<![CDATA[Forecasting memberikan gambaran kondisi penjualan pada waktu yang akan datang. Informasitersebut sangat dibutuhkan oleh perusahaan manufaktur dalam membuat sebuah kebijakan. Kebijakan perusahaan sangat dipengaruhi oleh besarnya penjualan produk perusahaan tersebut.Akurasi forecasting untuk beberapa jenis industri sangat bernilai. Kemampuan untuk memperbaiki tingkat akurasi dapat menambah penjualan atau mengurangi biaya inventori dalam jumlah yang besar.Para pengusaha yang bergerak di bidang manufaktur perlu memiliki strategi dalam melakukan forecasting penjualan produknya. Salah satu strategi yang dapat digunakan adalah dengan menggunakan model Exponential Smoothing. Pada model Exponential Smoothing diperlukan nilai parameter stokastik yang harus ditentukan terlebih dahulu melalui kalibrasi. Algoritma Particle Swarm Optimization merupakan salah satu metode iteratif yang dapat digunakan dalam menentukan parameter stokastik. Adapun tahapan alur penelitian yang dilakukan adalah Pertama, Melakukan studi pustaka mengenai forecasting, model Exponential Smoothing,dan algoritma Particle Swarm Optimization. Kedua, Mengimplementasikanalgoritma Particle Swarm Optimization pada model Exponential Smoothing. Ketiga, Menggunakan parameteryang merupakan hasil implementasi untuk forecasting penjualan produk menggunakan model Exponential Smoothing. Hasil kalibrasi yang diperoleh melalui implementasi algoritma Particle Swarm Optimization diharapkan dapat digunakan dalam model Exponential Smoothing untuk forecasting penjualan produk menjadi lebih akurat, sehingga membantu perusahaan dalam menentukan kebijakan terkait penjualan ke depannya.Selain itu hasil implementasi ini diharapkan dapat berkontribusi sebagai referensi pengayaan bahan ajar bagi peneliti selanjutnya dalam upaya meningkatan akurasi model forecasting]]>
Copyrights © 2017
