Hasil Pencarian  ::  Simpan CSV :: Kembali

"Permasalahan penyimpanan pasti dihadapi oleh semua instansi, terutama perusahaan yang melakukan produksi. Untuk menyelesaikan permasalahan yang ada, perusahaan menggunakan berbagai macam metode dalam manajemen penyimpanan (inventory management). Salah satunya adalah metode Economic Order Quantity (EOQ). Namun demand (permintaan) dalam metode EOQ dianggap konstan berdasarkan asumsi dalam metode EOQ. Pada kenyataannya permintaan terhadap barang tidak selalu sama setiap waktunya. Oleh dari itu, dalam penelitian ini dilakukan peramalan permintaan dengan menggunakan model peramalan Zhang’s Hybrid yang menggabungkan metode Autoregressive Integrated Moving Average atau ARIMA untuk menggambarkan bagian linear dan Artificial Neural Network untuk menggambarkan bagian nonlinear dari data permintaan. Hasil dari peramalan selanjutnya akan digunakan dalam metode EOQ untuk mendapatkan optimal quantity order dan optimal reordering level. Penelitian ini akan menunjukkan algoritma dan proses penyelesaian permasalahan inventory dengan menerapkan model Zhang’s hybrid untuk peramalan permintaan dalam metode EOQ dengan output berupa optimal quantity order dan optimal reordering level yang ditunjukkan melalui simulasi menggunakan data historis inventory.

---

Every instance in several sectors will face inventory problems, especially for company in production sector. To solve the inventory problems, the company will do several methods in inventory management. One of the method that usually used to solve inventory problem is Economic Order Quantity (EOQ) method. By standard EOQ assumption, the demand is set to be constant, while in the fact the demand is variative by time. Therefore, this study will use Zhang’s Hybrid Method for demand forecasting that use ARIMA to describe the linear part and use Artificial Neural Network to describe the nonlinear part of the data. The outcome from the method is used as demand for EOQ process to find the optimal quantity order and the optimal reordering level. The study provide solving algorithm and show how to apply Zhang’s hybrid model in demand forecasting for EOQ, the output of the process are optimal quantity order and the optimal reordering level. To understand more about the process, the algorithm are simulated using real historical inventory data."

"Tesis ini membahas penerapan metode autoregressive integrated moving average (ARIMA) dalam menentukan cash forecasting. Metode ARIMA dapat mendukung keberhasilan sistem automatic cash pooling yang saat ini digunakan oleh perusahaan. Metode cash forecasting yang saat ini digunakan perusahaan menimbulkan kelebihan dan kekurangan kas. Hal ini menyebabkan inefisiensi bagi perusahaan dengan adanya opportunity cost dan transaction cost. Penelitian ini menyarankan kepada perusahaan untuk menggunakan metode ARIMA dalam menentukan cash forecasting cabang dan dikombinasikan dengan sistem cash pooling yang sudah diimplementasikan saat ini.

---

This thesis discusses application of autoregressive integrated moving average (ARIMA) method in determining cash forecasting. ARIMA method is able to support the success of the automatic cash pooling system that currently used by the company. Cash forecasting method used by the company currently has excess cash and cash shortage. It makes inefficiency for the company by raising the opportunity cost and transaction cost. This study recommend to the company to use ARIMA method in determining branches cash forecasting and combines with cash pooling system that has been implemented."

