Jurnal Telematika, vol.
19 no.
Institut Teknologi Harapan Bangsa.
Bandung e-ISSN: 2579-3772 Sistem Informasi Buffer Stock Bahan Baku Kain Menggunakan Metode Forecasting Cut Fiarni#1.
Evasaria Magdalena Sipayung*2.
Christian Joy Samuel Tanadi#3 Program Studi Sistem Informasi.
Institut Teknologi Harapan Bangsa Jl.
Dipatiukur No.
Bandung.
Indonesia Program Studi Informatika.
Universitas Bunda Mulia.
Jl.
Jalur Sutera Kav.
Tangerang.
Indonesia 1cutfiarni@ithb.
sipayung@gmail.
3christianjoy@gmail.
AbstractAi The procurement process of raw fabric materials .
in textile manufacturing companies is critical because it affects order fulfillment and customer satisfaction.
In addition, the raw material procurement process also aims to fulfill buffer stock to anticipate the rejection process in quality control.
Errors in production planning can result in the accumulation of goods and increased operational costs.
In this study, an information system for raw material requirements for fabric was developed using forecasting methods in the textile manufacturing industry.
The forecasting model in the proposed system was developed by analyzing the companyAos transaction data.
From the calculation of the error rate, it is found that the methods selected for use in the buffer stock of forecasting information systems are single moving average, weighted moving average, double moving average, and single exponential smoothing.
With MAPE calculation results of 1% to 62.
9%, a validity test with Durbin Watson is also carried out to find the best model for forecasting in the next period.
addition, the proposed system is also able to record and process data to assist companies in procuring green fabrics.
The system testing results obtained an accuracy value of 82%.
It shows that the proposed system is good enough to provide forecasting results according to the companyAos needs regarding procuring buffer stock of raw materials for greige fabric.
KeywordsAi procuring, forecasting, buffer stock.
MAPE, information system, greige fabric AbstrakAi Proses procurement bahan baku kain .
pada perusahaan manufaktur tekstil menjadi salah satu proses yang sangat penting karena berpengaruh pada tingkat pemenuhan pesanan dan kepuasan pelanggan.
Di samping itu, proses pengadaan bahan baku juga bertujuan untuk memenuhi buffer stock untuk mengantipasi proses reject pada quality control.
Kesalahan dalam perencanaan produksi dapat mengakibatkan penumpukan barang dan peningkatan biaya operasional.
Pada penelitian ini dilakukan pengembangan sistem infomasi kebutuhan bahan baku kain dengan metoda forecasting pada industri manufaktur tekstil.
Model forecasting pada sistem usulan dikembangkan dengan melakukan analisis data transaksi Dari hasil perhitungan erorr rate didapatkan bahwa metode yang terpilih untuk digunakan pada sistem informasi peramalan buffer stock adalah single moving average, weighted moving average, double moving average, dan single exponential Dengan hasil perhitungan MAPE 22,1% hingga 62,9%, dilakukan juga uji validitas dengan durbin watson sehingga dapat mencari model terbaik untuk melakukan forecasting pada periode selanjutnya.
Di samping itu, sistem usulan juga mampu merekam dan mengolah data untuk membantu perusahaan dalam melakukan pengadaan kain greige.
Dari hasil pengujian sistem, didapat nilai akurasi sebesar 82%.
Hal ini menunjukan bahwa sistem usulan cukup baik dalam memberikan hasil peramalan sesuai kebutuhan perusahaan terkait pengadaan buffer stock bahan baku kain greige.
Kata KunciAi pengadaan, peramalan, buffer stock.
MAPE, sistem informasi, kain greige PENDAHULUAN Industri tekstil merupakan salah satu industri tertua dan paling strategis di Indonesia.
Industri tekstil Indonesia terbukti mampu berkembang baik di sektor hulu maupun hilir.
Dari bahan baku hingga tahapan finishing, menciptakan rantai pasokan yang sangat efisien, serta mampu menyediakan solusi satu pintu baik untuk pasar lokal maupun internasional.
