Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKarya akhir ini akan membahas metode peramalan yang tepat untuk permintaan intermittent pada industri elektronik khususnya passbook printer. Permintaan intermittent cenderung fluktuatif dan sering menunjukkan nilai nol pada rentang waktu tertentu. Penelitian ini membandingkan tiga metode dalam memproyeksikan peramalan permintaan passbook printer yaitu metode Single Exponential Smoothing, metode Croston, dan metode Syntetos-Boylan Approximation. Ketiga metode tersebut diaplikasikan menggunakan alpha optimal dengan bantuan Excel Solver dan dibandingkan berdasarkan MSE dan GMAMSE/A. Penelitian menunjukkan bahwa metode Single Exponential Smoothing dan metode Syntetos-Boylan Approximation dapat menghasilkan penghematan biaya jika diterapkan pada data permintaan yang tidak memiliki lonjakan terlalu tinggi secara tiba-tiba.

---

ABSTRACTThis thesis discusses the appropriate forecasting method for intermittent demand of electronic products, particularly passbook printer. Intermittent demand tends to show a fluctuating pattern and has zero demand occurrences in certain timescale. This research compares three methods of forecasting the passbook printer demand namely Single Exponential Smoothing method, Croston method, and Syntetos Boylan Approximation method. The methods are applied using optimum alpha obtained from Excel Solver, and compared based on MSE and GMAMSE A. This result show that Single Exponential Smoothing and Syntetos Boylan Approximation method can produce cost savings if intermittent demand does not have a sudden peak."

"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."

"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."

"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."

"Peramalan permintaan penjualan telah memainkan peran penting dalam industri tenaga manufaktur. Peramalan permintaan penjualan dalam bisnis diperlukan untuk perencanaan produksi, pengurangan biaya manajemen, tingkat persediaan dan pembelian bahan baku. Banyak badan usaha manufaktur seperti produksi suku cadang rem mobil memerlukan ramalan permintaan penjualan untuk memenuhi kebutuhan produksi. Oleh karena itu, peramalan permintaan penjualan dalam beberapa bulan ke depan sangat diperlukan untuk menjadi acuan dalam menentukan strategi manajemen produksi. Penelitian ini bertujuan untuk memprediksi permintaan penjualan bulanan dalam beberapa bulan mendatang pada pabrik manufaktur yang memproduksi suku cadang rem mobil dengan menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA), Seasonal Auto-Regressive Integrated Moving Average with eXogenous factors (SARIMAX), dan Rolling SARIMA dengan tipe data musiman per tahun. Studi ini menggunakan data historis bulanan yang dikumpulkan dari perusahaan produksi suku cadang rem dari 01 Januari 2013 hingga 31 Desember 2022 untuk membangun dan mengevaluasi kinerja model. Hasil penelitian menunjukkan bahwa model Rolling SARIMA (1,1,0)(1,1,1)12 memiliki akurasi model terbaik dengan MAPE sebesar 15,77%. Kesimpulan studi menyoroti potensi model untuk mendukung praktik manajemen produksi di pabrik pembuatan suku cadang rem mobil dan pabrik serupa lainnya.

---

Sales demand forecasting has played an important role in the electric power manufacturing industry. Sales demand forecasting in business is necessary for production planning, management cost reduction, inventory levels, and the purchase of raw materials. Many manufacturing companies, such as those that produce auto brake parts, require sales demand forecasts to meet production needs. Therefore, forecasting sales demand in the next few months is needed as a reference in determining a production management strategy. This study aims to predict monthly sales demand in the coming months at manufacturing factories that produce car brake parts using the Seasonal Auto-Regressive Integrated Moving Average (SARIMA), the seasonal auto-Regressive Integrated Moving Average with exogenous factors (SARIMAX), and the rolling SARIMA with seasonal data type per year. This study uses monthly historical data collected from brake parts production companies from January 1, 2013 to December 31, 2022 to build and evaluate model performance. The results showed that the Rolling SARIMA (1,1,0) (1,1,1)12 model had the best model accuracy with a MAPE of 15.77%. The study's conclusions highlight the potential of the model to support production management practices in auto brake parts manufacturing plants and other similar factories."

