Abstract:Abstract: Sales of sponge cakes at Zahra's shop have difficulty meeting customer demand when the demand for sponge cakes increases drastically at certain times. This is because the sales of sponge cakes at Zahra's shop are…
re still calculated based on their own estimates, causing excess production to be made and even a shortage of sponge cake supplies. This problem has an impact on the supply control of sponge cake production which cannot be predicted properly by Zahra's shop. The purpose of this study is to build a forecasting system using the double exponential smoothing method to predict sales of sponge cake at Zahra's shop for the next period based on the data obtained. The research method used in this study is a quantitative method. The results in the calculation of sponge cake sales forecasting using the Double Exponential Smoothing method using alpha 0.5, the number of sponge cake sales for July 2023 on Banana Cake is 430 boxes, with a forecasting error rate of 2.75%, on Chiffon Mocca Sponge cake is 330 boxes, with a forecasting error rate of 2.75%. forecasting error of 4.50%, on Pandan Cake as many as 92 Boxes, with a forecasting error rate of 7.21%, on Ordinary Roll Cake as many as 77 Boxes, with a forecasting error rate of 4.78, So the error rate on Banana Cake, Bolu Chiffon Mocca, Pandan Cake, and Ordinary Roll Cake are in the very good category because they have an error value of less than 10%.
Keywords : double exponential smoothing; forecasting; spoke cake
Abstrak: Penjualan kue bolu pada toko zahra mengalami kesulitan untuk memenuhi permintaan pelanggan ketika permintaan kue bolu meningkat secara drastis diwaktu-waktu tertentu. Hal ini disebabkan karena penjualan kue bolu di toko zahra masih perhitungan berdasarkan perakiraan sendiri sehingga menyebabkan produksi yang dibuat sering kelebihan bahkan kekurangan persedian kue bolu. Masalah tersebut berdampak pada pengendalian persedian produksi kue bolu yang tidak dapat diprediksi dengan baik oleh toko zahra. .Tujuan penelitian ini adalah membangun sistem peramalan dengan metode double exponential smoothing untuk meramalkan penjualan bolu pada Toko Zahra untuk periode berikutnya berdasarkan data yang diperoleh. Metode penelitian yang digunakan dalam penelitian ini adalah metode kuantitatif. Hasil dalam perhitungan peramalan penjualan kue bolu dengan metode Double Exponential Smoothing menggunakan alpha 0.5 jumlah penjualan kue bolu untuk bulan Juli 2023 pada Bolu Pisang sebanyak 430 Kotak, dengan tingkat kesalahan peramalan sebesar 2,75%, Pada Bolu Chiffon Mocca sebanyak 330 Kotak, dengan tingkat kesalahan peramalan sebesar 4,50%, pada Bolu Pandan sebanyak 92 Kotak, dengan tingkat kesalahan peramalan sebesar 7,21%, pada Bolu Gulung Biasa sebanyak 77 Kotak, dengan tingkat kesalahan peramalan sebesar 4,78, Sehingga tingkat kesalahan pada Bolu Pisang, Bolu Chiffon Mocca,Bolu Pandan, dan Bolu Gulung biasa tergolong kategori sangat baik karena memiliki nilai kesalahan kurang dari 10%.
Kata Kunci : peramalan; kue bolu; pemulusan eksponensial ganda
Abstract:Abstract: Unemployment is a global economic issue that directly impacts human life in both developed and developing countries, especially in Indonesia, which, if ignored, will severely impact society's social dynamics. To…
o overcome this problem, forecasts are made so that later, the government can take policies to control and suppress the unemployment growth rate. This research aims to predict unemployment in Indonesia in 2023 using the Weighted Moving Average method, widely used to determine the trend of a time series, which is part of one of the Time Series methods that gives different weights. The dataset used was obtained from the Central Statistics Agency (BPS) relating to unemployment data from 2000 to 2022 (23 years). To analyze the level of accuracy of the results of this unemployment forecast using the MAD, MSE, and MAPE methods. This research concludes that the Weighted Moving Average method can be applied in predicting unemployment in Indonesia in 2023. The results of this research are a prediction of the number of unemployed in Indonesia, as many as 8,874,942 people at a weight value of 3 (three) where the accuracy of the MAD value is 745786.1833, the MSE value is 948402050986.3 and MAPE is 8.28%.
