Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Pangan merupakan kebutuhan yang harus dipenuhi setiap saat. Seperti yang diketahui bahwa pupuk merupakan salah satu faktor utama dalam kesuksesan ketahanan pangan di Indonesia. Saat ini, pemerintah tengah mengadakan target swasembada pangan pada tahun 2017 yang mensyaratkan kemampuan panen sedikitnya dua kali setahun pada luas areal persawahan di Indonesia. Untuk memenuhi kebutuhan pupuk di Indonesia, seluruh industri pupuk harus terus berupaya untuk meningkatkan produksinya. Pada industri pupuk yang diteliti, terjadi permasalahan pada bagian produksinya, dimana industri ini tidak mampu untuk memenuhi permintaan pupuk urea yang notabene adalah produk unggulan industri tersebut. Ketidakmampuan untuk memenuhi permintaan ini mengakibatkan pendapatan yang dicapai tidak sesuai dengan yang direncanakan. Selain itu, ketidakmam Oleh karena itu, pada penelitian ini akan dilakukan perencanaan produksi pupuk urea dengan metode Material Requirement Planning MRP , Mixed Integer Linear Programming MILP , dan peramalan permintaan forecasting . Hasil dair penelitian ini menunjukkan bahwa metode MRP yang tepat untuk digunakan sebagai perencanaan produksi di industri pupuk adalah Lot-For-Lot LFL dan metode peramalan permintaan yang paling akurat dan sesuai dengan trend permintaan pupuk urea adalah Artificial Neural Network ANN . Selain itu, total biaya yang dikeluarkan industri pupuk mengalami penurunan sebesar Rp. 55.334.120,- atau menurun 5,15 dari total biaya sebelumnya.

---

ABSTRACT
Food is a necessity that must be met at all times. As it is known that fertilizer is one of the main factors in the success of food security in Indonesia. Currently, the government is targeting food self sufficiency in 2017 that requires harvesting capability at least twice a year in the area of paddy fields in Indonesia. To meet the fertilizer needs in Indonesia, the whole fertilizer industry must continue to improve its production. In the fertilizer industry studied, there is a problem in the production section, where the industry is not able to meet the demand for urea fertilizer which in fact is the industry 39 s flagship product. The inability to meet this demand resulted in insufficient revenue to be achieved. In this research, urea fertilizer production planning with Material Requirement Planning MRP method, Mixed Integer Linear Programming MILP , and forecasting is planned. The results of this study indicate that the appropriate MRP method to be used as production planning in the fertilizer industry is Lot For Lot LFL and the most accurate demand forecasting method and according to the demand trend of urea is Artificial Neural Network ANN . Futrthermore, total cost that spent by the fertilizer industry is decreasing into Rp. 55.334.120, or decreased by 5,15 from the previous one.

Abstrak :
Perencanaan persediaan material pesawat adalah aspek penting dalam proses perawatan pesawat, guna meningkatkan efisiensi dan mengurangi biaya penyimpanan, perusahaan perlu melakukan peramalan berdasarkan data historis permintaan material. Studi ini diawali dengan klasifikasi material menggunakan sistem klasifikasi FSN, dimana 14 material penting teridentifikasi dalam kategori F. Selanjutnya, analisis permintaan terhadap 14 material tersebut menunjukkan bahwa semua memiliki karakteristik permintaan intermiten, yang merupakan tantangan dalam peramalan. Dalam upaya mengatasi tantangan ini, penelitian membandingkan beberapa metode peramalan yaitu Moving Average, Exponential Smoothing, Syntetos-Boylan Approximation (SBA), Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU). Hasil analisis menunjukkan bahwa metode berbasis Recurrent Neural Network (RNN), khususnya LSTM dan GRU, memberikan akurasi peramalan yang paling baik dibandingkan dengan metode lainnya. Hal ini menegaskan keefektifan Artificial Neural Network, khususnya arsitektur RNN, dalam menghadapi tantangan peramalan untuk permintaan material intermiten. ......Aircraft material inventory planning is an important aspect in the aircraft maintenance process. In order to increase efficiency and reduce storage costs, companies need to forecast based on historical material demand data. This study begins with material classification using the FSN classification system, where 14 important materials are identified in category F. Furthermore, demand analysis for these 14 materials shows that all of them have intermittent demand characteristics, which is a challenge in forecasting. In an effort to overcome this challenge, research compares several forecasting methods, namely Moving Average, Exponential Smoothing, Syntetos-Boylan Approximation (SBA), Long Short-Term Memory (LSTM), and Gated Recurrent Unit (GRU). The analysis results show that Recurrent Neural Network (RNN) based methods, especially LSTM and GRU, provide the best forecasting accuracy compared to other methods. This confirms the effectiveness of Artificial Neural Networks, especially RNN architectures, in dealing with forecasting challenges for intermittent material demand.