Pada tahun 2019 industri tekstil dan pakaian jadi mengalami kenaikan pertumbuhan kedua tertinggi setelah kelompok industri kimia, farmasi dan obat tradisional, yaitu naik dari 8,73 % pada 2018, menjadi 15,35% .
di tahun berikutnya .
Untuk itu, sebagai upaya meningkatkan daya saing perusahaan, serta menjaga reputasinya, perusahaan dituntut mampu melakukan perencanaan dan mengalokasikan segala sumber daya yang digunakan secara tepat.
Procurement pada industri manufaktur tekstil merupakan suatu istilah yang mencakup seluruh kegiatan yang dilakukan oleh bagian production planning inventory control (PPIC) dalam mewujudkan pengadaan kain, baik barang, peralatan, dan mesin-mesin maupun bangunan/konstruksi maupun perbaikan atau perawatan atas aset yang dimiliki.
Procurement kain greige diawali dengan merancang perencanaan yang mencakup menimbang manfaat dan resiko, seperti rework maupun reject kain, sehingga dibutuhkannya buffer stock untuk melakukan antisipasi terhadap resiko tersebut.
Kegiatan ini mencakup pertimbangan manfaat, resiko, dan batasan pembiayaan yang melekat pada kegiatan produksi yang akan Proses ini berfokus pada tiga elemen utama, yaitu ketepatan jadwal produksi, biaya dan kualitas.
Karena Sistem Informasi Buffer Stock Bahan Baku Kain Menggunakan Metode Forecasting II.
METODOLOGI
Tujuan dan Ruang Lingkup Penelitian Salah satu proses bisnis utama yang berjalan pada bagian PPIC PT XYZ adalah procurement kain greige.
Proses existing procurement berjalan hanya berdasarkan hasil buffer stock aktual periode sebelumnya sebagai dasar informasi pengambilan keputusan.
Pengambilan keputusan dilakukan hanya berdasarkan pada pengalaman dan keahlian yang dimiliki seorang expert pada divisi PPIC.
Akibatnya pada pemenuhan produksi seringkali bagian produksi tidak dapat memproduksi sesuai permintaan pasar sehingga harus melakukan makloon.
Makloon merupakan proses outsource ataupun impor kain greige untuk dapat memenuhi perkiraan kebutuhan pasar yang berakibat peningkatan biaya produksi.
Solusi yang diberikan untuk mengatasi permasalahan yang terjadi adalah dengan mengembangkan sistem informasi untuk mengatasi kekurangan informasi sebagai dasar pengambilan keputusan dan melakukan analisis metode forecasting yang paling tepat untuk diterapkan sebagai metode baku pada proses peramalan tersebut.
Sistem informasi ini akan membantu perekapan data dan melakukan perhitungan buffer stock menggunakan data historis transaksi yang akan diproses menggunakan metode forecasting.
Dengan adanya sistem usulan ini, diharapkan membantu dalam validasi dan standarisasi proses sehingga perkiraan produksi bahan baku tidak berdasarkan expert saja, namun juga berdasarkan proses data-driven.
Perancangan sistem yang dirancang ditujukan untuk membantu bagian PPIC serta perusahaan dalam melakukan perhitungan buffer stock menggunakan metode forecasting dengan error terkecil untuk periode selanjutnya.
Alur kerja sistem usulan digambarkan pada Gambar 1.
Metode Forecasting Forecasting adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan Skema Solusi Sistem Usulan Input Data Historis Buffer Kain Greige Rutin Process Output Check Komponen Time Series Pengujian Metode Pengujian Error Forecasting Pemilihan Model Forecasting Permintaan Dari Buyer Sistem Pencatatan Data Pendukung Forecasting pentingnya proses ini, maka penelitian terkait optimalisasi perencanaan produksi juga berkembang dan makin beragam.
Pada penelitian sebelumnya terkait perencanaan produksi, dilakukan perbandingan metoda yang paling optimal terkait penjadwalan produksi .
Kusumawardani, dkk.
penelitiannya melakukan analisis peramalan permintaan pada produk batik Fendy menggunakan metode linear exponential smoothing dengan nilai MAPE produk 9,21-17,5% .
