Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"ABSTRAK

Persediaan merepresentasikan 20%-60% dari aset perusahaan, oleh karena itu pengelolaan persediaan menjadi aktivitas penting yang harus dilakukan setiap perusahaan. Penelitian ini bertujuan untuk mendapatkan tingkat persediaan optimum di pusat distribusi barang perusahaan furnitur lokal dengan menggunakan analisis ABC, peramalan permintaan untuk periode 2019 dan metode persediaan fixed-order quantity dengan model probabilistik agar dapat menggambarkan kondisi aktual di lapangan. Desain penelitian ini adalah kuantitatif deskriptif dan dilakukan dengan pendekatan studi kasus. Hasil penelitian menunjukkan bahwa terdapat 113 produk yang termasuk kedalam kategori A, dimana 29 produk diantaranya memiliki kontribusi gross margin sebesar 55%. Proyeksi tingkat permintaan untuk 29 produk tersebut secara keseluruhan pada bulan Januari sebesar 927 unit, bulan Februari sebesar 930 unit, bulan Maret sebesar 1149 unit, bulan April sebesar 1415 unit, bulan Mei sebesar 2203 unit, bulan Juni sebesar 1267 unit, bulan Juli sebesar 1215 unit, bulan Agustus sebesar 1357 unit, bulan September sebesar 1505 unit, bulan Oktober sebesar 2649 unit, bulan November sebesar 4034 unit dan bulan Desember sebesar 3857 unit. Tingkat persediaan optimum untuk 29 produk kategori A yang berkisar dari 40 sampai 100 unit terdiri dari 4 produk. Tingkat persediaan optimum yang berkisar dari 101 sampai 200 unit terdiri dari 11 produk, lalu tingkat persediaan optimum yang berkisar dari 201 sampai 400 unit terdiri dari 8 produk, dan tingkat persediaan optimum yang berkisar dari 401 sampai 600 unit terdiri dari 6 produk. Potensi penghematan biaya berdasarkan tingkat persediaan optimum sebesar 8,60% atau Rp845,921,774 dari total biaya persediaan.

---

ABSTRACT

 

---

Inventories represent 20%-60% of the company's assets, therefore inventory management is an important activity that must be done by every company. This study aims to obtain optimum inventory levels in the distribution center of local furniture companies using ABC analysis, demand forecasting for the 2019 period and fixed-order quantity inventory methods with probabilistic models in order to describe the actual conditions. The design of this study is quantitative descriptive and is carried out with a case study approach. The results showed that there are 113 products included in category A, which 29 of them had gross margin contribution of 55%. The overall demand level projection for 29 products in January is 927 units, February is 930 units, March is 1149 units, April is 1415 units, May is 2203 units, June is 1267 units, July is 1215 units. In August amounted to 1357 units, September is 1505 units, October is 2649 units, November is 4034 units and December is 3857 units. The optimum inventory level for 29 category A products ranging from 40 to 100 units consists of 4 products. Optimum inventory levels ranging from 101 to 200 units consist of 11 products, then optimum inventory levels ranging from 201 to 400 units consisting of 8 products, and optimum inventory levels ranging from 401 to 600 units consist of 6 products. The potential cost savings is 8.60% or Rp. 845,921,774 of total inventory costs.

"

"Era globalisasi menyebabkan pertumbuhan industri Fast Moving Customer Goods (FMCG) menjadi sangat pesat, karena seiring meningkatnya pertumbuhan penduduk manusia, meningkat pula tingkat konsumsi. Tingkat ketepatan peramalan permintaan (Sell in) pada suatu pasar modern pada umumnya masih tergolong rendah, oleh karena itu dibutuhkan suatu metode peramalan permintaan yang lebih baik. Pada umumnya, peramalan dihitung berdasarkan data masa lalu, namun pada penelitian ini peramalan akan dihitung dengan mempertimbangkan beberapa faktor. Metode yang digunakan dalam perhitungan penelitian ini adalah Neural network. Hasil penelitian menunjukan bahwa metode Neural network lebih baik dibandingkan dengan metode yang digunakan pada suatu perusahaan FMCG. Tujuan akhir dari tingkat peramalan yang lebih baik akan berujung kepada persediaan yang optimal.

