Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Informatika Teknologi dan Sains (Jinteks)
Budi Nugroho
Universitas Pembangunan Nasional Veteran Jawa Timur
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Weighted Moving Average Berbasis Variasi Window untuk Optimasi Persediaan dan Reorder Point Fiber Optik Ridho Fajar Fahturohman; Budi Nugroho; Eva Yulia Puspaningrum
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 2 (2026): April 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i2.3592

Abstract

Poor inventory management is a primary challenge for telecommunications service providers. This study implements the weighted moving average (WMA) algorithm with window size variations to forecast demand for kabel drop core and Optical Network Terminal (ONT) at Fibertrust Madiun, integrating it with Safety Stock (SS) and Reorder Point (ROP) calculations. The data covers 63 kabel drop core transactions and 112 ONT transactions during January–December 2025, with coefficients of variation of 0.384 and 0.567 respectively. Three window sizes (3, 4, and 5 periods) were tested using MAD, MSE, and MAPE. Window 5 achieved the best accuracy with MAPE of 27.11% for kabel drop core and 47.57% for ONT, both in the sufficient category. A 95% service level provides the optimal balance between holding cost and stockout risk. ROP implementation has the potential to reduce stockout incidents by 71–79%, from 28 to 6–8 incidents per year.Keywords: Weighted moving average; Reorder point; Safety stock; Inventory management; StockoutAbstrakPengelolaan persediaan yang tidak tertata dengan baik menjadi tantangan utama perusahaan penyedia layanan telekomunikasi. Penelitian ini mengimplementasikan algoritma weighted moving average (WMA) dengan variasi ukuran window untuk meramalkan permintaan kabel drop core dan Optical Network Terminal (ONT) di Fibertrust Madiun, serta mengintegrasikannya dengan perhitungan Safety Stock (SS) dan Reorder Point (ROP). Data mencakup 63 transaksi kabel drop core dan 112 transaksi ONT selama Januari-Desember 2025, dengan koefisien variasi masing-masing 0,384 dan 0,567. Tiga variasi ukuran window (3, 4, dan 5 periode) diuji menggunakan metrik MAD, MSE, dan MAPE. Window 5 periode mencatat akurasi terbaik dengan MAPE 27,11% untuk kabel drop core dan 47,57% untuk ONT, keduanya berkategori cukup. Service level 95% memberikan keseimbangan terbaik antara biaya penyimpanan dan risiko kehabisan stok (stockout). Penerapan ROP berpotensi menekan insiden stockout hingga 71-79%, dari 28 insiden menjadi 6-8 insiden per tahun. 
PENERAPAN METODE ITEM-BASED COLLABORATIVE FILTERING UNTUK REKOMENDASI MENU PADA KANTIN XYZ Caritta Elizabeth; Rizky Parlika; Budi Nugroho
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7497

Abstract

Kemajuan teknologi informasi telah mendorong pemanfaatan sistem digital dalam layanan pemesanan makanan, terutama di lingkungan kantin. Jumlah varian menu yang ditawarkan di Kantin XYZ menyulitkan pengguna dalam menentukan pilihan menu yang sesuai dengan selera mereka. Permasalahan tersebut dapat diselesaikan melalui implementasi sistem rekomendasi yang mampu memberikan rekomendasi menu secara personal kepada pengguna. Penelitian ini berfokus pada metode Item-Based Collaborative Filtering (CF) dalam sistem rekomendasi menu Kantin XYZ. Metode tersebut menggunakan data transaksi dan rating pengguna untuk membangun user-item matrix, lalu menghitung antar item menggunakan Cosine Similarity. Setelah itu, prediksi rating dilakukan dengan pendekatan weighted sum berdasarkan nilai similarity antar item. Dataset yang dipakai meliputi data pengguna, data menu, serta data transaksi dan rating. Hasil penelitian mengungkapkan bahwa sistem dapat menghasilkan rekomendasi menu yang relevan dengan berdasarkan pada pola keterkaitan antar item. Evaluasi sistem menggunakan Mean Absolute Error (MAE) menghasilkan nilai sebesar 0,52, yang dinormalisasi terhadap rentang skala rating 1–5 setara dengan sekitar 13% kesalahan relatif. Nilai ini menunjukkan bahwa tingkat kesalahan prediksi cukup rendah, sehingga sistem memiliki kemampuan yang cukup baik dalam menggambarkan preferensi pengguna.
Co-Authors Caritta Elizabeth Eva Yulia Puspaningrum Parlika, Rizky Ridho Fajar Fahturohman