Peramalan Penjualan Makanan Cepat Saji Menggunakan Metode Autoregressive Integrated Moving Average With External Factors (Arimax)

Prabawa, Made Khrisna Giri (2020) Peramalan Penjualan Makanan Cepat Saji Menggunakan Metode Autoregressive Integrated Moving Average With External Factors (Arimax). Sarjana thesis, Universitas Brawijaya.

Abstract

Aktivitas peramalan merupakan kegiatan yang vital sebagai pendukung pengambilan keputusan di berbagai bidang dalam bisnis. Pendekatan ini akan sangat membantu jika diterapkan oleh rumah makan (RM) makanan cepat saji di kota Malang. Kota Malang saat ini sedang mengalami pertumbuhan ekonomi dilihat dari meningkatnya pengeluaran per kapita per bulan untuk makanan dan minuman jadi. Namun outlet franchise makanan yang berbahan dasar daging ayam yang dikelola oleh suatu CV, mengalami penurunan penjualan pada tahun 2019 bila dibandingkan dengan omzetnya pada tahun 2018. Penelitian ini dilakukan untuk membentuk model peramalan kuantitatif demi mencari tahu faktor-faktor eksternal yang berpengaruh pada penjualan online dan offline di outlet RM serta penyebabnya. Metode yang akan digunakan adalah metode pemodelan deret waktu ARIMAX. Sebelum masuk ke tahap pertama penelitian, data yang ada dibagi menjadi train data dan test data. Tahap pertama yaitu pembentukan model ARIMA dimulai dengan melakukan uji stasioneritas untuk mengetahui ordo d masing-masing jenis penjualan, kemudian mencari kemungkinan ordo p dan q menggunakan plot ACF dan PACF, model ARIMA kemudian dipilih berdasarkan tiga parameter pemilihan yaitu normalized BIC, MAPE, dan RMSE. Model ARIMA yang telah dipilih akan diuji validitasnya dengan uji Ljung-Box. Tahap kedua yaitu pembentukan model ARIMAX, dimulai dengan mengidentifikasi faktor eksternal melalui proses brainstorming yang dilakukan bersama salah satu manajemen CV. Faktor eksternal yang didapat dimodelkan menjadi variabel dummy agar dapat dintegrasikan ke dalam model ARIMA dengan menggunakan metode MLR. Pada langkah MLR, faktor eksternal yang tidak signifikan (Sig. > 0.10) akan dikeluarkan satu per satu sampai membentuk hasil yang seluruh faktor eksternalnya signifikan, sehingga pada akhirnya membentuk persamaan regresi linier. Tahap ketiga adalah pengukuran akurasi model dengan membandingkan forecast dan test data sedangkan metode pengukuran akurasi yang digunakan adalah MAPE. Tahap terakhir dan keempat adalah melakukan analisis faktor eksternal yang terdapat dalam model peramalan kuantitatif yang telah dibentuk, kemudian menggunakan model tersebut untuk melakukan peramalan penjualan harian dua minggu ke depan. Hasil tahap pertama menunjukkan bahwa model ARIMA yang digunakan untuk penjualan offline adalah ARIMA (14,1,0) sedangkan untuk penjualan online adalah ARIMA (18,1,7). Hasil tahap kedua menunjukkan bahwa untuk penjualan offline, faktor eksternal yang berpengaruh adalah variabel Sat dan Sun, sedangkan untuk penjualan online, faktor eksternal yang berpengaruh adalah variabel Mon, Tue, Wed, Thu, Fri, Sat, dan Sun. Hasil tahap ketiga menunjukkan bahwa model ARIMAX penjualan offline memiliki akurasi peramalan sebesar 82,743% sedangkan model ARIMAX penjualan online memiliki akurasi peramalan sebesar 86,256% sehingga model peramalan yang akan digunakan adalah model ARIMAX yang telah dibentuk. Pada tahap keempat diperoleh bahwa kedua jenis penjualan dipengaruhi oleh ketersediaan waktu customer untuk datang ke RM serta kebutuhan rekreasi kuliner customer seiring mendekati akhir pekan namun pada penjualan offline lebih dipengaruhi oleh penyebab pertama, sedangkan penjualan online oleh penyebab kedua.

