<![CDATA[Data transaksi penjualan terus bertambah, tetapi pemanfaatannya sebagai dasar analisis prediktif untuk perencanaan persediaan belum optimal. Penelitian ini bertujuan membangun sistem informasi forecasting penjualan berbasis web, membandingkan Double Exponential Smoothing (DES) dan Triple Exponential Smoothing (TES) Holt-Winters Multiplicative, serta menghasilkan estimasi awal kebutuhan stok. Data mencakup 37.651 transaksi, 60.662 unit terjual, dan 2.905 produk periode Januari 2023-Desember 2025 yang diagregasi menjadi 36 observasi bulanan pada Food and Beverage (F&B), Craft (CRF), dan Fashion (FAS). Evaluasi kronologis menetapkan skenario 90:10 (32 bulan training dan 4 bulan testing) sebagai evaluasi utama, sedangkan 80:20 (29 bulan training dan 7 bulan testing) digunakan sebagai robustness check. Parameter pemulusan diuji pada grid 0,1-0,9 dengan interval 0,1. Pada evaluasi utama, DES memberikan MAPE terbaik pada F&B sebesar 6,56%, sedangkan TES memberikan MAPE terbaik pada CRF 6,29% dan FAS 35,02%. Robustness check 80:20 mempertahankan peringkat model yang sama dengan MAPE masing-masing 10,79%, 18,64%, dan 29,99%. Ketiga model terpilih juga mengungguli Naive Forecast. Validasi numerik independen di RStudio mereplikasi seluruh 12 kombinasi kategori metode skenario dan menghasilkan selisih MAPE 0,00 poin persentase setelah pembulatan dua desimal terhadap output PHP. Forecast 2026 menggunakan parameter skenario utama 90:10 untuk seluruh kategori. Sistem dikembangkan dengan Waterfall, Laravel, dan MySQL serta diuji secara fungsional menggunakan Black Box Testing. Estimasi stok produk dialokasikan dari forecast kategori berdasarkan proporsi historis dan diposisikan sebagai informasi awal, bukan jumlah pemesanan final, terutama pada CRF dan FAS yang memiliki risiko perubahan siklus hidup produk]]>