"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 memiliki peranan penting dalam proses bisnis sebuah perusahaan. Peramalan yang akurat akan membantu perusahaan menjalankan proses bisnis dengan lebih efektif dan efisien. Penelitian ini melakukan studi literatur dan metode Delphi dalam menentukan variabel independent yang berpengaruh terhadap penjualan mobil Toyota di Indonesia dengan tiga kategori harga yang berbeda. Metode Delphi menghasilkan tujuh variabel independent yang digunakan dalam melakukan peramalan yaitu total penjualan semua merek, total penjualan Toyota, laju inflasi, suku bunga, indeks harga konsumen, indeks kepuasan konsumen, dan COVID-19. Peramalan dapat dilakukan dengan banyak pilihan metode. Penelitian ini menggunakan empat metode yaitu regresi linier berganda, regresi linier berganda, jaringan saraf tiruan, jaringan saraf tiruan – algoritma genetika. Penelitian ini menunjukkan bahwa jaringan saraf tiruan – algoritma genetika menunjukkan hasil yang terbaik dibanding tiga metode lainnya.

---

Demand forecasting has an essential role in the business processes of a company. Accurate forecasting will help companies run business processes more effectively and efficiently. This study conducted a literature study and the Delphi method to determine the independent variables that affect Toyota car sales in Indonesia with three different price categories. The Delphi method produces seven independent variables used in forecasting: total sales of all brands, total sales of Toyota, inflation rate, interest rates, consumer price index, consumer satisfaction index, and COVID-19. This study uses four methods: multiple linear regression, fuzzy multiple linear regression, artificial neural network, and artificial neural network – genetic algorithm. This study shows that the artificial neural network – discovery algorithm shows the best results compared to the other three methods."

"PT. Metalock Indonesia sebagai salah satu perusahaan domestik yang bergerak dl bidang perbaikan kapal, sejak tahun 1989 telah memperoleh lisensi langsung dan resmi menjadi anggo ta Metalock International Associated, Ltd. Sebagal perusahaan keluarga, alih generasi pimpinan peru sahaan diharapkan merupakan salah satu cara untuk membawa perusahaan ke tingkat pertumbuhan yang lebih baik. Namun demi kian, dapat dikatakan perusahaan ini belum menjamah pasar yang menjadi sasarannya. Sebagian besar operasinya (kurang lebih 99 %) masih melayani perusahaan induk dan perusahaan anggota resmi lainnya serta dilakukan di luar negeri. Hal ini menyebabkan peluang yang dimiliki hilang begitu saja dan kemampuan - terutama dilihat dari segi waktu - perusahaan untuk mengembangkan pasarnya menjadi sangat terbatas. Dengan demikian tujuan utama menerima lisensi agar dapat memasarkan produk teknologi pengelasan dengan sistem ?Metalock? di Indone sia belum sepenuhnya dapat dìlaksanakan. Masalah utama yang dihadapi untuk pemasarari dalam negeri adalah perusahaan tidak mampu menerapkan strategi biaya terken dali (overall cost leadership) secara konsisten. Strategj ini sulit diterapkan karena perusahaan induk mendominasi penen tuan barga bahan baku. Jika dikaji lebih mendala, perusahaan dapat disebut seba gai pemimpin dalam hal teknologi dl bidangnya yaitu di pasar Industri perbaikan kapal, khususnya pada repairing Engine of Ships?. Di dalam, negeri tidak ada perusahaan lain yang memiliki teknologi yang dapat disamakan. Ketergantungan perusahaan akan rekomendasi perusahaan induk dan perusahaan anggota resmi lainnya, merupakan risiko besar yang mengandung ketidakpastian di masa yang akan datang. Oleh karena itu, perusahaan perlu melakukan forecasting yang bertujuan agar forecastnya bisa meminimumkan pengaruh ketidak pastian terhadap perusahaan. Masalah yang timbul adalah bagai mana memilih metoda forecast yang paling cocok untuk kondisi perusahaan. Dari berbagai analisis yang telah dilakukan maka dengan basis data historis dapat disimpulkan bahwa metoda dekomposisi merupakan metoda yang balk digunakan. Kondisi data histor-js menunjukkan bahwa pola demand perusahaan mempunyai pola yang agak kompleks, misalnya ada unsur kenaikan, berfiuk tuasi, dan tidak teratur. Untuk dianalisa dan diforecast seka ligus sangat sulit, sehfngga sebaiknya dilakukan dekomposisi (pemecahan) ke dalam 4 komponen (pola) perubahan yaltu trend, fluktuasi musiman, fluktuasi siklus, dan perubahan yang bersi fat random. Masing-masing pola perubahan dianalisis satu per satu, setelah ditemukan dlgabungkan menjadi nilal, taksiran, atau ramalan. Metoda ini cukup kompleks tetapi untuk kondisi perusahaan seperti ini cukup akurat untuk menghasilkan forecast mendekati apa yang akan terjadi. Selanjutnya untuk implementasi forecast ing perlu dilaksanakan strategi atau program pemasaran jangka pendek misalnya promosi yang efisien dan efektif serta program jangka panjang misalnya perluasan segmen pasar serta struk turisasi harga."