---

Era of globalization led Fast Moving Customer Goods (FMCG) growth rapidly, because the more increasing human population growth the more increasing the level of consumption. Forecast accuracy for the demand (Sell in) in modern trade generally is still poor there fore needed the forecasting method better. Generally, forecasting is calculated based on historical data but in this research, forecasting will be calculated by considering several factors. The method used in this research is Neural network. The results showed that the Neural network method is better than the methods used in an FMCG company. The ultimate goal of better forecasting levels will lead to optimal inventory."

"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."

"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."

"Perencanaan produksi yang selama ini digunakan, yaitu MRP sudah tidak sesuai dengan kondisi lingkungan saat ini, perubahan pada supply chain complexity, customer tolerance time, product variety long lead time parts, dan forecast accuracy membuat MRP sudah tidak lagi tool yang handal untuk melakukan perencanaan produksi dan pengendalian persediaan (inventory) sehingga diperlukan metode lain yang sesuai dengan perubahan tersebut, yaitu Demand- Driven Material Requirement Planning (DDMRP). DDMRP merupakan sebuah solusi dinamis dan efektif demand-driven untuk menjawab tantangan kondisi perusahaan saat ini. Melalui pendekatan inovatif pada analisis inventori dan struktur produk, aturan demand-driven yang baru dan terintegrasi dengan taktik eksekusi, DDMRP didesain untuk menghubungkan antara ketersediaan material dan pasokan langsung dari aktual penggunaan melalui bills of materials (BOMs). Kondisi tersebut yang dialami oleh salah satu perusahaan otomotif di Indonesia yang sudah menerapkan MRP, dimana MRP menghasilkan available stock yang tidak efektif. Dengan melakukan penerapan DDMRP pada perusahaan tersebut menghasilkan desain pengendalian produksi dengan menggunakan DDMRP yang menghasilkan available stock yang efektif. Hasil implementasi DDMRP untuk tiga part memberikan efek pada kondisi persediaan efektif untuk ketiga part tersebut ,yaitu SA-22, SA-22, dan SA-02, dimana persediaan di posisi red zone dan di atas green zone mengalami penurunan 100% dan dapat disimpulkan tidak ada persediaan yang terlalu sedikit maupun terlalu banyak.

---

Material requirement planning (MRP) that has been used for production planning isn`t in accordance with the current environmental that any changes condition such as the supply chain complexity, customer tolerance time, product variety of long lead time parts, and forecast accuracy. It makes MRP is no longer reliable tool for production planning and inventory control, so that is required other methods, the Demand-Driven Material Requirement Planning (DDMRP) in accordance with these changes. DDMRP is a dynamic and effective solutions in demand-driven world to address the challenges of the new normal condition. Through an innovative approach to the analysis of inventory and product structure, rules of the new demand-driven and integrated with tactical execution, DDMRP designed to connect between the availability of materials and supplies directly from the actual use through bills of materials (BOM). An automotive company in Indonesia which is already implementing MRP produce too little or too much available stock (ineffective stock). After implementing DDMRP for the production control, it produces effective available stock. The result for the threepart with DDMRP implementation, DDMRP can effect on inventory conditions, the SA-22, SA-22 and SA-02 available stock in the red zone and above green zone decreased 100% and we can conclude that inventory isn`t too little nor too much (effective)."

"Skripsi ini membahas tentang permintaan produk Packed Red Cell (PRC) di Unit Transfusi Darah Palang Merah Indonesia di DKI Jakarta yang diperkirakan akan membuat rencana produksi guna menurunkan tingkat keluarnya darah yang terjadi akibat jumlahnya. produksi yang melebihi jumlah penggunaan. Penelitian ini berbentuk studi kasus dengan tipe kuantitatif. Dalam peramalan, data time-series penggunaan PRC bulanan digunakan selama lima tahun terakhir yaitu 2014 hingga 2018 yang dihitung dengan menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dan Holt-Winter Exponential Smoothing. Hasil perhitungan dengan menggunakan metode ARIMA memberikan hasil peramalan yang lebih baik sehingga dapat digunakan sebagai acuan dalam membuat perencanaan produksi produk RRT. Dari hasil perencanaan produksi tersebut disarankan agar PMI DKI Jakarta mengalihkan sebagian dari rencana kunjungannya dalam rangka pengambilan darah ke PMI lain di sekitar Jakarta dan juga dapat menyalurkan jumlah produksi darah berlebih ke Bank Darah Rumah Sakit ( BDRS) atau PMI lain yang masih kekurangan suplai darah.

