LOGO. Pengembangan Metode Peramalan Permintaan dan Perencanaan Produksi yang Mempertimbangkan Special Event : Studi Kasus di Perusahaan minuman Ringan
|
|
- Sudomo Halim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Pengembangan Metode Peramalan Permintaan dan Perencanaan Produksi yang Mempertimbangkan Special Event : Studi Kasus di Perusahaan minuman Ringan Peneliti : Rina Yulizar Rahman Dosen Pembimbing : Prof. Ir. I Nyoman Pujawan, M.Eng.,Ph.D.,CSCP LOGO TI
2 Latar Belakang Fluktuasi permintaan yang menyebabkan peramalan menjadi tidak akurat Adanya special event Pengembangan penelitian sebelumnya (Putra, I. N. (2010)) Pengaruh pembatasan kapasitas penyimpanan terhadap total cost.
3 Data Aktual Penjualan "Fluktuasi Permintaan Karena Adanya Special Event" 8000 Demand Sales Week Pada minggu ke-28 sampai 30 terjadi kenaikan karena adanya event berupa panen tembakau pada waktu tersebut. Selain itu, terjadi puncak kenaikan permintaan pada minggu ke-52 dikarenakan adanya event bersamaan berupa promosi produk, Natal, dan Tahun baru.
4 Ilustrasi Index Index dimiliki oleh masing-masing special event. Index menggambarkan prosentase (%) kenaikan permintaan pada periode tersebut ketika terjadinya Special Event.
5 Perumusan Masalah Pengembangan Penelitian Perencanaan Produksi yang lebih baik Hubungan Tingkat Error dengan Total Cost
6 Tujuan Penelitian Peramalan dengan special event lebih akurat Pengujian terhadap level smoothing parameter forecast dengan minimal error Perencanaan produksi dengan total cost untuk masing-masing kondisi. Menghubungkan secara statistik antara tingkat kesalahan forecast dengan ukuran financial Nilai update indeks special event untuk peramalan periode selanjutnya
7 Manfaat Penelitian 1 2 Mengetahui EFEK dari perubahan level smoothing parameter terhadap hasil forecast Mengetahui HUBUNGAN antara nilai error forecast dengan total biaya 3 Sebagai ALTERNATIF penurunan biaya produksi melalui perencanaan produksi dengan skenario 4 Memberikan REKOMENDASI mengenai metode peramalan yang lebih akurat dengan memperhatikan special event
8 Ruang Lingkup Penelitian Batasan Data yang digunakan adalah data sekunder yang berasal dari penelitian sebelumnya Produk yang diamati sebanyak 3 produk. A, B, dan C Special Event yang diperhitungkan adalah special event yang diperkirakan mempengaruhi penjualan secara signifikan. Metode peramalan yang digunakan adalah Seasonality dan Exponential Smoothing dengan nilai level smoothing parameter 0.1, 0.2, 0.3, dan 0.5. Asumsi Total biaya dihitung berdasarkan Inventory cost, shortage cost, dan set up cost. Kapasitas penyimpanan adalah sebesar 700 krat, yang berisi 24 botol setiap kratnya. Kekurangan barang pada suatu periode akan dipenuhi pada periode berikutnya C A B
9 Critical Review No. Penulis Judul Jenis Deskripsi 1 Withycombe, R (1989) Forecasting with Combined Seasonal Indices Jurnal Internasional Menghasilkan metode peramalan dengan menggunakan indeks seasonal untuk multi produk 2 Liu, R (2006) A Formal Modeling Approach for Supply Chain Event Management Jurnal Internasional Memodelkan Supply Chain Event Management dengan menggunakan simulasi Petri net 3 Chung, C.H, Krajewski, L.J (1984) Planning Horizon For Master Production Schedulling Jurnal Internasional Penentuan planning horizon yang tepat untuk Pembuatan Master Production Schedule (MPS)
10 Critical Review (cont d) No. Penulis Judul Jenis Deskripsi 4 Aggraheni, W (2003) Peramalan Penjualan Berdasarkan Event di PT. Coca Cola Distribution Indonesia SIER Surabaya Tugas Akhir Mengusulkan model forecast yang mengakomadasi tren data event. 5 Putra, I.N (2010) Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan Tugas Akhir Menghasilkan metode peramalan dengan mempertimbangkan special event dan melakukan perencanaan produksinya 6 Rahman, Y.R. (2013) Pengembangan Metode Peramalan Permintaan Dan Perencanaan Produksi Yang Mempertimbangkan Special Event : Studi Kasus di Perusahaan Minuman Ringan Tugas Akhir Metode peramalan dengan pertimbangan special event dengan menambahkan pengujian menggunakan beberapa level smoothing parameter dan melihat efeknya terhadap forecast, perencanaan produksi, dan total biaya yang dihasilkan
11 Metodologi Penelitian Tahap Pembuatan Forecast Mulai Menentukan variabel dan parameter sebagai input dalam pengambilan data 1. Data penjualan produk : Data aktual produksi : Data harga jual produk yang diamati 4. Data kapasitas penyimpanan 5. Stock on hand akhir periode Data special event yang telah direcord perusahaan: Data Penjualan Produk Data Aktual Produksi Data Harga jual Produk Pengambilan Data Kapasitas Penyimpanan Stock On Hand Akhir Periode Data Event yang telah direcord
12 Metodologi Penelitian (cont d) Tahap Pembuatan Forecast
13 Pola Data Historis Plot Data Produk A Sales Week Menunjukkan pola data musiman selama kurun waktu tiga tahun. Dengan pola musiman 52 minggu
14 Metode Seasonality A Wx = (D T1 +D T2 +D T3 ) 3 I Wx = A Wx G A F T4 = I Wx x A Wx Dimana : A wx = Rata-rata demand pada minggu ke-x selama T1, T2, T3 D T1 I Wx G A F T4Wx = Demand pada tahun ke-1 = Index seasonality pada minggu ke-x = Rata-rata keseluruhan demand = Hasil forecast tahun ke-4 pada minggu ke-x
15 Metode Exponential Smoothing F t = D t 1 + (1 )F t 1 Dimana : Ft = Forecast pada periode t Dt-1 = Aktual permintaan pada periode t-1 Ft-1 = Forecast pada periode t-1 α = Level smoothing parameter