Abstrak :
ABSTRAK Semakin meningkatnya kebutuhan masyarakat pada energi semakin mendorong berkembangnya teori manajemen permintaan energi. Indonesia sebagai negarayang mengalami peningkatan kebutuhan konsumsi premium masih membutuhkan perbaikan dalam tata kelolakebijakan energinya. Salahsatunya dalam melakukan peramalan. Oleh karena itu,Dibutuhkan suatu cara agar dapat melakukan peramalan konsumsi BBM premium di Indonesia.Dalam penelitian ini, peramalan dilakukandengan dua cara. Yaitu dengan menggunakan Multi Linear Regrresi dan Neural network. Hasil yang didapat menunjukkan bahwa metode Multi linear regresi memperoleh keakuratan yang lebih baik dibanding Neural network.

---

ABSTRACT The increasing of energy consumption encouraging the development of energy demand management theory. Indonesia as a country which have increasing consumption premium fuel in few years is need to improve their energy policy, especially in forecasting. Therefore, there are need a methode to forecast premium demand in Indonesia. In this research, forecasting is done with using Multi Linear Regression and Neural Network. The result is the accuration of Multi Linear Regression methode better than the accuration of Neural network methode.

Abstrak :
Karya akhir ini membahas manajemen persediaan suku cadang yang permintaannya cenderung bersifat intermitten pada salah satu perusahaan pupuk milik negara yang terletak di provinsi Aceh. Jumlah suku cadang pada perusahaan rekayasa kimia seperti perusahaan pupuk dapat berjumlah ratusan hingga ribuan, sehingga diperlukan klasifikasi untuk mempermudah pengelolaannya. Pada penelitian ini, pengelompokkan item suku cadang dilakukan menggunakan metode Multi-Criteria ABC dengan pembobotan Exponential Smoothing. Penentuan model peramalan juga dilakukan pada item suku cadang dengan klasifikasi A menggunakan tiga metode yaitu metode Single Exponential Smoothing, metode Croston, dan metode Syntetos-Boylan Approximation. Ketiga metode peramalan dibandingkan berdasarkan Mean Absolute Deviation (MAD), Mean Squared Error (MSE) dan Mean Absolute Percent Error (MAPE) untuk mendapatkan metode peramalan yang optimal. ......This thesis discusses the management of spare parts inventory, which demand tends to be intermittent, in one of the state-owned fertilizer companies located in the province of Aceh. The number of spare parts in chemical engineering companies, such as fertilizer companies, can be in the hundreds to thousands, classification is needed to facilitate the management. In this study, the classification of spare parts is conducted using the MultiCriteria ABC method with Exponential Smoothing weighting. Demand forecasting is also carried out on class A using three forecasting models, namely the Single Exponential Smoothing method, the Croston method, and the Syntetos-Boylan Approximation method. The three forecasting models are compared based on Mean Absolute Deviation (MAD), Mean Squared Error (MSE) and Mean Absolute Percent Error (MAPE) to obtain the appropriate model for the spare parts.

Abstrak :
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.

Abstrak :
Biaya logistic menjadi parameter untuk meningkatkan performa bisnis, dengan menekan biaya logistic, pengeluaran dapat dialokasikan kepada bagian yang dapat meningkatkan performa industry baik dari segi social, maupun secara environmental. PT. IMARI dan Rumah Sakit Medika Permata Hijau melakukan penyelenggaraan makanan terhadap pasien memiliki permasalahan biaya pengadaan bahan baku belum mendapatkan biaya yang optimal. Dengan menggunakan Dynamic Lot-Sizing, Biaya logistic PT. IMARI dapat berkurang sehingga dapat dialokasikan untuk pengolahan dan manajemen makanan sisa, Peramalan permintaan dilakukan dengan menggunakan Winters Method karena data pasien dan permintaan mengikuti tren musiman di Indonesia. Implikasi penelitian bahwa dengan menggunakan Algorithma Wagner-Within, biaya logistic dapat berkurang hingga 18% dalam periode 12 hari. ......Logistics costs are one of a parameter to improve business performance, by reducing logistics costs, budget spending can be allocated to sections that can improve industry performance both in terms of social and environmental aspects. PT. IMARI and Medika Permata Hijau Hospital conduct food distribution for patients having problems with the cost of procuring raw materials especially Perishable Product has not yet received optimal costs. By using Dynamic LotSizing, the logistic costs of PT. IMARI can be reduced so that it can be allocated for processing and remaining food management. Demand forecasting is done using the Winters Method because patient data and demand follow seasonal trends in Indonesia. The research implication is that by using the Wagner-Within Algorithms, logistics costs can be reduced by up to 18% in a 12 day period.

