Analisis Peramalan Penjualan Gorden Menggunakan Metode Single Moving Average dengan Perbandingan Periode pada Usaha Ritel Fadhila Gorden

Fadhila Mutia Rahmi (Universitas Muria Kudus)
Ahmad Jazuli (Universitas Muria Kudus)
Esti Wijayanti (Universitas Muria Kudus)

Progresif: Jurnal Ilmiah Komputer
Vol. 22 No. 3 (2026): Juli

The Fadhila Gorden retail business is facing critical instability in inventory management due to unpredictable sales fluctuations. This triggers the risk of financial losses from both overstocking and stockouts. This research aims to resolve this issue by predicting future sales using the Single Moving Average (SMA) forecasting method and implementing it into a web-based interface system. The research process was conducted by comparing the performance of three observation time-span scenarios—namely 3-, 5-, and 7-month periods—using 18 months of historical data. The performance accuracy level was measured using the Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE) parameters. The research results indicate that the 5-period scenario produced the lowest error rate, with an MAE value of 26.75 and a MAPE of 37.64%. In conclusion, the 5-period computational model proved to be the most precise and was successfully developed into a standalone interactive application. This system effectively provides a quantitative reference for the business owner to optimize the efficiency of raw material stock purchasing plans. Keywords: Sales forecasting; Single Moving Average (SMA); Inventory management; Web-based system. Abstrak Usaha Ritel Fadhila Gorden menghadapi urgensi ketidakstabilan manajemen persediaan akibat fluktuasi penjualan yang tidak menentu. Hal ini memicu risiko kerugian dari kelebihan maupun kekosongan stok barang. Penelitian ini bertujuan untuk menyelesaikan permasalahan tersebut dengan memprediksi penjualan masa depan menggunakan metode peramalan Single Moving Average (SMA) dan mengimplementasikannya ke dalam sebuah sistem antarmuka berbasis web. Proses penelitian dilakukan dengan membandingkan kinerja tiga skenario rentang waktu pengamatan yakni 3, 5, dan 7 periode bulanan—menggunakan 18 data historis masa lalu. Pengujian tingkat akurasi kinerja diukur menggunakan parameter Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa skenario 5 periode menghasilkan tingkat kesalahan paling rendah, dengan nilai MAE sebesar 26,75 dan MAPE sebesar 37,64%. Kesimpulannya, model komputasi 5 periode terbukti paling presisi dan berhasil dikembangkan menjadi aplikasi interaktif mandiri. Sistem ini secara efektif memberikan acuan kuantitatif kepada pemilik usaha untuk mengoptimalkan efisiensi perencanaan belanja stok bahan baku.