16 Perhitungan Indeks Special Event I t = A t D t Dimana : It = Indeks pada periode t (minggu) At = Data aktual periode t (minggu) Dt = Diadjust (data hasil peramalan pada periode t )
17 Perhitungan Indeks SE (cont d) Produk A Minggu Sales Minggu Sales Minggu Sales Minggu Sales Minggu Sales Produk A Produk B Produk C Event Minggu Ke- Minggu Ke- Minggu Ke Hari Raya Idul Adha I t = A t D t Hari Raya Idul Fitri Promo Outlet dan Kerja Sama Data Penjualan Forecast Perhitungan Indeks SE Input Periode dan event Grouping event
18 Perhitungan Indeks SE (cont d) Group Event Hari Raya Idul Adha Index Masing-Masing α 0,1 0,2 0,3 0,5 Optimis Mean Pesimis Optimis Mean Pesimis Optimis Mean Pesimis Optimis Mean Pesimis 1,22 1,15 1,07 1,07 1,09 1,16 1,14 1,10 1,05 1,10 1,06 1,03 Pengkategorian Indeks Event Hari Raya Idul Fitri 1,20 1,14 1,08 1,12 1,08 1,04 1,16 1,08 1,01 1,03 1,01 0,98 Promo Outlet dan Kerja Sama Promosi Produk dan Event Kompetisi Ulang Tahun dan Pesta Perusahaan 1,01 0,90 0,77 1,03 0,97 0,87 1,00 0,85 0,70 1,10 1,04 1,01 1,13 1,08 1,01 1,10 1,05 1,00 1,08 1,03 1,00 1,06 1,03 forecast after indexing = I t x forecast 1,15 1,05 0,96 1,09 1,03 1,00 1,08 1,03 0,93 1,07 1,02 0,97 1,06 Indeks digunakan untuk tahun 2009 Event Goes to School 1,14 1,07 0,98 1,08 1,06 1,02 1,12 1,07 1,03 1,05 1,04 1,03 Panen Tembakau Tahun Baru Imlek Natal dan Tahun Baru 1,10 1,09 1,10 1,09 1,06 1,04 1,11 1,06 1,02 1,07 1,04 1,00 1,01 0,84 0,74 1,00 0,95 1,00 0,67 0,87 0,67 1,02 1,01 0,99 1,27 1,18 1,13 1,18 1,11 1,07 1,17 1,12 1,05 1,08 1,06 1,03 Input Periode dan event 2009 Compare dengan aktual produksi dan perhitungan error
19 Nilai Error Masing-masing Metode Error Metode MAD MAPE MSE PRODUK A Seasonality 757,67 9, Metode Exponential smoothing Exponential Smoothing α=0,1 419,58 5, ,38 Produk Level Smoothing Parameter MAD MAPE α=0,2 MSE 395,60 4, ,74 α=0,3 394,63 4, ,50 Nilai Index Optimis 419,58 5, α=0,1 α=0,5 407,42 5, ,54 Nilai Index Mean 526,85 6, Nilai Index Pesimis 819,38 9, PRODUK B Seasonality , Nilai Index Optimis 395,60 4, α=0,2 Nilai Index Mean 417,50 Exponential 5,13 Smoothing Nilai Index Pesimis 592,85 α=0,1 7, ,03 11, A Nilai Index Optimis 460,46 α=0,2 5, ,66 10, α=0,3 Nilai Index Mean 394,63 α=0,3 4, ,02 9, Nilai Index Pesimis 466,12 α=0,5 5, ,21 8, Error Metode Nilai Index Optimis 470,70 5, PRODUK C MAD MAPE MSE α=0,5 Nilai Index Mean 407,42 Seasonality 5, , PRODUK Nilai A Index Pesimis 451,88 Exponential 5,43 Smoothing Seasonality 757,67 9, α=0, ,74 11, Exponential Smoothing α=0, ,61 11, α=0,1 419,58 5, ,38 α=0, ,12 10, α=0,2 395,60 4, ,74 α=0, ,28 8, α=0,3 394,63 4, ,50 α=0,5 407,42 5, ,54 PRODUK B Seasonality , Exponential Smoothing α=0, ,03 11, α=0, ,66 10, α=0, ,02 9, α=0, ,21 8, PRODUK C Seasonality , Nilai error paling minimal untuk ketiga varian produk didapatkan dari metode Exponential Smoothing
20 Peningkatan Akurasi Peramalan Akurasi Peramalan (%) Peningkatan akurasi (%) Produk Metode eksisting perusahaan Metode penelitian sebelumnya Metode Usulan Terhadap Metode Eksisting Terhadap Penelitian Sebelumnya A ,13 4,13 0,13 B ,69 9,69 0,69 C ,41 12,41 0,41 Terjadi peningkatan yang cukup besar dari metode eksisting perusahaan, tetapi tidak cukup besar jika dibandingkan dengan penelitian sebelumnya
21 Updating Indeks Pembobotan Indeks Event It = 0, 1x1, 12 + (0, 2x1, 09) + 0, 3x1, , 4x1, 12 Bobot tahun 2006 Bobot tahun 2007 Bobot tahun 2008 Bobot tahun 2009 Event PRODUK A Index Special Event Hari Raya Idul Adha 1,095 1,07 1,16 1,05 1,09 Hari Raya Idul Fitri 1,12 1,09 1,04 1,12 1,09 Promo Outlet dan Kerja Sama Promosi Produk dan Event Kompetisi Ulang Tahun dan Pesta Perusahaan Updating Index 1 0,87 1,03 1,04 1,00 1,04 1 1,09 1,095 1,07 1,06 1,01 1,05 1,055 1,05 Event Goes to School 1,08 1,08 1,02 1,08 1,06 Panen Tembakau 1,04 1,09 1,06 1,1 1,08 Tahun Baru Imlek 1 0,84 0,85 1 0,92 Natal dan Tahun Baru 1,07 1,09 1,18 1,14 1,14
22 Updating Indeks (con t) Event PRODUK B Index Special Event Updating Index Hari Raya Idul Adha 1,03 1,04 1,04 1,04 1,04 Hari Raya Idul Fitri 1,03 1,07 0,8 0,97 0,95 Promo Outlet dan Kerja Sama ,01 1,00 Promosi Produk dan Event Kompetisi 1,09 0,98 0,96 1,03 1,01 Ulang Tahun dan Pesta Perusahaan 1,05 0,95 0,97 0,99 0,98 Event Goes to School 1,02 1,02 1,25 1,09 1,12 Panen Tembakau 0,98 1,05 1,02 1,02 1,02 Tahun Baru Imlek 1,02 0,87 0,91 0,93 0,92 Natal dan Tahun Baru 1,03 1,08 1,22 1,11 1,13 Event PRODUK C Index Special Event Updating Index Hari Raya Idul Adha 1,04 1,01 1,06 1,04 1,04 Hari Raya Idul Fitri 1,02 1,07 0,84 0,98 0,96 Promo Outlet dan Kerja Sama Promosi Produk dan Event Kompetisi 1,07 1,11 1,06 1,07 1,08 Ulang Tahun dan Pesta Perusahaan 1,06 0,92 1 0,99 0,99 Event Goes to School 0,99 1,08 1,14 1,07 1,09 Panen Tembakau 0,98 1,08 1,06 1,02 1,04 Tahun Baru Imlek 0,93 0,85 0,9 0,89 0,89 Natal dan Tahun Baru 1,03 1,02 1,03 1,03 1,03
23 Metodologi Penelitian (cont d) Tahap Perencanaan dan Pengukuran Performansi Skenario 1: Melakukan pembuatan MPS tanpa batasan Skenario 2: Melakukan pembuatan MPS dengan batasan kapasitas penyimpanan