"ABSTRAKStruktur organisasi perusahaan PT. PLN (Persero) saat ini belum mampu menjadikan biaya penyediaan tenaga listrik yang minimum. Secara operasional, Biaya Pokok Penyediaan Tenaga Listrik (BPP) dari tahun ke tahun lebih besar dari harga aktualnya, yang berarti PLN belum efisien secara ekonomi. Dalam disertasi ini dianalisis bagaimana struktur organisasi perusahaan PLN berpengaruh menentukan besar biaya marjinal jangka panjang penyediaan tenaga listrik nasional. Analisis efisiensi ekonomi usaha penyediaan tenaga listrik, diperoleh dengan membandingkan biaya marjinal jangka panjang dengan harga aktualnya. Selama periode penelitian, terjadi in-efisiensi ekonomi pada usaha penyediaan tenaga listrik, dimana harga aktual lebih besar dari biaya marjinal jangka panjang, sehingga pada tahun tersebut telah terjadi over pricing.Permasalahan didekati dengan menggunakan kerangka minimisasi biaya, dimana masing-masing wilayah/sistem kelistrikan PLN dianggap meminimumkan biaya dalam menghasilkan suatu tingkat output tertentu sebagaimana Pasay, et al (1994). Dengan menggunakan fungsi biaya diperoleh bahwa fungsi biaya translog baik pada pembangkitan, transmisi dan distribusi tenaga listrik maupun dalam konteks integrasi vertikal mengikuti fungsi produksi yang bersifat non-homotetik dan dibuktikan bahwa integrasi vertikal menurunkan biaya marjinal jangka panjang usaha penyediaan tenaga listrik serta timbulnya biaya transaksi yang tinggi ketika pembangkit tenaga listrik merupakan fungsi usaha yang terpisah dari transmisi dan distribusi tenaga listrik, berdasarkan uji separabilitas.Biaya marjinal jangka panjang penyediaan tenaga listrik semakin membesar yang diakibatkan karena penurunan Produktifitas Marjinal Faktor Produksi Kapital (MPK) dan penurunan Produktifitas Marjinal Faktor Produksi Tenaga Kerja (MPL) yang bernilai negatif, walaupun Produktifitas Marjinal Faktor Produksi Bahan Bakar (MPF) selama periode penelitian menunjukkan kecenderungan semakin meningkat, yang mengindikasikan adanya perbaikan efisiensi penggunaan bahan bakar.Bila ditinjau terhadap alokasi faktor produksi, kondisi efisien secara ekonomi dapat ditempuh melalui:- memperbesar Produktifitas Marjinal Faktor Produksi Bahan Bakar (MPF), dengan meningkatkan efisiensi penggunaan bahan bakar;- memperbesar Produktifitas Marjinal Faktor Produksi Tenaga Kerja (MPL), dengan mengurangi tenaga kerja yang tidak produktif serta dengan meningkatkan kompetensi karyawan.Laju pertumbuhan produktivitas usaha penyediaan tenaga listrik jangka panjang merupakan fungsi biaya jangka panjang pengurangan perubahan teknologi, pengaruh skala, pengaruh dari pemanfaatan kapasitas, dan pengaruh dari susut jaringan. Laju tingkat produktivitas pembangkit tenaga listrik dan transmisi dan distribusi tenaga listrik selama periode penelitian bernilai negatif, mengindikasikan adanya penurunan produktivitas. Namun demikian, dalam konteks integrasi vertikal, laju tingkat produktivitas penyediaan tenaga listrik menunjukkan kecenderungan semakin meningkat (adanya technological economies). Disamping itu, dalam penelitian ini ditunjukkan bahwa model kerjasama pembelian tenaga listrik swasta mampu meningkatkan laju tingkat produktivitas jangka panjang penyediaan tenaga listrik.

---

ABSTRACT

Organizational structure of electricity suupply business of the PT. PLN (Persero) has not been able to make the minimum cost of electricity supply. Operationally, the True Cost of Supply from year to year is greater than the actual price, which means that PLN has not been economically efficient. This dissertation analyzes how PLN?s organizational structure determines the long-run marginal cost of the national electricity supply. The economic efficiency analysis of electricity supply business is obtained by comparing the long-run marginal cost with actual price. During this research, economic inefficiency occurred in the electricity supply business, where the actual price is greater than the long-run marginal cost which resulted in over pricing.

Problem of the study is approached by using a cost minimization framework, where each region / PLN electricity system is considered to minimize the cost in producing a given level of output as Pasay, et al (1994). By using the cost function, it is obtained that the translog cost function in the generation, transmission as well as distribution of electricity and also in the context of vertical integration follow production function which is non-homotetic and it is proved that vertical integration lowers the long-run marginal cost of electricity supply business as well as the emergence of high transaction costs when the power generationt is a separate business function of the transmission and distribution of electricity, based on separability test.

Long-run marginal cost of electricity supply keeps growing. It is caused by the declining of Marginal Productivity Factor of Capital (MPK) and a decrease in Marginal Productivity of Labor (MPL) which is negative, although the Marginal Productivity of Fuel (MPF) tend to increase, which indicated an improvement of fuel efficiency during the study period.

If the allocation of production factor is reviewed, economic efficiency condition can be reached by:

- extending the Marginal Productivity of Fuel (MPF) by increasing fuel efficiency;

- extending the Marginal Productivity of Labor (MPL) by reducing unproductive labor and by increasing competence among employees.

The long-run total factor productivity in electricity supply business is a function of the long-run cost reduction of technological change, scale effects, the effect of capacity utilization and the effect of losses. The long-run total factor productivity of power generation, transmission and distribution of electricity throughout the study period is negative, which indicate a decrease in productivity. However, in the context of vertical integration, the long-run total factor productivity of electricity supply showed increasing trend (the presence of technological economies). In addition, this study indicates that the model power purchase of Independent Power Producers (IPP) are able to increase the rate of long-run total factor productivity of electricity supply.

JEL Classification: C29 C39 D23 D24 D42 L94."