Penelitian lainnya menggunakan metode TOPSIS .
echnique for order preference by similarity to ideal solutio.
terkait pemilihan supplier bahan baku berdasarkan kriteria dan bobot yang beragam .
Penelitian lainnya berfokus pada proses penyediaan barang digudang dengan mengembangkan sistem yang mampu pengelompokan barang berdasarkan frekuensi penanganan, lead time, stock opname, dan kriteria penting lainnya berdasarkan karakteristik perusahaan.
Sistem informasi tersebut menggunakan ABC-cycle counting sebagai model sistemnya dengan klasifikasi persentase yang dapat diatur secara dinamis .
Penelitian sejenis terkait pengembangan sistem informasi yang membantu peramalan persediaan barang menggunakan metode data-driven telah banyak dikembangkan.
Perwita, dkk.
mengembangkan sistem informasi persediaan berbasis android dengan menggunakan metode min-max stock .
, sementara Hayuningtyas membuat peramalan persediaan alat kesehatan menggunakan metode weighted moving average dan metode double exponential smoothing .
Masing-masing penelitian tersebut membantu perusahaan dalam permasalahan produksinya, akan tetapi peramalan buffer stock industri tekstil penelitian sejenis masih terbatas untuk dilakukan.
Pada penelitian ini pengembangan sistem informasi peramalan bahan baku kain dilakukan pada PT XYZ sebagai tempat studi kasus.
PT XYZ merupakan sebuah organisasi bisnis pada bidang manufaktur yang bergerak di bidang tekstil yang khususnya beroperasi pada bidang weaving .
dan pembuatan kain celup.
PT XYZ memiliki kurang lebih 3592 jenis kain greige yang dapat diproduksi dan dijual oleh Pentingnya pemenuhan kebutuhan pelanggan dipahami oleh perusahaan bukan hanya untuk menjamin kepuasan pelanggan, tapi juga menjaga kemampuan perusahaan dalam persaingan bisnis.
Kondisi perencanaan untuk pengadaan kain greige harus dilakukan bukan hanya berdasar pengalaman pihak manager, tetapi juga berdasarkan data permintaan dan penjualan yang terjadi.
Hal ini penting untuk mencegah terjadinya kelangkaan barang maupun penumpukan barang.
Oleh karena itu dibutuhkan sebuah metode penentuan buffer stock untuk setiap jenis kain dengan perhitungan matematis dan metodeAemetode yang ada agar membantu PPIC dalam menentukan buffer stock yang dibutuhkan untuk periode selanjutnya .
Melakukan Pemakaian Kain Greige Database Bill of Material Pengelompokan kain rutin dan non rutin Hasil Forecasting Total Data Sales Blanket Tanggal Order 2nd Item Number Jumlah (Yar.
Perkiraan Buffer Masuk ke dalam Merubah status kain menjadi rutin Merubah status kain menjadi non Komparasi Buffer perkiraan dengan Gambar 1 Diagram input-proses-output metodologi penelitian Sistem Informasi Buffer Stock Bahan Baku Kain Menggunakan Metode Forecasting datang dengan waktu yang relatif lama sehingga dapat menjadi dasar pada saat pengambilan keputusan.
Untuk memprediksi hal tersebut, diperlukan data yang akurat dari periode lalu sehingga dapat dilihat prospek situasi dan kondisi di masa yang akan datang.
Pengolahan data ini menghasilkan informasi yang akan dimanfaatkan untuk pengambilan keputusan.
Walaupun demikian, selalu ada unsur terjadinya kesalahan dalam peramalan sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan tersebut.
Metode peramalan ini diterapkan oleh organisasi bisnis pada berbagai permasalahan, seperti forecasting pada penjualan makanan pada perusahaan wholesaler .
hingga penyediaan jasa ambulance untuk kondisi gawat darurat .
Secara umum, proses peramalan terdiri dari tujuh tahapan.
Tahap pertama adalah mendefinisikan tujuan peramalan lalu melakukan ploting data.
Dari pola yang terlihat dapat menjadi dasar untuk pemilihan model peramalan yang tepat.
Tahap keempat adalah melakukan peramalan dilanjutkan dengan menghitung forecast error.
