<![CDATA[ayam segar pada Restoran XYZ selama masa libur mahasiswa menggunakan simulasi Monte Carlo. Penurunan permintaan sebesar 40–50% selama periode libur menyebabkan tingginya risiko ketidaksesuaian antara stok dan kebutuhan aktual, sehingga diperlukan pendekatan prediksi yang mampu menangkap ketidakpastian permintaan bahan baku yang bersifat perishable. Data historis permintaan selama 60 hari digunakan untuk membangun distribusi probabilitas dan probabilitas kumulatif yang menjadi dasar pembangkitan bilangan acak melalui metode Linear Congruential Generator (LCG). Hasil simulasi menunjukkan bahwa rata-rata permintaan ayam segar sebesar 17.15 kg per hari, yang mengindikasikan tingkat akurasi model sebesar 100.41%. Nilai simpangan baku simulasi yang lebih tinggi (5.92) dibandingkan historis (4.97) menunjukkan peningkatan volatilitas permintaan yang perlu diantisipasi. Berdasarkan hasil ini, penelitian merekomendasikan penetapan stok harian sekitar 23.07 kg (rata-rata + SD) sebagai safety stock untuk meminimalkan risiko stock-out dan menjamin kelancaran operasi. Temuan ini membuktikan bahwa simulasi Monte Carlo merupakan pendekatan yang efektif, realistis, dan aplikatif dalam perencanaan persediaan restoran berbasis produk segar di tengah fluktuasi permintaan musiman.]]>
Copyrights © 2025