Keywords: forecasting; unemployment; weigth moving average; indonesia
Abstrak: Pengangguran menjadi isu ekonomi global yang berdampak secara langsung terhadap tingkat kehidupan manusia di negara-negara yang sudah maju maupun yang sedang berkembang khususnya di negara Indonesia, yang jika diabaikan akan berdampak serius terhadap dinamika sosial masyarakat. Untuk mengatasi permasalahan tersebut dibuatlah peramalan agar nantinya pemerinta dapat mengambil kebijakan dalam mengendalikan dan menekan angka pertumbuhan pengangguran tersebut. Penelitian ini bertujuan untuk memprediksi pengangguran di Indonesia pada tahun 2023 menggunakan metode Weighted Moving Average dimana metode ini banyak digunakan untuk menentukan trend dari suatu deret waktu yang merupakan bagian dari salah satu metode Time Series yang memberikan bobot yang berbeda-beda. Adapun dataset yang digunakan diperoleh dari Badan Pusat Satatistik (BPS) berkaitan dengan data pengangguran dari tahun 2000 sampai dengan tahun 2022 (selama 23 tahun). Untuk menganalisa tingkat akurasi dari hasil peramalan pengangguran ini memakai metode MAD, MSE, dan MAPE. Kesimpulan dari penelitian ini yaitu dapat diterapkannya metode Weighted Moving Average dalam memprediksi pengangguran di Indonesia pada tahun 2023. hasil dari penelitian ini berupa prediksi jumlah pengangguran di Indonesia sebanyak 8.874.942 orang pada nilai bobot 3 (tiga) dimana akurasi nilai MAD sebesar 745786,1833, nilai MSE sebesar 948402050986,3 dan MAPE sebesar 8,28 %.
Kata kunci: peramalan; pengangguran; weigth moving average; indonesia
Abstract:Abstract: Distributor Center (DC) Ria Sari, one of the official herbal medicine agents from PT HPAI (Herba Penawar Alwahida Indonesia) company. Sales of herbal medicines at the Ria Sari Anggriani Distributor Center (DC)…
often experience instability. Where in the period March 2022 to May 2022 there was a significant increase in sales. This resulted in the Ria Sari Anggriani Distributor Center (DC) being unable to serve requests for available herbal medicines. So that it becomes an obstacle in the stock of herbal medicines that must be prepared. If there are too many drug stocks but the demand for herbal medicines is decreasing then this will result in a loss, conversely if the demand for medicines increases but the stock of herbal medicines cannot be prepared then this will be a loss for DC Ria Sari Anggriani. For this reason, it is necessary to do a forecasting/prediction technique, using the Single Exponential Smoothing Method . The purpose of the forecasting/prediction will be to assist in terms of the supply of herbal medicines in the following month's period. The results of testing this method were obtained in the period June 2023, requests for 167 herbal medicines, 178 Extra foods, 189 Etta Goat Milk, 91 Herbal Toothpastes, 74 products of Propolis Soap.
Keywords: herbal medicine; prediction; single exponential smoothing
Abstrak: Distributor Center (DC) Ria Sari salah satu agen resmi obat herbal dari perusahaan PT HPAI (Herba Penawar Alwahida Indonesia). Penjualan obat herbal pada Distributor Center (DC) Ria Sari Anggriani sering terjadi ketidak stabilan. Dimana pada periode Maret 2022 sampai dengan Mei 2023 terjadi kenaikan penjualan yang seknifikan. Ini mengakibatkan Distributor Center (DC) Ria Sari Anggriani tidak dapat melayani permintaan akan obat herbal yang tersedia. Sehingga menjadi kendala dalam stok obat herbal yang harus disiapkan. Jika stok obat terlalu banyak namun permintaan akan obat herbal menurun maka ini akan manjedi kerugian, sebaliknya jika permintaan akan obat meningkat namun stok obat herbal tidak dapat disiapkan maka ini menjadi kerugian bagi DC Ria Sari Anggriani. Untuk itu perlu dilakukan suatu teknik peramalan/prediksi, menggunakan Metode Single Exponential Smoothing (SES). Tujuan dari peramalan/prediksi nantinya dapat membantu dalam hal penyediaan akan obat herbal pada periode bulan berikutnya. Hasil dari pengujian terhadap metode ini diperoleh pada periode Juni 2023, perminaan akan obat herbal 167 , Extrafood 178, Etta Goat Milk 189, Pasta Gigi Herbal 91, Sabun Propolis 74 produk. Hasil simpulan dari penelitian ini koefisien nilai alpha (α) mempengaruhi seberapa besar pengaruh data masa lalu terhadap peramalan masa depan.
