📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 7 dokumenMODEL PERAMALAN JUMLAH VOLUME ORDER PAPER DENGAN CUSTOM LOSS UNTUK MENGENDALIKAN TOTAL BIAYA MITIGASI INVENTORI DI PALLETIZE WAREHOUSE DI PT. X
Produk paper merupakan barang komoditas yang diproduksi oleh PT. X yang dijual ke pasar ekspor dan domestik. Produk cutsize dan folio yang sudah selesai diproduksi akan diletakkan sementara di paper warehouse khususnya palletize warehouse. Produksi paper di PT. X menggunakan sistem produksi MTO (make-to-order) sehingga produksi baru dimulai pada saat order dari customer dirilis ke Mill. Setiap tahun, tim sales mempersiapkan alokasi mingguan untuk penjualan paper di setiap wilayah destinasi customer. Permasalahan ditemukan di pasar ekspor dimana jumlah aktual volume order paper yang dirilis ke Mill melebihi alokasi mingguan yang sudah ditentukan sebelumnya. Hal ini memunculkan tantangan bagi tim SCM dalam proses booking mother vessel dan empty container ke forwarder (3PL) sesuai jumlah volume order aktual, hal ini berdampak pada tambahan biaya mitigasi inventori yang perlu dikeluarkan oleh PT. X untuk mengendalikan tingkat inventori di palletize warehouse. Penelitian ini mengembangkan model peramalan permintaan untuk jumlah volume order paper dengan menggunakan machine learning dan parameter custom loss over-prediction (?) dan under-prediction (?) berdasarkan data historis di enam wilayah penjualan, kemudian menghitung kebutuhan jumlah empty container. Hasil peramalan pada enam wilayah penjualan (A–F) menunjukkan model peramalan dengan nilai custom loss (eror) dan total biaya mitigasi inventori untuk memesan empty container adalah model ensemble RNN-LSTM, XGBoost-RNN, LightGBM-LSTM, LightGBM-RNN, XGBoost-LSTM, dan XGBoost-LSTM. Proses validasi dilakukan dengan membandingkan total biaya mitigasi inventori antara model saat ini (moving average n=24) dan model usulan, total biaya mitigasi inventori model usulan menunjukkan penurunan biaya daripada model saat ini di wilayah A, B, C sebesar 11%, 17%, 14%, dan wilayah D, E, F sebesar 29%, 17%, dan 16% dengan total empty container yang perlu dipesan selama periode data testing 5 bulan adalah 1.030, 672, 836, 848, 303, dan 267 container.
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN TERINTEGRASI UNTUK MENINGKATKAN EFISIENSI PROSES KERJA PADA UMKM BALIMO BAKERY
Balimo Bakery merupakan sebuah UMKM yang menghadapi beberapa tantang operasional seperti transaksi yang masih manual, belum terintegrasinya data antarproses bisnis, serta pengambilan keputusan produksi dan pemesanan bahan baku yang masih berdasarkan intuisi. Selama periode 2024–2025, Balimo Bakery memproduksi 145.954 roti kecil dan 135.084 roti besar, namun masih terdapat 37.869 roti kecil dan 40.089 roti besar yang tidak terjual. Kondisi tersebut menyebabkan potensi keuntungan sebesar Rp171.191.113 atau 41% belum dapat direalisasikan. Penelitian ini bertujuan merancang sistem pendukung keputusan terintegrasi untuk meningkatkan efisiensi proses kerja melalui integrasi proses bisnis, peramalan permintaan, serta pengambilan keputusan pemesanan bahan baku dan penjadwalan produksi. Penelitian dilakukan melalui tiga subtopik utama, yaitu perancangan proses bisnis dan Standard Operating Procedure (SOP), pengembangan model peramalan permintaan berbasis machine learning, serta perancangan sistem pendukung keputusan. Perancangan proses bisnis menggunakan metodologi Business Process Reengineering (BPR) dengan proses bisnis yang dirancang dengan APQC Process Classification Framework. Sistem pendukung keputusan dikembangkan dalam bentuk prototipe yang mengintegrasikan data historis penjualan, hasil peramalan, data persediaan, serta perencanaan produksi. Hasil penelitian menghasilkan proses bisnis terintegrasi, SOP usulan, model peramalan permintaan, serta sistem pendukung keputusan yang mendukung pemesanan bahan baku dan penjadwalan produksi. Model peramalan dikembangkan berdasarkan pengelompokan 85 toko menjadi 4 cluster yang memiliki karakteristik permintaan berbeda sehingga mendukung penyusunan rencana produksi yang lebih tepat. Dari sisi kelayakan ekonomi, rancangan akhir sistem menghasilkan Benefit-Cost Ratio (BCR) sebesar 4,86 yang menunjukkan bahwa setiap Rp1 biaya implementasi berpotensi menghasilkan manfaat sebesar Rp4,86. Hasil penelitian menunjukkan bahwa rancangan sistem yang diusulkan layak diterapkan untuk meningkatkan efisiensi operasional, mendukung pengambilan keputusan berbasis data, serta mengoptimalkan potensi keuntungan UMKM Balimo Bakery.
