Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 117085 dokumen yang sesuai dengan query
cover
Wahyu Wibowo Putro
"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."
Depok: Fakultas Teknik Universitas Indonesia, 2023
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Linda Stepvhanie
"Berkembangnya ilmu pengetahuan dan teknologi yang semakin pesat disertai dengan semakin ketatnya persaingan dalam dunia usaha mengakibatkan adanya persaingan antar perusahaan dalam memberikan pelayanan kepada konsumen. Oleh karena itu dibutuhkan suatu cara agar dapat menghasilkan barang dengan tepat. Hal inilah yang menjadi peranan dari sebuah metode peramalan penjualan. Terdapat banyak cara dalam melakukan peramalan, namun cara manakah yang dapat memberikan hasil yang terbaik. Dalam penelitian ini, dibandingkan antara metode Neural Network, Grey System Theory GM(1,1) dengan metode tradisional. Dari enam belas jenis data yang digunakan menunjukan BPNN memberikan hasil kesalahan yang lebih kecil dibandingkan dengan metode lainnya.

Now a days, a science and technology is growing rapidly make the competition intensifies in the business world for providing services to consumers. Therefore we need some way to produce goods with the correct amount. It was become the rolle of a sales forecasting method. There are many methods in sales forecast. However we don't know which method can give the best result. In this research, Neural Network, Grey System Theory GM(1,1) will be compared to the traditional methods. Through sixteen kinds of data that is used, show that BPNN provide results a smaller error than others."
Depok: Fakultas Teknik Universitas Indonesia, 2012
S43050
UI - Skripsi Open  Universitas Indonesia Library
cover
Keay, Frederick
Oxford : Pergamon Press, 1972
658.8 KEA m (1)
Buku Teks SO  Universitas Indonesia Library
cover
Rindi Fitria Dewi
"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"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2022
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Montgomery, Douglas C.
New York, NY: McGraw-Hill, 1976
658.818 MON f
Buku Teks SO  Universitas Indonesia Library
cover
Battersby, Albert
Harmondsworth : Penguin Books, 1968
658.8 BAT s
Buku Teks SO  Universitas Indonesia Library
cover
Annisa Cipta Nabila
"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."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Venezia Ryanka Sutrisno
"Forecasting adalah salah satu metode data mining yang digunakan untuk meramalkan atau memperkirakan mengenai sesuatu yang belum terjadi. Pada dunia bisnis, forecasting biasa digunakan dalam menentukan keputusan bisnis untuk masa yang akan datang. Penelitian ini ingin menunjukkan implementasi forecasting untuk data penjualan organisasi yang bersifat irregular, dengan menggunakan dua metode forecasting yaitu simple moving average dan single exponential smoothing.
Hasil forecasting kemudian divisualisasikan dalam bentuk dashboard. Penelitian ini menunjukkan secara umum metode single exponential smoothing memberikan prediksi yang lebih baik dibandingkan simple moving average dengan selisih nilai forecast error sebesar 18,62 untuk produk dan 20,46 untuk customer.

Forecasting is one of data mining method that is used to predict or estimate something that has not happened. On the business world, forecasting often used to determine business decision for the future. This research would like to show the implementation of forecasting for sales data organization that is irregular, with the use of two methods of forecasting, which are simple moving average and single exponential smoothing.
The forecasting result then visualized in dashboard form. This research shows in general, single exponential smoothing method provides better predictions than simple moving average with the difference between the value of forecast error of 18,62 for products and 20,46 for customers.
"
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2013
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Hadi Al Rasyid
"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.

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.
"
Depok: Fakultas Teknik Universitas Indonesia, 2016
T45434
UI - Tesis Membership  Universitas Indonesia Library
cover
Yulia Dwi Susanti
"Penjualan produk fesyen merupakan penjualan dengan tingkat kompetisi yang sangat tinggi dimana inventris merupakan faktor penting yang mempengaruhi permintaan produk dan keuntungan perusahaan. Produk fesyen merupakan produk dengan siklus hidup yang sangat singkat dimana suatu produk dapat digantikan dengan produk yang baru dalam jangka waktu yang sangat cepat. Kendala berupa kelebihan stok maupun kekurangan stok merupakan masalah yang sering terjadi. Perkiraan permintaan yang akurat untuk produk-produk tersebut sangat penting dalam mendorong operasi bisnis yang efisien dan mencapai keunggulan kompetitif yang berkelanjutan. Metode peramalan yang akurat sangat diperlukan dalam meramalkan produk fesyen karena beragamnya produk fesyen, selain itu produk fesyen memiliki data historis yang terbatas karena siklus hidupnya yang pendek. Oleh karena itu, sangat penting untuk mengembangkan metode peramalan yang berbeda untuk menganalisis tren permintaan produk ini. Dalam penelitian ini, skema peramalan dilakukan meggunakan metode hibrida klastering K-Means untuk melakukan agregasi terhadap beberapa jenis produk fesyen pada produk lama/produk historis, klasifikasi decision tree untuk meramalkan produk baru berdasarkan karakteristik produk lama, serta metode moving average untuk meramalkan penjualan berdasarkan time series pada produk baru.

Indonesian local fashion products are currently common in Indonesia because of highly level of competition where many business owner start their business in fashion local, higher demand from Indonesian citizen, efficient product development timeline and increasingly product diversity. The significant growth of Indonesian fashion local product has caused of a competitive business with the scope of Indonesian fashion local business. Accurate demand forecasting of such products become important in driving effective business especially in local fashion product and achieving a sustainable competitive advantage. In this study, forecasting demand of Indonesian local fashion product using hybrid method clustering K-means algorithm, classification method decision tree and moving average was conducted. Five independent variable/attribute descriptive was conducted to classify the item using decision tree classification method. They are color, size, material, price, and motif. In this research, the forecasting was performed as mid-term forecasting method. "
Depok: Fakultas Teknik Universitas Indonesia, 2021
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>