Kata Kunci: obat herbal; prediksi; single exponential smoothing
Abstract:Abstract: Population is a group of people who live or settle in an area for six months or more. Increasing the population in an area results in more problems being faced by the area such as high unemployment rates, poverty…
ty and food shortages which result in hunger. BPS Asahan Regency records that there is an increase in population every year. Asahan Regency BPS cannot predict population growth in the following year, so an application is needed to predict population growth. The purpose of this study is to predict population growth in Asahan Regency in the following year based on previous data using the concept of data mining. By applying data mining using multiple linear regression methods can be used to calculate population growth estimates based on previous data. This quantitative research used population data of Asahan Regency from 2016 to 2022. From the calculation of the multiple linear regression model using data from the previous five years, the estimated population growth of Asahan for 2023 was 824,617 people and the process of estimating the population became more systematic and calculated. well with this population estimation system and the process of storing data becomes easier and does not require a lot of paper to print and save.
Keywords: Application; Data Mining; Multiple Linear Regression
Abstrak: Penduduk merupakan sekumpulan orang yang tinggal atau menetap pada suatu wilayah selama enam bulan atau lebih. Bertambahnya jumlah penduduk pada suatu daerah mengakibatkan semakin banyak pula persoalan yang di hadapi oleh daerah tersebut seperti tingkat pengangguran yang tinggi, kemiskinan dan kekurangan pangan yang mengakibatkan kelaparan. BPS Kabupaten Asahan mencatat terjadi adanya pertambahan penduduk pada setiap tahunnya. BPS Kabupaten Asahan tidak dapat memprediksi pertumbuhan penduduk pada tahun berikutnya sehingga dibutuhkan suatu aplikasi untuk memprediksi pertambahan penduduk tersebut. Tujuan penelitian ini adalah untuk memprediksi pertumbuhan penduduk Kabupaten Asahan pada tahun berikutnya berdasarkan data sebelumnya menggunakan konsep data mining. Dengan menerapkan data mining menggunakan metode regresi linier berganda dapat digunakan untuk menghitung estimasi pertumbuhan penduduk berdasarkan data sebelumnya. Penelitian yang dilakukan secara kuantitatif ini menggunakan data penduduk Kabupaten Asahan dari tahun 2016 sampai tahun 2022. Dari perhitungan model regresi linier berganda menggunakan data lima tahun sebelumnya didapat estimasi pertumbuhan penduduk Asahan untuk tahun 2023 sebesar 824.617 jiwa dan proses estimasi jumlah penduduk menjadi lebih sistematis dan terkalkulasi dengan baik dengan adanya sistem estimasi jumlah penduduk ini dan proses penyimpanan data menjadi lebih mudah dan tidak memerlukan banyak kertas untuk di cetak dan di simpan.
Kata kunci: Aplikasi; Data Mining; Regresi Linier Berganda
Abstract:Abstract: Sales of products that are frequently sold and new products at HNI Range fluctuate, namely sometimes increasing and sometimes decreasing. This is because consumers often move to other stockists because the product…
uct they want is not available, whereas if they have to buy, they must pre-order and wait a few days. This problem had an impact on product stock control which could not be predicted properly by HNI Kisaran. The purpose of this study is to apply the Single Exponential Smoothing method for forecasting product sales at HNI Kisaran based on the data obtained. The research method used in this research is qualitative research which is research that only collects data and explains descriptively/narratively without having to be processed by statistical tests. This research will only utilize data obtained from research sites and input them without changing anything. Manual calculation results and computerized calculation results have the same results. Using the Single Exponential Smoothing method can help HNI Kisaran to determine the amount of product that must be provided in order to be able to meet customer demand.
Keywords: forecasting; product; single exponential smoothing
Abstrak: Penjualan produk yang sering terjual dan produk baru di HNI Kisaran mengalami fluktuasi yaitu kadang kala meningkat dan kadang kala menurun. Hal ini disebabkan karena konsumen sering berpindah-pindah ke Stockis lainya dikarenakan produk yang diinginkan tidak ada sedangkan jika harus membeli, harus melakukan Pre Order terlebih dahulu dan menunggu beberapa hari. Masalah tersebut berdampak pada pengendalian stok produk yang tidak dapat diprediksi dengan baik oleh pihak HNI Kisaran. Tujuan penelitian ini adalah menerapkan metode Single Exponential Smoothing untuk peramalan penjualan produk di HNI Kisaran berdasarkan data yang diperoleh. Metode penelitian yang digunakan dalam penelitian ini adalah penelitian kualitatif yang merupakan penelitian yang hanya mengumpulkan data dan menjelaskan secara deskripstif/narasi tanpa harus diolah dengan pengujian statistik. Penelitian ini hanya akan memanfaatkan data yang diperoleh dari tempat riset dan menginputkannya tanpa mengubah apapun. Hasil perhitungan manual dan hasil perhitungan komputerisasi memiliki hasil yang sama. Menggunakan metode Single Exponential Smoothing dapat membantu pihak HNI Kisaran untuk menentukan jumlah produk yang harus disediakan agar mampu memenuhi permintaan pelanggan.