Abstrak :
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.

Abstrak :

Peramalan permintaan berguna sebagai permulaan dalam perencanaan yang memiliki tujuan untuk memenuhi permintaan pelanggan di masa depan. Pada awalnya, metode peramalan dikembangkan berbasis statistik. Namun, seiring berjalannya waktu, metode peramalan saat ini juga ada yang menggunakan metode machine learning karena bertambahnya kompleksitas data dengan variabilitas permintaan yang tinggi. Industri FMCG, khususnya produk pembersih rumah tangga memiliki pola permintaan yang cukup dinamis. Hal ini menjadi tantangan tersendiri untuk perusahaan sehingga mampu meramalkan secara akurat pola permintaan pada industri ini. Dalam penelitian ini, peneliti melakukan peramalan permintaan untuk produk pembersih rumah tangga menggunakan metode deret waktu, yaitu Autoregressive Integrated Moving Average (ARIMA), dan metode machine learning, yaitu Support Vector Regression (SVR). Objek penelitian yang dipilih oleh peneliti adalah data permintaan dari 8 SKU produk pembersih rumah tangga yang dijual oleh PT Wijaya Agung Hutama sejak Januari 2014 hingga Desember 2022. Hasil penelitian menunjukkan bahwa metode SVR unggul untuk 6 dari 8 SKU yang diramalkan, dengan rata-rata Mean Absolute Percentage Error (MAPE) sebesar 31,06%. Sementara itu, ARIMA mendapatkan rata-rata MAPE sebesar 33,52%. Metode yang diajukan peneliti juga dapat menurunkan error pada peramalan perusahaan hingga 8,31%. ......Demand forecasting is useful as a starting point in planning with the objective of meeting customer demand in the future. Initially, forecasting methods were developed based on statistics. However, over time, current forecasting methods also incorporate machine learning techniques due to the increasing complexity of data and high demand variability. The Fast-Moving Consumer Goods (FMCG) industry, particularly household cleaning products, has a dynamic demand pattern. This poses a challenge for companies to accurately forecast demand in this industry. This study conducted demand forecasting for household cleaning products using time series methods, namely Autoregressive Integrated Moving Average (ARIMA), and machine learning methods, specifically Support Vector Regression (SVR). The research focused on the demand data for 8 SKU (Stock Keeping Unit) of household cleaning products sold by PT Wijaya Agung Hutama from January 2014 to December 2022. The results of the study showed that the SVR method outperformed ARIMA for 6 out of 8 forecasted SKUs, with an average Mean Absolute Percentage Error (MAPE) of 31.06%. Meanwhile, ARIMA obtained an average MAPE of 33.52%. The proposed method by the researchers also reduced the forecasting error for the company by 8,31%. These findings indicate that the suggested forecasting methods can help companies plan production and inventory more accurately. 