Dari hasil perbandingan nilai forecasting error terhadap data 10 kain yang diproduksi perusahaan tersebut, kemudian dilakukan pemilihan metode peramalan yang akan diimplementasikan.
Tahapan terakhir adalah verifikasi model.
Proses verifikasi model dilakukan dengan menghitung ukuran persentase penyimpangan antara data aktual dengan data peramalan.
Ketepatan adalah suatu hal yang penting untuk peramalan, yaitu mengukur kesesuaian antara data yang yang sudah ada dengan data peramalan.
Terdapat beberapa teknik perhitungan yang biasa digunakan untuk menghitung kesalahan peramalan Tiga dari perhitungan yang paling umum digunakan adalah mean absolute deviation (MAD), mean squared error (MSE), dan mean absolute percentage error (MAPE) .
Pada penelitian ini digunakan MAPE untuk memverifikasi model forecasting yang dihasilkan.
MAPE dihitung dengan menggunakan kesalahan absolut pada tiap periode yang dibagi dengan nilai observasi yang nyata untuk periode itu kemudian dirata-ratakan kesalahan persentase absolutnya tersebut.
Analisis dan Pengolahan Data Data yang digunakan dalam penelitian ini didapatkan dari hasil wawancara dan data primer dari PT XYZ.
Data yang digunakan adalah data pencatatan buffer stock kain selama periode 13 bulan yang dimulai dari Oktober 2016 hingga Ok- Data yang dipakai pada pengolahan data adalah berdasarkan skema pemodelan yang didapatkan secara langsung dari pihak PT XYZ dan belum pernah dilakukan analisis demand forecasting.
Sebelum dilakukan analisis dilakukan pemetaan antar data sehingga terlihat keterkaitannya.
Pemetaan ini ditunjukan pada Gambar 2.
Dari Gambar 2 terlihat bahwa pengolahan data dimulai dari data pemakaian kain greige yang dikurangi dengan konversi data sales blanket dengan mencocokan data bill of material sehingga didapatkan kebutuhan kain greige.
Hasil dari pengolahan data tersebut adalah data buffer stock.
Data inilah yang dipakai dalam analisis demand forecasting untuk membantu proses perkiraan untuk buffer stock setiap jenis kain greige yang ada.
Setelah pengolahan data dilakukan, didapatkan hasil ploting data buffer stock yang merupakan pola data tren sehingga analisis forecasting dilakukan menggunakan metode moving average dan exponential smoothing .
Mengacu pada skema alur metodologi penelitian pada Gambar 1, pemodelan metode forecasting untuk sistem usulan divalidasi berdasarkan error rate yang terkecil.
Hal ini bertujuan memastikan model dan fitur yang dirancang pada sistem usulan dapat menjadi solusi dari permasalahan yang dihadapi perusahaan.
Proses forecasting pada sistem usulan berdasarkan data output dari sistem pencatatan transaksi.
Data tersebut berupa data historis pemakaian kain greige.
Setelah melakukan forecasting, maka dihasilkan output kebutuhan kain dan buffer stock untuk periode selanjutnya.
Setelah itu, data forecasting akan disimpan untuk nantinya digunakan pada analisis komparasi dengan hasil buffer stock actual.
Hal ini untuk mengetahui seberapa andal metode yang terpilih sehingga terjadi improvement peramalan secara incremental.
Hasil pengolahan data untuk setiap jenis kain greige rutin, setelah melalui proses forecasting dan verifikasi untuk menguji keandalan metode tersebut, ditunjukan pada Tabel I.
Pada Tabel I terlihat hasil pengujian data aktual terhadap metode forecasting dan uji Durbin Watson .
Setelah metode terpilih untuk setiap jenis kain diperoleh, maka dilakukan pengecekan kembali hasil pengolahan data dengan pemahaman dari expert.
Hal ini dilakukan dengan wawancara dan acceptance hasil forecasting.
