Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pandemi Covid-19 menimbulkan ketidakpastian terhadap kinerja Perusahaan manufaktur akibat penghentian kegiatan produksi dan pemasaran sehingga produsen semakin sulit memprediksi penjualan. Peramalan penjualan adalah titik awal bagi pembuat keputusan untuk membuat anggaran dan menyusun strategi Perusahaan. Penelitian ini bertujuan untuk menganalisis variabel apa yang berpengaruh signifikan terhadap penjualan kosmetik di PT XYZ dan membuat prediksi penjualan berdasarkan variabel tersebut. Metode Structural Equation Modeling berbasis kovarians dengan variabel indikator reflektif (CB-SEM) digunakan untuk membuat dan menguji hubungan kausal dari konstruk Permintaan dan Penawaran terhadap Kinerja. Hasil penelitian ini menunjukkan bahwa penjualan ke distributor menjadi faktor utama yang mempengaruhi penjualan PT XYZ, namun demikian penjualan tersebut belum mengikuti pola penjualan ke konsumen akhir dan tren permintaan di pasar domestik. PT XYZ perlu membuat strategi penjualan dan pemasaran serta rencana supply chain yang lebih berfokus kepada permintaan pasar. Analisis ramalan penjualan menunjukkan hasil tingkat akurasi terendah sebesar 95,5% untuk regresi random forest sedangkan tingkat akurasi tertinggi sebesar 96,2% untuk regresi polynomial, hasil tersebut lebih baik dibandingkan metode yang digunakan PT XYZ saat ini. ......The Covid-19 pandemic has caused uncertainty over the performance of manufacturing company due to the suspension of production and marketing activities, making it difficult for manufacturers to predict sales. Sales forecasting is the starting point for decision makers to prepare budgets and develop Company strategy. This study aims to analyse what variables have significant effect on cosmetic sales at PT XYZ and make sales predictions based on these variables. The covariance-based Structural Equation Modeling with reflective indicator variables (CB-SEM) is used to develop and test the causal relationship of the Demand and Supply variables to Performance. The results of this study indicate that sales to distributor are the main factor influencing PT XYZ's sales, however it have not follow the pattern of end-consumers demand and sales trends in the domestic market. PT XYZ need to develop sales and marketing strategies as well as supply chain plans that are more focused on market demand. Sales forecast analysis shows the lowest accuracy rate of 95.5% for random forest regression while the highest accuracy rate is 96.2% for polynomial regression, these results are better than the current method used by PT XYZ.

Abstrak :
Penelitian ini bertujuan untuk mengevaluasi manajemen persediaan pada perusahaan manufaktur tepung PT BFM dan memberikan usulan perbaikan manajemen persediaan agar level persediaan setengah jadi dan persediaan barang jadi dapat mencapai tingkat optimal. Penelitian ini menggunakan metode studi kasus dengan pendekatan kualitatif. Data yang digunakan adalah data primer dan sekunder, berupa wawancara dengan jajaran staf dan manajemen PT BFM, serta data historis perusahaan. Hasil penelitian yang dilakukan menunjukkan bahwa manajemen persediaan PT BFM belum optimal, disebabkan karena pengelompokan persediaan tidak konsisten; ramalan penjualan mingguan tidak akurat secara signifikan; penghitungan nilai overall equipment effectiveness (OEE) tidak akurat; dan tanggal pengiriman ke pelanggan tidak sesuai dengan jadwal. Penelitian juga menemukan bahwa upaya yang telah dilakukan PT BFM melalui penyesuaian jadwal produksi awal dan membuat persediaan penyangga, masih menyebabkan pembatalan pesanan penjualan karena barang tidak tersedia, sehingga menimbulkan pandangan bahwa kapasitas produksi PT BFM tidak mencukupi permintaan pelanggan. Penelitian ini memberikan usulan perbaikan manajemen persediaan dengan pengelompokan persediaan menggunakan metode analisis Always Better Control, penghitungan ramalan penjualan mingguan dengan metode single moving average, penghitungan komponen quality pada OEE, penghitungan persediaan penyangga, dan perubahan target pencapaian penjualan dari bulanan menjadi mingguan ......This study aims to evaluate the inventory management in PT BFM and to propose recommendations of inventory management in order to maintain the quantity of work in process and finished goods inventory at optimum level. This study uses a case study method with qualitative approach. The data used are consisting of interview with staff and management of PT BFM, and historical data of the company. The result of this study shows that the inventory management in PT BFM was not at optimum, due to inconsistent of inventory classification; significant inaccuracy of sales forecast; inaccuracy of overall equipment effectiveness (OEE); off schedule delivery date to customer. This study also finds that PT BFM has addressed those problems by revising the initial production schedule and providing buffer inventory. However, sales order cancellation due to unavailable finished goods still occurred, hence the production capacity of PT BFM was perceived as insufficient to meet customers’ demand. This study provides suggestions to improve the inventory management by classifying inventory with Always Better Control method, using single moving average method to calculate sales forecast, revising the calculation of quality component in OEE, buffer inventory, and changing the target sales achievement from monthly basis to weekly basis

Abstrak :
Memprediksi penjualan produk sangatlah penting bagi perusahaan FMCG terutama pada kondisi ekonomi yang tak menentu saat ini. Kemampuan untuk mencapai efisiensi dalam pembuatan, pendistribusian, dan pemasaran barang, sangatlah bergantung pada seberapa akurat perkiraan penjualan. Pengaruh prediksi penjualan yang salah dapat menyebabkan perubahan perilaku konsumen terhadap produk, persediaan berlebih, dan kurangnya stok di pasar. Banyak penelitian yang menunjukkan bahwa metoda machine learning saat ini adalah metoda terbaik untuk memprediksi penjualan, namun, banyak perusahaan masih kesulitan untuk menggunakan metoda machine learning ini dikarenakan banyak variabel yang dibutuhkan untuk memprediksi penjualan agar hasilnya menjadi lebih akurat. Penelitian ini mengusulkan kerangka sederhana untuk memprediksi penjualan produk menggunakan metoda machine learning regresi linear, decision tree, random forest serta support vector machine dalam variabel seperti harga produk, tingkat distribusi, pemasaran dan variabel eksternal seperti inflasi, indeks kepercayaan konsumen dan tingkat bunga. Hasilnya menunjukkan bahwa menggabungkan regresi random forest untuk meramalkan Indeks kepercayaan Konsumen dan kemudian menggunakan regresi support vector dalam variabel-variabel ini cukup akurat untuk memprediksi penjualan. ......Predicting the sales of the product is becoming more critical for fast-moving consumer goods company especially during unprecedented times. The ability to achieve efficiency for manufacturing, distributing, and marketing for the goods, are really dependent on how accurate the sales forecast is. The effect of wrong sales prediction could lead to consumer behavior changes towards the product, excessive inventory, and out of stocks in the market. Many papers show that machine learning techniques are currently the best practice to predict sales, however, many companies are still struggling to use these machine learning techniques due to many variables that are being needed to forecast the sales for the result to become more accurate. This study proposed a simple framework to forecast the sales of products using the combined supervised machine learning technique between multiple linear regression, decision tree regression, random forest regression, and support vector regression within internal marketing variables such as product price, distribution level, and marketing spends and external variables such as inflation, consumer confidence index and interest rate. The results show that combining random forest regression to forecast the Consumer Confidence Index and then using support vector regression within these variables is quite accurate to predict the sales.