Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Teknik ITS Jurnal Sains dan Seni ITS IPTEK Journal of Proceedings Series IPTEK The Journal for Technology and Science PROZIMA (Productivity, Optimization and Manufacturing System Engineering)
Budi Santosa
Departemen Teknik Sistem Dan Industri Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities Computer Science & IT Engineering Industrial & Manufacturing Engineering

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Analisis Kinerja Peramalan dan Klasifikasi Permintaan Auto Parts Berbasis Data Mining Defa Ihsan Ramadhan; Budi Santosa
Jurnal Teknik ITS Vol 9, No 2 (2020)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v9i2.54168

Abstract

Kontribusi after sales service yang besar terhadap profit dan pertumbuhan bisnis menyebabkan spare part management menjadi faktor yang penting untuk bersaing di pasar. Termasuk bagi PT. X, produsen mobil penumpang dengan market share terbesar secara global di tahun 2019. Berbagai upaya spare part management telah dilakukan PT. X untuk memenuhi kebutuhan part domestik maupun ekspor. Salah satu upayanya adalah melakukan perencanaan produksi bulanan (Getsudo), termasuk peramalan permintaan spare part setiap bulannya, akan tetapi, metode peramalan Moving Average, yang saat ini digunakan untuk semua spare part di PT. X, kurang efektif pada beberapa pola permintaan spare part yang variasinya tinggi. Penyimpangan pada hasil peramalan berdampak pada lead time back order dan biaya material handling yang semakin besar. Berdasarkan hal tersebut, maka PT. X memerlukan perbaikan terhadap sistem peramalan spare part-nya. Penelitian ini memiliki dua tujuan utama. Tujuan pertama adalah mengusulkan metode klasifikasi spare part berdasarkan pola permintaannya sebelum diramalkan. Tujuan kedua adalah menentukan metode peramalan yang paling sesuai untuk masing-masing kelompok spare part dengan cara membandingkan empat metode peramalan, yaitu: Croston, Modifikasi Croston, SVR, dan ANN. Seluruh metode peramalan dibandingkan berdasarkan parameter forecasting error dan robustness. Hasil penelitian ini menunjukkan bahwa metode SVR memiliki kinerja yang lebih unggul dari metode lainnya di tahap training maupun testing. Selain itu, ketika diimplementasikan untuk peramalan multi-periode, metode SVR juga lebih unggul dan dapat memperbaiki kesalahan peramalan sebesar 19% dari metode peramalan yang saat ini digunakan oleh PT. X.
Optimization of LPG Distribution Route Using Variable Neighborhood Tabu Search Algorithm Jasmine Athifa Azzahra; Budi Santosa
Jurnal Teknik ITS Vol 10, No 2 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i2.76792

Abstract

PT. Galaxi Energi Pratama (GEP) is one of the biggest distributors of subsidized LPG in Malang Raya area. Currently the route planning is not done very well, which results in a high fuel cost. With the company's main business process being distribution, the planning needs to be improved to maximize the profit. The problem in PT. GEP is classified as the Heterogeneous Vehicle Routing Problem with Multiple Trips (HVRPM). This problem is classified as NP-Hard and requires high computational effort to obtain a good solution so metaheuristic method is preferred. In this research, variable neighborhood tabu search (VNTS) algorithm is developed to solve the HVRPM and implemented to minimize the fuel cost of PT. GEP. The developed algorithm is implemented in the six instances collected from the case study. The generated trips produce a total savings of Rp 150,876 for one operational week, or roughly 18% of the initial cost. The computation time of the algorithm is evaluated by comparing with Simulated Annealing using a problem with the same size. VNTS has a lower average time and is expected to perform competitively when a standardized dataset is used for comparison. The solution quality of the algorithm is then compared with branch-and-bound method. VNTS is able to find one global optimal solution out of the six instances and overall, it performs better than branch-and-bound.
Optimasi Multiple Can-Order Level Pada Can-Order Policy Menggunakan Algoritma Simulated Annealing (Studi Kasus: Spare Part Inventory PT X) Faldy Maulana Yuantoro; Budi Santosa
Jurnal Teknik ITS Vol 7, No 1 (2018)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (98.652 KB) | DOI: 10.12962/j23373539.v7i1.28967

