Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 2 dokumen yang sesuai dengan query
cover
Alvian Nathanael
"Tujuan dari tugas khusus ini adalah untuk mengklasifikasi produk farmasi pada PT SamMarie Tramedifa menjadi 3 golongan menurut pergerakannya (fast, slow, dan non-moving) berdasarkan 3 variabel, yaitu jumlah pemesanan, frekuensi pemesanan berulang dan jeda waktu antar pesanan menggunakan kecepatan konsumsi dan rata-rata waktu simpan produk, yang dikelompokkan dengan prinsip Pareto. Pada tugas khusus ini, dilakukan perhitungan nilai rata-rata waktu simpan dan kecepatan konsumsi. menggunakan data stok produk dan pemesanan sediaan farmasi dari PT SamMarie Tramedifa dalam periode Januari – Juli 2023. Setelah perhitungan rata-rata waktu simpan dan kecepatan konsumsi dilakukan, maka dilakukan perhitungan rata-rata waktu simpan kumulatif dan tingkat konsumsi kumulatif, kemudian digolongkan ke dalam produk fast, slow, dan non-moving. Penggolongan menggunakan kombinasi kecepatan konsumsi dan rata-rata waktu simpan dilakukan untuk meningkatkan akurasi analisis. Dari analisis yang dilakukan terhadap penggolongan produk farmasi fast, slow, dan non-moving di PT SamMarie Tramedifa periode Januari – Juni 2023 menggunakan 3 variabel, yaitu jumlah pemesanan, frekuensi pemesanan berulang dan jeda waktu antar pesanan, diperoleh persentase produk fast moving sebesar 29%, produk slow moving sebesar 40%, dan produk non-moving sebesar 31%. Sediaan farmasi yang digolongkan sebagai produk fast moving rata-rata dipesan sebanyak lebih dari 0,083 kali per hari atau disimpan tidak lebih dari 12,1 hari, kemudian produk slow moving rata-rata dipesan sebanyak lebih dari 0,033 kali per hari dan tidak lebih dari 0,083 kali per hari atau disimpan lebih dari 12,1 hari dan tidak lebih lama dari 42,23 hari, serta produk non-moving rata-rata dipesan tidak lebih dari 0,033 kali per hari atau disimpan lebih dari 42,23 hari.

The objective of this project at PT SamMarie Tramedifa is to categorize pharmaceutical products into three groups—fast, slow, and non-moving—based on their movement patterns using three variables: order quantity, repeat order frequency, and time intervals between orders. The classification utilizes the principles of Pareto, incorporating consumption rate and average stay period of products. Calculations involve determining the average stay period and consumption rate using stock and order data from January to July 2023. After computing cumulative values for average shelf life and consumption speed, the products are classified into fast, slow, or non-moving categories. This dual-parameter classification enhances the precision of the analysis. The analysis of pharmaceutical product classification during January to June 2023 reveals that 29% are categorized as fast-moving, 40% as slow-moving, and 31% as non-moving. Fast-moving products are ordered over 0.083 times per day or stored for no more than 12.1 days. Slow-moving products are ordered between 0.033 and 0.083 times per day or stored for more than 12.1 days but less than 42.23 days. Non-moving products are ordered no more than 0.033 times per day or stored for more than 42.23 days. This classification provides valuable insights for inventory management and strategic planning at PT SamMarie Tramedifa."
Depok: Fakultas Farmasi Universitas ndonesia, 2023
PR-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Salsabila Tasyah
"PT. Sammarie Tramedifa sebagai distribusi farmasi melakukan pengendalian persediaan obat dengan metode analisis ABC. Metode ABC yang digunakan hanya didasarkan oleh jumlah penjualan dan harga beli sehingga tidak dapat menunjukkan laju konsumsi obat. Hal ini dapat mengakibatkan terjadinya dead stock bila diadakan terlalu banyak dan terjadi stock out bila diadakan terlalu sedikit. Metode analisis FSN (Fast, Slow and Non- moving) merupakan metode pengendalian persediaan yang didasarkan laju pergerakan barang sehingga diharapkan dapat membantu dalam perencanaan jumlah persediaan yang tepat dan frekuensi untuk membeli atau bahkan menghapus item tertentu. Penelitian ini bertujuan untuk mengelompokkan persediaan barang kategori pareto C dengan metode analisis FSN berdasarkan Turn Over Ratio (TOR) serta menentukan kelompok barang kategori CF, CS dan CN agar dapat diketahui tindak lanjut yang perlu dilakukan untuk pengendalian persediaan obat golongan pareto C. Dalam penelitian ini, dilakukan analisis FSN berdasarkan TOR yaitu melihat tingkat perputaran persediaan selama periode 1 Oktober sampai 31 Desember 2023. Data obat selama tiga bulan terakhir diteliti persediaan awal, persediaan masuk dan pemakaian barangnya kemudian dihitung nilai TOR. Nilai TOR diurutkan yang tertinggi hingga yang terendah dan diklasifikasikan ke dalam fast, slow atau non-moving. Kelas fast-moving didapatkan sebanyak 111 obat, kelas slow-moving sebanyak 70 obat dan kelas non-moving sebanyak 72 obat dari 253 obat kategori pareto C. Barang-barang pada kelompok fast-moving dapat dikelola dengan memperhatikan safety stock dan reorder point. Barang-barang pada kelompok slow- moving dapat dikelola dengan metode periodic review (R, s, S) atau dibeli saat dibutuhkan saja. Barang-barang pada kelompok non-moving cukup dibeli saat dibutuhkan saja.

PT. Sammarie Tramedifa as a pharmaceutical distributor controls drug inventory using the ABC analysis method. The ABC method used is only based on the number of sales and purchase prices, so it cannot show the rate of drug consumption. This can result in dead stock if there is too much supply and stock out if the supply is too low. The FSN (Fast, Slow and Non-moving) analysis method is an inventory control method based on the rate of movement of goods so hopefully it can help in planning the right amount of inventory and the frequency for buying or even removing certain items. This study aims to classify goods in the pareto category C with the FSN analysis method based on Turn Over Ratio (TOR) and to determine the groups of goods in the categories CF, CS and CN so that further action can be identified for inventory control of pareto class C drugs. In this study, an FSN analysis was carried out based on the TOR, namely looking at the inventory turnover rate during the period 1 October to 31 December 2023. Drug data for the last three months was examined for initial inventory, incoming inventory and usage of the goods and then the TOR value was calculated. TOR values are sorted from highest to lowest and classified as fast, slow or non-moving. The fast-moving class obtained 111 drugs, the slow-moving class obtained 70 drugs and the non-moving class obtained 72 drugs from 253 drugs in the pareto category C. Goods in the fast-moving group can be managed by paying attention to safety stock and reorder points. Goods in the slow- moving group can be managed using the periodic review method (R, s, S) or purchased only when needed. Goods in the non-moving group are only purchased when needed."
Depok: Fakultas Farmasi Universitas Indonesia, 2023
PR-pdf
UI - Tugas Akhir  Universitas Indonesia Library