Peramalan Permintaan Material untuk Perencanaan Kebutuhan Pekerjaan Panas Menggunakan Metode ARIMA dan Artificial Neural Network

Ridwan, Ahmad Fauzi (2024) Peramalan Permintaan Material untuk Perencanaan Kebutuhan Pekerjaan Panas Menggunakan Metode ARIMA dan Artificial Neural Network. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032212094-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (4MB) | Request a copy

Abstract

Ketersediaan material guna mendukung kegiatan operasional sangatlah penting, salah satunya adalah kegiatan pemeliharaan pada PT. XYZ. Material-material consumable seperti oxygen, acetylene, elektroda las, dan lain-lain harus selalu tersedia demi menjaga keberlangsungan kegiatan pemeliharaan dan mencegah downtime yang lama. Namun dalam kenyataannya sering kali material-material yang dibutuhkan untuk pekerjaan panas mengalami stock out. Hal ini akan menghambat pekerjaan pemeliharaan dan berpotensi membuat durasi downtime yang lebih lama. Untuk mengatasi hal tersebut, dibutuhkan analisis untuk meramalkan kebutuhan jumlah material pekerjaan panas dengan menggunakan metode peramalan deret waktu pada material tabung oxygen, acetylene, dan elektroda las. Metode yang digunakan dalam penelitian ini adalah ARIMA (Autoregressive Integrated Moving Average) dan ANN (Artificial Neural Network). Peramalan dari model terbaik akan menentukan jumlah masing-masing reorder point dan safety stock dari masing-masing material. Hasil yang didapat adalah metode peramalan ANN menghasilkan nilai MSE dan MAPE yang paling kecil dibandingkan dengan metode ARIMA. Pada model ANN arsitektur terbaik untuk material acetylene adalah 12-2-1 dengan MSE sebesar 74,79, MAPE sebesar 18,37%. Pada material oxygen arsitektur terbaik 12-4-1 dengan MSE sebesar 224,11, MAPE sebesar 16,51%. Pada material elektroda las 3,2m arsitektur terbaik 12-10-1 dengan MSE sebesar 882,73, MAPE sebesar 24,25%. Pada material elektroda las 4m arsitektur terbaik 12-8-1 dengan MSE sebesar 1690,8, MAPE sebesar 30,34%. Dengan begitu peramalan dengan ANN menjadi dasar penentuan nilai reorder point dan safety stock. Dan juga dari analisis menggunakan economic order quantity (EOQ) menghasilkan penghematan pada total biaya persediaan pada material acetylene sebesar 24%, tabung oxygen sebesar 30%, elektroda las 3.2mm 15%, elektroda las 4mm 21%.
=================================================================================================================================
The availability of materials to support operational activities is very important, one of which is maintenance activities at PT XYZ. Consumable materials such as oxygen, acetylene, welding electrodes, and others must always be available to maintain the continuity of maintenance activities and prevent long downtime. But in reality, the materials needed for hot work are often stocked out. This will hamper maintenance work and potentially create a longer downtime duration. To solve this problem, an analysis is needed to forecast the need for the amount of hot work material using the time series forecasting method on oxygen cylinder material, acetylene, and welding electrodes. The methods used in this research are ARIMA (Autoregressive Integrated Moving Average) and ANN (Artificial Neural Network). Forecasting from the best model will determine the amount of each reorder point and safety stock of each material. The results obtained are the ANN forecasting method produces the smallest MSE and MAPE values compared to the ARIMA method. In the ANN model, the best architecture for acetylene material is 12-2-1 with MSE of 74,79, MAPE of 18,37%. In oxygen material, the best architecture is 12-4-1 with MSE of 224.11, MAPE of 16,51%. In welding electrode 3,2mm material, the best architecture is 12-10-1 with MSE of 882,73, MAPE of 24,25%. In welding electrode 4mm material, the best architecture is 12-8-1 with MSE of 1690,8, MAPE of 30,34%. that way forecasting with ANN becomes the basis for determining the value of reorder points and safety stock. And also from the analysis using economic order quantity (EOQ) results in savings in total inventory costs on acetylene material is 24%, oxygen tube is 30%, welding electrode 3,2mm is 15%, welding electrode 4mm is 21%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	ARIMA, ANN, Stock Out, Reorder Point, Safety Stock
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD55 Inventory control T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Ahmad Fauzi Ridwan
Date Deposited:	29 Jan 2024 14:39
Last Modified:	29 Jan 2024 14:39
URI:	http://repository.its.ac.id/id/eprint/105739

Actions (login required)

View Item