Hasil Pencarian  ::  Simpan CSV :: Kembali

"Proses retur merupakan hal yang perlu diatur oleh sebuah industri untuk dapat meminimalisir pengembalian barang dari pelanggan ke perusahaan. Salah satu cara untuk mengatasi hal itu adalah dengan adanya kebijakan retur terhadap pelanggan, namun kebijakan retur kerap hanya memiliki satu jenis yang diterapkan ke seluruh lapisan pelanggan. Hal ini dapat merugikan perusahaan apabila pelanggan menyalahgunakan kebijakan yang ada. Sehingga dibutuhkan kebijakan retur yang sesuai dengan karakteristik pelanggan. Penelitian ini bertujuan untuk mendapatkan informasi karakteristik pelanggan retur serta produk retur dengan membuat pemetaan pelanggan dan produk berdasarkan aktivitas returnya. Setelah diketahui kelompok dari pelanggan dan produk, setiap kelompokakan diklasifikan berdasarkan hasil kelasnya. Penelitian ini berbasiskan data dari industri farmasi yang memiliki karakteristik khusus dalam proses retur. Penelitian ini menggunakan metode K-Means Clustering dan Decision Tree C4.5 untuk memetakan produk serta pelanggan retur dengan atribut Recency, Frequency, dan Monetary untuk pelanggan, serta frekuensi retur untuk produk. Hasil dari penelitian ini berupa segmentasi pelanggan dan produk retur yang menghasilkan empat klaster pada tiap dimensi. Berdasarkan karakteristik pelanggan retur dapat dihasilkan rekomendasi berupa kebijakan retur yang sesuai dengan segmen pelanggan.

---

The return process is one of the process in supply chain management that is required to be regulated by industry to be able to minimize the return of goods from customers to the firm. One of strategy to overcome this is by implementing a return policy for customers but return policies often have only one type that is applied to all layers of customers. This can be detrimental to the company if the customer abuses the existing policies. So, the firm need a return policy that regulated based on customer characteristics. This study aims to obtain information on the characteristics of customer returns and product returns by mapping customers and products based on their return activities. Having known groups of customers and products, each group will be classified based on the results of its class. This research is based on data from the pharmaceutical industry that has special characteristics in the return process. This study uses the K-Means Clustering and Decision Tree C4.5 method to map products and customer returns with the Recency, Frequency, and Monetary (RFM) attributes for customers, as well as the frequency of returns for products. The result of this study is segmentation on return customers and product with four clusters in each dimension. Based on the segmentation on return customers, recommendation on return policy could be generated with a suitable characteristic of the customers."

"Pada 2013, PT. Trakindo Utama membentuk divisi baru Supply Chain Prime Products untuk meningkatkan Permintaan dan kinerja Pasokan dari Pabrik ke Pelanggan. Perbaikan dilakukan secara terus menerus untuk meningkatkan kinerja, namun dalam implementasinya masih terdapat capaian KPI yang belum sesuai dengan target. Di industri alat berat, ini diduga karena perkiraan kontribusi penjualan yang tidak akurat. Selain itu, faktor pasar alat berat yang tidak sesuai dengan prediksi juga dianggap berkontribusi. Dalam tulisan ini, proses akan diidentifikasi dalam kinerja manajemen rantai pasokan yang dapat menyebabkan KPI persediaan tidak tercapai. Metode yang akan digunakan untuk melakukan evaluasi kinerja rantai pasokan adalah model SCOR versi 12.0. Berdasarkan evaluasi kinerja, dapat disimpulkan bahwa rantai pasokan memiliki implementasi yang cukup efektif terutama dalam metrik Reliability. Sedangkan untuk area inventory itu sendiri masih perlu perbaikan di area Source dengan mengantisipasi proses waktu yang lama dan daerah Deliver sendiri dengan memberikan perkiraan yang akurat. Hal yang mendukung implementasi rantai pasokan yang efektif adalah komitmen manajemen melalui visi, misi dan strategi hingga level Divisi dan Departemen. Sedangkan yang menjadi faktor penghambat yaitu kemampuan tim sales dalam melakukan forecast yang akurat. Pada akhirnya perusahaan diharapkan dapat menggunakan model SCOR versi 12.0 untuk melakukan pengukuran KPI agar penerapan supply chain management menjadi lebih komprehensif dengan hasil yang maksimal melalui peningkatan kompetensi tim.