Kata kunci: peramalan; produk; single exponential smoothing
Abstract:Abstract: Rokan Hulu Regency is one of the regencies in Riau Province and has 2 large rivers, namely the Rokan Kanan River and the Rokan Kiri River. When the level of rainfall is high, the river flow overflows and causes…
flooding in several sub-districts. Climate change that is happening has an impact on changes in rainfall patterns, to overcome the impacts of climate change Rokan Hulu Regency needs to take early steps before a flood disaster occurs. The method used in processing the data is the backpropagation method and data processing using the Matlab software. Data processing was carried out on rainfall data for the last 6 years, from 2015 to 2020, which was sourced from the Rokan Hulu Regency Statistics Agency. Rainfall data from 2015 to 2019 is used as input data, while 2020 is the target. The data processing stage begins with data normalization and determining network training parameters. Artificial neural network research was carried out on rainfall data with a 5-5-1 architecture. The results of testing the rainfall data show prediction results with high accuracy, where the average accuracy rate reaches 98.17% with the highest accuracy of 99.99% while the lowest accuracy is 91.53%. The prediction results show a fairly high level of accuracy so that they can be used as evaluation material.
Keywords: artificial neural network; backpropagation; prediction; rainfall
Abstrak: Kabupaten Rokan Hulu merupakan salah satu kabupaten yang berada di Provinsi Riau dan memiliki 2 aliran sungai besar yaitu sungai rokan kanan dan sungai rokan kiri. Ketika tingkat curah hujan tinggi aliran sungai meluap dan menyebabkan banjir beberapa kecamatan. Perubahan iklim yang terjadi memberikan dampak pada perubahan pola curah hujan, untuk menanggulangi dampak perubahan iklim Kabupaten Rokan Hulu perlu melakukan langkah-langkah dini sebelum terjadi bencana banjir. Metode yang digunakan dalam mengolah data yaitu metode backpropagation dan pengolahan data menggunakan software Matlab. Pengolahan data dilakukan pada data curah hujan selama 6 tahun terakhir yaitu dari tahun 2015 sampai dengan 2020 yang bersumber dari Badan Statistik Kabupaten Rokan Hulu. Data curah hujan tahun 2015 sampai dengan tahun 2019 sebagai data input sedangkan tahun 2020 sebagai target. Tahapan pengolahan data diawali dengan melakukan normalisasi data dan menentukan parameter pelatihan jaringan. Penelitian jaringan saraf tiruan dilakukan pada data curah hujan dengan arsitekur 5-5-1. Hasil pengujian terhadap data curah hujan menunjukkan hasil prediksi dengan akurasi yang tinggi, dimana tingkat akurasi rata-rata mencapai 98,17% dengan akurasi tertinggi sebesar 99,99% sedang akurasi terendah sebesar 91,53%. Hasil prediksi menunjukkan tingkat akurasi yang cukup tinggi sehingga dapat digunakan sebagai bahan evaluasi.
Kata kunci: backpropagation; curah hujan; jaringan saraf tiruan; prediksi
Abstract:Abstract: The realization of credit proposed by customers is one of the essential factors for a bank. Moreover, especially during the Covid-19 pandemic, credit realization shows the business conditions of prospective borrowers,…
rowers, whether they are in good condition or not. So, it is crucial to predict how many new debtors will achieve. In this article, forecasting the number of new debtors uses the Simple Moving Average and Double Exponential Smoothing methods based on actual data on the number of new debtors per month for 2019-2021. Furthermore, the performance of the two methods is compared by comparing the Mean Absolute Deviation and Mean Square Error values. The comparison results conclude that the Simple Moving Average method is better than the Double Exponential Smoothing for predicting the number of new debtors.
Keywords: double exponential smoothing; mean absolute deviation; mean square error; simple moving average; forecasting.
