Implementasi Metode Holt-Winters untuk Prediksi Penjualan Mobil

Andrea Nurpasha, Abi (2026) Implementasi Metode Holt-Winters untuk Prediksi Penjualan Mobil. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (945kB)
	PDF BAB_I.pdf Download (243kB)
	PDF BAB_II.pdf Download (304kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (679kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (238kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (226kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	Archive (ZIP) 00000079207_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Industri otomotif Indonesia merupakan sektor penting dalam perekonomian nasional, dengan Indonesia menguasai sekitar sepertiga dari total penjualan tahunan di kawasan ASEAN. Besarnya skala industri ini menuntut keselarasan yang ketat antara pasokan kendaraan dan kebutuhan pasar, sehingga kemampuan memprediksi pola penjualan secara akurat menjadi kebutuhan mendasar untuk mendukung perencanaan produksi dan pengelolaan persediaan. Penelitian ini mengimplementasikan metode Holt-Winters Triple Exponential Smoothing untuk memprediksi penjualan mobil berdasarkan kategori kendaraan menggunakan data retail bulanan dari laporan resmi Gabungan Industri Kendaraan Bermotor Indonesia (GAIKINDO), mencakup periode Januari 2013 hingga Desember 2025 yang terdiri dari 8 kategori dan 19 sub-kategori aktif. Proses penelitian meliputi pra-pemrosesan data, seleksi panjang window training secara individual per sub-kategori menggunakan pendekatan rolling validation, optimasi parameter pemulusan , , dan melalui Golden Section Search (GSS) dalam tiga tahap, pemilihan model Additive Holt-Winters (AHW) dan Multiplicative Holt-Winters (MHW) berdasarkan nilai MAPE terkecil, serta evaluasi out-of-sample terhadap data 2025 untuk menghasilkan peramalan 2026. Hasil evaluasi menunjukkan rata-rata MAPE seluruh sub-kategori sebesar 31,27% yang tergolong reasonable forecasting. Tiga sub-kategori mencapai highly accurate forecasting, yaitu Affordable Energy Saving Cars 4X2 - CC 1200 (G) dengan MAPE 4,78%, 4X2 Type - CC > 3.001 (G) / 2.501 (D) dengan MAPE 7,02%, dan Pick Up - GVW < 5 Ton (G/D) dengan MAPE 8,77%. Berdasarkan analisis per kategori, dua kategori tergolong highly accurate forecasting, lima kategori tergolong reasonable forecasting, dan satu kategori yaitu Sedan Type tergolong inaccurate forecasting dengan rata-rata MAPE 53,26% akibat karakteristik data yang sangat fluktuatif dan volume penjualan yang rendah.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Andrea Nurpasha, Abi (00000079207)
Contributors:	Endariahna Surbakti, Eunike
Keywords:	Golden Section Search, Holt-Winters, MAPE, peramalan penjualan mobil, seleksi window training
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	22 Jul 2026 08:01
URI:	https://kc.umn.ac.id/id/eprint/47864

Actions (login required)

View Item