tanpa pola tren yang jelas. Temuan ini diharapkan dapat menjadi bahan pertimbangan bagi perusahaan dalam merencanakan persediaan bolpoin secara lebih optimal dan berbasis data.

References

REFERENCE

Amrin, A. (2014). Peramalan Tingkat Inflasi Indonesia Menggunakan Neural Network Backpropagation Berbasis Metode Time Series. AMIK Bina Sarana Informatika Jakarta, XI(2), 129–136. http://ejournal.nusamandiri.ac.id/ejurnal/index.php/techno/article/view/87

Andries, A. L. (2019). Analisis Persediaan Bahan Baku Kedelai Pada Pabrik Tahu Nur Cahaya Di Batu Kota Dengan Metode Economic Order Quantity (EOQ). Jurnal EMBA: Jurnal Riset Ekonomi, Manajemen, Bisnis Dan Akuntansi, 7(1), 1111–1120.

Ardiana, D. P. Y., & Loekito, L. H. (2018). Sistem Informasi Peramalan Persediaan Barang Menggusnakan Metode Weighted Moving Average. Jurnal Teknologi Informasi Dan Komputer, 4(1), 71–79. https://doi.org/10.36002/jutik.v4i1.397

Arumsari, M., & Dani, A. (2021). Peramalan Data Runtun Waktu menggunakan Model Hybrid Time Series Regression – Autoregressive Integrated Moving Average. Jurnal Siger Matematika, 2(1), 1–12. https://doi.org/10.23960/jsm.v2i1.2736

Hidayat, R., Saputra, J., & Oemara Syarif, A. (2021). Perencanaan Persediaan Alat Tulis Kantor Di CV Surya Niaga Jaya. Jurnal ARTI (Aplikasi Rancangan Teknik Industri), 16(2), 192–204. https://doi.org/10.52072/arti.v16i2.264

Ismaniah, Salkiawati, R., Rasim, & Rejeki, S. (2018). Sistem Informasi Pengendalian Persediaan Alat Tulis Kantor (ATK) di Universitas. Jurnal Rekayasa Informasi, 7(2), 63–70.

Kurniasi, A. A., Saptari, M. A., & Ilhadi, V. (2021). Aplikasi Peramalan Harga Saham Perusahaan Lq45 Dengan Menggunakan Metode Arima. Sisfo: Jurnal Ilmiah Sistem Informasi, 5(1), 13–26. https://doi.org/10.29103/sisfo.v5i1.4849.

Liunokas, E., Kobesi, K., & Salsinha, C. (2024). Prediksi Harga Bitcoin Menggunakan Metode ARIMA. Journal of Mathematics Theory and Applications, 2(2), 43 - 52. https://doi.org/10.32938/j-math22202443 - 52.

Maswar, M. (2017). Analisis Time Series Model Arma Untuk Memprediksi Jumlah Santri Pp Salafiyah Syafi’Iyah Sukorejo 2017-2021. LISAN AL-HAL: Jurnal Pengembangan Pemikiran Dan Kebudayaan, 11(1), 59–86. https://doi.org/10.35316/lisanalhal.v11i1.177

Muslihin, K. R. A., & Ruchjana, B. N. (2023). Model Autoregressive Moving Average (ARMA) untuk Peramalan Tingkat Inflasi di Indonesia. Limits: Journal of Mathematics and Its Applications, 20(2), 209. https://doi.org/10.12962/limits.v20i2.15098

Petropoulos, F., Apiletti, D., Assimakopoulos, V., Babai, M. Z., Barrow, D. K., Ben Taieb, S., Bergmeir, C., Bessa, R. J., Bijak, J., Boylan, J. E., Browell, J., Carnevale, C., Castle, J. L., Cirillo, P., Clements, M. P., Cordeiro, C., Cyrino Oliveira, F. L., De Baets, S., Dokumentov, A., … Ziel, F. (2022). Forecasting: theory and practice. International Journal of Forecasting, 38(3), 705–871. https://doi.org/10.1016/j.ijforecast.2021.11.001

PRANATA, M., ANGGRAINI, D., Makbuloh, D., & Rinaldi, A. (2020). Prediksi Pencurian Sepeda Motor Menggunakan Model Time Series (Studi Kasus: Polres Kotabumi Lampung Utara). BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 14(3), 425–434. https://doi.org/10.30598/barekengvol14iss3pp425-434

Rianto, M., & Yunis, R. (2021). Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Random Forest. Paradigma - Jurnal Komputer Dan Informatika, 23(1). https://doi.org/10.31294/p.v23i1.9781

Rinaldi, A., Si, S., Si, M., Dewi, N. R., Si, M., Tarbiyah, F., & Keguruan, D. A. N. (2021). DI KABUPATEN LAMPUNG TENGAH Skripsi Diajukan Guna Melengkapi Tugas-Tugas Dan Memenuhi Syarat-Syarat Guna Memperoleh Gelar Sarjana Pendidikan ( S . Pd ) Dalam Ilmu Pendidikan Matematika Oleh : DEWI ANJANI Program Studi : Pendidikan Matematika Pembimbing I .

Soekarno Putra, M., & Solikin, I. (2019). Aplikasi Peramalan Stok Alat Tulis Kantor (Atk) Menggunakan Metode Single Moving Average (Sma) Pada Pt. Sinar Kencana Multi Lestari. CESS (Journal of Computer Engineering System and Science), 4(2), 236–241.

Wahyuningtyas. (2011). Forecasting Hasil Produksi Rokok Sukun di Kabupaten Kudus Tahun 2011 dengan Metode Analisis Runtun Waktu. Skripsi.

WS, H. (2018). Penggunaan Metode ARIMA (Autoregressive Integrated Moving Average) untuk Prakiraan Jumlah Permintaan Gula Rafinasi (Studi Kasus: PT. Makassar Tene). 1–92.

Downloads

Published

2026-01-23

How to Cite

Kolloh, F. A., Binsasi, E., Salsinha, C., & Liunokas, E. (2026). PEMODELAN ARMA UNTUK PERAMALAN PENJUALAN BOLPOIN PADA CV. CHAVA GRUP CABANG KEFAMENANU: Indonesia. Journal of Mathematics Theory and Applications, 4(1). Retrieved from http://jurnal.unimor.ac.id/J-Math/article/view/8054

Issue

Vol. 4 No. 1 (2025): Edisi Oktober 2025

Section

Articles

License

Pemberitahuan Hak Cipta Penulis yang menerbitkan naskah pada jurnal ini, menyetujui persyaratan berikut:

  1. Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang secara bersamaan dilisensikan di bawah Creative Commons Attribution License yang memungkinkan orang lain untuk berbagi dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
  2. Aspek formal legal aksesibilitas publikasi jurnal mengacu pada Creative Commons Attribution 4.0 (CC-BY 4.0). Anda bebas untuk berbagi—menyalin dan mendistribusikan ulang materi dalam media atau format apa pun—meracik ulang, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial.
  3. Setiap publikasi (cetak/elektronik) bersifat open access untuk kepentingan pendidikan, penelitian, dan perpustakaan. Selain tujuan yang disebutkan di atas, dewan redaksi tidak bertanggung jawab atas pelanggaran hak cipta. Karya ini dilisensikan di bawah Creative Commons Attribution 4.0 (CC-BY 4.0)