24 MPS Skenario 1 Skenario 1: Melakukan pembuatan MPS tanpa batasan Hasil Peramalan tiap varian dengan masing-masing alfa TI t = Peramalan periode t Jumlah hari x ti tiap varian Data historis perusahaan α= 0,1 Sh t = S t - (P t + SOH t-1 ) Periode (t) Forecast (Y t ') Produksi (P t ) Actual Sales (S t ) Stock On Hand (SOH t-1 ) Target Inventory (TI t ) Inventory (I t ) Shortage (Sh t ) Total Biaya Simpan (TCi) Total Biaya Shortage (TCs) SOH = I t 1 IC = It x Ic/ P t = TI t (SOH t 1 Y t ) + Sh t 1 I t = (P t + SOH t-1 ) - S t SC = Sht x Sc/52
25 MPS Skenario 2 Skenario 2: Melakukan pembuatan MPS Dengan batasan kapasitas penyimpanan Jika inventory melebihi , maka inventory hanya sebesar dan kekurangannya akan diproduksi pada periode selanjutnya α= 0,1 Periode (t) Forecast (Y t ') Produksi (P t ) Actual Sales (S t ) Stock On Hand (SOH t-1 ) Target Inventory (TI t ) Inventory (I t ) Shortage (Sh t ) Total Biaya Simpan (TCi) Total Biaya Shortage (TCs)
26 Perhitungan Total Cost (skenario 1) Komponen penyusun Total Cost dalam penelitian ini adalah Inventory cost, Shortage cost, dan Setup cost Metode Exponential smoothing Skenario Pertama Produk Nilai Alfa Inventory Cost (Rp/th) Shortage Cost (Rp/th) Setup Cost (Rp/th) Total Cost (Rp/th) 15% A B C Produk 0, , , , , , , , , , , , Metode Seasonality Inventory Cost (Rp/th) Shortage Cost (Rp/th) Setup Cost (Rp/th) Total Cost (Rp/th) A B C Variabel pembentuk total biaya yang dihasilkan pada metode exponential smoothing lebih kecil dibandingkan dengan metode seasonality
27 Perhitungan Total Cost (skenario 2) Kapasitas penyimpanan dibatasi sebesar botol Metode Exponential smoothing Skenario Kedua Produk Nilai Alfa Inventory Cost (Rp/th) Shortage Cost (Rp/th) Setup Cost (Rp/th) Total Cost (Rp/th) 12,6% A B C Metode Seasonality Produk 0, , , , , , , , , , , , Inventory Cost (Rp/th) Shortage Cost (Rp/th) Setup Cost (Rp/th) Total Cost (Rp/th) A B C Variabel pembentuk total biaya paling kecil Juga didapatkan dari metode exponential smoothing
28 Rekapitulasi Total Biaya Produk Urutan Total Cost Nilai Alfa Skenario 1 Skenario 2 Exponential Smoothing 0, A 0, , , , B 0, , , , C 0, , , Seasonality A B C Total biaya paling kecil didapatkan dari metode Exponential Smoothing. Perbedaan Total biaya antara skenario 1 dan 2 tidak besar, bahkan ada yang sama. Perbedaan yang terlihat adalah pada produk C yang mempunyai shortage cost yang cukup tinggi
29 Analisa Korelasi Error-Total Cost Hubungan antara Error dengan Total cost dapat diketahui melalui running aplikasi Macro pada Microsoft Excel yang telah dibuat Skenario 1 A α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis ,80 419,58 5, Mean ,57 526,85 6, Pesimis ,47 819,38 9, Karena terdapat perbedaan jumlah produk yang diproduksi, maka dilihat cost per unit nya B C α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis , ,03 16, Mean , ,03 11, Pesimis , ,15 13, α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis , ,05 15, Mean , ,74 11, Pesimis , ,65 15, Pada produk A, nilai error kecil menghasilkan cost per unit yang kecil Pada produk B & C, nilai error kecil tidak menghasilkan cost per unit yang kecil
30 Analisa Korelasi Error-Total Cost Skenario 2 A B C α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis ,11 419,58 5, Mean ,89 526,85 6, Pesimis ,47 819,38 9, α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis , ,03 16, Mean , ,03 11, Pesimis , ,15 13, α = 0,1 0 Kategori Total Biaya Cost Per Unit MAD MAPE MSE Optimis , ,05 15, Mean , ,74 11, Pesimis , ,65 15, Pada produk A, nilai error kecil menghasilkan cost per unit yang kecil Tetapi... Pada produk B & C, nilai error kecil tidak menghasilkan cost per unit yang kecil
31 Kesimpulan Pemilihan metode peramalan yang tepat dan pertimbangan terhadap special event akan memberikan pengaruh terhadap tingkat akurasi forecast yang dihasilkan. Melakukan pengujian terhadap tingkat kehalusan peramalan akan memberikan pilihan terhadap nilai error yang dihasilkan. Tetapi tidak ada pola urutan untuk tingkat error yang dihasilkan oleh setiap nilai alfa. Terjadi peningkatan akurasi peramalan yang cukup besar terhadap metode eksisting perusahaan, tetapi tidak cukup besar jika dibandingkan dengan penelitian sebelumnya.
32 Kesimpulan (cont d) Perencanaan produksi dengan menggunakan skenario berupa batasan kapasitas penyimpanan tidak mempunyai pengaruh signifikan terhadap total biaya dikarenakan batasan yang diterapkan masih cukup besar di atas average inventory masing-masing variannya, sehingga merupakan batasan yang longgar. Penambahan variabel setup cost dalam perhitungan total biaya dapat meningkatkan biaya sebesar dari biaya eksisting. Nilai ini dipengaruhi oleh besar jumlah produksi tiap periode pada masingmasing varian. Besar atau kecilnya tingkat error yang dihasilkan dalam suatu peramalan tidak selalu memberikan pengaruh terhadap besarnya cost per unit masing-masing varian. Berdasarkan nilai updating index, pada tahun selanjutnya event yang paling berpengaruh adalah event Natal dan Tahun baru serta event Goes to School.
33 Saran Perusahaan dapat menggunakan metode peramalan ini dengan nilai updating index yang telah diperbarui sesuai dengan keadaan riil untuk periode terbaru. Penggunaan batasan dalam kapasitas penyimpanan dapat diperbesar atau diperkecil sesuai dengan keinginan perusahaan. Penelitian ini dapat diterapkan untuk produk jenis lainnya seperti jenis tetrapack, dll. Penelitian selanjutnya dapat dilakukan untuk melihat hal-hal yang mempunyai korelasi signifikan dengan besarnya total biaya, selain dari segi akurasi.
