Hasil Pencarian  ::  Simpan CSV :: Kembali

"Menjalankan fungsi persediaan berarti mengeluarkan biaya namun menjaga service level kepada pelanggan. Persediaan dibutuhkan untuk menganstisipasi ketidakpastian permintaan. Permintaan diramalkan namun peramalan mengandung kesalahan peramalan, sehingga pendekatan kesalahan peramalan merupakan kunci utama untuk menentukan tingkat persediaan pengaman (safety stock). Jumlah persediaan juga dipengaruhi keputusan pemesanan ekonomis. Oleh karena itu, tujuan penelitian ini adalah memperoleh safety stock, economic order quantity, reorder point yang optimal untuk setiap saluran pada supply chain agar service level dapat dijaga dan biaya persediaan minimum. Pada akhirnya, penelitian ini dapat memberikan penurunan biaya sebesar Rp 51,35% pada PT Mitra Sinergi Adhitama dibanding kebijakan yang digunakan sebelumnya. Metode peramalan yang paling banyak muncul adalah metode Croston dikarenakan banyaknya data permintaan yang bersifat lumpy disusul metode Winter/ Triple Exponential Smoothing untuk data permintaan yang bersifat tidak lumpy.

---

Perform the function of inventory means expenses but maintain service level to customers. Inventory is needed to anticipate the demand uncertainty. Demand forecasting always contains errors, so the prediction error approach is key to determining the level of safety stock . The amount of inventories have also affected by economically ordering decision. Therefore, the purpose of this study was to obtain optimal safety stock, economic order quantity, reorder point for each channel in the supply chain to maintain service level and minimum inventory costs.

Finally, this study reduces cost up to 51, 35% in PT Mitra Sinergi Adhitama (MSA) compared to the previous policy. Croston?s became the most used method to forecast the demand because most of the data are lumpy. Winter/Triple Exponential Smoothing method became the most used method to forecast non-lumpy demands."

"PT. X merupakan perusahaan manufaktur yang bergerak dalam bisnis pengemasan lunak dan menghadapi tantangan untuk memelihara daya saingnya dan meningkatkan produktifitasnya dalam sebuah sistem pemanufakturan job order. Tingginya tingkat ketidakpastian, keragaman dan kedatangan dalam permintaan terhadap jenis, jumlah, dan waktu tunggu produk-produk yang dipesan merupakan tantangan terberat yang dihadapi PT. X dalam melakukan kegiatan perencanaan produksi dan pengendalian persediaan. Pada tahun 1993 telah dilakukan penelitian di PT. X untuk merumuskan penerapan sistem MRP dan dievaluasi oleh penelitian berikutnya pada tahun 2000 yang memperhitungkan faktor scrap, stok pengaman, dan alokasi material yang tidak diperhitungkan pada penelitian sebelumnya. Namun kedua hasil penelitian tersebut belum dapat diterapkan, karena kendala utama perencanaan produksi dan persediaan dari pemanufakturan job-order yang dialami PT. X belum terjawab. Kendala tersebut adalah pada frekuensi dan variasi permintaan yang tinggi, serta tidak efektifnya penentuan proyeksi kebutuhan yang akan datang sebagai masukan penting dari sebuah sistem MRP.Pada perencanaan dan pengendalian tingkat persediaan, tingginya variasi jenis dan komposisi bahan baku mengharuskan dilakukannya analisis ABC untuk efisiensi pengelolaan bahan baku sehingga pengelolaan dengan sistem tertentu dapat lebih dikonsentrasikan pada bahan-bahan baku yang menyumbang tingkat pengeluaran terbesar pertahun. Sedangkan tingginya ketidak pastian dalam tingkat permintaan terhadap bahan-bahan baku itu menuntut adanya penentuan tingkat minimum persediaan bahan-bahan baku dengan pengeluaran besar tersebut, sehingga permintaan terhadap bahan-bahan baku itu akan selalu dapat terpenuhi dengan tetap mempertimbangkan aspek biaya persediaan yang ekonomis. Dengan demikian, pada penelilian ini dilakukan analisis ABC, analisis biaya persediaan, analisis tingkat persediaan dan analisis service level dalam menentukan tingkat persediaan minimum untuk bahan-bahan baku dengan tingkat pengeluaran yang tinggi dalam satu tahun."

