Perpustakaan Digital ITB

Penjualan suplemen kesehatan melalui e-commerce TikTok Shop menghadapi permintaan yang fluktuatif akibat promosi dan ulasan pelanggan, sementara metode peramalan yang digunakan PT X, yaitu Double Exponential Smoothing (DES), belum mempertimbangkan kedua faktor tersebut sehingga berisiko menimbulkan kelebihan atau kekurangan stok. Penelitian ini bertujuan menganalisis pengaruh diskon promosi dan sentimen ulasan pelanggan terhadap akurasi peramalan serta mengembangkan model ensemble peramalan permintaan dan membandingkannya dengan metode DES. Data permintaan harian perusahaan selama 518 hari dikelompokkan berdasarkan koefisien variasi (CoV) ke dalam kelas A (CoV ? 0,511; permintaan relatif stabil), kelas B (0,511 < CoV ? 1; fluktuasi sedang), dan kelas C (CoV > 1; fluktuasi tinggi), sedangkan ulasan pelanggan diolah menjadi indeks sentimen menggunakan IndoBERT. Model ARIMAX, random forest, XGBoost, dan ensemble (equal weight, median, stacking) diuji pada tiga skenario variabel eksogen, kemudian dievaluasi menggunakan metrik MAPE, RMSE, MASE, serta simulasi kinerja persediaan. Hasil menunjukkan bahwa diskon dan sentimen belum meningkatkan akurasi secara konsisten. Model ensemble stacking menurunkan galat kelas A sebesar 7,62% (MASE), sedangkan model ensemble median menurunkan galat kelas C sebesar 21,67% (MAPE) dibandingkan dengan model DES; sementara pada kelas B, model DES tetap unggul. Simulasi persediaan pada tingkat layanan 99% menunjukkan bahwa model usulan menurunkan biaya persediaan relevan sebesar 7,8–21,1% dan meningkatkan fill rate pada ketiga kelas. Ketiadaan satu model yang unggul di semua kelas mengindikasikan bahwa kesesuaian model dengan tingkat volatilitas permintaan lebih menentukan akurasi peramalan dibandingkan dengan penambahan variabel.