Abstract

Persediaan merupakan stok dari barang-barang yang disimpan dan akan digunakan di masa yang akan datang. Salah satu permasalahan yang terjadi adalah apabila permintaan pada suatu item tergolong permintaan yang intermittent. Kebijakan persediaan pada jenis permintaan tersebut sulit untuk ditentukan karena pola pemintaan yang tidak pasti sehingga tingkat kesalahan prediksinya besar. Permasalahan jenis permintaan tersebut muncul pada kebutuhan spare part di PT X yang merupakan perusahaan peleburan aluminium. Untuk mengatasinya, model kebijakan can order policy menggunakan multiple can-order level (si, cij, Sij) dapat menyelesaikan permasalahan dengan joint replenishment untuk mengkoordinasikan pesanan antar item. Model tersebut diketahui merupakan integer non-linear programming (INLP) yang dapat digolongkan ke dalam permasalahan NP-Hard. Pendekatan metaheuristik yaitu simulated annealing akan digunakan untuk mendapatkan solusi yang memuaskan dengan waktu penyelesaian yang cepat. Metode Global Criterion juga akan digunakan untuk mendapatkan fungsi multi objective, yaitu meminimasi total biaya persediaan dan meminimasi jumlah carrier supplier. Berdasarkan eksperimen dengan 3 supplier dam 157 item didapatkan hasil yang lebih baik dari kebijakan persediaan di PT X dengan adanya penghematan dari kondisi eksisting yang diterapkan perusahaan sebesar 2,6% pada jumlah carrier dan penghematan biaya sebesar 14,43% atau sebesar $81.570,79 (Rp 1.060.420.270).
Analisis Kualitas Bahan Baku Tebu Melalui Teknik Pengklasteran dan Klasifikasi Kadar Gula Sebelum Giling (Studi Kasus Pabrik Gula PT. XYZ) Merisa Khristanti Febriana Hanka; Budi Santosa
Jurnal Teknik ITS Vol 10, No 2 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i2.64924

Abstract

Sub sektor Perkebunan berkontribusi sebesar 3,27% terhadap Produk Domestik Bruto (PDB) sebagai urutan pertama di sektor pertanian pada tahun 2019. Tebu merupakan salah satu komoditi perkebunan yang mempunyai peran strategis dalam perekonomian di Indonesia. Salah satu Pabrik Gula (PG) milik PT. XYZ yang berlokasi di Jawa Timur memiliki mitra lebih dari 2000 petani tebu. Analisis mutu BBT PT. XYZ berdasarkan kriteria uji visual masih membuat adanya kemungkinan terjadi bias atau penyimpangan yang dilakukan terhadap analisis kadar gula. Menganalisis mutu BBT berdasarkan uji kadar gula diperlukan untuk mengetahui bagaimana klasifikasi dari kualitas BBT yang dikirim oleh mitra petani tebu sebelum masuk ke proses giling. Sistem ini dapat digunakan sebagai evaluasi kinerja petani tebu untuk dapat meningkatkan kualitas BBT serta keuntungan dalam bentuk bagi hasil antara petani tebu dan perusahaan. Penentuan mutu gula BBT bisa diatasi dengan pendekaan data mining yaitu teknik pengklasteran Hierarchical K-Means Clustering berdasarkan atribut kadar gula selama 116 hari giling pada tahun 2020. Hasil dari penelitian ini, atribut kualitas kadar gula terdiri dari rendemen sementara, pct brix, dan pct pol. Mutu dari kriteria visual tidak memiliki korelasi dengan atribut gula dan membuktikan tidak ditemukan bias antara mutu dari uji visual BBT dengan atribut kadar gula pada PT. XYZ. Jumlah klaster yang digunakan adalah empat klaster. Mutu A merupakan mutu terbaik karena memiliki nilai rata-rata dan range data tertinggi untuk setiap atribut kadar gula, kemudian mutu B, C, dan D. Urutan metode prediksi terbaik yang diuji yaitu, SVM Polinomial, SVM RBF, dan KNN. Performansi SVM lebih baik dibandingkan KNN jika terdapat set data yang kompleks dan berukuran besar dari atribut atau fitur prediktornya. Jenis kernel pada SVM mempengaruhi hasil akurasi, kernel membuat atribut atau fitur data asli dapat diproyeksikan ke dimensi yang lebih tinggi sehingga data tersebut dapat diklasifikasi dengan baik.
Penerapan Text Mining untuk Melakukan Clustering Data Tweet Shopee Indonesia Dwi Smaradahana Indraloka; Budi Santosa
Jurnal Sains dan Seni ITS Vol 6, No 2 (2017)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (267.632 KB) | DOI: 10.12962/j23373520.v6i2.24419