"Persaingan industri yang semakin ketat mengakibatkan perusahan-perusahaan harus menekan biaya produksi guna mendapatkan keuntungan lebih. Untuk itu, diperlukan perencanaan produksi yang matang. Dalam perencanaan produksi, peramalan untuk memperkirakan kebutuhan material yang akan datang merupakan aspek penting. Permasalahan dalam penelitian ini adalah memilih metode peramalan yang terbaik berdasarkan karakteristik dari data historis, yakni pola permintaan musiman. Hasil kesalahan peramalan tersebut kemudian digunakan untuk menghitung safety stock sebagai salah satu bentuk strategi antisipasi terjadinya kekurangan material (shortage). Hasil penelitian menunujukkan bahwa metode peramalan terbaik adalah kombinasi metode Holt-Winters Exponential Smoothing dan Na_ve, dengan penurunan nilai Mean Absolute Percentage Error (MAPE) sebesar 63%.

---

The stronger competition in industry effects many companies must reduce production costs in order to gain more profit. This requires careful planning of production. In production planning, forecasting to estimate future demand is an important aspect.

The problem of this is to choose the best forecasting method based on the characteristics of historical data, namely, seasonal demand patterns. Results forecast error is then used to calculate the safety stock as a form of anticipatory strategies shortage of material.

The results indicate that the best forecasting method is a combination method of Holt-Winters Exponential Smoothing and Na_ve, it can decrease Mean Absolute Percentage Error (MAPE) up to 63%."

"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."

"Persediaan suatu komponen pada gudang dalam suatu perusahaan yang menangani transportasi sangat diperlukan. Hal tersebut mengharuskan perusahaan melakukan suatu metode pengotrolan dalam segala bidang agar dapat memenuhi setiap terjadi penggantian komponen. Salah satu cara yang harus ditempuh adalah dengan mengoptimalkan sistem persediaan komponen. Metode yang sesuai untuk system persediaan spare parts pada penelitian ini menggunakan fixed time period with safety stock. Dari hasil pengalahan data menggunakan metode tersebut terbukti dapat menurunkan tingkat persediaan ke titik yang optimal yang berdampak ke penurunan inventory cost. Total saving cost yang diperoleh dari 12 periode penelitian adalah sebesar Rp 96.035.916,00.

---

It is so needed the stock of the components in the warehouse in a transportation company. The company requires to applying a specific control method in all areas in order to comply every replacement of components. One of the methods is optimizing the supply system components. In this study, the compatible method for the system of spare parts stock is using a determined time period with safety stock.

Based on the data of the research, this method effectively reduces the stock level to the optimum point that impacts to the decrease of the stock cost. In 12 periods of study, the obtained total saving costs are Rp 96.035.916,00."

"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."

"Perencanaan produksi pada sebuah industri, membutuhkan keputusan yang tepat untuk menentukan jumlah produksi agar dapat memenuhi permintaan konsumen tanpa menghasilkan stok berlebih. Peramalan permintaan merupakan salah satu faktor penting dalam perencanaan produksi yang mampu membantu menghasilkan keputusan produksi yang tepat. Pada industri otomotif mobil, peramalan yang akurat sangat dibutuhkan untuk mengatasi permintaan yang tidak menentu, khususnya untuk produk service parts, yang pada kenyataannya memiliki permintaan yang tidak menentu dari konsumen dan seringkali membuat perusahaan mobil yang memproduksinya mengalami kerugian karena backorder atau overstock. Artificial neural network ANN merupakan suatu metode berbasis machine learning dengan cara kerja seperti otak manusia yang juga mampu melakukan peramalan untuk data dengan pola non-linier. Pada penelitian kali ini, dilakukan peramalan dengan objek 10 jenis service parts berbeda dengan menggunakan metode artificial neural network yang kemudian dilakukan perbandingan dengan peramalan metode single exponential smoothing dan croston rsquo;s method untuk dapat membandingkan tingkat akurasi dari peramalan tersebut dan menghasilkan peramalan dengan metode yang paling akurat. Hasil perhitungan pada penelitian ini menunjukkan peramalan metode artifcial neural network mampu menghasilkan peramalan yang lebih akurat dibanding dua metode lain.