English Abstract

Forecasting activity has an important role in supporting decision making on various business and enterprises. Therefore, an accurate forecasting result will give a very helpful insight in managing a fastfood franchise outlet in Malang. It is worth be noticed that Malang is currently experiencing a significant economic growth, aligned to the increase of monthly per capita spending for food and beverage. However, the outlet managed by the company experiences a decrease in revenue during 2019 compared to its revenue in 2018. This research was conducted to form a suitable quantitative forecast model in order to obtain the external factors affecting the offline and online daily sales of the outlet and then forecast the daily sales for the next two weeks. The method used in this research was the ARIMAX timeseries modelling method. Before entering the first stage of the research, available data was split into two parts, train data and test data. The first stage was the ARIMA model formation starting with stationarity tests in order to acquire the d order of the model, and then obtaining possible p and q order through the use of ACF and PACF plot, the ARIMA model was then chosen by three parameters which were normalized BIC, MAPE, and RMSE. The chosen ARIMA model was then tested for its validity by using the Ljung-Box test. The second stage was forming the ARIMAX model starting with obtaining the external factors through a process of brainstorming with one of the company’s management. Obtained external factors were modelled as dummy variables in order to enable integration with the ARIMA model through the use of MLR method. On the MLR method step, insignificant (Sig. > 0.10) external factors were ruled out one by one until all external factors were deemed significant, thus forming the linear regression equation. The third stage was to measure model accuracy by comparing model’s forecast value with test data, the measurement method used was MAPE method. The fourth and final stage was to analyze the eternal factors contained in the chosen model and then use said model to forecast daily sales for the next two weeks. Results from the first stage showed that the ARIMA model suitable for offline sales was the ARIMA (14,1,0) while the ARIMA model suitable for offline sales was the ARIMA (18,1,7). Results from the second stage showed that for the offline sales, significant external factors were the SAT and SUN variables while for the online sales, significant external factors were the MON, TUE, WED, THU, FRI, SAT, and SUN variables. Results from the third stage showed that the ARIMAX model for offline sales has an accuracy of 82,743% while the ARIMAX model for online sales has an accuracy of 86,256% and thus the forecast models to be used in forecasting daily sales were the ARIMAX models. Results from the fourth stage showed that both sales types were affected by the customer’s time availability and customer’s needs for culinary recreation nearing the end of the week. But offline sales differed in that it was affected more by the first reason while the online sales was affected more bu the second reason.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FT/2019/1063/052000734
Uncontrolled Keywords:	Peramalan, Penjualan Makanan Cepat Saji, Deret Waktu, ARIMAX, Forecasting, Fastfood Sales, Time Series, ARIMAX
Subjects:	600 Technology (Applied sciences) > 658 General management > 658.8 Managemet of marketing > 658.83 Market research
Divisions:	Fakultas Teknik > Teknik Industri
Depositing User:	Nur Cholis
Date Deposited:	17 Nov 2020 10:31
Last Modified:	05 Jan 2023 13:22
URI:	http://repository.ub.ac.id/id/eprint/178818

	Text (DALAM MASA EMBARGO) MADE KHRISNA GIRI PRABAWA (2).pdf Restricted to Registered users only until 31 March 2023. Download (7MB)
	Other (Thumbnails conversion from text to thumbnail_lightbox) lightbox.jpg Download (49kB)
	Other (Thumbnails conversion from text to thumbnail_preview) preview.jpg Download (18kB)
	Other (Thumbnails conversion from text to thumbnail_medium) medium.jpg Download (4kB)
	Other (Thumbnails conversion from text to thumbnail_small) small.jpg Download (1kB)

Actions (login required)

View Item