Claim Missing Document
Check
Articles

Sistem Peramalan Persediaan Sparepart Menggunakan Metode Weight Moving Average dan Reorder Point Cindy Ameilia Suhendra; Marsani Asfi; Widya Jati Lestari; Ilwan Syafrinal
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 20 No. 2 (2021)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v20i2.1052

Abstract

SM Teknik menjual sparepart sepeda motor, perkakas teknik, perkayuan serta jasa perbaikan mesin pertukangan dan mesin bubut corer. SM Teknik mengalami kesulitan dalam mempredikasi jumlah persediaan sparepart untuk pengadaan kembali. Data historis penjualan SM Teknik selama ini masih terdata dengan pencatatan manual. Oleh karena itu perlu dikembangkan suatu sistem berbasis komputer. Pengembangan sistem berbasis komputer menggunakan metode waterfall dengan tahapan analisis sistem, desain sistem, implementasi sistem dan pengujian sistem. Sistem dibangun dengan bahasa pemrograman PHP dengan DBMS mySQL. Metode peramalan menggunakan metode weighted moving average (WMA) untuk prediksi jumlah stok sparepart yang harus dibeli untuk periode selanjutnya. Penentuan batas aman persediaan menggunakan metode Reorder Point (ROP). Data historis dalam penelitian ini adalah data aktual penjualan sparepart dari bulan Januari sampai dengan Desember 2018. Hasil peramalan sparepart untuk produk KLEP SET HGLPRO NEOTECH untuk bulan Januari 2019 adalah sebanyak 24. Sedangakan untuk validasi hasil peramalan diperoleh nilai Mean Absolute Deviation sebesar 4.11 dan nilai tracking signal -0.81 artinya nilai data aktual permintaan lebih kecil dari nilai hasil peramalan, ditunjukkan dengan nilai negatif. Sehingga disimpulkan bahwa sistem peramalan ini telah teruji dengan data dan diperoleh nilai ramalan yang baik.
Enhancing Air Traffic Forecasting Accuracy at Hang Nadim Airport Using ARIMA-Neural Network Masparudin Masparudin; Abdullah Abdullah; Raymond Erz Saragih; Yonky Pernando; Ilwan Syafrinal
Sistemasi: Jurnal Sistem Informasi Vol 15, No 4 (2026): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v15i4.6265

Abstract

Passenger traffic fluctuations at Hang Nadim International Airport exhibit extreme volatility influenced by the unique characteristics of the Free Trade Zone (FTZ). Single statistical methods often fail to capture non-linear patterns in this high-variability data. Therefore, this study proposes a Hybrid ARIMA-Neural Network model to enhance forecasting accuracy. The primary variable used is the total monthly passenger volume (arrivals and departures). The research stages began with data preprocessing (80:20 train-test ratio), linear component modeling using ARIMA, residual extraction, and non-linear component modeling using Multi-Layer Perceptron (MLP) to correct residual errors on a one-step-ahead basis. Evaluation results show that the standalone ARIMA model is slow to anticipate extreme surges, resulting in a Mean Absolute Percentage Error (MAPE) of 23.75%. The hybrid model integration proved successful in compensating for these weaknesses, reducing the MAPE value to 12.51%. This achievement represents a 47.33% error reduction from the baseline. In terms of novelty, this hybrid approach provides a highly reliable computational solution for airport management with dual characteristics (tourism and industry) in mitigating uncertainty in capacity planning.