---

Production planning in an industry, required precise decisions to made in order to determine the amount of product that will be produced to fulfill the customer's demand without produce excess stock. Demand forecasting is one of the most important factor in production planning process that able to generate precise production decision.

The automotive industry like car manufacturer, always need an accurate demand forecast serve the uncertain demand of their products, especially the service parts product, that in fact always has uncertainity in it's demand and frequently causing the manufacturer company lose their profit due to tha backorder and overstock occurence. Artificial neural network is a machine learning computation method that could work similarly like human brain that also can forecast a non linier data.

In this research, the data is gained from the demand of 10 car's service parts in a car manufacturer and forecasted with artificial neural network and also two other methods, single exponential smoothing and croston's method to generate a forecasting with the most accurate method. The result of the calculation in this research shows that forecasting with artificial neural networks produce the most accurate forecast for the car's service parts demand."

"Peramalan merupakan bagian dari pengelolaan permintaan sebagai fungsi dalam perencanaan produksi sehingga dapat berguna dalam memberikan gambaran kegiatan produksi yang akan dilaksanakan. Tujuan dari penelitian ini adalah untuk memperoleh model peramalan yang akurat guna memproyeksikan permintaan produk sebagai fungsi dari perencanaan produksi. Oleh karena peramalan tidak mutlak benar dan akurat, pendekatan kesalahan peramalan merupakan kunci utama untuk menetapkan penentuan tingkat persediaan minimum (safety stock). Sehingga peramalan permintaan dapat diprediksi dan jumlah persediaan dapat ditentukan guna mengantisipasi jumlah permintaan yang variatif dan fluktuatif. Menggunakan analisis runtun waktu dengan metode ARIMA, didapatkanlah model peramalan permintaan dimana kesalahan peramalan turun hingga 19%.

---

Forecasting is part of demand management as production planning functions that could be useful in giving the description of production activities to be carried out. The purpose of this research is to obtain an accurate forecasting model to project the demand for the product as a function of production planning. Because forecasting is not absolutely true and accurate, the forecast error approach is a key to determine the set minimum inventory levels (safety stock). Thus the forecast demand can be predicted and the amount of inventory can be determined to anticipate the number of variety and fluctuative demand. Using time series analysis with ARIMA method, it is concluded that the demand forecasting model in which the forecast error falls to 19%."

"Pengendalian persediaan pada suatu perusahaan merupakan suatu hal yang penting karena persediaan adalah suatu asset yang memiliki nilai cukup tinggi dalam suatu perusahaan. Penelitian ini adalah untuk memperoleh model persediaan material MRO dalam upaya penurunan biaya persediaan menggunakan sistem Min-Max. Agar perhitungan menjadi lebih komprehensif, dilakukan pemilihan material yang dijadikan sebagai objek penelitian dengan menggunakan klasifikasi ABC dan kriteria fast moving dan menghasilkan 23 material yang terpilih. Peramalan juga dilakukan kepada setiap material dengan melihat pola permintaan dari material itu sendiri, metode peramalan Croston diperuntukkan bagi permintaan yang berpola lumpy /intermittent, sedangkan Single Exponential Smoothing untuk permintaan yang berpola regular. Hasil dari penelitian ini adalah jumlah pesan ekonomis (Q*), titik pemesanan kembali (Min*), persediaan pengaman (SS), serta tingkat persediaan maksimum (Max*). Dari perhitungan penelitian dengan menggunakan sistem Min-Max dan dibandingkan dengan sistem Min-Max eksisting, diperoleh hasil optimalisasi biaya persediaan dalam setahun sebesar 41%.

---

Inventory control in companies is an important thing because inventory is an asset that has a high value for companies. This studys objective is to obtain MRO material inventory model in order to decrease inventory cost using Min-Max system. In order for the calculation to be more comprehensive, The selection materials for the object of the research are 23 materials that selected based on the ABC Classification and the fast moving criteria.

Forecasting is applied for each material by looking at the demand pattern of the material itself, Crostons forecasting method is used for lumpy / intermittent patterned demand, while Single Exponential Smoothing for regular patterned demand.

The results of this study are the number of economic order quantity (Q *), reorder point (Min *), safety stock (SS), maximum inventory levels (Max*). From the calculation of research by using Min-Max system and compared with existing Min-Max system, obtained the result of the optimization of inventory cost in yearly by 41%."