---

In 2013, PT. Trakindo Utama formed a new division of Supply Chain Prime Products to improve Demand and Supply performance from Factory to Customer. Repairs are carried out continuously to boost performance, however in its implementation there are still achievements of KPIs that have not been in line with the target. In the heavy equipment industry, this was allegedly due to inaccurate sales contribution estimates. Besides that, the heavy equipment market factor that is not in line with predictions is also thought to have contributed. In this paper, a process will be identified in the supply chain management performance that can cause inventory KPIs to not be reached. The method that will be used to conduct supply chain performance evaluation is the SCOR model version 12.0 from level 1 to 3. Based on performance evaluation, it can be concluded that supply chain has quite effective implementation especially in Reliability metrics. While for inventory itself still need improvement in Source area by anticipating the long lead time process and Delivers own area by providing accurate forecast. Whereas the inhibiting factor is the ability of the sales team to make accurate forecasts. In the end the company is expected to be able to use the SCOR version 12.0 model to conduct KPI measurements so that the implementation of supply chain management becomes more comprehensive with maximum results through increasing team competency."

"Dalam Supply Chain Management pemilihan pemasok adalah kegiatan yang diakui sebagai bagian paling penting dan menonjol dari fungsi pembelian karena berkontribusi untuk meningkatkan strategi bersaing. Keberlanjutan adalah kemampuan organisasi untuk membuat keputusan secara real-time tanpa dampak yang merugikan pada kondisi masa depan lingkungan, masyarakat, dan stabilitas bisnis. Karena produksi sebagian besar bahan kimia sangat berbahaya dan berpotensi menyebabkan kerusakan lingkungan yang tidak dapat dipulihkan dan berdampak negatif pada kesehatan masyarakat. Oleh karena itu, makalah ini membahas masalah ini dengan mengusulkan kerangka pengambilan keputusan multi-kriteria untuk pemilihan pemasok berkelanjutan di industri kimia. Berdasarkan karakteristik spesifik industri kimia, penelitian ini menggunakan AHP untuk menganalisis kriteria dimensi ekonomi, sosial, dan lingkungan. Terakhir, penelitian ini akan menggunakan MABAC dan Fuzzy MABAC untuk menganalisis alternatif. Berdasarkan hasil dalam penelitian ini menggunkan 33 kriteria dengan aspek lingkungan, sosial, dan ekonomi di industri kimia dengan menggunkan metode terbaru di MCDM (Multi-Criteria Decision Making) yaitu MABAC dan fuzzinisasi MABAC. Dalam penelitian ini hasil alternatif di peroleh peringkat untuk alternatif yang sama dengan nilai bobot yang berbeda. Pendekatan yang diusulkan dan model pengambilan keputusan dapat membantu manajer rantai pasokan di industri kimia untuk memilih pemasok yang lebih berkelanjutan, merespons permintaan pasar dengan cepat, dan mempertahankan daya saing yang tinggi di pasar.

---

In Supply Chain Management Supplier selection is an activity that is recognized as the most important and prominent part of the purchasing function because it contributes to improving competitive strategy. Sustainability is an organization's ability to make informed decisions real-time without adverse impact on the future state of the environment, society and business stability. Because the production of most chemicals is very dangerous and has the potential to cause irreversible environmental damage and have a negative impact on public health. Therefore, this paper addresses this issue by proposing a multi-criteria decision-making framework for the selection of sustainable suppliers in the chemical industry. Based on the specific characteristics of the chemical industry, this study uses AHP to analyze the criteria for economic, social and environmental dimensions. Finally, this study will use MABAC and Fuzzy MABAC to analyze alternatives. Based on the results in this study using 33 criteria with environmental, social, and economic aspects in the chemical industry using the latest methods in MCDM (Multi-Criteria Decision Making) namely MABAC and Fuzzy MABAC. In this study, alternative results were ranked for the same alternative with different weight values. The proposed approach and decision-making model can help supply chain managers in the chemical industry to select more sustainable suppliers, respond quickly to market demands, and maintain high competitiveness in the market."