Pengujian terhadap algoritme sistem usulan dilakukan terhadap data 12 bulan (Oktober 2016 Ae September 2.
lalu hasil forecasting Gambar 2 Diagram pemetaan pengolahan data buffer stock
Sistem Informasi Buffer Stock Bahan Baku Kain Menggunakan Metode Forecasting TABEL I HASIL ANALISIS DAN METODA TERPILIH Nama Kain
Zamaica
Trendline nDOWN
MAPE
62,90%
Heavy Marzani nUP
43,80%
Josephine Stretch
22,10%
Suzana
Zibda
Manset
Chloe
Cathy Paris 66
Orkide
nDOWN
31,20%
34,80%
25,30%
30,70%
30,30%
43,80%
46,50%
Metode Terpilih SES = 0.
NON AVG
SES = 0.
NON AVG
DMA
MA3
WMA4
TABEL II
HASIL PERHITUNGAN AKURASI
Nama Kain Zamaica Heavy Marzani AKURASI Joseph Stretch Manset Paris 66 Chloe Suzana Cathy Orkide Zibda Rata-rata Gambar 3 Model sistem informasi usulan akan dibandingkan dengan bulan Oktober 2017.
Hal ini dilakukan untuk melihat pola yang terjadi.
Pemodelan dan forecasting ini menggunakan data seasonal yang sangat berguna untuk menunjukan tren data, seperti yang dilakukan oleh Havi dalam meramalkan inflation rate di Ghana yang menggunakan data dari 2012-2022 .
Dari hasil olah data forecasting dapat diketahui jumlah value forecasting yang dianggap masih dapat dipakai dalam perencanaan (TP) dan value forecasting yang dianggap tidak dapat dipakai dalam perencanaan (FP).
TN dan FN merupakan data yang tidak ditampilkan.
Setelah didapatkan nilai TP.
FP.
TN, dan FN dari masing-masing rekomendasi produk dan customer, maka dilakukan perhitungan akurasi .
yang ditunjukan pada Tabel II.
Dari hasil pengujian didapatkan bahwa dari kesepuluh jenis kain yang diujikan hanya terdapat 30% yang memenuhi kebutuhan, sementara 70% lainnya mengalami kekurangan 000 yard.
Hal ini menunjukan peningkatan akurasi buffer stock sebesar 99,94%, yaitu rata-rata sebelumnya sebesar 540,851.
72 yard sehingga kekurangan tersebut masih dapat ditolerir berdasarkan experience dari pihak PPIC tersendiri.
Diperoleh juga nilai akurasi dari perusahaan mencapai 82%.
Setelah melakukan semua analisis dan pengolahan data, maka dirancang sebuah model sistem usulan yang akan diimplementasikan pada sistem usulan.
Hal ini ditunjukan pada Gambar 3.
HASIL DAN PEMBAHASAN
Implementasi Berdasarkan analisis dan pemodelan sistem usulan, setelah pengolahan data serta analisis untuk data buffer stock, maka pada tahap selanjutnya dilakukan implementasi pada model sistem usulan.
Keseluruhan proses yang terdapat di dalam Sistem Informasi Buffer Stock Bahan Baku Kain Menggunakan Metode Forecasting sistem ditunjukkan dengan data flow diagram pada Gambar 4.
Rancangan sistem ini diimplementasikan pada sistem usulan untuk digunakan oleh user dari Divisi Sales dan PPIC dengan peranan pada proses bisnis yang berbeda-beda sesuai yang telah diilustrasikan pada DFD pada Gambar 4.
User interface rancangan sistem yang diusulkan untuk memudahkan dalam pengambilan data serta melakukan perhitungan dengan metode forecasting, ditampilkan pada Gambar 5 dan 6.
Form Insert Sales Blanket berfungsi untuk input data terkait perhitungan buffer stock.
Fungsi insert ini digunakan untuk data sales blanket dan pemakaian greige.
File input berupa excel dengan format yang baku sehingga dapat menghindari dari kesalahan input dari data yang besar ukurannya.
Gambar 6 merupakan hasil dari analisis pola data yang didapatkan setelah sistem melakukan perhitungan secara statistik sehingga didapati pola data.
Setelah pola data ditentukan, metode alternatif yang dapat digunakan sebagai pembanding ditampilkan juga.