34 Daftar Pustaka Anggraheni, W (2003). Peramalan Berdasarkan Event di PT. Coca Cola Distribution Indonesia SIER Surabaya. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Bowerman, B.L., & O Connell, R.T. (1987). Time series forecasting: Unified concepts and computer implementation 2 nd edition. Boston: Duxbury Press. Christopher, M.C. (1998). Logistics and Supply Chain Management: Strategies for Reducing Cost and Improving Services, Financial Times Prentice Hall London (second edition). Chung, C.H., Krajewski, L.J. (1984). Planning horizons for master production scheduling. Journal of Operations Management. 4(4), Croxton, K.L., Lambert, D.M., Garcia-Dastugue, S.J., et. al. (2002). The demand management process. International Journal of Logistics Management. 13, Gaspersz, V. (1997). Production Planning and Inventory Control. Jakarta: PT. Gramedia Pustaka Utama. Hanke, J., Reitsch, A., & Wichern, D. (2001). Business Forecasting Seventh Edition. Prentice-Hall, Inc., Upper Sadle River, New Jersey. Ignaciuk, P. (2012). Dead-time compensation in continuous-review perishable inventory systems. Journal of Process Control, 22,
35 Daftar Pustaka (cont d) Kaltim Post (2009). Siapkan Cadangan 600 Ribu Krat (Kamis, 25 Desember 2009) <URL : Liu, R., Kumar, A., & Aalst, W. (2006). A formal modeling approach for supply chain event management. Journal of decision support system. 43, Nasution, A. H. (1999). Perencanaan dan Pengendalian Produksi. Surabaya: Guna Widya. Nasution, A. H. (2003). Metode Research Penelitian Ilmiah, Edisi pertama, Cetakan keenam. Jakarta: Bumi Aksara. Nahmias, S. (2009). Production and Operation Analysis Seventh Edition, Mc Graw-Hill International, Singapore. Arvitrida, N.I. (2010). Forecasting. Materi mata kuliah Production Planning and Inventory Control. Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, Surabaya. Pujawan, I. N., & Mahendrawathi (2010). Supply Chain Management. Surabaya: Guna Widya. Putra, I. N. (2010). Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia Plant- Pandaan. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.
36 Daftar Pustaka Spencer B, Smith. (1989). Computer-Based Production and Inventory Control. Prentice-Hall International,Inc. Surya (2009). Coca Cola Luncurkan Sprite Zero (Rabu, 11 Maret 2009) <URL : Whitfield, R. I., & Duffy, A. (2011). Extended revenue forecasting within a service industry. Int. J. Production Economics. 141, Withycombe, R. (1989). Forecasting with combined seasonal indices. International Journal of Forecasting. 5,
PENGEMBANGAN METODE PERAMALAN PERMINTAAN DAN PERENCANAAN PRODUKSI DENGAN MEMPERTIMBANGKAN SPECIAL EVENT: STUDI KASUS DI PERUSAHAAN MINUMAN RINGAN
PENGEMBANGAN METODE PERAMALAN PERMINTAAN DAN PERENCANAAN PRODUKSI DENGAN MEMPERTIMBANGKAN SPECIAL EVENT: STUDI KASUS DI PERUSAHAAN MINUMAN RINGAN Rina Yulizar Rahman, I Nyoman Pujawan Jurusan Teknik Industri
Lebih terperinciPeramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan
Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan Peneliti : Ilsan Nur Putra 2506.100.128 Dosen Pembimbing
Lebih terperinciPERAMALAN PERMINTAAN DAN PERENCANAAN PRODUKSI DENGAN MEMPERTIMBANGKAN SPECIAL EVENT DI PT. COCA-COLA BOTTLING INDONESIA (PT. CCBI) PLANT-PANDAAN
PERAMALAN PERMINTAAN DAN PERENCANAAN PRODUKSI DENGAN MEMPERTIMBANGKAN SPECIAL EVENT DI PT. COCA-COLA BOTTLING INDONESIA (PT. CCBI) PLANT-PANDAAN Ilsan Nur Putra, I Nyoman Pujawan, Niniet Indah Arvitrida
Lebih terperinciModel Perencanaan Produksi untuk Memenuhi Permintaan Pasar dan Pengendalian Persediaan Produk Jadi pada Perusahaan Penghasil Minuman Ringan
Model Perencanaan Produksi untuk Memenuhi Permintaan Pasar dan Pengendalian Persediaan Produk Jadi pada Perusahaan Penghasil Minuman Ringan Production Planning Model to Meet Market Demand and Inventory
Lebih terperinciPERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT
SIG TUGAS AKHIR PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT Siti Lukmatul Henifa (1210 100 064) Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. Senin, 20 Januari 2014 Matematika - ITS Page
Lebih terperinciPeramalan Penjualan Avtur dengan Mempertimbangkan Special Event
Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event Siti Lukmatul Henifa, Dra. Nuri Wahyuningsih, M.Kes. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam (MIPA), Institut Teknologi
Lebih terperinciMENENTUKAN PENJUALAN PRODUK TERBAIK DI PERUSAHAAN X DENGAN METODE WINTER EKSPONENSIAL SMOOTHING DAN METODE EVENT BASED
J. Math. and Its Appl. E-ISS: 2579-8936 P-ISS: 1829-605X Vol. 14, o. 1, Mei 2017, 25 35 MEETUKA PEJUALA PRODUK TERBAIK DI PERUSAHAA X DEGA METODE WITER EKSPOESIAL SMOOTHIG DA METODE EVET BASED Farida Agustini
Lebih terperinciKata kunci: Analisis Pengendalian Persediaan, Metode Peramalan.
PENGENDALIAN PERSEDIAAN BAHAN BAKU PADA PT. X Indra Dwiharto, Moses L. Singgih Magister Manajemen Teknologi Institut Teknologi Sepuluh November Surabaya ABSTRAK PT. X merupakan perusahaan yang bergerak
Lebih terperinciPROSIDING SEMINAR ILMIAH NASIONAL: MEMBANGUN PARADIGMA KEHIDUPAN MELALUI MULTIDISIPLIN ILMU
ANALISIS PERSEDIAAN BARANG DENGAN METODE TIME SERIES DAN SISTEM DISTRIBUTION REQUIREMENT PLANNING UNTUK MENGOPTIMALKAN PERMINTAAN BARANG DI PT. ASRI MANDIRI GEMILANG Sofian Bastuti, Teddy Universitas Pamulang
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake,
Lebih terperinciEvaluasi Strategi untuk Mengurangi Instabilitas Jadwal dan Dampaknya pada Rantai Pasok dengan Simulasi
Evaluasi Strategi untuk Mengurangi Instabilitas Jadwal dan Dampaknya pada Rantai Pasok dengan Simulasi Dosen Pembimbing: Prof. Ir. I Nyoman Pujawan M.Eng., Ph.D., CSCP Pranostika Heryanti 2509 100 051
Lebih terperinciEMA302 Manajemen Operasional
1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information that is available now. (Peramalan
Lebih terperinciPENGENDALIAN PERSEDIAAN PRODUK DENGAN SIKLUS HIDUP PENDEK (Studi Kasus Produk Portable Computer)
PENGENDALIAN PERSEDIAAN PRODUK DENGAN SIKLUS HIDUP PENDEK (Studi Kasus Produk Portable Computer) Diana Safitri Yulianti, I Nyoman Pudjawan Program Studi Magister Manajemen Teknologi ITS Jl. Cokroaminoto
Lebih terperinciPENENTUAN METODE PERAMALAN SEBAGAI DASAR PENENTUAN TINGKAT KEBUTUHAN PERSEDIAAN PENGAMAN PADA PRODUK KARET REMAH SIR 20
PENENTUAN METODE PERAMALAN SEBAGAI DASAR PENENTUAN TINGKAT KEBUTUHAN PERSEDIAAN PENGAMAN PADA PRODUK KARET REMAH SIR 20 Theresia Oshin Rosmaria Pasaribu 1 Rossi Septy Wahyuni 2 Jurusan Teknik Industri,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Definisi Persediaan Persediaan merupakan penyimpanan dari setiap item atau sumber daya yang digunakan dalam sebuah organisasi 1. Dalam pengertian lain bahwa inventory merupakan
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS WINTER DI PT. TELEKOMUNIKASI INDONESIA Tbk.
