<![CDATA[Inaccurate production planning can cause losses in food businesses due to overproduction or stock shortages. This study develops a production prediction model for the Moshi Mochi business by combining the Single Exponential Smoothing (SES) method and Simple Linear Regression. SES is used to forecast sales for the next period, while the resulting prediction is used as an input variable in the regression model to estimate production quantity. Model performance is evaluated using RMSE and MAPE. The results show that an alpha value of 0.4 produces an RMSE of 13.31 and a MAPE of 26.24%, which falls into the fairly good category. The predicted sales value of 39 mochi units is then used in the regression model, resulting in a production prediction of 39 units with RMSE and MAPE values of 0%. This zero error indicates that the combined SES and Simple Linear Regression model achieves 100% accuracy and falls into the very good category for historical data with low variation. The model can be effectively implemented in a web-based cashier application.Keywords: Production Prediction; Simple Linear Regression; Single Exponential Smoothing; Moshi Mochi.AbstrakKetidaktepatan jumlah produksi dapat menyebabkan kerugian bagi usaha makanan akibat kelebihan maupun kekurangan stok. Penelitian ini mengembangkan model prediksi produksi pada usaha Moshi Mochi dengan mengombinasikan metode Single Exponential Smoothing (SES) dan Regresi Linier Sederhana. Metode SES digunakan untuk memprediksi penjualan periode berikutnya, sedangkan hasilnya dijadikan variabel input pada model regresi untuk memprediksi jumlah produksi. Evaluasi performa dilakukan menggunakan RMSE dan MAPE. Hasil menunjukkan bahwa nilai alpha = 0,4 menghasilkan RMSE sebesar 13,31 dan MAPE sebesar 26,24%, yang berada pada kategori cukup baik. Nilai prediksi penjualan sebesar 39 buah mochi kemudian digunakan dalam model regresi yang menghasilkan prediksi produksi 39 buah mochi dengan RMSE sebesar 0 dan MAPE sebesar 0%. Nilai kesalahan nol ini menunjukkan bahwa akurasi model prediksi kombinasi SES dan Regresi Linier Sederhana mencapai 100% dan termasuk dalam kategori sangat baik pada data historis dengan variasi rendah. Model ini dapat diimplementasikan secara efektif dalam aplikasi kasir berbasis web.]]>