"Penelitian ini bertujuan untuk memperoleh matriks pengukuran kinerja pada perusahaan berbasis produksi obat-obatan. Penilaian kinerja ini bisa digunakan untuk membantu perusahaan untuk mengidentifikasi kondisi saat ini dari supply chain, mencari akar masalah dan melakukan perbaikan pada kinerja rantai pasok. Matriks-matriks supply chain yang digunakan adalah berasal dari supply chain operation reference (SCOR) model. Setiap matriks akan dilakukan peninjauan pertama apakah matriks ini penting digunakan pada industri farmasi.Setelah dilakukan verifikasi dan pemilihan matriks yang akan digunakan, langkah selanjutnya adalah melakukan penilaian dengan membandingkan secara berpasangan matriks kinerja (Pairwise Comparison Matrix) dengan metode AHP. Hasil pembobotan tersebut digunakan untuk menentukan peringkat matriks kinerja dengan menggunakan metode TOPSIS. Matriks yang terpilih dinilai sebagai kriteria matriks yang paling penting dan dijadikan bahan untuk mendapatkan solusi terbaik untuk mencapai performa maksimum perusahaan.

---

The objective of this research is to obtain performance measurement matrices of a pharmaceutical company. This performance scoring can be used to help the company to identify the current condition of the supply chain, to find the root cause of the problem, and to improve supply chain performance. Supply chain matrices used are derived from the supply chain operation reference (SCOR) model. Each matrix will be reviewed whether this matrix is important to be used in pharmaceutical industry.

After the verification and selection of the matrices, next step is scoring by doing pairwise comparison of the performance matrices with AHP method. The result then used to determine the rank of performance matrices using TOPSIS method. The highest ranked matrix then selected as the most important matrix and can be used as a source to get the best solutions to achieve maximum performance of the company."

"Peramalan merupakan salah satu hal yang dibutuhkan untuk mencapai tingkat manajemen rantai pasok yang baik. Peramalan dapat mencegah kelebihan pembelian dan juga menjaga ketersediaan barang dengan baik. Peramalan dapat menjadi salah satu metode untuk melakukan menjaga ketersediaan obat di rumah sakit. Obat sendiri merupakan salah satu barang yang sensitif dan reaktif, hal ini menyebabkan obat harus memiliki penyimpanan khusus dan tidak bisa disimpan dalam waktu lama. Dilain pihak, pada industri rumah sakit, ketersediaan obat harus selalu ada. Hal tersebut membuat rumah sakit harus memiliki peramalan obat yang akurat untuk menjaga ketersediaan obat dan mengurangi kelebihan pembelian dan penyimpanan obat dalam waktu lama. Penelitian kali ini akan membandingkan metode tiga metode peramalan, yaitu single exponential smoothing, autoregressive integrated moving average (ARIMA), dan artificial neural network (ANN). Penelitian ini bertujuan untuk melihat dan menganalisa metode peramalan yang paling baik dari ketiga metode yang ada. Penelitian kali ini akan mengambil data penjualan sebanyak 62 periode dari 3 jenis obat dengan kategori obat fast-moving, yaitu Rhinofed, Simvastatin, dan Betahistin. Berdasarkan hasil penelitian, peramalan dengan metode artificial neural network (ANN) memiliki nilai error yang kecil, sehingga nilai ketepatannya cukup besar. Jika dibandingkan dengan kedua metode lainnya peramalan dengan menggunakan metode artificial neural network masih memiliki nilai error yang paling kecil sehingga nilai ketepatan peramalannya yang paling besar. Hal tersebut menyimpulkan bahwa peramalan dengan metode artificial neural network (ANN) merupakan metode peramalan paling baik dari ketiga metode peramalan yang ada dan baik diimplementasikan di rumah sakit.

---

A forecast is one of the important aspects of a company to achieve a good supply chain management system. The forecast could help a company to avoid overstock conditions and ensure the availability of the product. Based on that concept, forecasts could also be used to ensuring the availability of medicine stock in hospitals. The medicine itself is one of the sensitive and reactive materials that make medicines need a very intense inventory condition and couldn't keep in a long period of time. On the other hand, hospitals need to ensure the availability of each medicine. Based on that condition, it is undoubtedly true that the forecast is needed in the hospital supply chain to ensure medicine availability and avoid overstocking. This research will compare three different methods of forecasting, that is single exponential smoothing (SES), autoregressive integrated moving average (ARIMA), and artificial neural network (ANN). The goal of this research is to find and analyze the best forecasting method suitable for the hospital supply chain. Three medicines that will be analyzed in this research are Rhinofed, Simvastatin, and Betahistin based on their title as fast-moving drugs using 62 periods of historical sales. As a result, the artificial neural network method has the smallest error and creates a better accuracy compared to another two methods. Even if every single method has its own strengths and weaknesses, the artificial neural network is the best method among the three methods that been proposed and could be implemented in the hospital supply chain."