"Peramalan permintaan akurat merupakan salah satu tantangan terbesar bagi UMKM. Hal ini disebabkan kebanyakan dari pelaku usaha masih menggunakan metode peramalan tradisional seperti intuisi dan pengalaman masa lalu yang belum mampu menghasilkan estimasi akurat akan permintaan di pasar yang dinamis seperti e-commerce. Salah satu usaha yang mengalami tantangan serupa yaitu UKM Pink Fashion yang merupakan usaha online pakaian muslim asal Jakarta yang berkembang pesat pada platform e-commerce sejak tahun 2019. Untuk mengatasi tantangan tersebut, penelitian dilakukan pada berbagai metode peramalan deret waktu sederhana seperti moving average (MA), weighted moving average (WMA), simple exponential smoothing (SES), holt’s model, dan seasonal index. Peramalan dilakukan selama satu tahun terakhir yakni sejak April 2021 hingga Maret 2022 menggunakan data tiga tahun terakhir yaitu data penjualan April 2019 hingga Maret 2022 pada dua produk terlaris, yaitu baju koko dan baju setelan olahraga. Hasil penelitian menunjukkan bahwa metode SES dengan konstanta 0,7 dan WMA merupakan metode yang paling cocok untuk digunakan untuk peramalan baju koko karena memiliki nilai MAPE terkecil, yaitu 28,43% dan 28,44% secara berurutan. Metode yang sama serta holt’s model juga terpilih sebagai metode terbaik untuk peramalan permintaan baju setelan training karena menghasilkan nilai MAPE terendah, yaitu 30,85%, 30,91%, dan 30,95%. Ini menunjukkan bahwa metode terpilih paling cocok untuk digunakan dalam melakukan peramalan jangka pendek, khususnya dalam unit waktu harian produk pakaian di e-commerce. Dengan memanfaatkan metode peramalan terpilih, UKM Pink Fashion diprediksi akan mendapat 282 dan 283 permintaan baju koko dan 116 dan 115 permintaan baju setelan training pada 1 April 2022.

---

Accurate demand forecasting is one of the biggest challenge for SME in e-commerce, including for Pink Fashion which is an online muslim fashion store from Jakarta. Thus, this study is analysing various simple time series demand forecasting methods such as moving average (MA), weighted moving average (WMA), simple exponential smoothing (SES), holt’s model, and seasonal index. Forecasting is done for the last one year, April 2021 to March 2022 using the last three years data on two of the store’s most best selling products, baju koko and training set. The result shows that SES with constant of 0,7 and WMA are the most suitable methods to forecast baju koko since they have the smallest MAPE score, 28,43% and 28,44% consecutively. The same methods as well as holt’s model are also chosen as the best methods to forecast the training set because they have the lowest MAPE score of 30,85%, 30,91%, and 30,95%. This shows that these two methods are proven as the best methods to estimate daily demand of fashion product in e-commerce. Using the chosen forecasting methods, Pink Fashion is predicted to get 282 and 283 demand of baju koko and 116, 115 and 115 demand of the training set in 1 April 2022."

"Forecasting adalah salah satu metode data mining yang digunakan untuk meramalkan atau memperkirakan mengenai sesuatu yang belum terjadi. Pada dunia bisnis, forecasting biasa digunakan dalam menentukan keputusan bisnis untuk masa yang akan datang. Penelitian ini ingin menunjukkan implementasi forecasting untuk data penjualan organisasi yang bersifat irregular, dengan menggunakan dua metode forecasting yaitu simple moving average dan single exponential smoothing. Hasil forecasting kemudian divisualisasikan dalam bentuk dashboard. Penelitian ini menunjukkan secara umum metode single exponential smoothing memberikan prediksi yang lebih baik dibandingkan simple moving average dengan selisih nilai forecast error sebesar 18,62 untuk produk dan 20,46 untuk customer.

---

Forecasting is one of data mining method that is used to predict or estimate something that has not happened. On the business world, forecasting often used to determine business decision for the future. This research would like to show the implementation of forecasting for sales data organization that is irregular, with the use of two methods of forecasting, which are simple moving average and single exponential smoothing.

The forecasting result then visualized in dashboard form. This research shows in general, single exponential smoothing method provides better predictions than simple moving average with the difference between the value of forecast error of 18,62 for products and 20,46 for customers."

