Prediksi Penjualan Makanan Restororan Menggunakan Metode ARIMA: Studi Kasus Waroeng Marisukakoi
Kata Kunci:
ARIMA, prediksi penjualan, restoran, peramalan deret waktu, manajemen persediaanAbstrak
Industri restoran menghadapi tantangan dalam mengelola permintaan pelanggan yang fluktuatif, terutama dalam hal pengelolaan persediaan dan efisiensi operasional. Penelitian ini bertujuan untuk meramalkan penjualan makanan di Waroeng Marisukakoi menggunakan metode ARIMA (Autoregressive Integrated Moving Average), sebuah model statistik yang terbukti efektif untuk analisis data deret waktu. Data yang digunakan mencakup jumlah transaksi harian per menu selama 11 bulan, dengan total data yang dikelompokkan menjadi 47 minggu. Tahapan pra-pemrosesan meliputi pengelompokan data penjualan harian menjadi mingguan, penyusunan 4 kelompok makanan berdasarkan jenis menu, serta penanganan outlier untuk menjaga kualitas data. Proses analisis dimulai dari implementasi model ARIMA dengan parameter optimal hingga evaluasi model menggunakan metrik RMSE, MAE, dan MAPE. Prediksi ini memberikan wawasan yang berguna bagi manajemen restoran dalam mengoptimalkan pengelolaan stok, merencanakan strategi pemasaran, dan meningkatkan efisiensi operasional. Penelitian ini menunjukkan bahwa metode ARIMA mampu memberikan prediksi yang cukup akurat, meskipun terdapat tantangan dalam menangani fluktuasi tajam pada data penjualan. Untuk pengembangan lebih lanjut, disarankan untuk mempertimbangkan variabel eksternal seperti promosi dan cuaca, serta menggunakan model hybrid seperti ARIMA-LSTM untuk menangkap pola data yang lebih kompleks.
Referensi
Athanasopoulos, G. and Hyndman, R.J., 2018. Forecasting: Principles and Practice. OText.
Box, G.E.P., Jenkins, G.M., Reinsel, G.C. and Ljung, G.M., 2016. Time Series Analysis - Forecasting and Control. 5th ed. New Jersey: John Wiley & Sons, Inc., Hoboken.
Catur Putri, S.R. and Junaedi, L., 2022. Penerapan Metode Peramalan Autoregressive Integrated Moving Average Pada Sistem Informasi Pengendalian Persedian Bahan Baku. Jurnal Ilmu Komputer dan Bisnis, 13(1), pp.164–173. https://doi.org/10.47927/jikb.v13i1.293.
Fattah, J., Ezzine, L., Aman, Z., El Moussami, H. and Lachhab, A., 2018. Forecasting of demand using ARIMA model. International Journal of Engineering Business Management, 10. https://doi.org/10.1177/1847979018808673.
Harahap, Z., Leonandri, D. and Julvitra, E., 2020. Pengaruh Kualitas Pelayanan Dan Kualitas Produk Terhadap Kepuasan Konsumen Di 71st Omakase Restoran, Cikajang Jakarta. Jurnal Akademi Pariwisata Medan, 8(2), pp.120–131. https://doi.org/10.36983/japm.v8i2.93.
Hassyddiqy, H. and Hasdiana, H., 2023. Analisis Peramalan (Forecasting) Penjualan Dengan Metode ARIMA (Autoregressive Integrated Moving Average) Pada Huebee Indonesia. Data Sciences Indonesia (DSI), 2(2), pp.92–100. https://doi.org/10.47709/dsi.v2i2.2022.
Mahayana, I.B.B., Mulyadi, I. and Soraya, S., 2022. Peramalan Penjualan Helm dengan Metode ARIMA (Studi Kasus Bagus Store). Inferensi, 5(1), p.45. https://doi.org/10.12962/j27213862.v5i1.12469.
Ord, J.K. and Fildes, R., 2013. Principles of Business Forecasting. South-Western Cengage Learning.
Shmueli, G., 2016. Practical Time Series Forecasting: A Hands-On Guide. 3rd ed. Axelrod Schnall Publishers.
Athanasopoulos, G. and Hyndman, R.J., 2018. Forecasting: Principles and Practice. OText.
Box, G.E.P., Jenkins, G.M., Reinsel, G.C. and Ljung, G.M., 2016. Time Series Analysis - Forecasting and Control. 5th ed. New Jersey: John Wiley & Sons, Inc., Hoboken.
Catur Putri, S.R. and Junaedi, L., 2022. Penerapan Metode Peramalan Autoregressive Integrated Moving Average Pada Sistem Informasi Pengendalian Persedian Bahan Baku. Jurnal Ilmu Komputer dan Bisnis, 13(1), pp.164–173. https://doi.org/10.47927/jikb.v13i1.293.
Fattah, J., Ezzine, L., Aman, Z., El Moussami, H. and Lachhab, A., 2018. Forecasting of demand using ARIMA model. International Journal of Engineering Business Management, 10. https://doi.org/10.1177/1847979018808673.
Harahap, Z., Leonandri, D. and Julvitra, E., 2020. Pengaruh Kualitas Pelayanan Dan Kualitas Produk Terhadap Kepuasan Konsumen Di 71st Omakase Restoran, Cikajang Jakarta. Jurnal Akademi Pariwisata Medan, 8(2), pp.120–131. https://doi.org/10.36983/japm.v8i2.93.
Hassyddiqy, H. and Hasdiana, H., 2023. Analisis Peramalan (Forecasting) Penjualan Dengan Metode ARIMA (Autoregressive Integrated Moving Average) Pada Huebee Indonesia. Data Sciences Indonesia (DSI), 2(2), pp.92–100. https://doi.org/10.47709/dsi.v2i2.2022.
Mahayana, I.B.B., Mulyadi, I. and Soraya, S., 2022. Peramalan Penjualan Helm dengan Metode ARIMA (Studi Kasus Bagus Store). Inferensi, 5(1), p.45. https://doi.org/10.12962/j27213862.v5i1.12469.
Ord, J.K. and Fildes, R., 2013. Principles of Business Forecasting. South-Western Cengage Learning.
Shmueli, G., 2016. Practical Time Series Forecasting: A Hands-On Guide. 3rd ed. Axelrod Schnall Publishers.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