---

This thesis discusses the demand for Packed Red Cell (PRC) products at the Indonesian Red Cross Blood Transfusion Unit in DKI Jakarta, which is expected to make a production plan to reduce the rate of blood loss that occurs due to the amount. production that exceeds the amount of use. This research is in the form of a case study with a quantitative type. In forecasting, time-series data on the use of monthly PRC are used for the last five years, namely 2014 to 2018, which is calculated using the Autoregressive Integrated Moving Average (ARIMA) and Holt-Winter Exponential Smoothing methods. The results of calculations using the ARIMA method provide better forecasting results so that they can be used as a reference in planning the production of Chinese products. From the results of the production planning, it is suggested that PMI DKI Jakarta divert part of its planned visit in the context of taking blood to other PMIs around Jakarta and also be able to distribute the amount of excess blood production to Hospital Blood Banks (BDRS) or other PMIs that still lack blood supply."

"Penelitian ini bertujuan untuk mengetahui tingkat efisiensi dan penghematan biaya pada proses produksi sehingga dapat memberikan nilai tambah dan mengurangi opportunity lost bagi UKM W&L Home Industry, Tangerang yang bergerak di industri tekstil dan pakaian jadi. Data penelitian yang digunakan adalah data laporan historis penjualan dari Januari 2016 hingga Desember 2019, dan secara spesifik melakukan analisis pada periode tahun 2019. Pengumpulan data dilakukan dengan kegiatan wawancara secara daring, observasi lokasi, serta dari berbagai jurnal, buku penunjang, dan internet untuk melengkapi proses penelitian yang di teliti. Metode penelitian ini memanfaatkan teknik peramalan permintaan kuantitatif deret waktu yaitu moving average, weighted moving average, exponential smoothing, holt’s model, dan winter’s model, serta metode EOQ dalam melakukan analisis peramalan permintaan untuk mendukung pengendalian bahan baku utama produksi. Hasil penelitian menunjukkan bahwa metode exponential smoothing α = 0.3 merupakan metode terbaik dan tepat dengan kondisi UKM W&L karena memiliki nilai kesalahan (error) terkecil yaitu MAD senilai 4120 dan MSE sebesar 23.139.777. Dalam pengendalian bahan baku utama produksi dengan metode EOQ menghasilkan besarnya jumlah pesanan optimum (Q*) adalah 1.364 kg/order, frekuensi pemesanan dilakukan sebanyak 17 kali dalam satu tahun dengan interval pemesanan 21 hari dan dalam penerapannya dapat mengkombinasikan periode pemesanan satu bulan sekali di bulan Januari – Juli dan dua minggu sekali pada bulan Agustus - Desember, serta terdapat penghematan biaya sebesar 22% per tahun atau senilai dengan Rp 297.122.880/tahun. Selain itu, penelitian ini memberikan prediksi prakiraan permintaan pakaian jadi di tahun 2023 – 2025 bagi UKM W&L dengan memanfaatkan teknik exponential smoothing α = 0.3 dan metode EOQ yang menunjukkan terdapat penghematan biaya sebesar 21% per tahun untuk periode tahun 2023 dan 2024 serta sebesar 23% per tahun pada tahun 2025.

---

This study aims to determine the efficiency level and cost savings in the production process to add value and reduce the opportunity lost of W&L Home Industry, Tangerang which operates in the textile and apparel industry. This study uses the sales report of W&L Home Industry between 2016 and 2019, particularly analyzing the sales data of the year 2019. Data of this study are obtained through various resources such as online interviews, location observation, journals, supporting books, and the internet. As for the research method, this study used the time series quantitative demand forecasting techniques, namely the moving average, weighted moving average, exponential smoothing, holt’s model, winter’s model, and the EOQ method in conducting the analysis of demand forecast to control the main raw materials. The results show that the exponential smoothing method with α = 0.3 is the best and most appropriate method for UKM W&L since it has the minimum error value, MAD of 4120 and MSE of 23.139.777. In the raw material for production control using the EOQ method, the optimum order quantity (Q*) is 1,364 kg/order, the frequency of orders is 17 times a year (interval 21 days) with an order period once a month in January - July and once every two weeks in August - December, and there is a cost savings of 22% per year or equivalent to IDR 297.122.880/year. In addition, this study provides a prediction of the demand for W&L SMEs in 2023-2025 using the exponential smoothing technique α = 0.3 and the EOQ method. It shows that a cost savings of 21% per year for the periods 2023 and 2024 also 23% per year by 2025."