%0 Thesis
%9 Bachelor
%A 23070185, ANGGI HARTONO
%A Universitas Kristen Duta Wacana,
%B Sistem Informasi
%D 2012
%F katalog:3418
%I Universitas Kristen Duta Wacana
%P 63
%T PERBANDINGAN METODE SINGLE EXPONENTIAL SMOOTHING DAN METODE EXPONENTIAL SMOOTHING ADJUSTED FOR TREND (HOLT'S METHOD) UNTUK MERAMALKAN PENJUALAN   STUDI KASUS: TOKO ONDERDIL MOBIL "PRODI, PURWODADI"
%U https://katalog.ukdw.ac.id/3418/
%X Setiap toko onderdil mobil berusaha meningkatkan kualitas pelayanan dalam sektor penjualan. Banyak usaha yang bisa dilakukan dalam meningkatkan sektor penjualan. Salah satu upaya yang ditempuh adalah memprediksi jumlah barang yang akan terjual untuk periode mendatang. Dengan memprediksi jumlah barang yang akan terjual untuk periode mendatang, pemilik toko dapat memperkirakan stok barang yang harus ada di dalam gudang. Jika pemilik toko tidak dapat memprediksi secara tepat, stok barang bisa berlebih maupun kurang dan hal ini berpengaruh terhadap perputaran uang. Memprediksi jumlah barang yang akan terjual dapat dilakukan dengan mempelajari data penjualan pada periode sebelumnya. Oleh sebab itu, diperlukan sebuah sistem yang dapat meramalkan penjualan untuk periode yang akan datang. Perbandingan metode Single Exponential Smoothing dan Exponential Smoothing Adjusted for Trend digunakan untuk keakuratan meramalkan jumlah barang yang akan terjual untuk periode yang akan datang. Single Exponential Smoothing  merupakan metode peramalan yang digunakan untuk data stasioner atau data yang relatif stabil. Exponential Smoothing Adjusted for Trend digunakan untuk data yang memiliki trend atau data yang memiliki kecenderungan peningkatan atau  penurunan dalam jangka panjang. Hasil yang dicapai dari penelitian ini adalah metode Single Exponential Smoothing lebih tepat dibandingkan dengan metode Exponential Smoothing Adjusted for Trend (Holt’s Method) karena pada histori penjualan tidak mengalami peningkatan penjualan / tidak ada trend. Selain itu, persentase kesalahan (selisih data aktual dengan nilai peramalan) dan MAD (untuk menghitung forecast error) yang didapat dari metode Single Exponential Smoothing lebih kecil dibandingkan dengan metode Exponential Smoothing Adjusted for Trend.