Setelah melakukan pencocokan pola data dengan metode, sistem melakukan percobaan pengujian data buffer stock terhadap rumus dari metode yang sudah direkomendasikan.
Proses ini disertai dengan perhitungan error dari model yang Selanjutnya dilakukan verifikasi terhadap metode forecasting berdasarkan nilai error.
Perhitungan error dilakukan pada back-end sistem.
Kedua metode terpilih akan diujikan melalui verifikasi.
Jika metode pertama sudah memenuhi kriteria verifikasi, maka metode ke-2 tidak akan diujikan oleh sistem.
Namun, sebaliknya, jika metode pertama tidak valid, maka metode ke-2 akan diujikan.
Form Hasil Verifikasi ditunjukkan pada Gambar 7.
Setelah model peramalan terpilih, maka sistem otomatis melakukan perhitungan berdasarkan hasil forecasting buffer yang dilakukan.
Order yang masuk akan dikonversi lalu dijumlahkan dengan perkiraan buffer stock sehingga akan menjadi total procurement pada periode tersebut.
Gambar 8 menunjukan form jumlah perkiraan untuk procurement kain greige rutin.
Form Model Forecasting terpilih, dan perkiraan buffer periode selanjutnya.
Evaluasi Sistem Usulan Berdasarkan hasil wawancara terkait permasalahan yang dihadapi bagian PPIC terkait procurement untuk kain greige, maka hasil analisis permasalahan ditunjukan pada Tabel II, yaitu gap analysis terhadap sisi informasi dan metoda antara kondisi existing dan yang diinginkan perusahaan.
Oleh karena itu, diusulkan beberapa fitur atau fungsionalitas pada sistem usulan, seperti login, input data sales blanket dan pemakaian greige, lihat kategori, lihat pola data, serta report untuk kain rutin dan report untuk kinerja perencanaan.
Pengujian fungsionalitas sistem dilakukan berdasarkan penerimaan pengguna terhadap teknologi dari sistem usulan.
Acuan yang digunakan adalah the unified theory of acceptance and use of technology (UTAUT).
UTAUT adalah model penerimaan teknologi yang bertujuan untuk mendapatkan penerimaan pengguna untuk menggunakan sistem informasi dan perilaku penggunaan selanjutnya.
Teori ini menyatakan bahwa ada empat konstruksi kunci, yaitu: performance expectancy, effort expectancy, social influence, dan facilitating Performance expectancy adalah sejauh mana seorang individu percaya bahwa menggunakan sistem akan Gambar 4 DFD sistem informasi usulan Sistem Informasi Buffer Stock Bahan Baku Kain Menggunakan Metode Forecasting Gambar 7 Form hasil verifikasi Gambar 5 Form insert sales blanket dan data histori buffer stock Gambar 6 Analisis pola data membantu dia untuk mencapai keuntungan dalam meningkatkan kinerja.
Effort expectancy menggambarkan tingkat kemudahan terkait dengan penggunaan sistem.
Social influence mengukur seorang individu dalam merasakan pentingnya orang lain percaya harus menggunakan sistem baru.
Facilitating conditions mengukur seorang individu untuk percaya bahwa infrastruktur organisasi dan teknis adalah untuk mendukung penggunaan sistem.
Jenis kelamin, usia, pengalaman, dan kesukarelaan pengguna dapat diasumsikan untuk memoderasi dampak dari empat konstruksi kunci pada niat dan perilaku penggunaan.
Pengujian dengan metoda wawancara dilakukan dengan bagian PPIC yang langsung melakukan perencanaan untuk kain Jika dilihat dari segi performance expectancy, maka penggunaan sistem akan mempersingkat pekerjaan yang awalnya membutuhkan waktu untuk pengumpulan data, namun dengan sistem ini menjadi cukup terbantu untuk alur data.
Untuk melakukan perhitungan data buffer hanya perlu menekan satu tombol.
Di sisi lain, kriteria effort expectancy, pengguna menjawab untuk sistem baru tidak menjadi masalah, namun pihak pengguna sendiri akan lebih memilih sistem yang mudah dipakai dan dimengerti dalam penggunaannya.
Jadi, proses perencanaan tidak terhambat karena sistem baru.
