Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah FIFO Technologia: Jurnal Ilmiah E-Jurnal SPIRIT PRO PATRIA
Alexander Machicky Mayestino
Universitas Narotama
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Health Professions Law, Crime, Criminology & Criminal Justice

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PERANCANGAN SISTEM INFORMASI BERBASIS ERP (ENTERPRISE RESOURCE PLANNING) PADA STUDI KASUS MOU COFFEE M Farel Akbar Rakha Raharjo; Alexander Machicky Mayestino
Technologia : Jurnal Ilmiah Vol 14, No 2 (2023): Technologia (April)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v14i2.10522

Abstract

Ketimpangan proses bisnis antara perusahaan yang menggunakan ICT (Information and Communication Technologies ) dengan perusahan yang tidak menggunakannya, dapat berdampak pada efektifitas dan efisiensi proses bisnisnya. Menurut Badan Pusat Statistika (BPS) pada tahun 2019 di Indonesia ada  65.465.497 unit usaha berskala mikro kecil dan menengah. MOU Coffee  adalah Usaha Mikro Kecil dan Menengah (UMKM) di bidang makanan dan minuman yang masih menggunakan cara tradisional (manual) dalam pencatatan dan pembukuan, serta pengarsipan. Arsip–arsip seperti dokumen, nota pembelian atau pembayaran yang tidak tertata rapi seringkali menjadi sumber masalah dalam koordinasi proses bisnis  perusahaan. Solusi yang dibuat dalam penelitian ini adalah untuk merancang sistem informasi yang berbasis ERP, karena ERP dapat mengotomasi dan mengintegrasikan antar proses bisnis perusahaan.
Implementasi Model Neural Network untuk Prediksi Maintenance Mesin Berdasarkan Parameter Operasional pada Era Industri 4.0 Septian Ade Putra; Alexander Machicky Mayestino; Andi Muhammad Muhsin
Jurnal Ilmiah FIFO Vol. 18 No. 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2026.v18i1.007

Abstract

Penelitian ini bertujuan untuk mengembangkan model Neural Network untuk memprediksi kegagalan mesin berdasarkan parameter operasional. Pemeliharaan prediktif telah menjadi penting dalam meningkatkan kinerja dan keandalan mesin dengan memprediksi potensi kegagalan dan memungkinkan tindakan pemeliharaan preventif. Studi ini menggunakan berbagai teknik preprocessing, termasuk pengkodean data kategorikal, normalisasi, dan oversampling acak, untuk meningkatkan kualitas data dan kinerja model. Model Neural Network, yang terdiri dari beberapa lapisan tersembunyi dengan fungsi aktivasi ReLU dan lapisan output sigmoid, dilatih menggunakan algoritma optimisasi Adam dan fungsi loss binary cross-entropy. Hyperparameter seperti jumlah epoch, learning rate, batch size, dan dropout rate dioptimalkan untuk meningkatkan kinerja model. Model ini mencapai akurasi tinggi sebesar 97,8%, precision sebesar 96,9%, recall sebesar 97,8%, dan F1-score sebesar 97,3%, menunjukkan kemampuannya untuk mengenali pola kompleks dalam data operasional mesin. Analisis komparatif dengan model lain seperti k-Nearest Neighbor (k-NN), Logistic Regression, dan Support Vector Machine (SVM) menunjukkan bahwa Neural Network memiliki kinerja yang unggul. Selain itu, teknik Ensemble Learning yang menggabungkan SVM dan Logistic Regression sebagai base learners dan Neural Network sebagai meta-learner, menunjukkan peningkatan akurasi prediksi. Metrik evaluasi seperti presisi, recall, dan F1-score memberikan penilaian komprehensif tentang kinerja model. Analisis confusion matrix mengungkapkan area yang memerlukan perbaikan dalam menangani kelas minoritas. Secara keseluruhan, studi ini menyimpulkan bahwa Neural Network sangat efektif untuk aplikasi pemeliharaan prediktif, memberikan prediksi yang akurat dan andal yang meningkatkan efisiensi operasional dan mengurangi biaya pemeliharaan. Penelitian di masa depan akan fokus pada peningkatan kinerja model untuk kelas minoritas dan validasi model pada kondisi operasional yang lebih beragam.
OPTIMIZING DELIVERY BALANCE IN MOTORCYCLE RIM DISTRIBUTION USING ODOO ERP: A CASE STUDY OF TWO-STEP WORKFLOW AND PULL/PUSH RULES AT CV. MORO DADI MAKMUR Alexander Machicky Mayestino
E-Jurnal SPIRIT PRO PATRIA Vol 11 No 2: September 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat / Narotama University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29138/spirit.v11i2.3551

Abstract

This research explores the implementation of Odoo Enterprise Resource Planning (ERP) concepts to achieve effective balance control in motorcycle wheel rim (velg) deliveries at CV. Moro Dadi, an Indonesian Small and Medium Enterprise (SME) specializing in the distribution and supply of motorcycle components. The study emphasizes a two-step process involving the creation and execution of Manufacturing Orders (MOs) for semi-finished goods (quality inspection and preparation) and finished goods (final packaging and delivery), combined with the strategic configuration of Routes and Pull/Push Rules to optimize inventory flow, prevent stock imbalances (overstock or stockouts), and streamline the supply chain. A mixed-methods sequential explanatory design was employed within a single-case descriptive study framework. Quantitative data were derived from Odoo transaction logs and reports (delivery accuracy, balance ratios, error rates over 12 months), while qualitative insights came from semi-structured interviews, on-site observations, and document analysis with key stakeholders (production managers, warehouse staff, and ERP administrators). The implementation resulted in substantial operational improvements: the delivery balance ratio increased by approximately 12% (from 1.18 to 1.32), transaction and delivery discrepancies decreased by 82% through automation of transfer rules and real-time stock visibility, and overall, on-time delivery performance showed marked enhancement, particularly during peak demand periods. These gains stem from granular control enabled by the two-step workflow, automated replenishment triggers via Pull Rules, and optimized warehouse routing that directs rims through inspection, storage, picking, and shipping zones with minimal manual intervention. This study contributes to the body of knowledge on applied ERP adoption in resource constrained SMEs by demonstrating how open source Odoo can be tailored to address industry specific challenges in automotive component distribution namely maintaining balanced inventory and reliable delivery schedules. The proposed framework offers a replicable, cost effective model for similar SMEs in the motorcycle aftermarket sector to achieve greater supply chain agility, transparency, and competitiveness in Indonesia's growing two-wheeler market.
Co-Authors Andi Muhammad Muhsin M Farel Akbar Rakha Raharjo Septian Ade Putra