Abstrak: Realisasi kredit yang diajukan oleh nasabah adalah salah satu faktor yang penting di dunia perbankan. Terlebih disaat adanya pandemi Covid-19, realisasi kredit memperlihatkan kondisi usaha para calon debitur, apakah dalam keadaan baik atau tidak. Sehingga penting untuk memprediksi berapa capaian jumlah debitur baru. Dalam artikel ini dilakukan peramalan jumlah debitur baru dengan metode Simple Moving Average dan Double Exponential Smoothing berdasarkan data aktual jumlah debitur baru per bulan tahun 2019-2021. Selanjutnya, dilakukan perbandingan performa kedua metode tersebut dengan cara membandingkan nilai dari Mean Absolute Deviation dan Mean Square Error. Hasil perbandingan yang diperoleh mengarah pada sebuah kesimpulan, yaitu metode Simple Moving Average lebih baik daripada Double Exponential Smoothing untuk meramalkan jumlah debitur baru
Kata kunci: double exponential smoothing; mean absolute deviation; mean square error; simple moving average; peramalan.
Abstract:Abstract: Superior students represent active and intelligent students who are able to make a direct contribution to the development of the nation. To produce excellent students, one of the efforts that can be made is to…
foster these superior students from the start by forming a superior class. In forming a superior class, an effective selection process is needed to select students who are truly superior. This research was conducted at STMIK Royal Kisaran where the object of research was prospective new students for the superior class and the related party was the Academic and Student Administration Bureau (BAAK) because the party was directly involved in selecting prospective new students for the superior class. But the problem is, BAAK does not yet have an election process based on a method and there is no information system for selecting prospective new students for superior classes. The purpose of this study is to make predictions related to the selection of prospective new students for superior classes in the future with the Naïve Bayes Algorithm and implemented in an information system.The results of this research are that the Naïve Bayes algorithm produces an accuracy rate of 60% in the good classification category which is measured by the level of accuracy using the confusion matrix, so that the information system produced in this study also has efficient prediction results and is expected to help BAAK.
Keywords: data mining; naïve bayes; superior student class.
Abstrak: Mahasiswa unggulan merupakan representasi dari mahasiswa aktif dan cerdas yang mampu memberikan kontribusi langsung terhadap perkembangan bangsa. Untuk menghasilkan mahasiswa yang benar unggul salah satu upaya yang dapat dilakukan adalah dengan membina mahasiswa unggulan tersebut sejak awal dengan membentuk kelas unggulan. Dalam membentuk kelas unggulan dibutuhkan proses seleksi yang benar efektif untuk memilih mahasiswa yang benar unggul. Penelitian ini dilakukan di STMIK Royal Kisaran dimana objek penelitian merupakan calon mahasiswa baru untuk kelas unggulan dan pihak yang terkait adalah Biro Administrasi Akademik dan Kemahasiswaan (BAAK) karena pihak tersebut terlibat langsung dalam pemilihan calon mahasiswa baru untuk kelas unggulan. Namun permasalahannya, pihak BAAK belum memiliki sebuah proses pemilihan berdasarkan metode dan belum adanya sistem informasi pemilihan calon mahasiswa baru kelas unggulan. Tujuan dari penelitian ini adalah melakukan prediksi terkait pemilihan calon mahasiswa baru kelas unggulan di masa mendatang dengan Algoritma Naïve Bayes dan diimplementasikan dalam sebuah sistem informasi. Hasil penelitian ini algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 60% dengan kategori good classification yang diukur tingkat akurasinya dengan menggunakan confusion matrix, sehingga sistem informasi yang dihasilkan dalam penelitian ini juga memiliki hasil prediksi yang efisien dan diharapkan dapat membantu pihak BAAK.
Kata Kunci: data mining; mahasiswa kelas unggulan; naïve bayes.
Abstract:Abstract: A research institute explains that with 83.7 million people using the Internet, Indonesia is among the top 20 internet users globally. Various individual or group activities require an internet network, one of…
which is playing games, for developments in the gaming sector, especially the MOBA (Massive Online Battle Arena) genre game, is being hotly discussed. There are various kinds of MOBA genre games, one of which is the Mobile Legends game. Many E-Sport Mobile Legends teams, especially in Asia, make this phenomenon a business space to generate large profits. In this study, the researcher recommends a good machine learning algorithm to predict the outcome of Mobile Legends matches. Of the 600 match history data analyzed, this study recommends the Artificial Neural Network (ANN) and Random Forest (RF) algorithms as the right algorithms to predict the outcome of the match. Prediction results from each algorithm can reach 82% and 80% accuracy. These findings can help the E-sports analysis team build their match strategy.