Lebih terperinciPengendalian Persediaan Bahan Baku Semen Dengan Kendala Kapasitas Gudang Menggunakan Model Probabilistik Q
Pengendalian Persediaan Bahan Baku Semen Dengan Kendala Kapasitas Gudang Menggunakan Model Probabilistik Q Tri Wahyu Ningsih 1, Achmad Bahauddin 2, Ratna Ekawati 3 Jurusan Teknik Industri Universitas Sultan
Lebih terperinciJAZILATUR RIZQIYAH DEVIABAHARI Dosen Pembimbing : Prof. Ir. Suparno, MSIE., Ph.D PROPOSAL TUGAS AKHIR JURUSAN TEKNIK INDUSTRI ITS SURABAYA
JAZILATUR RIZQIYAH DEVIABAHARI 2509100112 Dosen Pembimbing : Prof. Ir. Suparno, MSIE., Ph.D PROPOSAL TUGAS AKHIR JURUSAN TEKNIK INDUSTRI ITS SURABAYA Gambaran PT. X 5% bentuk pakan 30% tepung/kon sentrat
Lebih terperinciPembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
Lebih terperinciPERENCANAAN PRODUKSI
PERENCANAAN PRODUKSI Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi
Lebih terperinciSI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu melakukan perencanaan untuk memastikan kelancaran operasi rantai pasok 1. Peramalan dalam organisasi 2. Pola permintaan 3. Metode peramalan
Lebih terperinciPERENCANAAN PRODUKSI MINYAK TELON UKURAN 100 ML DENGAN METODE TIME SERIES DI PT. MERPATI MAHARDIKA
Teknologi ISSN 1858-4993 JURNAL ILMIAH DAN TEKNOLOGI PERENCANAAN PRODUKSI MINYAK TELON UKURAN 100 ML DENGAN METODE TIME SERIES DI PT. MERPATI MAHARDIKA Dosen Program Studi Teknik Industri Universitas Pamulang
Lebih terperinciPERAMALAN (FORECASTING)
#3 - Peramalan (Forecasting) #1 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information
Lebih terperinciMembuat keputusan yang baik
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang
Lebih terperinciHasil Simulasi Monte Carlo Material di Kuadran II
Hasil Simulasi Monte Carlo di Kuadran II Hasil Simulasi Monte Carlo di Kuadran II a. Alternatif 1 : Dengan nilai s = 92, S= 154 dan Total cost = Rp 145.641.597 b. Alternatif 2 : Dengan nilai s = 99 dan
Lebih terperinciPERENCANAAN SISTEM PERSEDIAAN SUKU CADANG SEPEDA MOTOR UNTUK MENGURANGI BIAYA PERSEDIAAN PADA PT. UTOMO MOTOR DI SURABAYA
PERENCANAAN SISTEM PERSEDIAAN SUKU CADANG SEPEDA MOTOR UNTUK MENGURANGI BIAYA PERSEDIAAN PADA PT. UTOMO MOTOR DI SURABAYA Angela Utami Dewi Kristiana, Katjuk Astrowulan, Nurhadi Siswanto Program Studi
Lebih terperinciABSTRACT. Universitas Kristen Maranatha
ABSTRACT PT. X is a private company engaged in the food production. PT. X produces 3 types of raw crackers such as onion crackers, yellow crackers and tongue crackers. Increase in number of food production
Lebih terperinciPERAMALAN (FORECASTING) #2
#4 - Peramalan (Forecasting) #2 1 PERAMALAN (FORECASTING) #2 EMA302 Manajemen Operasional Model Trend Linear Multiplicative 2 Kecenderungan (trend). Komponen musiman (seasonal): rasio untuk model trend.
Lebih terperinciPenjadwalan Pemesanan Bahan Baku untuk meminimasi Ruang Penyimpanan di Raw Material Warehouse Lamp Factory PT. Philips Indonesia
Penjadwalan Pemesanan Bahan Baku untuk meminimasi Ruang Penyimpanan di Raw Material Warehouse Lamp Factory PT. Philips Indonesia DISUSUN OLEH: NISMAH MAULIDA2506100178 PEMBIMBING: Prof. Ir. I Nyoman Pujawan,
Lebih terperinciABSTRAK. iv Universitas Kristen Maranatha
ABSTRAK PT Coca Cola Amatil Indonesia merupakan salah satu produsen minuman ringan berkarbonasi terbesar di Indonesia. Saat ini, PT Coca Cola Amatil Indonesia telah memiliki 10 pabrik yang tersebar hampir
Lebih terperinciV. ANALISA DAN PEMBAHASAN. A. Analisa Penentuan Pemesanan Biro Fajar Antang. sehingga mengakibatkan timbulnya return yang masih tinggi.
77 V. ANALISA DAN PEMBAHASAN A. Analisa Penentuan Pemesanan Biro Fajar Antang Dari hasil wawancara dengan manager Sirkulasi dan pimpinan Biro Fajar Antang, selama ini Biro Fajar Antang melakukan pemesanan
Lebih terperinciBAB V ANALISA DAN PENYELESAIAN MASALAH
67 BAB V ANALISA DAN PENYELESAIAN MASALAH 5.1 Analisa Plot Data Analisa plot data merupakan suatu cara yang dilakukan untuk mengetahui bentuk dari permintaan terhadap suatu barang/jasa setiap bulannya.
Lebih terperinciDAFTAR PUSTAKA. Haksever, Cengiz, et all Service Management and Operations, Second Edition. New Jersey: Prentice-Hall, Inc.
DAFTAR PUSTAKA Chang, Hor Ng-Jinh; Dye, Chung -Yuan. 2000. An EOQ Model with Deteriorating Items in Response to A Temporary Sale Price. Production Planning and Control, 11(5), 464-473. Chase and Aquilano.
