PERBANDINGAN MODEL ARIMA, EXPONENTIAL SMOOTHING, DAN PROPHET PADA PERAMALAN PRODUK CACAT

Penelitian ini berfokus pada penerapan metode time series forecasting untuk memprediksi jumlah produk cacat harian pada sebuah perusahaan biskuit. Tingginya tingkat cacat produk menjadi indikator permasalahan kualitas yang dapat menurunkan efisiensi produksi serta profitabilitas perusahaan. Tujuan penelitian ini adalah membandingkan kinerja tiga model peramalan, yaitu ARIMA, Prophet, dan Exponential Smoothing, guna menentukan model terbaik untuk memperkirakan jumlah produk cacat di masa mendatang. Data yang digunakan merupakan data sekunder berupa laporan harian produk cacat selama periode 1 Januari 2024 hingga 25 Januari 2025. Metodologi penelitian meliputi data preprocessing, analisis eksploratif (EDA), uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF), dekomposisi deret waktu, penerapan ketiga model, serta evaluasi kinerja berdasarkan metrik Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa model ARIMA (1,0,1) memberikan kinerja terbaik dengan nilai RMSE terendah (396,13), diikuti oleh Prophet (430,20) dan Exponential Smoothing (468,42). Dengan demikian, model ARIMA dinilai paling efektif dalam memprediksi jumlah produk cacat dan dapat dijadikan alat bantu pengambilan keputusan bagi manajemen kualitas dalam perencanaan produksi serta tindakan perbaikan yang lebih proaktif.