<![CDATA[ABSTRACT Production planning in industry is crucial, and its accuracy must be ensured. Incorrect planning can lead to losses for the company in the form of product shortages or surpluses, which in turn affect costs. The first step in production planning is determining the production volume, which can be done through forecasting. A single forecasting method relies on the company’s historical data patterns and is therefore reactive to changes. To address this issue, this study proposes a hybrid forecasting method that combines Exponential Smoothing (ES) and Moving Average (MA) into Hybrid Exponential Smoothing–Moving Average (HES-MA). The HES-MA method combines the adaptive nature of MA with the smoothing capabilities of ES via a weighting mechanism. The weighting mechanism is performed using the inverse error method of the Mean Absolute Percentage Error (MAPE). Based on the results of the study, the HES-MA method produces error accuracy that is more stable against data changes than single forecasting methods using ES or MA. A sensitivity analysis is included to test the method. The forecast results generated by the HES-MA method serve as important inputs for the Master Production Scheduling (MPS). These forecast values are used to determine production quantities in each period to meet demand effectively. Furthermore, the stability of the proposed forecasting method can support better production planning decisions under dynamic demand conditions. Keywords: Production planning, forecasting, moving average, exponential smoothing, weight, MAPE ABSTRAK Perencanaan produksi dalam industri merupakan suatu hal yang penting untuk dilakukan dan pastikan akurasinya. Perencanaan yang salah dapat menyebabkan kerugian perusahaan berupa kekurangan produk atau kelebihan produk sehingga berimplikasi pada biaya. Langkah awal dari perencanaan produksi adalah menentukan jumlah produksi yang salah satunya dapat dilakukan dengan peralaman. Metode peramalan tunggal yang digunakan bergantung terhadap pola data historis perusahaan sehingga reaktif terhadap perubahan. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan metode peramalan hibrida yang mengombinasikan Exponential Smoothing (ES) dan Moving Average (MA) menjadi Hybrid Exponential Smoothing–Moving Average (HES-MA). Metode HES-MA mengambil karakter adaptif MA dan pengalaman smoothing ES melalui mekanisme pembobotan. Mekanisme pembobotan dilakukan dengan metode invers error dari Mean Absolute Percentage Error (MAPE). Berdasarkan hasil penelitian yang dilakukan, Metode HES-MA menghasilkan akurasi error yang dlebih stabil terhadap perubahan data daripada peramalan tunggal dengan ES atau MA. Analisis sensitivitas disertakan untuk pengujian metode. Hasil peramalan yang didapatkan dengan metode HES-MA merupakan input eksak untuk Master Production Scheduling (MPS). Nilai peramalan ini digunakan untuk menentukan jumlah produksi pada setiap periode guna memenuhi permintaan secara efektif. Selain itu, keandalan metode peramalan yang diusulkan dapat mendukung pengambilan keputusan perencanaan produksi yang lebih baik dalam kondisi permintaan yang dinamis.]]>
