Mengukur permintaan merupakan upaya untuk memastikan permintaan suatu produk atau sekelompok barang pada masa lalu dan masa kini, menurut buku Studi Kelayakan Bisnis karya I Made Adnyana. Tujuan dari peramalan permintaan adalah untuk menentukan jumlah barang atau kelompok produk yang akan ada di masa yang akan datang (Adnyana, I.M., 2020). Oleh karena itu, terdapat hubungan antara pengukuran dan peramalan permintaan karena peramalan juga akan mempertimbangkan data historis untuk menilai perubahan permintaan dari waktu ke waktu dan juga saat ini. Peramalan permintaan merupakan salah satu upaya perusahaan yang dijadikan landasan dalam memilih strategi kelangsungan bisnis, menurut Darfial Guslan dan Lita Fatimah dalam jurnalnya. Berdasarkan penelitiannya, "Tiara Rizki" menggunakan metode Naive dan Double Exponential Smoothing untuk meramalkan permintaan produk roti industri. Berdasarkan metode tersebut terlihat angka perkiraan lebih kecil dibandingkan permintaan pada bulan September 2019, Desember 2019, dan Maret 2020, masing-masing pada bulan April 2020, Oktober 2019, dan November 2019 (Guslan, D, dkk, 2021). Sedangkan Anna Lusiana dan Popy Yunarty menulis dalam jurnal tersebut bahwa peramalan permintaan adalah kegiatan memperkirakan/memprediksi kejadian yang akan datang melalui penggunaan perencanaan terlebih dahulu dan didasarkan pada kapasitas dan kemampuan permintaan/produksi yang dilakukan di Perusahaan. Berdasarkan penelitiannya, ada tiga pendekatan peramalan yang digunakan yaitu metode exponential, exponential smoothing a = 0,1, exponential smoothing a = 0,2. Metode exponential smoothing a = 0,2 adalah yang paling tepat digunakan dengan hasil analisis data tingkat kesalahan terendah (Lusiana, A, dkk, 2020). Jurnal utama selanjutnya sejalan dengan jurnal sebelumnya yang menyatakan bahwa peramalan permintaan adalah perkiraan kebutuhan di masa depan, meliputi jumlah, kualitas, dan waktu lokasi yang diperlukan untuk memenuhi permintaan barang/jasa. Menurut penelitiannya, metode peramalan permintaan yang digunakan adalah metode single exponential smoothing, exponential smoothing with trend dan exponential smoothing with trend and seasonality, namun single exponential smoothing paling tepat digunakan karena memiliki kesalahan terkecil dan menghasilkan hasil yang lebih akurat (Dzakiyah, W, 2023). Sesuai dengan artikel pertama, Poppy Marselina Kristen dan David Andrian menyatakan dalam jurnal mereka bahwa peramalan permintaan digunakan untuk pengambilan keputusan manajemen dan perhitungannya menggunakan data sebelumnya untuk memprediksi kejadian di masa depan. Menurut penelitiannya, metode moving average dan exponential smoothing digunakan untuk memperkirakan permintaan. Nilai yang diantisipasi adalah 331,454/karton dan 328,747/karton pada moving average (1 bulan dan 3 bulan). Sedangkan exponential smoothing (a = 0,1, a = 0,5, a = 0,9) menghasilkan masing-masing 302.539/karton, 327.744,9/karton, dan 331.352,2/karton (Kristiani, P. M, dkk, 2023).
Metode single exponential smoothing, exponential smoothing with trend dan exponential smoothing with trend and seasonality digunakan dalam jurnal utama dan didasarkan pada tren dan tren musiman dalam data penjualan refill gas (Dzakiyah, W, 2023). Metode moving average dan exponential smoothing a = 0,5 digunakan pada jurnal Desky Arlintyanda, namun metode yang paling tepat digunakan adalah exponential smoothing a = 0,5 karena memiliki tingkat error/kesalahan paling kecil sehingga menandakan peramalan akan lebih akurat (Arlintyanda, D, 2022). Pada jurnal Endang Heriansyah dan Sawarni Hasibuan sependapat dengan jurnal utama tersebut bahwa peramalan permintaan adalah metode bagi bisnis untuk merencanakan permintaan konsumen. Menurut penelitiannya, metode peramalan yang digunakan adalah moving average, exponential smoothing, dan winter, namun metode winter paling tepat digunakan karena memiliki tingkat kesalahan yang paling rendah sehingga menunjukkan keakuratannya (Heriansyah, E, dkk, 2018). Nurzakiah Darozat, dkk setuju dengan jurnal utama bahwa peramalan permintaan digunakan untuk memprediksi permintaan di masa depan. Menurut penelitiannya, ada empat metode peramalan permintaan yang digunakan antara lain moving average, double exponential smoothing, regresi linier dan nave, namun dari keempat metode tersebut, regresi linier paling baik digunakan karena memiliki nilai deviasi yang paling rendah jika dibandingkan dengan metode lainnya (Darozat, N, dkk, 2022). Sementara itu, dalam jurnal Iwan dkk, menyatakan dalam jurnal bahwa perkiraan permintaan digunakan untuk memprediksi permintaan dalam satu atau lebih periode berikutnya, dan perkiraan permintaan yang dapat diterima dapat ditemukan berdasarkan data penjualan masa lalu dan pola data historis. Berdasarkan penelitiannya, ada tiga metode peramalan permintaan yang digunakan, antara lain moving average, exponential smoothing, dan trend analysis, namun metode exponential smoothing paling cocok digunakan karena tingkat kesalahannya lebih rendah dibandingkan metode lainnya. Sehingga berdasarkan perkiraan, jumlah penjualan mobil Xpander adalah 5.319.466/ 5.320 mobil/bulan untuk menghindari kekurangan/kelebihan persediaan mobil Xpander (Iwan, dkk, 2018). Kesimpulan jurnal utama yaitu dilakukan peramalan permintaan dengan menggunakan metode single exponential smoothing, exponential smoothing with trend dan exponential smoothing with trend and seasonality. Dari ketiga metode tersebut error terkecil dimiliki oleh metode single exponential smoothing yaitu sebesar 11 jika diukur menggunakan MAPE dan 7269 jika diukur menggunakan MAD. Dari error tersebut menunjukkan bahwa metode single exponential smoothing adalah metode terbaik dan akurat yang dapat digunakan untuk meramalkan permintaan refill gas PT. ABC (Dzakiyah, W, 2023).