PERANCANGAN PROTOTIPE PERANGKAT LUNAK PENDUKUNG PERAMALAN PERMINTAAN PRODUK PT XYZ MENGGUNAKAN MODEL TIME SERIES FORECASTING
PT XYZ merupakan perusahaan yang bergerak di bidang elektrifikasi, automasi, dan digitalisasi. Secara tradisional PT XYZ menjual produknya dengan model Business-to-Business (B2B). Namun, beberapa produk mulai dijual secara langsung melalui channel e-commerce. Dalam penjualan melalui channel baru ini, terdapat symptom permasalahan berupa terjadinya overstocking dan lost sales. Analisis akar masalah dilakukan lalu ditetapkan tujuan penelitian yaitu merancang prototipe perangkat lunak pendukung peramalan permintaan produk PT XYZ yang dijual melalui channel e-commerce. Metodologi penelitian dirancang berdasarkan framework CRISP-DM. Tahap modeling dilakukan untuk model existing dan 4 model usulan. Dua model usulan tersebut, yaitu ETS dan ARIMA, termasuk ke dalam model statistika. Dua model usulan lainnya, yaitu LSTM dan GRU, tergolong ke dalam model neural networks dan dilakukan integrasi dengan teknik time series clustering menggunakan algoritma K-Means dan dynamic time warping (DTW) untuk meningkatkan performansi. Hasil evaluasi model menunjukkan bahwa model GRU, dengan kombinasi time series clustering, memiliki performansi terbaik. Model GRU berhasil menurunkan nilai mean absolute scaled error (MASE) dari 83,66% pada metode existing menjadi 71,36%. Hasil ini memberikan nilai tambah bagi bisnis yang dihitung menggunakan price-weighted error, dan berhasil memperbaiki price-weighted error sebesar 18,08% relatif terhadap metode existing. Dari model terpilih dan tahapan lainnya pada penelitian, dibangun suatu prototipe perangkat lunak yang mengurangi waktu forecast dari 1-2 hari kerja menjadi 14 menit dan 42 detik.
