Claim Missing Document
Check
Articles

Found 12 Documents
Search

OPTIMALISASI DISTRIBUSI MULTI-WAREHOUSE MELALUI INTEGRASI REINFORCEMENT LEARNING DAN BIG DATA BERBASIS SIMULASI MONTE CARLO Prayitno, Edy
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.9035

Abstract

Multi-warehouse distribution faces persistent challenges such as stock imbalance, inefficient routing, and demand uncertainty that are difficult to address using conventional methods. This study develops an adaptive optimization model that integrates Reinforcement Learning, Big Data analytics, and Monte Carlo simulation to overcome these limitations. A simulation-based experimental design is employed using synthetic data representing a network of 10 warehouses, 200 customers, and stochastic demand patterns. A Deep Q-Network model is constructed to generate adaptive distribution policies, while Spark Streaming is used to simulate real-time demand updates. Evaluation across 1,000 Monte Carlo scenarios shows that the model maintains high distribution efficiency, improves demand prediction accuracy, and achieves more stable on-time delivery compared to static routing approaches. These findings demonstrate that integrating RL, Big Data, and stochastic simulation enhances system resilience under dynamic operational conditions. Theoretically, the study contributes to logistics and RL research by emphasizing the importance of Big-Data-driven state representation and probabilistic validation. Practically, the model offers potential for adoption by logistics companies seeking to improve cost efficiency, service quality, and operational adaptability. Overall, the study highlights the effectiveness of combining RL, Big Data, and Monte Carlo simulation as a computational approach for optimizing multi-warehouse distribution systems.
Perancangan Ulang User Interface Sistem Informasi Akademik dengan Metode Design Thinking Edy Prayitno; Prayitno, Edy; Suprawoto, Totok; Perdana, Ivan Jaka
Jurnal Informatika Komputer, Bisnis dan Manajemen Vol 22 No 2 (2024): Mei 2024
Publisher : LPPM STMIK El Rahma Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61805/fahma.v22i2.132

Abstract

Sistem informasi akademik memainkan peran penting dalam mendukung aktivitas pendidikan di perguruan tinggi. Namun, banyak sistem yang ada saat ini menghadapi masalah antarmuka pengguna (user interface) yang tidak intuitif, yang menyebabkan kesulitan navigasi dan ketidakpuasan pengguna. Penelitian ini bertujuan untuk merancang ulang antarmuka pengguna sistem informasi akademik menggunakan metode Design Thinking, yang berfokus pada pendekatan berpusat pada pengguna.Proses penelitian melibatkan lima tahap utama: empati, definisi, ideasi, prototipe, dan pengujian. Tahap empati dilakukan dengan mengumpulkan data dari 150 pengguna sistem untuk memahami kebutuhan dan permasalahan mereka. Selanjutnya, permasalahan didefinisikan dan solusi inovatif dihasilkan melalui sesi brainstorming pada tahap ideasi. Prototipe antarmuka baru kemudian dikembangkan dan diuji oleh pengguna untuk mendapatkan umpan balik. Hasil penelitian menunjukkan peningkatan signifikan dalam kepuasan dan efisiensi pengguna. Desain baru berhasil meningkatkan kemudahan navigasi, estetika, dan kinerja sistem. Dengan rata-rata kepuasan pengguna meningkat sebesar 50%, penelitian ini membuktikan bahwa Design Thinking adalah pendekatan yang efektif untuk menciptakan solusi desain antarmuka yang lebih baik dan relevan. Temuan ini memberikan panduan praktis bagi institusi pendidikan dalam meningkatkan sistem informasi akademik mereka.