Pengembangan Sistem Pendukung Pengadaan Bahan Baku Berbasis Peramalan Permintaan Menggunakan Machine Learning (Studi Kasus: PT XYZ)

Lase, Stephany Christie (2026) Pengembangan Sistem Pendukung Pengadaan Bahan Baku Berbasis Peramalan Permintaan Menggunakan Machine Learning (Studi Kasus: PT XYZ). S1 thesis, Universitas Andalas.

	Text (01. Cover & Abstrak) 01. Cover & Abstrak.pdf - Published Version Download (304kB)
	Text (02. BAB I) 02. BAB I.pdf - Published Version Download (338kB)
	Text (03. BAB VI) 03. BAB VI.pdf - Published Version Download (254kB)
	Text (04. Daftar Pustaka) 04. Daftar Pustaka.pdf - Published Version Download (237kB)
	Text (05. Skripsi Fulltext) 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (10MB) | Request a copy

Abstract

Pengendalian persediaan bahan baku yang optimal merupakan faktor krusial bagi kelancaran operasional perusahaan, yang sangat bergantung pada akurasi peramalan permintaan. PT XYZ, perusahaan pengekspor produk rempah kayu manis (cassia), saat ini menghadapi tantangan terkait keandalan peramalan permintaan dari mitra bisnisnya. Peramalan yang masih bersifat akumulasi tahunan tersebut memiliki rata-rata tingkat kesalahan (MAPE) yang tinggi, mencapai 47,34% untuk produk cassia broken dan 42,19% untuk cassia stick. Ketidakakuratan ini berdampak pada tingginya risiko kehabisan stok (stockout) maupun kelebihan kapasitas gudang (overcapacity), yang semakin dipersulit oleh panjangnya waktu tunggu (lead time) pengadaan bahan baku selama tiga bulan. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem pendukung pengadaan bahan baku yang mengintegrasikan peramalan permintaan berbasis machine learning dengan kebijakan persediaan Periodic Review (R,S). Pendekatan peramalan membandingkan model statistik ARIMA sebagai baseline dengan algoritma Random Forest, XGBoost, dan model Hybrid (gabungan klasifikasi dan regresi). Sistem peramalan juga mengintegrasikan data historis dengan variabel eksogen berupa nilai tukar USD dan Google Trends. Hasil proyeksi dari model terbaik digunakan sebagai dasar perhitungan safety stock dan Order-Up-To Level guna merekomendasikan jadwal dan kuantitas pesanan. Seluruh alur pengambilan keputusan ini kemudian diimplementasikan ke dalam dashboard interaktif berbasis web. Hasil evaluasi menunjukkan bahwa model Hybrid memberikan performa peramalan paling akurat, dengan keberhasilan menekan nilai MAPE menjadi 37,33% untuk cassia broken dan 15,74% untuk cassia stick. Peningkatan akurasi ini berdampak langsung pada efisiensi persediaan. Berdasarkan hasil evaluasi dan perhitungan kebijakan persediaan, usulan sistem ini menunjukkan potensi penurunan kebutuhan safety stock secara signifikan, yaitu sebesar 276,1 ton pada produk broken dan 11,5 ton pada produk stick, pada asumsi target tingkat pelayanan (service level) 95%. Secara keseluruhan, hasil penelitian ini menunjukkan bahwa sistem usulan berpotensi untuk meminimalkan ketidakpastian serta meningkatkan efisiensi operasional pengadaan bahan baku di PT XYZ.

Actions (login required)

View Item