INTEGRASI PERAMALAN PERMINTAAN DAN PENGENDALIAN PERSEDIAAN UNTUK MENINGKATKAN EFISIENSI OPERASIONAL PADA DISTRIBUTOR MRO: STUDI KASUS PADA PT LIMA PUTRA JAYA
Usaha Mikro, Kecil, dan Menengah (UMKM) di sektor Pemeliharaan, Perbaikan, dan Operasi (MRO), seperti PT Lima Putra Jaya, sering mengalami inefisiensi operasional akibat manajemen inventaris yang berbasis intuisi. Praktik ini menyebabkan kerugian finansial yang signifikan akibat kelebihan stok (overstock), stok mati (deadstock), dan hilangnya peluang penjualan. Penelitian ini mengatasi masalah tersebut dengan mengembangkan kerangka kerja manajemen inventaris yang sistematis dan berbasis data. Menggunakan metodologi studi kasus kuantitatif dengan data historis perusahaan selama 32 bulan, penelitian ini mengklasifikasikan pola permintaan menggunakan Matriks Kategorisasi Syntetos-Boylan dan mengevaluasi berbagai model peramalan deret waktu (time-series forecasting) serta Metode Croston dan Metode SBA (Syntetos-Boylan Approximation) untuk memprediksi permintaan produk. Model dengan error terkecil kemudian digunakan untuk menghitung parameter pengendalian inventaris yang optimal, termasuk Economic Order Quantity (EOQ), Reorder Point (ROP), dan Safety Stock. Hasil penelitian menunjukkan bahwa sistem yang diusulkan menawarkan peningkatan finansial yang signifikan dibandingkan pendekatan berbasis intuisi saat ini. Implementasi parameter yang dioptimalkan diperkirakan dapat melepaskan modal kerja yang tertahan (frozen working capital) sebesar Rp 604,328,150. Angka ini merepresentasikan jumlah kas yang dapat dilepaskan dari penghapusan inventaris berlebih ke tingkat yang optimal. Selain itu, sistem ini diproyeksikan dapat menghemat Rp 113,555,196 setiap tahun dalam biaya inventaris, yang merupakan pengurangan biaya operasional rutin yang mencerminkan peningkatan efisiensi sebesar 85.7 persen..
MEMINIMALKAN KELEBIHAN PERSEDIAAN DAN DAMPAKNYA DENGAN MENINGKATKAN AKURASI PERAMALAN: STUDI KASUS PT. TRUCKSTORS LANCAR ABADI
PT. TRUCKSTORS LANCAR ABADI adalah produsen alat berat ternama di Indonesia. Perusahaan ini telah lama menghadapi permasalahan kelebihan persediaan. Ketidakseimbangan ini menyebabkan dana terikat secara tidak efisien, meningkatnya biaya penyimpanan, dan hilangnya peluang penjualan. Studi ini mengkaji akar permasalahan tersebut dan mengusulkan solusi berbasis peramalan melalui pendekatan kualitatif dan kuantitatif. Penelitian diawali dengan pengumpulan masukan dari pemangku kepentingan internal, kemudian dilakukan prioritisasi menggunakan metode Analytic Hierarchy Process (AHP). Dari empat alternatif solusi, penerapan sistem peramalan statistik memperoleh bobot tertinggi (42,7%), yang mengonfirmasi bahwa masalah utama terletak pada ketidakakuratan peramalan permintaan. Untuk memvalidasi hal tersebut, enam model peramalan diuji: SARIMA, regresi linier berganda, double dan triple exponential smoothing, neural network, dan XGBoost. Di antara model tersebut, SARIMA menunjukkan hasil terbaik dengan MAPE sebesar 15,3% dan MAE sebesar 257, menjadikannya model yang paling sesuai untuk pola permintaan musiman di industri ini. Simulasi yang membandingkan metode saat ini dengan pendekatan berbasis SARIMA menunjukkan manfaat finansial yang signifikan. Potensi kerugian bunga tahunan dapat dikurangi dari USD 3,32 juta menjadi USD 0,39 juta, dan biaya penyimpanan inventori dari USD 9,64 juta menjadi USD 1,13 juta. Total penghematan biaya mencapai sekitar 88%. Analisis merekomendasikan penggunaan SARIMA sebagai model dasar, dan penggunaan model hibrida seperti XGBoost atau neural network untuk fleksibilitas yang lebih tinggi. Integrasi solusi ini ke dalam sistem BAAN ERP yang sudah ada, serta penguatan koordinasi internal, menjadi kunci keberhasilan jangka panjang
STRATEGIC PLANNING FOR DEMAND FORECASTING, CAPACITY PLANNING, AND ORDER FULFILLMENT TO ENHANCE OPERATIONAL PERFORMANCE AT PT RAS
