Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi
Bani, Januar Elfreed
Unknown Affiliation
Computer Science & IT Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Rekonsiliasi Temporal dan Struktural Hierarkis untuk Meningkatkan Akurasi Peramalan Penjualan pada UKM Ritel Rambing, Danni; Tedy, Frengky; Tengangatu, Paul Filson M.; Bani, Januar Elfreed; Naifio, Raynaldi Bouk
INFOMATEK Vol 28 No 1 (2026): Juni 2026 (In Progress)
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v28i1.41554

Abstract

Usaha Kecil dan Menengah terutama pada sektor retail menghadapi tantangan tingginya jumlah produk, keterbatasan sumberdaya, serta pola karakteristik permintaan produk yang fluktuatif dan intermittent. Penelitian ini menginvestigasi peran struktural rekonsiliasi dan temporal rekonsiliasi dalam meningkatkan akurasi ramalan penjualan UKM Funan Mart, sebuah ritel sembako di Kabupaten Belu, Nusa Tenggara Timur. Model dasar yang digunakan dalam penelitian ini yaitu State Space Exponential Smoothing (ETS) yang banyak digunakan karena tidak memerlukan biaya komputasi yang tinggi dan dapat menyesuaikan dengan berbagai jenis data deret waktu. Hasil ramalan dasar dari ETS kemudian direkonsiliasi menggunakan pendekatan MinTrace (OLS), MinTrace dengan batasan negatif, Weighted Least Squares structural scaling (WLS-S), dan WLS-S non-negatif. Hasil penelitian ini menunjukkan bahwa rekonsiliasi dapat meningkatkan akurasi ramalan terutama pada level hierarki bawah dan agregasi temporal bulanan. Metode WLS-S dengan batasan negatif menghasilkan kinerja terbaik melalui penurunan RMSE dari model dasar ETS 0,638 menjadi 0,626. Pada level ProdukByMonth, kesalahan ramalan berkurang sebesar 6,7% terhadap model dasar ETS, sedangkan pada KategoriByMonth terjadi peningkatan akurasi sebesar 1,4%.
Co-Authors Frengky Tedy Naifio, Raynaldi Bouk Rambing, Danni Tengangatu, Paul Filson M.