Optimalisasi Rencana Produksi untuk Mengurangi Overstock dan Stockout di Divisi PPIC Menggunakan Random Forest

Nanda Ratna Sari; Anggi  Alfin

Penulis

Nanda Ratna Sari UNIVERSITAS PELITA BANGSA
Anggi Alfin

Kata Kunci:

Perencanaan Produksi, Manajemen Persediaan, Random Forest, Prediksi Penjualan, Efisiensi Operasional

Abstrak

PT Multi Tehnik Solution kerap mengalami kesulitan dalam menjaga ketepatan perencanaan produksi, yang berujung pada kelebihan atau kekurangan stok. Penelitian ini bertujuan untuk meningkatkan akurasi perencanaan dengan mengimplementasikan metode peramalan penjualan berbasis algoritma Random Forest. Model dibangun menggunakan data historis penjualan selama satu tahun, dengan mempertimbangkan berbagai faktor yang memengaruhi permintaan produk. Random Forest dipilih karena kemampuannya dalam memetakan hubungan data yang kompleks, nonlinier, dan multivariat, serta menunjukkan performa prediksi yang lebih unggul dibandingkan metode konvensional. Hasil evaluasi menunjukkan bahwa model ini mampu meningkatkan akurasi prediksi sebesar 20% dan menurunkan risiko overstock dan stockout hingga 15%. Temuan ini menegaskan kontribusi signifikan model dalam meningkatkan efisiensi operasional dan ketepatan alokasi produksi. Selain itu, model ini juga berpotensi untuk diintegrasikan ke dalam sistem informasi perusahaan guna mendukung pengambilan keputusan yang cepat dan berbasis data.

Unduhan

Data unduhan belum tersedia.

Referensi

F. A. Tuli, M. A. Mohammed, and D. K. Sachani, “Supply Chain Optimization: Machine Learning Applications in Inventory Management for E-Commerce,” Glob. Discl. Econ. Bus., vol. 13, no. 1, pp. 1–20, 2024, doi: 10.18034/gdeb.v13i1.758.

N. Sari, “Issn?: 2809-7491,” J. Bisnis, Logistik dan Supply Chain, vol. 2, no. 2, pp. 85–91, 2022.

M. Syahrul Efendi et al., “RESOLUSI?: Rekayasa Teknik Informatika dan Informasi Penerapan Algoritma Random Forest Untuk Prediksi Penjualan Dan Sistem Persediaan Produk,” Media Online), vol. 5, no. 1, p. 20, 2024, doi: 10.30865/resolusi.v5i1.2149.

A. Ridwan, U. Muzakir, and S. Nurhidayati, “Optimizing E-commerce Inventory to prevent Stock Outs using the Random Forest Algorithm Approach,” Int. J. Softw. Eng. Comput. Sci., vol. 4, no. 1, pp. 107–120, Apr. 2024, doi: 10.35870/ijsecs.v4i1.2326.

W. Isnaini, “Perencanaan Produksi,” UNIPMA Press, pp. 5–24, 2019.

M. H. Hamirsa and R. Rumita, “Usulan Perencanaan Peramalan (Forecating) dan Safety Stock Persediaan Spare Part Busi Champion Type RA7YC-2 (EV-01/EW-01/2) Menggunakan metode Time Series Pada PT Triangle Motorindo Semarang,” Ind. Eng. Online J., vol. 11, no. 1, pp. 1–10, 2022, [Online]. Available: https://ejournal3.undip.ac.id/index.php/ieoj/article/view/34373

S. Anisya, J. Prayudha, and S. Murniyanti, “Implementasi Metode Random Forest Pada Sistem Persediaan Bahan Kimia Di Laboraturium Forensik Cabang Medan,” 2020. [Online]. Available: https://ojs.trigunadharma.ac.id/

E. Onasanya, O. Aroyewun, R. Ikechukwu, and O. September, “COLLEGE OF SCIENCE & TECHNOLOGY. INVENTORY OPTIMIZATION USING MACHINE LEARNING: CREATING A SYSTEM THAT UTILIZES MACHINE LEARNING ALGORITHMS TO ANALYZE SALES DATA, PREDICT FUTURE DEMAND, AND OPTIMIZE INVENTORY LEVELS, REDUCING COSTS AND IMPROVING EFFICIENCY FOR SMALL BUSINESSES.”

F. Rozi Lubis, M. Khoiruddin Harahap, and A. Mahmud Husein, “Analisis Prediktif untuk Keputusan Bisnis?: Peramalan Penjualan,” 2019, doi: 10.3390/xxxxx.

S. R. Febrian, A. A. Sunarto, and A. Pambudi, “PREDIKSI PENJUALAN SUKU CADANG MOTOR DENGAN PENERAPAN RANDOM FOREST DI PT TERUS JAYA SENTOSA MOTOR,” 2024.

A. T. Zy, Amali, A. M. Rifa’i, A. Z. Kamalia, and A. A. Sulaeman, “Detecting DDoS Attacks Through Decision Tree Analysis: An EDA Approach with the CIC DDoS 2019 Dataset,” 2024 8th Int. Conf. Inf. Technol. Inf. Syst. Electr. Eng., pp. 202–207, 2024, doi: 10.1109/ICITISEE63424.2024.10730435.

R. Abraham et al., “Forecasting a Stock Trend Using Genetic Algorithm and Random Forest. Journal of Risk and Financial Management,” J. Risk Financ. Manag., vol. 15, no. 5, 2022.

M. Zakaria, S. Meutia, and A. Melinda Pane, “Perencanaan Produksi Dan Pengendalian Persediaan Bahan Baku Di Pt. Jakarana Tama Medan,” Ind. Eng. J., vol. 9, no. 2, 2020, doi: 10.53912/iejm.v9i2.574.

F. Hamidy, “Optimalisasi Sistem Manajemen Persediaan untuk Pengendalian Stok yang Efisien Menggunakan Metode FIFO,” pp. 171–180, 2024.

A. A. SHELEMO, “No Title????,” Nucl. Phys., vol. 13, no. 1, pp. 104–116, 2023.

A. R. Alamsyah, J. Jessen, J. Kharisma, R. Anggraini, and S. S. Muliati, “Analisa Penerapan Sistem Manajemen Operasional Pada PT. Unilever Tbk.,” J. Ekon. Akutansi dan Manaj. Nusant., vol. 1, no. 2, pp. 72–79, 2023, doi: 10.55338/jeama.v1i2.20.

P. Patlisan, “Optimasi Akurasi Model Decision Tree Menggunakan Random Forest Regression untuk Prediksi Kuantitas Pembelian Barang pada Perusahaan Manufaktur,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 14, no. 2, pp. 217–228, 2023, doi: 10.24176/simet.v14i2.9494.

E. Rivo, J. De La Fuente, Á. Rivo, E. García-Fontán, M. Á. Cañizares, and P. Gil, “Cross-Industry Standard Process for data mining is applicable to the lung cancer surgery domain, improving decision making as well as knowledge and quality management,” Clin. Transl. Oncol., vol. 14, no. 1, pp. 73–79, 2012, doi: 10.1007/s12094-012-0764-8.