Gambar 8 Form model forecasting terpilih untuk perkiraan periode Dalam pengujian dengan metoda wawancara ini, didapatkan performance expectancy berada pada level relative advantage.
Hal ini dikarenakan dari segi pengumpulan data dapat dilakukan secara integral dan cepat, namun dari segi kustomisasi terkadang pihak pengguna membutuhkan keleluasaan untuk melakukan kustomisasi dalam proses Dalam tingkatan konstruksi kunci pada performance expectancy didapatkan level relative advantage berada pada skala 4 dari 5.
Ini membuktikan bahwa dari segi membantu kinerja perusahaan masih kurang baik.
Hal ini karena sistem informasi dapat membantu, namun dari segi lainnya dapat menyulitkan untuk user yang sudah terbiasa menggunakan excel untuk melakukan banyak kustomisasi.
Pada effort expectancy berada pada level perceived ease of use karena dengan melihat user interface saja pengguna sudah dapat memahami pemanfaatan sistem dengan cukup cepat.
Pada kriteria effort expectancy didapatkan level perceived ease of use berada pada skala 1 dari 3.
Ini membuktikan bahwa user interface yang diajukan mudah dimengerti hanya dalam hitungan menit bagi pengguna untuk mempelajari sistem baru.
Sistem Informasi Buffer Stock Bahan Baku Kain Menggunakan Metode Forecasting IV.
SIMPULAN
Pada penelitian ini berhasil dirancang dan dikembangkan Sistem Informasi Peramalan Buffer Stock Procurement Kain Greige dengan studi kasus Divisi PPIC di PT XYZ.
Setelah melakukan uji terhadap 7 metode yang terpilih, maka dipilih metode peramalan yang memiliki nilai MAPE terkecil.
Dari uji Durbin Watson, maka didapatkan hanya 4 metode untuk kesepuluh jenis kain rutin yang memiliki nilai akurasi yang baik, yaitu single moving average, weighted moving average, single exponential smoothing, dan double moving average.
Dibandingkan dengan penelitian sebelumnya yang hanya menggunakan beberapa metode peramalan .
, penelitian ini lebih diperkaya dalam pengujian untuk analisis demand forecasting produk.
Walaupun identifikasi pola data sementara menunjukan adanya trendline naik dan turun terhadap kesepuluh kain greige rutin, namun metode yang terpilih berbedaAebeda untuk setiap jenis kain.
Hal ini membuktikan bahwa terjadi fluktuasi data yang berbeda-beda dan terlihat pula dari trendline dengan kemiringan yang Hal inilah yang menyebabkan nilai error yang dihasilkan berbeda, meskipun menggunakan metode yang sama.
Dapat disimpulkan bahwa sistem usulan mampu melakukan analisis demand forecasting kain greige dengan beragam metode forecasting serta memiliki fitur analisis pola data yang akan sangat membantu dalam proses bisnis perencanaan produksi di perusahaan.
Setelah melakukan pengujian metoda terpilih terhadap data 12 bulan serta data aktual bulan Oktober 2017, didapatkan bahwa hanya 30% dari permintaan yang dapat memenuhi kebutuhan pada bulan Oktober dan 70% hasil lainnya mengalami kekurangan.
Namun, seluruh kekurangan masih dapat ditoleransi sesuai dengan experience dari expert bagian perencanaan produksi.
Dari hasil pengujian sistem usulan menggunakan metode UTAUT dengan menggunakan metode wawancara, didapatkan bahwa sistem usulan mudah digunakan dan membantu dalam proses procurement buffer stock yang dilakukan menjadi datadriven sehingga tidak bergantung pada expert saja.
DAFTAR REFERENSI
Pusdatin Kemenperin, "Analisis Perkembangan Industri Indonesia Edisi I," Kementrian Perindustrian RI.
Jakarta, 2020.
Fiarni.
Yonata, dan B.
Soefian, "Production scheduling heuristics to minimize makespan and tardiness of Indonesian small medium business (SMB.
," dalam International Conference on Electrical Engineering.
Computer Science and Informatics (EECSI).
DOI:
https://doi.
org/10.