Keywords: artificial neural networ; machine learning; mobile legend; prediction; random forest
Abstrak: Sebuah lembaga penelitian menjelaskan bahwa dengan 83,7 juta penduduk yang menggunakan Internet, Indonesia termasuk di dalam 20 besar pengguna internet secara global. Berbagai aktivitas individu atau kelompok membutuhkan jaringan internet, salah satunya adalah bermain game, untuk perkembangan pada sektor game khususnya game bergenre MOBA (Massive Online Battle Arena) sedang hangat diperbincangkan. Ada berbagai macam game bergenre MOBA, salah satunya game Mobile Legends. Banyak tim E-Sport Mobile Legends khususnya di asia menjadikan fenomena ini sebagai ruang bisnis untuk menghasilkan keuntungnya yang besar. Dalam penelitian ini, peneliti merekomendasikan algoritma pembelajaran mesin yang baik untuk memprediksi hasil pertandingan Mobile Legends. Dari 600 data riwayat pertandingan yang dianalisis, penelitian ini merekomendasikan algoritma Artificial Neural Network (ANN) dan Random Forest (RF) sebagai algoritma yang tepat untuk memprediksi hasil pertandingan. Hasil prediksi dari masing-masing algoritma dapat mencapai 82% dan akurasi 80%. Temuan ini dapat membantu tim analisis E-sports membangun strategi pertandingan mereka.
Kata kunci: artificial neural network; machine learning; mobile legend; prediksi; random forest
Abstract:Abstract: This research is a development of previous research, where the results of previous studies have only arrived at the application design stage. Jimmy Fish UMKM is a business that sells fish seeds, while the fish…
seeds that are sold are: catfish, tilapia, goldfish, mujaer fish, catfish, and carp. Jimmy Fish UMKM has several activities to support its business, one of which is determining how much stock of fish fry is needed for each period. Jimmy Fish SMEs have problems in determining the amount of fish seed stock, Jimmy Fish SMEs still use estimates without definite calculations to determine the number of fish seed stocks. As a result of this problem, when someone wants to buy fish seeds, the number of stocks is not fulfilled (less), the number of fish seeds is depleted, and there is even an excess stock of fish seeds (only a few sold), so that activities at Jimmy Fish SMEs become less effective. The solution to the existing problems is to build an e-forecasing application using the wieghted moving average (WMA) method. The e-forecasting application is very important because it can predict the number of fish seed stocks for the next period using calculations from previous data. The e-forecasting application also provides convenience, speed and as a support system for making decisions on how many fish seed stocks must be fulfilled for the next period.
Keywords: applications; e-forecasting; WMA
Abstrak: Penelitian ini merupakan pengembangan dari penelitian sebelumnya, dimana hasil dari penelitian sebelumnya baru sampai pada tahap desain aplikasi. UMKM Jimmy Fish merupakan usaha yang menjual bibit ikan adapun bibit ikan yang dijual yaitu: ikan lele, ikan nila, ikan emas, ikan mujaer, ikan patin, dan ikan gurame. UMKM Jimmy Fish mempunyai beberapa aktifitas untuk mendukung usahanya salah satunya penentuan berapa jumlah stok bibik ikan yang diperlukan untuk setiap periodenya. UMKM Jimmy fish mempunyai permasalahan dalam menentukan jumlah stok bibit ikan, UMKM Jimmy Fish masih menggunakan perkiraan tanpa perhitungan yang pasti untuk menentukan jumlah stok bibit ikan. Akibat yang ditimbulkan dari permasalah tersebut, ketika ada yang ingin membeli bibit ikan jumlah stok tidak terpenuhi (kurang), jumlah stok bibit ikan habis, dan bahkan ada jumlah stok bibit ikan yang berlebih (hanya terjual sedikit), sehingga aktifitas pada UMKM Jimmy Fish menjadi kurang efektif. Solusi dari permasalah yang ada, dengan membangun aplikasi e-forecasing menggunakan metode wieghted moving average (WMA). Aplikasi e-forecasting sangat penting karena dapat prediksikan jumlah stok bibit ikan untuk periode selanjutnya menggunakan perhitungan dari data-data sebelumnya. Aplikasi e-forecasting juga memberikan kemudahan, kecepatan dan sebagai support system pengambilan keputusan berapa jumlah stok bibit ikan yang harus terpenuhi untuk periode selanjutnya.
Kata kunci: aplikasi; e-forecasting; WMA