Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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.

"

"Seiring dengan semakin ketatnya persaingan dalam industri Fast Moving Consumer Goods (FMCG), perusahaan FMCG perlu mengetahui jumlah permintaan yang potensial di suatu wilayah. Dengan begitu perusahaan dapat menyesuaikan supply yang optimal untuk menghindari tidak terpenuhinya permintaan pelanggan. Metode ekonometrik merupakan salah satu solusi untuk memodelkan estimasi permintaan dengan melihat faktor-faktor yang mempengaruhinya. Pada penelitian ini digunakan data cross section sehingga perlu dilakukan uji dependensi spasial untuk melihat apakah antar wilayah memiliki dependensi spasial atau tidak. Hasilnya pada model regresi tidak terdapat dependensi spasial sehingga digunakan analisis regresi non-spasial sebagai model estimasi permintaan. Selain itu juga diperoleh hasil bahwa permintaan konsumen dipengaruhi oleh faktor jumlah penduduk, PDRB perkapita, rata-rata pengeluaran konsumsi rumah tangga, dan kategori wilayah rural atau urban.

---

Along with the strict competitiveness of Fast Moving Consumer Goods (FMCG) industry, companies need to know the number of potential demands in an area. So, companies can adjust optimal supply to avoid consumer's demands unfulfillment. Econometric method is one of the solution to model the demand estimation considering factors affecting it.

This research use cross section data, so spatial dependence was conducted to investigate whether there is a spatial dependency between the region. The result revealed that there was no spatial dependency. Therefore, non-spatial regression analysis was used as a model of demand estimation. Beside that, the result also show that consumer?s demands are influenced by number of population, Gross Domestic Regional Product (GDRP), average of household expenditure, and the category of the area (rural or urban)."

"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."

"

Seiring dengan meningkatnya taraf hidup dan konsumsi masyarakat di Indonesia, permintaan produk Fast Moving Consumer Goods (FMCG) pun mengalami peningkatan khususnya produk FMCG pada kategori Nutrisi. Hal ini tentunya menjadi potensi keuntungan bagi perusahaan jika bisa memanfaatkan kondisi dengan baik. Untuk mengoptimalkan potensi yang ada, perusahaan perlu memastikan bahwa produknya bisa menjangkau masyarakat luas dengan tepat waktu, hal ini perlu didukung oleh rencana produksi yang baik. Hal utama yang menjadi acuan perusahaan memproduksi sebuah produk adalah peramalan permintaan di waktu yang akan datang. Peramalan akan menjadi acuan perusahaan untuk menentukan seberapa banyak produk yang harus diproduksi dalam kurun waktu tertentu. Peramalan yang baik akan membantu perusahaan untuk meningkatkan keuntungan dan meminimalisasi kerugian yang timbul akibat kesalahan dalam perhitungan produksi. Selain peramalan, perusahaan pun perlu menentukan jumlah safety stock dan reorder point untuk membantu perusahaan dalam memastikan bahwa stok yang dimiliki bisa terus memenuhi permintaan pasar.

---

Along with the increasing standard of living and public consumption in Indonesia, the demand for Fast Moving Consumer Goods (FMCG) products has also increased, especially for FMCG products in the Nutrition category. This is a great potential profit for the company if it can take the advantages of the conditions properly. To optimize the potential that exists, companies need to ensure that their products can reach the wider community at the right time, this needs to be supported by a good production plan. The main thing that becomes a reference for producing a product is forecasting demand in the future. Forecasting will be a reference for the company to determine how many products must be produced within a certain time. Good forecasting will help companies to increase profits and minimize losses arising from errors in production calculations. In addition to forecasting, companies also need to determine the amount of safety stock and reorder points to help companies ensure that their stock can continue to meet market demand.

"

"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."

"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."

