Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal Industrial Servicess

IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION PADA KALIBRASI MODELEXPONENTIAL SMOOTHINGDALAM MENINGKATKAN AKURASI FORECASTING PENJUALAN PRODUK Falani, Ilham; Hunusalela, Zeny Fatimah
Journal Industrial Servicess Vol 3, No 1c (2017): Oktober 2017
Publisher : Fakultas Teknik Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36055/jiss.v3i1c.3063

Abstract

Forecasting memberikan gambaran kondisi penjualan pada waktu yang akan datang. Informasitersebut sangat dibutuhkan oleh perusahaan manufaktur dalam membuat sebuah kebijakan. Kebijakan perusahaan sangat dipengaruhi oleh besarnya penjualan produk perusahaan tersebut.Akurasi forecasting untuk beberapa jenis industri sangat bernilai. Kemampuan untuk memperbaiki tingkat akurasi dapat menambah penjualan atau mengurangi biaya inventori dalam jumlah yang besar.Para pengusaha yang bergerak di bidang manufaktur perlu memiliki strategi dalam melakukan forecasting penjualan produknya. Salah satu strategi yang dapat digunakan adalah dengan menggunakan model Exponential Smoothing. Pada model Exponential Smoothing diperlukan nilai parameter stokastik yang harus ditentukan terlebih dahulu melalui kalibrasi. Algoritma Particle Swarm Optimization merupakan salah satu metode iteratif yang dapat digunakan dalam menentukan parameter stokastik . Adapun tahapan alur penelitian yang dilakukan adalah Pertama, Melakukan studi pustaka mengenai forecasting, model Exponential Smoothing,dan algoritma Particle Swarm Optimization. Kedua, Mengimplementasikanalgoritma Particle Swarm Optimization pada model Exponential Smoothing. Ketiga, Menggunakan parameter yang merupakan hasil implementasi untuk forecasting penjualan produk menggunakan model Exponential Smoothing. Hasil kalibrasi yang diperoleh melalui implementasi algoritma Particle Swarm Optimization diharapkan dapat digunakan dalam model Exponential Smoothing untuk forecasting penjualan produk menjadi lebih akurat, sehingga membantu perusahaan dalam menentukan kebijakan terkait penjualan ke depannya.Selain itu hasil implementasi ini diharapkan dapat berkontribusi sebagai referensi pengayaan bahan ajar bagi peneliti selanjutnya dalam upaya meningkatan akurasi model forecasting.
IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION PADA KALIBRASI MODEL EXPONENTIAL SMOOTHING DALAM MENINGKATKAN AKURASI FORECASTING PENJUALAN PRODUK Falani, Ilham; Hunusalela, Zeny Fatimah
Journal Industrial Servicess Vol 3, No 1c (2017): Oktober 2017
Publisher : Fakultas Teknik Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36055/jiss.v3i1c.2894

Abstract

Forecasting memberikan gambaran kondisi penjualan pada waktu yang akan datang. Informasitersebut sangat dibutuhkan oleh perusahaan manufaktur dalam membuat sebuah kebijakan. Kebijakan perusahaan sangat dipengaruhi oleh besarnya penjualan produk perusahaan tersebut.Akurasi forecasting untuk beberapa jenis industri sangat bernilai. Kemampuan untuk memperbaiki tingkat akurasi dapat menambah penjualan atau mengurangi biaya inventori dalam jumlah yang besar.Para pengusaha yang bergerak di bidang manufaktur perlu memiliki strategi dalam melakukan forecasting penjualan produknya. Salah satu strategi yang dapat digunakan adalah dengan menggunakan model Exponential Smoothing. Pada model Exponential Smoothing diperlukan nilai parameter stokastik yang harus ditentukan terlebih dahulu melalui kalibrasi. Algoritma Particle Swarm Optimization merupakan salah satu metode iteratif yang dapat digunakan dalam menentukan parameter stokastik. Adapun tahapan alur penelitian yang dilakukan adalah Pertama, Melakukan studi pustaka mengenai forecasting, model Exponential Smoothing,dan algoritma Particle Swarm Optimization. Kedua, Mengimplementasikanalgoritma Particle Swarm Optimization pada model Exponential Smoothing. Ketiga, Menggunakan parameteryang merupakan hasil implementasi untuk forecasting penjualan produk menggunakan model Exponential Smoothing. Hasil kalibrasi yang diperoleh melalui implementasi algoritma Particle Swarm Optimization diharapkan dapat digunakan dalam model Exponential Smoothing untuk forecasting penjualan produk menjadi lebih akurat, sehingga membantu perusahaan dalam menentukan kebijakan terkait penjualan ke depannya.Selain itu hasil implementasi ini diharapkan dapat berkontribusi sebagai referensi pengayaan bahan ajar bagi peneliti selanjutnya dalam upaya meningkatan akurasi model forecasting
Model Inventory Perishable Material dengan Mempertimbangkan Faktor Kapasitas Gudang Penyimpanan Bahan Baku PT. So Good Food Manufacturing Zeny Fatimah Hunusalela
Journal Industrial Servicess Vol 1, No 2 (2016): Maret 2016
Publisher : Fakultas Teknik Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36055/jiss.v1i2.1544

Abstract

PT So Good Food Manufacturing merupakan perusahaan yang bergerak dibidang pengolahan makanan. Produk yang dihasilkannya yaitu sozzis, nugget, whole muscle, sausage, bakso. Permasalahan pada PT So Good Food Manufacturing adalah menggunakan bahan baku yang memiliki karakteristik perishable. Bahan baku yang bersifat perishable yaitu jenis raw material dan bumbu (marinade) Sehingga perusahaan harus bisa melakukan suatu sistem perencanaan persediaan bahan baku yang mempertimbangkan umur simpan. Kendala lainnya yaitu kapasitas gudang penyimpanan bahan baku, mengingat PT So Good Food Manufacturing juga mensupply plant lain yaitu di Surabaya, Lampung, dan Boyolali. Oleh karena itu, diperlukan suatu model persediaan yang mempertimbangkan umur simpan dan kapasitas gudang penyimpanan bahan baku. Sehingga dapat meminimalkan biaya persediaan pada perusahaan. Model persediaan yang digunakan dengan mempertimbangkanumur simpan bahan baku yaitu dengan model EOQ pengembangan. Dimana model perhitungan EOQ pengembangan untuk masing-masing kriteria berbeda. Pada saat (m > t) model yang digunakan dengan menggunakan EOQ, sedangkan pada saat (m ≤ t) menggunakan EOQp. Untuk menyesuaikan kebutuhan luas area penyimpanan bahan baku dengan kapsits yang tersedia dengan menggunakan pengali lagrange. Total biaya persediaan mengalami penghematan dari Rp. 606.632.822 menjadi Rp. 591.964.124. Sehingga perusahaan disarankan utnuk menggunakan model EOQ pengembangan dengan pengali lagrange untuk bahan baku yang bersifat perishable.