Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Skripsi ini menganalisis inefisiensi yang terjadi didalam proses pengiriman kendaraan yang dilakukan PT.INL sebagai perusahaan jasa freight forwarder. Tujuan dari penelitian ini adalah mengurai faktor-faktor penyebab dari inefisiensi tersebut yang menjadi penyebab panjangnya lead time (waktu tempuh) yang dibutuhkan dalam proses pengiriman kendaraan. Metode yang digunakan dalam mengidentifikasi faktor-faktor tersebut adalah diagram fish bone. Salah satu dari faktor-faktor penyebab tingginya lead time adalah belum efisiennya rute yang dilakukan oleh PT. JLN sebagai perusahaan jasa pengangkut yang disewa oleh PT. INL untuk mengantarkan kendaraan yang dikirim dari pelabuhan Jakarta ke pelabuhan Banjarmasin dan pelabuhan Balikpapan. Melihat kondisi tersebut, peneliti telah melakukan percobaan modifikasi rute yang ada dengan menggabungkan 2 rute berbeda menjadi satu. Untuk melihat penghematan yang dihasilkan dari penggabungan tersebut, digunakan metode clark and wright saving heuristic (CWSH). Dari penghitungan yang telah dilakukan, ditemukan adanya penghematan waktu tempuh sebanyak 70,84 jam atau 2,9 hari, penghematan jarak tempuh sebanyak 1133,4 mil dan penghematan biaya bahan bakar sebesar Rp.62.486.933. ......This thesis analyzes the inefficiency that occurs in the process of delivery vehicles in PT.INL as freight forwarder company. The purpose of this study was to unravel the causal factors of inefficiency that cause the length of lead time that needed in the delivery process of vehicles. The method used in the parse identification of these factors is fish bone diagram. One of the factors causing the high lead time is inefficient route made by the PT. JLN as carrier services company hired by PT. INL to deliver vehicles that are sent from port of Jakarta to port of Banjarmasin and port of Balikpapan. Seeing this condition, the researcher modificated existing routes by combining two different routes into one. To see the saving results from the merger, this research used method called clark and wright saving heuristic (CWSH) . Results of calculation performed generate lead time savings of as much as 70.84 hours or 2.9 days, saving as much mileage 1133.4 miles and fuel cost savings for Rp.62.486.933.

Abstrak :
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.