Penggunaan Algoritma Random Forest Dan Interpretive Structural Modeling (ISM) Untuk Mengurangi Keterlambatan Pengiriman: Studi Kasus Di Sebuah Perusahaan Manufaktur Produk Beton

Santoso, Fergio Greigori (2024) Penggunaan Algoritma Random Forest Dan Interpretive Structural Modeling (ISM) Untuk Mengurangi Keterlambatan Pengiriman: Studi Kasus Di Sebuah Perusahaan Manufaktur Produk Beton. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5010201187-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy

Abstract

Fungsi pengiriman memegang peranan kritis dalam rantai pasok sebagaimana digambarkan sebagai salah satu proses utama dalam model Supply Chain Operations Reference (SCOR). PT X, produsen produk beton, memiliki visi untuk memberikan kepuasan pelanggan melalui produk berkualitas dan pengiriman tepat waktu. Pada tahun 2023, dari 18.756 pesanan yang dipenuhi, 5.252 pesanan (28%) mengalami keterlambatan. Keterlambatan ini dapat menghambat proyek pelanggan, merusak reputasi PT X, dan menyebabkan kerugian finansial. Terkait hal tersebut, perusahaan memiliki pencatatan data dalam proses pengiriman. Dalam memanfaatkan keberadaan data tersebut, identifikasi variabel yang berpengaruh dalam keterlambatan pengiriman dilakukan menggunakan algoritma Random Forest. Selanjutnya, penyebab keterlambatan yang tidak terdata dan temuan dari algoritma Random Forest dimodelkan kembali dengan metode Interpretive Structural Modeling (ISM) yang digunakan untuk memahami dan menggambarkan hubungan antarvariabel pengiriman dalam mengidentifikasi penyebab keterlambatan. Hasil dari penelitian ini akan memberikan pemahaman mendalam tentang variabel kunci yang mempengaruhi keterlambatan pengiriman dan rekomendasi yang dapat diterapkan untuk mengurangi keterlambatan pengiriman. Pendekatan ini bertujuan untuk menyusun rekomendasi peningkatan pengiriman berdasarkan urutan prioritas variabel yang berpengaruh serta pemahaman hubungan antarvariabel, sehingga PT X dapat meningkatkan kepuasan pelanggan dan mengurangi kerugian finansial.
===========================================================
The delivery function plays a critical role in the supply chain as one of the main processes in the Supply Chain Operations Reference (SCOR) model. PT X, a concrete product manufacturer, envisions providing customer satisfaction through quality products and timely delivery. In 2023, out of 18,756 fulfilled orders, 5,252 orders (28%) experienced delays. These delays can hinder customer projects, damage PT X's reputation, and cause financial losses. In response, the company maintains records of its delivery process data. To leverage this data, the identification of influential variables in delivery delays is conducted using the Random Forest algorithm. Subsequently, unrecorded delay causes and findings from the Random Forest algorithm are further modeled using the Interpretive Structural Modeling (ISM) method, which is used to understand and illustrate the relationships between delivery variables in identifying the causes of delays. The results of this study will provide a deep understanding of the key variables affecting delivery delays and offer recommendations that can be implemented to reduce late deliveries. This approach aims to formulate improvement recommendations based on the prioritization of influential variables and the understanding of inter-variable relationships, enabling PT X to enhance customer satisfaction and reduce financial losses.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	pengiriman, keterlambatan, Random Forest, Interpretive Structural Modeling
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD108 Classification (Theory. Method. Relation to other subjects ) H Social Sciences > HD Industries. Land use. Labor > HD61 Risk Management Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Industrial Engineering > 26201-(S1) Undergraduate Thesis
Depositing User:	Fergio Greigori Santoso
Date Deposited:	08 Aug 2024 02:20
Last Modified:	08 Aug 2024 02:20
URI:	http://repository.its.ac.id/id/eprint/111150

Actions (login required)

View Item