Lebih terperinciPERBANDINGAN METODE WINTER EKSPONENSIAL SMOOTHING DAN METODE EVENT BASED UNTUK MENENTUKAN PENJUALAN PRODUK TERBAIK DI PERUSAHAAN X
TUGAS AKHIR SM 141501 PERBANDINGAN METODE WINTER EKSPONENSIAL SMOOTHING DAN METODE EVENT BASED UNTUK MENENTUKAN PENJUALAN PRODUK TERBAIK DI PERUSAHAAN X ELISA FANI NRP 1212 100 026 Dosen Pembimbing Dra.
Lebih terperinciPENGARUH HASIL PERAMALAN PRODUKSI SEPATU KULIT LAKI-LAKI DI CV. PROHANA KABUPATEN TEGAL
PENGARUH HASIL PERAMALAN PRODUKSI SEPATU KULIT LAKI-LAKI DI CV. PROHANA KABUPATEN TEGAL Moh Zaynil Mustofa, Saufik Luthfianto, M Fajar Nurwildani Program Studi Teknik Industri, Fakultas Teknik, Universitas
Lebih terperinciPeramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif
Bab 3-4 Peramalan Peramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif Berdasarkan metode yang subjektif Metode kuantitatif Berdasarkan
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Lebih terperinciANALISA PENGGUNAAN METODE PERAMALAN PADA PERUSAHAAN RETAIL SISTEM TRADISIONAL MARKET
ISSN: 1410-2331 ANALISA PENGGUNAAN METODE PERAMALAN PADA PERUSAHAAN RETAIL SISTEM TRADISIONAL MARKET Tyas Wedhasari Jurusan Teknik Mesin, Fakultas Teknik, Universitas Mercu Buana Jl. Raya Meruya Utara,
Lebih terperinciPenentuan Waktu Produksi Optimal dengan Metode Rougt Cut Capacity Planning Guna Memenuhi Permintaan Konsumen (Studi Kasus PT. Adhitama Abadi Surabaya)
Penentuan Waktu Produksi Optimal dengan Metode Rougt Cut Capacity Planning Guna Memenuhi Permintaan Konsumen (Studi Kasus PT. Adhitama Abadi Surabaya) Dira Ernawati Teknik Industri FTI UPN Veteran Jatim
Lebih terperinciBAB III LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi
BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT. Sebastian Citra Indonesia terkait dengan jumlah penjualan
Lebih terperinciAbstract. Keywords : fluctuating demand, aggregate planning, strategy. Universitas Kristen Maranatha
Abstract Setia Bakery Company is a private company engaged in the field of home industry. The type of products manufactured and sales are fresh bread. Increasing number of companies engaged in the food
Lebih terperinciPREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012
PREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012 Haryadi Sarjono Management Department, School of Business and Management, BINUS University Jln. K.H. Syahdan No. 9, Kemanggisan-Palmerah,
Lebih terperinciSILABUS MATAKULIAH PERAMALAN BISNIS
SILABUS MATAKULIAH PERAMALAN BISNIS Matakuliah : Peramalan Bisnis Kode Matakuliah/sks : AGB 201/ 3(2-3) Semester : 4 Prasyarat Deskripsi Singkat : Metode Statistika : Matakuliah ini memberikan pengetahuan,
Lebih terperinciPENGENDALIAN PERSEDIAAN KOMPONEN CIRCUIT BREAKER DENGAN KEBIJAKAN CAN- ORDER (STUDI KASUS : PT. E-T-A INDONESIA)
PENGENDALIAN PERSEDIAAN KOMPONEN CIRCUIT BREAKER DENGAN KEBIJAKAN CAN- ORDER (STUDI KASUS : PT. E-T-A INDONESIA) Linda Fransiska 2507.100.022 Prof. Ir. I Nyoman Pujawan, M.Eng., Ph.D Latar Belakang (1)
Lebih terperinciJurusan Teknik Industri, Universitas Brawijaya Jalan MT. Haryono 167, Malang, 65145, Indonesia (1)
Petunjuk Sitasi: Setyanto, N. W., Herdianto, B., & Eunike, A. (2017). Analisa Kapasitas Produksi Pembuatan Rokok Sigaret Keretek Mesin (SKM) Menggunakan Metode Rougt Cut Capacity Planning (RCCP). Prosiding
Lebih terperinciVISUALISASI PENJUALAN DAN LOKASI PENJUALAN MENGGUNAKAN GOOGLE MAP SERTA PROYEKSI PERMINTAAN FLEXY DAN MODEM DI MASA MENDATANG (STUDI KASUS: PT
VISUALISASI PENJUALAN DAN LOKASI PENJUALAN MENGGUNAKAN GOOGLE MAP SERTA PROYEKSI PERMINTAAN FLEXY DAN MODEM DI MASA MENDATANG (STUDI KASUS: PT. TELKOM INDONESIA) Rully A Hendrawan, Catra Aldino, Erma Suryani
Lebih terperinciPERENCANAAN PERSEDIAAN BARANG MENGGUNAKAN METODE FORECASTING DAN EOQ PADA PT. COSMO MAKMUR INDONESIA
Strategi Bisnis, Jurnal Management Strategic, Aug 2015 PERENCANAAN PERSEDIAAN BARANG MENGGUNAKAN METODE FORECASTING DAN EOQ PADA PT. COSMO MAKMUR INDONESIA Ardiz Sebastian ardiz.sebastian@gmail.com Mulyono,
Lebih terperinciBAB V ANALISA HASIL. Berdasarkan data permintaan produk Dolly aktual yang didapat (permintaan
BAB V ANALISA HASIL Bab ini berisikan mengenai analisa hasil dari pengolahan data dalam perhitungan MRP Dolly pada satu tahun yang akan datang yang telah dibahas pada bab sebelumnya. 5.1 Analisa Peramalan
Lebih terperinciPENENTUAN JENIS INVESTASI DENGAN ANALISA EKONOMI TEKNIK DAN FORECASTING
PENENTUAN JENIS INVESTASI DENGAN ANALISA EKONOMI TEKNIK DAN FORECASTING Hendy Tannady 1, Riky Mulyadi 2 dan Ricky Cahyadi 3 Abstrak: Banyak orang yang salah mengambil langkah dalam melakukan suatu investasi,
Lebih terperinciPerkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri
Perbandingan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Klip (Studi Kasus PT. Indoprima Gemilang Engineering) Aditia Rizki Sudrajat 1, Renanda
Lebih terperinciSISTEM MONITORING DAN TEKNIK PERAMALAN HARGA DAGING SAPI DI INDONESIA
SISTEM MONITORING DAN TEKNIK PERAMALAN HARGA DAGING SAPI DI INDONESIA Iin Mu minah 1), Wahyu W. Pamungkas 2), Sofyan Sjaf 3) 1) LOGIC (Logistic and Supply Chain Center) Universitas Widyatama 2) Fakultas
Lebih terperinciPERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING
PERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING Lim Sanny 1, Haryadi Sarjono 1 1 Department of Management, Binus University Jln. KH. Syahdan No. 9, Kemanggisan,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manajemen Permintaan 2.1.1 Pengertian Manajemen permintaan didefinisikan sebagai suatu fungsi pengelolaan dari semua permintaan produk untuk menjamin bahwa penyusunan jadwal induk
