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."

"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."

"ABSTRAKPeramalan kecepatan angin menggunakan jaringan saraf tiruan propagasibalik merupakan salah satu metoda peramalan kecepatan angin jangka pendek(dalam orde jam) yang cukup efektif untuk diterapkan. Metoda ini mampumemberikan hasil peramalan kecepatan angin yang baik dengan error peramalanterkecil adalah 0.0017. Parameter output dari peramalan kecepatan angin sangatadaptif terhadap perubahan-perubahan yang terjadi pada parameter inputnya,sehingga hasil peramalan akan lebih mendekati kondisi sebenarnya. Parameterinput yang digunakan meliputi temperatur udara, kelembaban udara, arah angindan curah hujan

---

AbstractWind speed forecasting using backpropagation artificialneural network is one of the short-term wind speed forecasting method (in theordre of hours) which is quite effective to be applied. This method provides thegood wind speeds forecasting result with the smallest error is 0.0017. The outputparameters of wind speed forecast is very adaptive to the changes of the inputparameters, so the forecast results will be closer to the real conditions. The inputparameters that being used are air temperature, air humadity, wind direction andrainfall."

"ABSTRAKPenelitian ini membahas tentang perancangan model peramalan dan skenario permintaan untuk sebuah perusahaan startup bernama Dearmothers yang memiliki fokus bisnis pada penyediaan jasa baby gift registry. Gifi registry merupakan sebuah inovasi di industri e-commerce yang belum pernah diterapkan di Indonesia sebelumnya di mana dalam inovasi ini seorang pengguna jasa gift registry dapat membuat daftar keinginan akan produk yang ingin ia dapat sebagai hadiah. Pengguna lain yang bisa melihat daftar keinginan tersebut dapat membelikan hadiah yang dimaksud. Model peramalan dalam penelitian ini dikembangkan dengan menggunakan metode artificial neural network. Dengan menggunakan data historis penjualan dari sebuah website e-commerce yang menjadi kandidat potensial partner Dearmothers sebagai data pelatihan, model peramalan yang dibuat menghasilkan nilai mean square error sebesar 93,002. Permintaan untuk enam bulan pertama operasi diramalkan menggunakan model tersebut. Namun demikian, dengan pertimbangan bahwa nilai input untuk model peramalan didapat dari target perusahaan, terdapat kemungkinan nilai permintaan aktual akan jauh berbeda terutama jika performa perusahaan tidak mencapai target. Oleh karena itu, dikembangkan skenario permintaan dalam penelitian ini. Empat skenario yang dikembangkan menunjukkan bahwa tingkat permintaan yang diramalkan sangat mudah dipengaruhi oleh perubahan nilai input. Berbagai strategi diusulkan dalam penelitian ini sebagai masukan bagi perusahaan jika harus menghadapi situasi sebagaimana diprediksikan oleh skenario yang dikembangkan

---

ABSTRACTThis study discusses the design of a demand-forecasting model and develops scenarios of possible demand based on the proposed model for a startup company called Dearmothers which focuses on providing a baby gift registry service. The gift registry is an innovation in e-commerce industry that has never been applied in Indonesia before in which a user of this service will be able make a wish list for products he/she wants to get as a gift. Other users who get to see the list can buy him/her the gift as requested. The demand-forecasting model was developed using artificial neural network method. Using sales historical data from an e-commerce company which has the potentials to be the future partner of Dearmothers as training data, the neural network model yields a mean-square error value of 93.002. Demand for the first six months of operations were forecasted. However, as the input values for the model to get the forecasted demand were acquired based on Dearmothers? optimistic target, the actual value in the future may differ especially when the company?s performance does not meet the target. Four scenarios of possible demand were developed. Those scenarios showed that the forecasted demand values were influenced very much by even the slight changes to input values. Various strategies were proposed as countermeasures for the company in case they have to face such challenges in demand management as predicted by the scenarios."