Abstract

Pelaku bisnis dapat memanfaatkan followers akun Twitter mereka sebagai sarana untuk melakukan advertising. Sebanyak 37,5% pengguna Twitter, menemukan pelaku bisnis baru dikarenakan membaca retweet dari tweet yang dibuat oleh pelaku bisnis tersebut. Dengan mengetahui jenis konten tweet yang banyak dilakukan retweet oleh followers-nya, pelaku bisnis dapat menggunakan jenis konten tweet tersebut sebagai sarana untuk melakukan advertising kepada pengguna Twitter. Dalam penelitian ini, dilakukan penerapan Text Mining untuk melakukan clustering dengan metode K-means pada data tweet Shopee Indonesia untuk mengetahui jenis konten tweet yang banyak dilakukan retweet oleh followers Shopee Indonesia. Hasil yang didapat adalah jenis konten pada klaster yang memiliki jumlah retweet yang tinggi diantaranya tentang kuis berhadiah (klaster 4, klaster 20, dan klaster 28), ulang tahun Shopee Indonesia (klaster 11), dan hobi, kuis, dan lifestyle (klaster 7), sehingga Shopee Indonesia dapat menggunakan jenis konten tweet tersebut sebagai sarana untuk melakukan advertising kepada pengguna Twitter.
Analysis Implementation of The Project Management Tools and Techniques PT. XYZ in Indonesia Maulana Mufti Muhamamd; Budi Santosa
IPTEK Journal of Proceedings Series No 5 (2019): The 1st International Conference on Business and Management of Technology (IConBMT)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (407.787 KB) | DOI: 10.12962/j23546026.y2019i5.6413

Abstract

The level of business competition of an organization at this time is increasingly high. This is caused by economic factors and the presence of new competitors. Many organizations do not have the ability to deal with these conditions. Management of innovation and improvement that is limited by time, cost and quality are referred to as project management. Many methods, techniques, and tools have been developed, covering all aspects of project management from start to finish. If project management practices are implemented correctly, it allows for increased efficiency and productivity. In this study, how project management is implemented by evaluating the use of project management tools and effectiveness in supporting projects that run in the organization of PT. XYZ. This is done by distributing questionnaires to 30 respondents involved in the project that was carried out in 2018 to the present. The analytical method used is descriptive analysis and inferencing using SPSS used to determine the use of tools and project management techniques. Results in this study project management tools and techniques most often used by PT XYZ are progress reports, activity lists, and project charter. From the position positional factors and managed project costs factors are have significant value that affects the use of project management tools and techniques at PT XYZ in Indonesia
Feature Selection with Support Vector Machines Applied on Tornado Detection Budi Santosa
IPTEK The Journal for Technology and Science Vol 18, No 1 (2007)
Publisher : IPTEK, LPPM, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j20882033.v18i1.178

Abstract

In this paper, a linear programming support vector machine which is based on L1-norm is applied to do feature selection in the tornado data set. The data is the ouputs of Weather Surveillance Radar 1998 Doppler (WSR-88D). The approach is evaluated based on the indices of probability of detection, false alarm rate, bias and Heidke skill. Tornado circulation attributes/variables derived largely from the National Severe Storms Laboratory Mesocyclone Detection Algorithm (MDA) have been investigated for their efficacy in distinguishing between mesocyclones that become tornadic from those which do not.
Development of Particle Swarm Optimization and Simulated Annealing Algorithms to Solve Vehicle Routing Problems with Drones Hasan Aji Prawira; Budi Santosa
PROZIMA (Productivity, Optimization and Manufacturing System Engineering) Vol 5 No 1 (2021): Juni
Publisher : Universitas Muhammadiyah Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21070/prozima.v5i1.1398

Abstract

Vehicle Routing Problem with Drone (VRPD) is a problem of determining the number of routes for delivery of goods from the depot to a number of customers using trucks and drones. Drones are an alternative delivery tool besides trucks, each truck can be equipped with a support drone. Drones can be used to make a delivery while the truck is making others. By combining a truck and a drone, the truck can act as a tool for drone launch and landing so that the drones can reach long distances from the depot. The purpose of this problem is to minimize the cost of sending goods by trucks and drones. In this study, the Particle Swarm Optimization (PSO) and the Simulated Annealing (SA) are proposed to solve these problems. The Route Drone algorithm are used to help change the structure of the PSO and SA solutions into a VRPD solution. The proposed algorithm has been applied to 24 different scenarios ranging from 6 customers to 100 customers. The PSO and SA algorithms are able to find solutions that are close to optimal. The SA is able to find a better solution than the PSO.
Co-Authors Defa Ihsan Ramadhan Dwi Smaradahana Indraloka Faldy Maulana Yuantoro Hasan Aji Prawira Jasmine Athifa Azzahra Maulana Mufti Muhamamd Merisa Khristanti Febriana Hanka