Abstrak :
Penelitian ini bertujuan untuk mengetahui jumlah pemesanan optimum pada barang klasifikasi A di Toko Plastik Amanah yang merupakan UMKM yang menjual kebutuhan rumah tangga, restoran, dan perkantoran. Data penelitian yang digunakan adalah data historis pembelian dan penjualan Toko Plastik Amanah pada tahun 2021, dan secara spesifik analisis dilakukan pada barang yang masuk kedalam klasifikasi A. Pengumpulan data dilakukan dengan kegiatan wawancara secara langsung datang ke lokasi, kemudian dari jurnal, buku, serta internet. Metode penelitian ini memanfaatkan analisis ABC untuk mengklasifikasikan barang sesuai dengan kepentingannya masing-masing. Setelah itu  penelitian ini juga memanfaatkan teknik peramalan kuantitatif deret waktu yaitu moving average, weighted moving average, dan exponential smoothing untuk mencari metode peramalan terbaik. Terakhir adalah metode EOQ untuk mengetahui jumlah pemesanan optimum dari barang klasifikasi A, semua metode tersebut digunakan untuk mendukung pengendalian persediaan barang pada Toko Plastik Amanah. Hasil penelitian menunjukkan bahwa terdapat 5 barang yang masuk dalam klasifikasi A dengan persentase penyerapan dana sebesar 65,79%. Kemudian metode exponential smoothing ± = 0.3 merupakan metode peramalan terbaik karena memiliki nilai kesalahan terkecil pada 4 dari 5 barang klasifikasi A. Pengendalian persediaan kelima barang  dengan metode EOQ menghasilkan besarnya jumlah pemesanan optimum (Q*) dan frekuensi pemesanan pada masing – masing barang sebesar 42 karung dengan 13 kali pemesanan pada jenis barang pertama, 40 karung dengan 12 kali pemesanan pada jenis barang kedua, 58 kardus dengan 14 kali pemesanan pada jenis barang ketiga, 33 karung dengan 10 kali pemesanan pada jenis barang keempat, dan 42 karung dengan 9 kali pemesanan pada jenis barang kelima. Penelitian ini menemukan terdapat penghematan biaya persediaan sebesar Rp. 86.345.884,- atau 4,76%  ketika Toko Plastik Amanah menggunakan metode EOQ dalam mengendalikan persediaan barang dagangnya. ......This study aims to determine the optimum number of orders for classification A goods at the Amanah Plastic Store which is an MSME that sells household, restaurant and office needs. The research data used in this study is historical data on the purchase and sale of Amanah Plastic Stores in 2021, and specifically the analysis is carried out on goods that are classified as A. Data of this study are obtained through various resources such as interviewing directly to the location, then from journals, books, and the internet. This research method utilizes ABC analysis to classify goods according to their respective interests. After that, this research also uses time series quantitative forecasting techniques, namely moving average, weighted moving average, and exponential smoothing to find the best forecasting method. The last is the EOQ method to find out the optimum number of orders for classification A goods, all of these methods are used to support inventory control at Amanah Plastic Stores. The results showed that there were 5 items that were included in classification A with a percentage of absorption of funds of 65.79%. Then the exponential smoothing method = 0.3 is the best forecasting method because it has the smallest error value in 4 of 5 items classified A. Inventory control of the five items with the EOQ method resulted in the optimum number of orders (Q*) and the frequency of ordering for each item of 42 sacks with 13 orders for the first type of goods, 40 sacks with 12 orders for the second type of goods, 58 boxes with 14 orders for the third type of goods, 33 sacks with 10 orders for the fourth type of goods, and 42 sacks with 9 orders for the fifth type of goods. This study found that there were savings in inventory costs of Rp. 86.345.884,- or 4.76% when Amanah Plastic Store uses the EOQ method in controlling its merchandise inventory.

Abstrak :
Penelitian ini mengkaji tentang perencanaan model alokasi lahan pengadaan tebu dan produksi gula dengan memperhitungkan perubahan permintaan gula dan luas lahan yang tidak pasti setiap tahunnya menggunakan linear programming. Objek yang akan diteliti adalah luas lahan yang tersedia untuk pabrik. Fungsi tujuan yang ingin dicapai adalah meminimalkan biaya produksi dengan kendala luas dan kapasitas lahan tebu, kegiatan tebang angkut, kegiatan giling pabrik, kebutuhan tenaga kerja, dan rendemen tebu. Tujuan dari penelitian ini adalah membuat sebuah model matematik rencana produksi dan kegiatan alokasi lahan pengadaan bahan baku produksi untuk meminimalkan biaya total produksi gula. Hasil penelitian menunjukkan alokasi penggunaan lahan sebagai area tanam bahan baku tebu pada kondisi optimal berdasarkan kategori tanaman tebu adalah TRT I Km 3.80% (175.00 ha), TRT II Km 30.85% (1421.00 ha), TRT III Km 30.57% (1408.31 ha), dan TRT IV Km 34.78% (1602.00 ha). Total biaya yang dikeluarkan perusahaan sebesar Rp. 65.001.880.000,-. ......This study examines a planning of land procurement allocation model and the production of sugar cane with consider changes in sugar demand and an uncertain area annually using linear programming. The objects will be study is available of land for factories. Proposed objective function is to minimize production costs with capacity constraints and extensive of fields, logging and transport activities, production activities, labor requirements, and yield of sugarcane. The purpose of this research is to create a mathematical model of the production plan and land allocation activities of raw material procurement to minimize the total cost of sugar production. The results show that the allocation of land sugarcane planting area in optimal conditions by category of sugar cane is TRT I Km 3.80% (175.00 ha), TRT II Km 30.85% (1421.00 ha), TRT III Km 30.57% (1408.31 ha), and TRT IV km 34.78% (1602.00 ha). The total cost incurred by the company amounting to Rp.65.001.880.000,-.