Lebih terperinciOPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK ABSTRAK
OPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK Robby Hidayat, Moses L.Singih, Mahasiswa MMT ITS Manajemen Industri Email : Robbie_First@Yahoo.Com ABSTRAK PT. Siantar Top Tbk adalah
Lebih terperinciBAB V PEMBAHASAN. 5.1 Permintaan Konsumen
BAB V PEMBAHASAN 5.1 Permintaan Konsumen Permintaan konsumen selama 12 periode (bulan) terakhir terhadap produk sandal kelom di Sagitria Collection adalah 6654 pasang dengan perincian 379 pasang pada periode
Lebih terperinciBAB 6 KESIMPULAN DAN REKOMENDASI
BAB 6 KESIMPULAN DAN REKOMENDASI 6.1. Kesimpulan Berdasarkan pada bagian-bagian sebelumnya, penulis dapat mengambil beberapa kesimpulan dari penelitian pada tugas akhir ini, diantaranya adalah: 1. Penelitian
Lebih terperinciAnalisis Deret Waktu
Analisis Deret Waktu Jenis Data Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciPenentapan Perencanaan Produksi guna Menentukan Besaran Produksi yang Tepat pada PT Goodyear Indonesia Tbk
PENETAPAN PERENCANAAN PRODUKSI GUNA MENENTUKAN BESARAN PRODUKSI YANG TEPAT PADA PT GOODYEAR INDONESIA TBK Dewi Taurusyanti Dosen Tetap Fakultas Ekonomi Universitas Pakuan Wawan Hermawan Mahasiswa Fakultas
Lebih terperinciEMA302 - Manajemen Operasional Materi #3 Ganjil 2015/2016. EMA302 Manajemen Operasional
Materi #3 EMA302 Manajemen Operasional Pengertian (1/2) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information that is available now. (Peramalan adalah
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Desain Penelitian Metode yang digunakan dalam penelitian ini bersifat deskriptif dengan menggunakan teknik analisa berupa wawancara, analisa dokumentasi dan observasi langsung.
Lebih terperinciANALISIS DERET WAKTU
ANALISIS DERET WAKTU JENIS DATA Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciPERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
Lebih terperinciANALISA PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUKSI FOAM DENGAN METODE EXPONENTIAL SMOOTHING.(Studi kasus pada PT.
ANALISA PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUKSI FOAM DENGAN METODE EXPONENTIAL SMOOTHING.(Studi kasus pada PT. BESTARI MULIA) Sitta Mega Afrista**) dan Yunia Dwie Nurcahyanie*) Abstrak Perkembangan
Lebih terperinciAPLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI
APLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI Disusun Oleh: Shella Anjani Muhiardi/38412265 Pembimbing: Dr. Emirul Bahar, ACSI. LATAR
Lebih terperinciANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI.
ANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI Ni Putu Lisna Padma Yanti 1, I.A Mahatma Tuningrat 2, A.A.P. Agung Suryawan Wiranatha 2 1 Mahasiswa Jurusan Teknologi
Lebih terperinciPERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113
PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Exponential Smoothing w/ Trend and Seasonality Pemulusan level/keseluruhan Pemulusan Trend Pemulusan Seasonal Peramalan periode t : Contoh: Data kuartal untuk
Lebih terperinciDAFTAR ISI. Halaman KATA PENGANTAR.. ii DAFTAR ISI.. iv DAFTAR TABEL. vi DAFTAR GAMBAR vii DAFTAR LAMPIRAN. viii
DAFTAR ISI KATA PENGANTAR.. ii DAFTAR ISI.. iv DAFTAR TABEL. vi DAFTAR GAMBAR vii DAFTAR LAMPIRAN. v I. PENDAHULUAN 1.1 Latar Belakang. 1 1.2 Identifikasi Masalah. 4 1.3 Rumusan Masalah 5 1.4 Tujuan Penelitian
Lebih terperinciANALISIS STRATEGI TATA LETAK TERHADAP PRODUKTIVITAS OPERASIONAL PRODUKSI DAN INVENTORY CONTROL PADA PT.MEGATAMA PLASINDO
ANALISIS STRATEGI TATA LETAK TERHADAP PRODUKTIVITAS OPERASIONAL PRODUKSI DAN INVENTORY CONTROL PADA PT.MEGATAMA PLASINDO Dita Gisela Binus University, Jakarta, DKI Jakarta, Indonesia Abstrak PT. MEGATAMA
Lebih terperinciBAB 4 METODOLOGI PEMECAHAN MASALAH
BAB 4 METODOLOGI PEMECAHAN MASALAH 4.1 Model Rumusan Masalah dan Pengambilan Keputusan Langkah-langkah dalam pemecahan masalah dan pengambilan keputusan dalam membuat sistem untuk menghasilkan suatu perencanaan
Lebih terperinciANALISIS DAN PERANCANGAN E-PROCUREMENT PADA PT.FLAMINDO CARPETAMA
ANALISIS DAN PERANCANGAN E-PROCUREMENT PADA PT.FLAMINDO CARPETAMA Gladys Winy Tambunan; Haryadi Sarjono School of Business Management (SoBM), Bina Nusantara of University Jl. KH. Syahdan No. 9, Kemanggisan,
Lebih terperinciPENENTUAN TINGKAT KEBUTUHAN SAFETY STOCK DI INDUSTRI FARMASI
PENENTUAN TINGKAT KEBUTUHAN SAFETY STOCK DI INDUSTRI FARMASI DEBBIE KEMALA SARI DAN HERRY SUDAYAT Program Studi Teknik Industri Universitas Suryadarma Jakarta ABSTRAK Dunia industri yang semakin ketat
Lebih terperinciPERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA
PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA Weny Indah Kusumawati Program Studi Sistem Komputer, Institut Bisnis dan Informatika Stikom Surabaya email: weny@stikom.edu Abstrak
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT Dinamika Indonusa Prima terkait dengan jumlah permintaan akan
Lebih terperinciBAB V KESIMPULAN DAN REKOMENDASI. Perusahaan menggunakan metode peramalan penjualan (current) yang
BAB V KESIMPULAN DAN REKOMENDASI 5.1 KESIMPULAN Perusahaan menggunakan metode peramalan penjualan (current) yang merupakan hasil konsensus dengan pihak principal. Meskipun perusahaan memiliki sistem peramalan
Lebih terperinciPROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Dalam perusahaan persediaan merupakan salah satu asset yang harus diperhatikan karena dengan mengelola persediaan yang tepat maka perusahaan dapat meminimalkan total
