Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Nilai tukar Dolar AS terhadap Rupiah (USD/IDR) merupakan indikator penting dalam ekonomi yang dapat mempengaruhi berbagai keputusan bisnis dan investasi. Dalam penelitian ini, dikembangkan model hybrid Autoregressive Integrated Moving Average (ARIMA) dengan Long Short-Term Memory (LSTM) menggunakan filter Variational Mode Decomposition (VMD) untuk peramalan nilai tukar USD/IDR. Data yang digunakan dalam penelitian ini adalah data harian dari 1 Januari 2022 hingga 26 Februari 2024. Model hybrid ARIMA-LSTM memanfaatkan keunggulan masing-masing metode dalam menangani pola pada data runtun waktu. Filter VMD digunakan untuk mendekomposisi data menjadi beberapa mode yang masing-masing memiliki karakteristik frekuensi dan kompleksitas yang berbeda. Kompleksitas diukur menggunakan Sample Entropy (SE) untuk mengidentifikasi komponen untuk dimodelkan dengan LSTM atau ARIMA. Dalam penelitian ini, filter VMD menghasilkan 10 mode yang kemudian direduksi menjadi 4 komponen berdasarkan kemiripan nilai SE. Komponen dengan  nilai SE lebih kecil dari 1 dimodelkan menggunakan LSTM, sedangkan komponen dengan nilai SE lebih besar dari 1 dimodelkan dengan ARIMA. Hasil peramalan menunjukkan bahwa model hybrid ARIMA-LSTM dengan filter VMD memiliki nilai RMSE sebesar 35,4188, yang lebih kecil dibandingkan dengan model ARIMA, LSTM, maupun model hybrid ARIMA-LSTM tanpa filter VMD. Dengan demikian, model hybrid ARIMA-LSTM dengan filter VMD terbukti memberikan performa peramalan terbaik untuk data nilai tukar USD/IDR, serta penggunaan VMD meningkatkan akurasi peramalan.

---

The US Dollar exchange rate against the Rupiah (USD/IDR) is an important indicator in the economy that can influence various business and investment decisions. In this research, a hybrid Autoregressive Integrated Moving Average (ARIMA) with Long Short-Term Memory (LSTM) ARIMA-LSTM model using a Variational Mode Decomposition (VMD) filter was developed for forecasting the USD/IDR exchange rate. The data used in this research is daily data from January 1, 2022, to February 26, 2024. The ARIMA-LSTM hybrid model leverages the strengths of each method in handling patterns of time series data. The VMD filter is used to decompose the data into several modes, each of which has different frequency and complexity. Complexity is measured using Sample Entropy (SE) to identify components for modeling with LSTM or ARIMA. In this research, the VMD filter produces 10 modes which are then reduced to 4 components based on the similarity of SE values. Components with SE smaller than 1 are modeled using LSTM, while components with SE larger than 1 are modeled with ARIMA. The forecasting results show that the ARIMA-LSTM hybrid model with a VMD filter has an RMSE value of 35.4188, which is smaller than the ARIMA, LSTM, or the ARIMA-LSTM hybrid model without a VMD filter. Thus, the ARIMA-LSTM hybrid model with VMD filter is proven to provide the best forecasting performance for USD/IDR exchange rate data, and the use of VMD increases forecasting accuracy

"

"Salah satu keberhasilan dari penjualan alat berat adalah dukungan dari after sales service support diantaranya adalah penyediaan suku cadang guna perbaikan dan pemeliharaan alat berat. Dalam proses penyediaan suku cadang, PT United Tractors, Tbk (UT) melibatkan pihak-pihak antara lain PT. Komatsu Marketing Support Indonesia (KMSI) sebagai supplier/principal, UT sebagai distributor, logistic dan customer.Performa unit alat berat salah satunya ditunjang dari periodical service yang baik. Salah satu parts periodical service yang perlu perencanaan yang baik adalah filter. Filter merupakan parts yang bersifat fast moving dan harus secara rutin dilakukan penggantian.Praktik keinsinyuran ini bertujuan mendapatkan metode peramalan yang sesuai untuk perencanaan penyediaan Komatsu Genuine Filter dengan studi kasus unit Komatsu Excavator PC2000-8 dan Hydraulic Dump Truck HD785-7 agar level support ke customer lebih optimal, namun tetap mempertimbangkan inventory cost. Persediaan yang berlebih akan membebani working capital, namun kurangnya persediaan akan menyebabkan stock out dan mempengaruhi service level ke customer. Praktik keinsinyuran ini dilakukan di tahun 2022. Manfaat praktik keinsinyuran ini untuk mendapatkan metode peramalan perencanaan persediaan suku cadang filter yang tepat untuk membantu para pemegang kepentingan dalam menentukan keputusan.Metodologi dalam praktik keinsinyuran ini adalah dengan menghitung peramalan perencanaan persediaan dengan menggunakan metode statistik (menggunakan data masa lampau) dan deterministik. Setelah itu, dihitung level stock maximum dengan mempertimbangkan safety stock, lead time dan cycle order.Hasil laporan ini didapatkan hasil Days of Inventory (DOI) yang lebih efisien, yaitu dari 71 hari menjadi 64 hari dengan peningkatan availability dari 94% menjadi 97%.

---

One of the keys to success in the heavy equipment business is good after sales service support, such as the provision of spare parts for heavy equipment repair and maintenance. In the process of supplying spare parts, PT United Tractors, Tbk (UT) involves other parties including PT. Komatsu Marketing Support Indonesia (KMSI) as supplier/principal, UT as distributor, logistics and customer.

The performance of heavy equipment units is supported by good periodic service. One of the periodic service parts that need good planning is the filter. Filters are fast moving parts and must be replaced regularly.

This engineering practice aims to obtain forecasting methods for Komatsu Genuine Filter inventory with case studies of the Komatsu Excavator PC2000-8 and Hydraulic Dump Truck HD785-7 units so that the level of support to customers are more optimal, while still considering inventory costs. Excess of inventory will increase working capital, but lack of inventory will cause stock out and affects the level of service to customers. This engineering practice has been carried out in 2022. The benefit of this engineering practice is to obtain the right filter spare parts inventory planning forecasting method to assist stakeholders in making decisions.

The methodology in this engineering practice is to calculate the inventory planning forecast using statistical (using past data) and deterministic methods. After that, the maximum stock level is calculated by considering safety stock, lead time and cycle order.

The results of this report show more efficient in Days of Inventory (DOI), from 71 days to 64 days, with increased availability from 94% to 97%."