"Industri tekstil dan pakaian jadi merupakan industri berkembang dan meberikan pengaruh terhadap perekonomian Indonesia. Meskipun memiliki persaingan yang tinggi, industri tekstil dan pakaian jadi menjadi salah industri yang menarik dijadikan peluang bisnis. PTGP merupakan sebuah perusahaan yang telah mengambil peluang bisnis di industri pakaian jadi selama puluhan tahun. Perusahaan dalam kategori mature pun tidak selalu berhasil dalam menjalankan bisnis. PTGP harus menutup cabang-cabang bisnis yang dimiliki karena biaya operasional lebih tinggi dibandingkan pendapatan yang dihasilkan dari penjualan. Biaya operasional yang efisien dibutuhkan oleh setiap perusahaan dalam menjalankan operasional perusahaan. Peramalan merupakan cara yang dapat digunakan untuk efektivitas operasional perusahaan. Metode peramalan time series yang tepat dapat ditentukan dengan melihat data historis permintaan terhadap produk. Akurasi merupakan faktor utama pemilihan metode peramalan yang akan digunakan. Single Exponential Smoothing merupakan metode peramalan yang digunakan secara umum di berbagai bidang industri dengan mengunakan data historis. Holts Model merupakan metode peramalan yang digunakan dengan adanya pengaruh tren pada data yang digunakan. Winters Model merupakan metode peramalan yang digunakan dengan adanya pengaruh tren dan seasonal pada data yang digunakan. Besar kesalahan peramalan yang dihasilkan adalah 14.38% untuk Single Exponential Smoothing, 10.34% untuk Holts Model, dan 15.65% untuk Winters Model sehingga Holts Model lebih disarankan.

---

Textile and apparel industry is a growing industry and has an influence on the Indonesian economy. Despite having high competition, textile and apparel industry is one of the interesting industries to become a business opportunity. PTGP has taken business opportunities in apparel industry for decades. Companies in mature category are not always successful in doing business. PTGP must close their business branches owned because operating costs are higher than the revenue generated from sales. Efficient operational costs required by every company in carrying out company operations. Forecasting is a way that can be used for the effectiveness of the companys operations. The right time-series forecasting method can be determined by looking at the historical data of product demand. Accuracy is the main factor in choosing forecasting method. Single Exponential Smoothing is a forecasting method used in general industrial fields using historical data. Holts Model is a forecasting method used with influence of trends in the data used. Winters Model is a forecasting method used in presence of trend and seasonal influences on the data used. The large forecasting errors generated are 14.38% for Single Exponential Smoothing, 10.34% for Holts Model, and 15.65% for Winters Model so Holts Model is recommended."