Lebih terperinciINTEGRASI PERENCANAAN PRIORITAS DAN KAPASITAS SISTEM MRP II DENGAN SISTEM KANBAN MENGGUNAKAN PROMODEL
INTEGRASI PERENCANAAN PRIORITAS DAN KAPASITAS SISTEM MRP II DENGAN SISTEM KANBAN MENGGUNAKAN PROMODEL Budi Aribowo 1 ; Natasari 2 1 Jurusan Teknik Industri, Fakultas Teknik, Universitas Al Azhar Indonesia
Lebih terperinciPenentuan Kebijakan Persediaan Spare Parts Dengan Pendekatan Croston (Studi Kasus PT. Samator Indonesia Wilayah Timur)
Penentuan Kebijakan Persediaan Spare Parts Dengan Pendekatan Croston (Studi Kasus PT. Samator Indonesia Wilayah Timur) Oleh: Setia Wardhana - 9107201405 Pembimbing: Prof. Ir. I Nyoman Pujawan M. Eng. PhD
Lebih terperinciABSTRACT. Key words: production, aggregate planning, cost efficiency. vii. Universitas Kristen Maranatha
ABSTRACT P.T Senayan Sandang Makmur is a company engaged in the manufacturing industry. In the course of its operations, the company is always striving to achieve its objectives, namely to meet consumer
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciSILABUS. : Perencanaan dan Pengendalian Produksi
Kode Mata kuliah Nama Mata Kuliah Bobot Semester Deskripsi Mata Kuliah SILABUS : AK043304 : Perencanaan dan Pengendalian Produksi : 2 SKS : V : Perencanaa produksi sebagai suatu sistem, analisis, metode
Lebih terperinciPRESENTASI TUGAS AKHIR
PRESENTASI TUGAS AKHIR PEMBANGUNAN APLIKASI CUSTOMER RELATIONSHIP MANAGEMENT BERORIENTASI SERVIS PADA PLATFORM JAVA MENGGUNAKAN FRAMEWORK APACHE OPEN FOR BUSINESS Kata kunci : CRM, Apache OFBiz, SOA, Web
Lebih terperinciBAB 3 METODE PEMECAHAN MASALAH
BAB 3 METODE PEMECAHAN MASALAH 3.1 Kerangka Pikir Pemecahan Masalah Adapun kerangka pemikiran pemecahan masalah dalam bentuk diagram, adalah sebagai berikut: Gambar 3.1 Flow Diagram Kerangka Pikir Pemecahan
Lebih terperinciSKRIPSI PENENTUAN METODE LOT SIZING UNTUK MENGURANGI BULLWHIP EFFECT DAN TOTAL BIAYA PERSEDIAAN
SKRIPSI PENENTUAN METODE LOT SIZING UNTUK MENGURANGI BULLWHIP EFFECT DAN TOTAL BIAYA PERSEDIAAN Studi Kasus PT. Enseval Putera Megatrading Distributor MJI Jember Diajukan Sebagai Salah Satu Syarat Untuk
Lebih terperinciPERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING PADA TOKO OBAT BINTANG GEURUGOK
PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING PADA TOKO OBAT BINTANG GEURUGOK Sayed Fachrurrazi, S.Si., M.Kom Program Studi Teknik Informatika, Universitas Malikussaleh Reuleut,
Lebih terperinciSILABUS MATA KULIAH. 1. Mendiskusikan siklus manufaktur 2. Mendiskusikan peran perencanaan dan pengendalian produksi
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-307 Nama Mata Kuliah : Perencanaan dan Pengendalian Produksi Jumlah SKS : 2 SKS Semester : V Mata Kuliah Pra Syarat : - Deskripsi
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciPENGARUH PENENTUAN JUMLAH PEMESANAN PADA BULLWHIP EFFECT
PENGARUH PENENTUAN JUMLAH PEMESANAN PADA BULLWHIP EFFECT Puji Lestari, Liong Irena, I Gede Agus Widyadana Program Studi Teknik Industri, Universitas Kristen Petra Siwalankerto, Surabaya, Indonesia (Received:
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manajemen Operasional 2.1.1 Pengertian Manajemen Operasional Definisi dasar dari Manajemen Operasional (Stevenson, 2010) yaitu sebuah ilmu manajemen atau pengendalian dari sebuah
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Industri manufaktur Indonesia saat ini semakin mengalami perkembangan yang sangat pesat dan persaingan yang ketat di industrinya untuk dapat mencapai loyalitas
Lebih terperinciPERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113
PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Pertemuan 5 Outline: Aggregate Planning Referensi: Smith, Spencer B., Computer-Based Production and Inventory Control, Prentice-Hall, 1989. Tersine, Richard
Lebih terperinciPerancangan Sistem Manajemen Gudang Tepung di PT X
Perancangan Sistem Manajemen Gudang Tepung di PT X Mintarto Leopatria 1, Herry Christian Palit S.T., M.T. 2 Abstract: Management system at powder warehouse in PT X still has many problems within. Improvement
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manajemen 2.1.1 Pengertian Manajemen Manajemen berasal dari bahasa kata to manage yang artinya mengatur atau mengelola. Pengaturan dilakukan melalui proses dan diatur berdasarkan
Lebih terperinciPERENCANAAN JADWAL INDUK PRODUKSI DENGAN MENGGUNAKAN LINIER PROGRAMMING PADA INDUSTRI MANUFAKTUR PT X
PERENCANAAN JADWAL INDUK PRODUKSI DENGAN MENGGUNAKAN LINIER PROGRAMMING PADA INDUSTRI MANUFAKTUR PT X Yusuf Eko Nurcahyo Politeknik 17 Agustus 1945 Surabaya Email : yusufekonurcahyo@gmail.com Abstrak Permintaan
Lebih terperinciPEMBUATAN INDIKATOR VECTOR AUTOREGESSIVE (VAR) PADA METATRADER
PEMBUATAN INDIKATOR VECTOR AUTOREGESSIVE (VAR) PADA METATRADER Samuel Ridwan Setiadi 1, Mahendrawathi ER 2, dan Nur Iriawan 3 1 MMT-ITS, Surabaya, Indonesia 2 Dosen Jurusan Sistem Informasi, FTIF-ITS mahendra_w@its-sby.edu
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciProsiding Manajemen ISSN:
Prosiding Manajemen ISSN: 2460-8383 Analisis Peramalan Penjualan Produk Tahu Putih Menggunakan Metode Adjusted Exponential Smoothing untuk Meminimumkan Kesalahan Peramalan pada Pabrik Tahu Tauhid Bandung
Lebih terperinciBAB 3 METODE PENELITIAN. Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari
BAB 3 METODE PENELITIAN 3.1 Desain Penelitan Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari PT. Honda Dunia Motorindo. Setelah itu dengan analisa tersebut, penulis berusaha
Lebih terperinci