Penelitian ini membahas tentanf strategi untuk meningkatkan kinerja operasional di PT Runesha Artha Sejahtera (PT RAS) yang berfokus pada pemenuhan pesanan. PT RAS, sebuah UMKM dalam bidang nanoteknologi, menghadapi tantangan dalam memenuhi permintaan karena strategi produksi yang reaktif dan keterbatasan sumber daya. Menggunakan data penjualan historis, penelitian ini mengevaluasi lima metode peramalan: moving average, single exponential smoothing, double exponential smoothing, linear trend line analysis, and time series decomposition untuk mengembangkan prediksi permintaan yang akurat. Untuk perencanaan kapasitas, metode master production planning (MPS) digunakan untuk membuat jadwal produksi, sementara perencanaan kapasitas dilakukan menggunakan rough cut capacity planning (RCCP). Integrasi strategi ini diharapkan dapat mengoptimalkan alokasi sumber daya dan menerapkan pendekatan proaktif dalam perencanaan produksi. Dengan menyinkronkan peramalan permintaan dengan kapasitas produksi, PT RAS dapat mengurangi hambatan, keterlambatan, dan mempertahankan kinerja pemenuhan pesanan yang lebih konsisten. Pendekatan ini memungkinkan perusahaan untuk memenuhi pesanan pelanggan tepat waktu, dengan kapasitas produksi yang cukup saat fluktuasi permintaan terjadi. Temuan penelitian ini menunjukkan potensi peningkatan yang signifikan dalam efisiensi operasional, penjadwalan produksi, dan kepuasan pelanggan dan menciptakan kerangka kerja untuk mengatasi tantangan pemenuhan pesanan dengan menyeimbangkan variabilitas permintaan dan ketersediaan sumber daya. Rekomendasi penelitian ini menekankan pentingnya adopsi model peramalan yang lebih canggih, peningkatan efisiensi proses produksi, dan alokasi sumber daya yang lebih optimal untuk mendukung pertumbuhan bisnis yang berkelanjutan dan daya saing. Penelitian ini memberikan kontribusi pada literatur manajemen operasi UKM dengan mengatasi variabilitas permintaan dan kendala kapasitas dalam kondisi pasar yang dinamis.
PERANCANGAN DASHBOARD PERAMALAN UNTUK MEMBANTU PT XYZ DALAM PERENCANAAN BARANG JADI DENGAN ARIMA
PT XYZ adalah perusahaan UMKM kelas menengah yang bergerak di bidang retail fashion yang berdiri dari tahun 2015, Jawa Barat, Bandung. PT XYZ memulai dengan menjual tas, pakaian, hingga peralatan yang berkaitan dengan travelling. Upaya dari PT XYZ dalam bertahan dalam persaingan UMKM adalah melakukan continuous improvement dengan menggunakan sistem informasi dalam keberjalanan proses bisnis. Gejala yang terjadi pada PT XYZ adalah area preparing gudang yang selalu penuh. Untuk mengatasi masalah tersebut, langkah awal PT XYZ adalah melakukan perencanaan material dengan peramalan teknik kualitatif dimana mengandalkan kapasitas produksi dari supplier. Secara garis besar, mengakibatkan beberapa dampak dari yaitu financial issue, overload gudang, dan overstock gudang. Tujuan dari penelitian ini adalah menghasilkan kebutuhan bisnis KPI, menghasilkan rincian dari kebutuhan visualisasi data yang mendukung kebutuhan informasi untuk pemantauan, dan menghasilkan prototipe dashboard sesuai dengan PT XYZ juga dengan kebutuhan informasi dan kebutuhan visualisasi data. Penelitian ini menggunakan peramalan dengan bantuan Machine Learning dengan metode ARIMA untuk membantu perencanaan barang jadi, dilengkapi dengan output rancangan prototipe dashboard yang menggunakan gabungan metode Noetix dan user-centric melewati 5 tahap utama yaitu plan, requirement gathering, desain sesuai preferensi pengguna, build and validate, deploy, dan maintain. Rancangan prototipe dashboard peramalan dengan metric dan key performance indicators yang sesuai untuk PT XYZ dapat membantu perencanaan barang jadi dan pengadaan material guna untuk kestabilan finansial, pengalokasian isi gudang, dan kestabilan kondisi inbound dan outbound material.