"Kelancaran proses produksi sangat ditentukan oleh tersedianya bahan baku dalam jumlah dan ukuran yang sesuai dengan kebutuhan perusahaan. Hal ini disebabkan karena bahan baku merupakan faktor utama dalam pelaksanaan proses produksi pada suatu perusahaan. Pengendalian persediaan bahan baku diperlukan untuk merencanakan dan mengendalikan persediaan bahan baku guna menunjang kegiatan-kegiatan yang ada dalam perusahaan secara efisien. Tingginya tingkat persediaan bahan baku terutama bahan baku spunlace dan talc di dalam gudang penyimpanan bahan baku merupakan masalah yang harus dihadapi oleh perusahaan FMCG ini sehingga menyebabkan bahan baku harus tersimpan di luar gudang karena tingkat persediaan melebihi kapasitas yang ada.Untuk mengurangi tingkat persediaan bahan baku tersebut maka perlu ditentukan kebijakan persediaan menggunakan metode Fixed-order Quantity (Q-model) dan Fixed-time Period (P-model) untuk menentukan beberapa parameter kebijakan persediaan seperti kuantitas pembelian, persediaan pengaman (safety stock), dan titik pemesanan kembali (reorder point). Hasil yang diperoleh dari kebijakan persediaan bahan baku dengan metode Q-model adalah average inventory mengalami penurunan mencapai 45% atau sebesar 407ton serta dapat menghemat total biaya persediaan sebesar Rp575.590.409 per tahun.

---

Smooth production process is largely determined by the availability of raw materials in numbers and size according to the needs of the company. This is because raw material is a major factor in the implementation of the production process in the company. Inventory control of raw materials is needed to plan and control the inventory of raw materials to support activities in the company efficiently. The high level of inventory of raw materials, especially spunlace and talc raw materials in the warehouse of raw materials is a problem that must be faced by the FMCG company is causing the raw materials must be stored outside the warehouse because the inventory level exceeds the capacity.

To reduce inventory level of raw materials is then necessary to determine the inventory policies using Fixed-order Quantity (Q-model) and Fixed-time Period (P-model) to determine some parameters of the inventory policies such as purchase quantity, safety stock, and reorder point. Results obtained from the inventory policy of raw materials with Q-model method are average inventory decreased by 45% or by 407tons and also can save total cost of inventory by Rp575.590.409 per year."

"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."

"Peramalan permintaan penjualan telah memainkan peran penting dalam industri tenaga manufaktur. Peramalan permintaan penjualan dalam bisnis diperlukan untuk perencanaan produksi, pengurangan biaya manajemen, tingkat persediaan dan pembelian bahan baku. Banyak badan usaha manufaktur seperti produksi suku cadang rem mobil memerlukan ramalan permintaan penjualan untuk memenuhi kebutuhan produksi. Oleh karena itu, peramalan permintaan penjualan dalam beberapa bulan ke depan sangat diperlukan untuk menjadi acuan dalam menentukan strategi manajemen produksi. Penelitian ini bertujuan untuk memprediksi permintaan penjualan bulanan dalam beberapa bulan mendatang pada pabrik manufaktur yang memproduksi suku cadang rem mobil dengan menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA), Seasonal Auto-Regressive Integrated Moving Average with eXogenous factors (SARIMAX), dan Rolling SARIMA dengan tipe data musiman per tahun. Studi ini menggunakan data historis bulanan yang dikumpulkan dari perusahaan produksi suku cadang rem dari 01 Januari 2013 hingga 31 Desember 2022 untuk membangun dan mengevaluasi kinerja model. Hasil penelitian menunjukkan bahwa model Rolling SARIMA (1,1,0)(1,1,1)12 memiliki akurasi model terbaik dengan MAPE sebesar 15,77%. Kesimpulan studi menyoroti potensi model untuk mendukung praktik manajemen produksi di pabrik pembuatan suku cadang rem mobil dan pabrik serupa lainnya.

---

Sales demand forecasting has played an important role in the electric power manufacturing industry. Sales demand forecasting in business is necessary for production planning, management cost reduction, inventory levels, and the purchase of raw materials. Many manufacturing companies, such as those that produce auto brake parts, require sales demand forecasts to meet production needs. Therefore, forecasting sales demand in the next few months is needed as a reference in determining a production management strategy. This study aims to predict monthly sales demand in the coming months at manufacturing factories that produce car brake parts using the Seasonal Auto-Regressive Integrated Moving Average (SARIMA), the seasonal auto-Regressive Integrated Moving Average with exogenous factors (SARIMAX), and the rolling SARIMA with seasonal data type per year. This study uses monthly historical data collected from brake parts production companies from January 1, 2013 to December 31, 2022 to build and evaluate model performance. The results showed that the Rolling SARIMA (1,1,0) (1,1,1)12 model had the best model accuracy with a MAPE of 15.77%. The study's conclusions highlight the potential of the model to support production management practices in auto brake parts manufacturing plants and other similar factories."