1109/EECSI59885.
Kusumawardhani.
Affandi, dan L.
Riani, "Analisis forecasting demand dengan metode linear exponential smoothing .
tudi kasus: Batik Fendy.
Klate.
," Jurnal Ekonomi dan Pendidikan, vol.
16, no.
2, hlm.
81-89, 2019.
DOI:
https://doi.
org/10.
21831/jep.
Fiarni.
Yonata, dan B.
Soefian, "Perancangan sistem rekomendasi untuk menentukan supplier bahan baku menggunakan metode TOPSIS .
tudi kasus: PT XYZ)," Jurnal Telematika, vol.
10, no.
2, hlm.
55-60, 2015.
DOI:
https://doi.
org/10.
61769/telematika.
Gunawan.
Fiarni, dan W.
William, "Implementasi metode ABC-cycle counting pada sistem rekomendasi physical inventory perusahaan retail," dalam Prosiding Sisfotek, 2018.
Sari.
Oklilas, dan I.
Saladin, "Implementasi metode minmax stock pada sistem informasi persediaan berbasis android," Jurnal Nasional Teknologi dan Sistem Informasi, vol.
8, no.
17-24,
DOI:
https://doi.
org/10.
25077/TEKNOSI.
Hayuningtyas, "Peramalan persediaan barang menggunakan metode weighted moving average dan metode double exponential smoothing," Pilar Nusa Mandiri, vol.
13, no.
2, hlm.
217-222, 2017.
Tetlock dan D.
Gardner.
Superforecasting: The Art and Science of Prediction.
New York: Broadway Books, 2015.
Sutopo.
Bahagia.
Cakravastia, dan A.
Samadhi, "A buffer stocks model for stabilizing price of staple food with considering the expectation of non speculative wholesaler," dalam The World Congress on Engineering.
London, 2020.
Fiarni.
Kurniawan, dan F.
Mulyono, "Perancangan integrated demand forecast untuk manajemen informasi sistem pelayanan kegawatdaruratan," Jurnal Telematika, vol.
16, no.
10-17,
DOI:
https://doi.
org/10.
61769/telematika.
Makridakis.
Metode dan Aplikasi Peramalan.
Jakarta:
Erlangga, 2000.
Heizer dan B.
Render.
Operation Management.
Jakarta:
Selemba Empat, 2014.
Hasibuan.
Siregar.
Isa.
Warman.
Finata, dan Mursalin, "The use of regression method on simple e for estimating electrical energy consumption," HighTech and Innovation Journal, vol.
3, no.
3, hlm.
306-318, 2022.
DOI:
https://doi.
org/10.
28991/HIJ-SP2022-03-06
Havi, "Forecasting inflation rate in Ghana using seasonal autoregressive integrated moving average model with monthly consumer price index, 2012-2022," European Scientific Journal (ESJ), vol.
19, no.
25, hlm.
1-17, 2023.
DOI:
https://doi.
org/10.
19044/esj.
Powers.
Evaluation: From Precision.
Recall and FFactor to ROC.
Informedness.
Markedness & Correlation.
Adelaide,: Flinders University, 2017.
Cut Fiarni, menerima gelar Sarjana Teknik dari Departemen Fisika FMIPA Institut Teknologi Bandung (ITB) tahun 2003 dan gelar Magister Teknik dari Sekolah Tinggi Teknologi Informasi ITB pada Saat ini menjabat sebagai dosen tetap di Departemen Sistem Informasi ITHB.
Evasaria M.
Sipayung, menerima Sarjana Teknik dari Sekolah Tinggi Teknologi Telkom jurusan Teknik Informatika tahun 2003 dan gelar Magister Teknik dari ITB jurusan Teknik Elektro bidang Teknologi Informasi pada tahun 2007.
Saat ini aktif sebagai dosen tetap di Prodi Informatika Universitas Bunda Mulia Serpong.
Christian Joy Samuel Tanadi, lahir pada tanggal 19 Januari 1996 di Bandung.
Jawa Barat.
Menerima gelar Sarjana Komputer dari Departemen Sistem Informasi.
ITHB pada tahun 2018.