"ABSTRAKIndustri otomotif di Indonesia sebagai pelopor proses industrialisasi masih saja menghadapi berbagai kendala terutama ekonomi biaya tinggi dan ineffisiensi . Masalah ini tidak terlepas dan faktor "remote environment" seperti teknologi dan perubahan politik ekonomi dunia dewasa Ini turut mempengaruhi perekonomian secara nasional. Disamping Itu faktor "operating environment" misalnya jumlah pemasok dan pesaing yang membawa konsekwensi besar jumlah persediaan yang tidak dapat dijual baik pada kendaraan penumpang dan niaga.Remote environment akan mempengaruhi operating environment. Banyaknya produk yang tidak dapat dipasarkan menunjukkan perusahaan tidak dapat mengantisipasi pasar dan pengunaan teknik forecasting yang naif. Oleh karena itu menarik penulis untuk menjawab permasalahan tersebut dengan menulis karya ini.Persaingan dalam industri otomotif kendaraan penumpang mengalami tingkat persaingan yang sangat tinggi didalam memperebutkan pangsa pasar terutama dikelas 1000 - 1300cc antara Indomobil dengan produk Suzuki Forsa dan Toyota Astra Motor yang memproduksi Toyota Starlet. Persaingan ini menyulitkan bagi kedua industriawan otomotif dalam melakukan perencanaan -perencanaan penjualan dan investasi.Dalam kaitan tersebut diatas penulis memberikan alternatif dengan memperkenalkan teknik forecasting yang sederhana dan andal. Forecasting akan sangat mempengaruhi keberhasilan dalam perencanaan investasi kini dan masa mendatang.Dari hasil forecasting penulis menyimpulkan, bahwa industri otomotif belum melakukan teknik forecasting yang tepat dan benar dalam melakukan perencanaan - perencanaan baik yang bersifat jangka pendek maupun jangka panjang. Besarnya persediaan kendaraan penumpang yang terjadi dewasa kini dikarenakan kelemahan dalam mengantisipasi pasar."

"Peristiwa kebakaran hutan dan lahan (karhutla) merupakan salah satu bencana yang terjadi secara berulang di Indonesia, khususnya saat musim kemarau. Peristiwa ini tentunya menimbulkan banyak kerugian baik secara ekonomi, ekologi, maupun sosial. Oleh karena itu, perlu dilakukan prakiraan di wilayah yang berpotensi mengalami karhutla. Salah satu provinsi yang rawan mengalami karhutla adalah Provinsi Sumatera Selatan. Peristiwa karhutla dapat dipantau oleh satelit yang diindikasikan sebagai titik panas. Penelitian ini menggunakan data hotspot (titik panas) dengan parameter tanggal, tingkat kepercayaan, dan kabupaten-kabupaten di Sumatera Selatan yang tertangkap satelit pada periode tahun 2015-2019. Prediksi potensi karhutla dilakukan di wilayah kabupaten dengan jumlah titik panas tertinggi yaitu Kabupaten Ogan Komering Ilir, Kabupaten Musi Banyuasin, dan Kabupaten Banyuasin. Untuk mencapai tujuan penelitian, penelitian ini menggunakan Prophet Forecasting Model (PFM) yang didasarkan pada model aditif dengan memperhatikan tiga komponen utama yaitu trend, seasonality, dan holiday effects. PFM merupakan metode yang menggunakan pendekatan machine learning dalam melakukan prediksi terhadap deret waktu dimana permasalahan forecasting dilihat sebagai curve-fitting exercise. Hasil analisis menunjukkan bahwa PFM dapat diimplementasikan pada data titik panas dengan penilaian forecast accuracy termasuk dalam kategori baik di Kabupaten Ogan Komering Ilir dengan nilai MAPE 0,1753; kategori layak di Kabupaten Musi Banyuasin dengan nilai MAPE 0,2588; dan kategori baik di Kabupaten Banyuasin dengan nilai MAPE 0,1833.

---

Forest and land fires are one of the recurring disasters in Indonesia, especially during the dry season. This incident certainly caused many losses economically, ecologically, and socially. Therefore, it is necessary to make predictions in high potential areas for forest and land fires to occur. One province that is prone to forest and land fires is South Sumatra Province. Forest and land fires events can be monitored by satellites which are indicated as hotspots. This research uses hotspot data with parameters of date, level of confidence, and regencies in South Sumatra that are caught by satellites in the period 2015-2019. The prediction of the potential for forest and land fires was carried out in districts with the highest number of hotspots, namely Ogan Komering Ilir Regency, Musi Banyuasin Regency, and Banyuasin Regency. To achieve the research objectives, this study uses the Prophet Forecasting Model (PFM) which is based on additive model by taking into account three main components, namely trend, seasonality, and holiday effects. PFM is a method that uses a machine learning approach to predict time series where forecasting problems are seen as curve-fitting exercises. The results show that PFM can be implemented in hotspot data with forecast accuracy in the good category for Ogan Komering Ilir Regency with MAPE value of 0.1753; reasonable category in Musi Banyuasin Regency with MAPE value of 0.2588; and good category in Banyuasin Regency with MAPE value of 0.1833."