PENERAPAN PROSES DAN TEKNIK PERAMALAN – STUDI KASUS DI MANUFAKTUR TRANSFORMER

Elia Oey (Bina Nusantara University), Gabriella Karolina Ayrine (Bina Nusantara University), Purnomo Rizky Dwi Yanitra (Bina Nusantara University)

Abstract


Peramalan permintaan sangat penting untuk proses bisnis dan keuntungan organisasi. Peramalan permintaan produk yang baik memerlukan keahlian dan kehandalan dari staff perencana. Riset ini adalah studi kasus di sebuah perusahaan manufaktur transformer di Indonesia, yang hendak menerapkan proses peramalan permintaan dan model peramalan yang cocok untuk produknya. Studi ini dapat memperlihatkan langkah langkah sistimatis yang diperlukan dalam meramalkan permintaan dari keempat produk yang ditelti. Untuk masing masing produk, 6 model peramalan dievaluasi dan model terbaik dipilih dengan cara mengoptimasi parameter peramalan yang memberikan kesalahan terkecil. Model peramalan yang dipilih adalah model yang sederhana tetapi cukup lengkap dilihat dari parameter tren maupun pengaruh musim yang mungkin terjadi dalam peramalan permintaan. Studi ini memberikan dasar bagi perusahaan untuk melakukan dan memonitor proses peramalan yang berkesinambungan untuk proses bisnis mereka.


Keywords


Peramalan, Exponential Smoothing, Holt, Winter

References


Mancuso, A. C. B., & Werner, L. (2013). Review of Combining Forecasts Approaches. Independent Journal of Management & Production, 4(1), 248–277.

APICS. (2011). Supply Chain Management Fundamentals - CSCP Module 1 (V 2.2-2011).

Arief, M., Supriyadi, Cahyadi, D., Analisis Perencanaan Persediaan Batubara FX Dengan Metode Material Requirement Planning. Jurnal Manajemen Industri Dan Logistik, 1 (2), 53-60

Mentzer, J.T. & Moon, M. A. (2005). Sales Forecasting Management - A Demand Management Approach (2nd ed.). CA: Thousand Oaks, CA: Sage.

Melo, D. D. C. (2016). What makes demand management in the supply chain possible ? A multiple-case study of critical success factors. Gest. Prod., 23(3), 570–587.

Anning, K. S., Okyere, S., & Annan, J. (2013). Demand Chain Management Model : A Tool for Stakeholders ’ Value Creation. International Journal of Business and Social Research, 3(12), 37–47.

Chong, A. Y. L., & Zhou, L. (2014). Demand chain management: Relationships between external antecedents, web-based integration and service innovation performance. International Journal of Production Economics, 154, 48–58.

Croxton, K. L., Lambert, D. M., García‐Dastugue, S. J., & Rogers, D. S. (2002). The Demand Management Process. The International Journal of Logistics Management, 13(2), 51–66.

Heizer, J., & Render, B. (2014). Operations Management - Sustainability & Supply Chain Management (11th ed.). Essex, England: Pearson.

Niswatin, R. K. (2015). Sistem Pendukung Keputusan Peramalan Produksi Air Minum Menggunakan Metode Trend Moment. Simetris, 6(2), 337–344.

Amstrong, J. . (2001). Principles of Forecasting: A Handbook for Researchers and Practitioners. Kluwer Academic Publishers (Vol. 18).

Chopra, S., & Meindl, P. (2016). Supply Chain Management: Strategy, Planning, and Operation. Pearson Education, Inc.

Sundari, S. S., Susanto, & Revianti, W. (2015). Sistem Peramalan Persediaan Barang Dengan Weight Moving Average Di Toko The Kids 24. In Konferensi Nasional Sistem & Informatika (p. 598–603.).

Hyndman, R. J., & Athanasopoulos, G. (2014). Forecasting: Principles and Practice. OTexts, (july 1994), 46–51.

Gardner, E. S., McKenzie, E., Jr., & McKenzie, E. Forecasting Trends in Time Series, 31 Management Science § (1985).

Valakevicius, E., & Brazenas, M. (2015). Application of the Seasonal Holt-Winters Model to Study Exchange Rate Volatility. Inzinerine Ekonomika-Engineering Economics, 26(4), 384–390.

Holt, C. C. (2004). Forecasting seasonals and trends by exponentially weighted moving averages. International Journal of Forecasting, 20(1), 5–10

Kalekar, P. (2004). Time series forecasting using Holt-Winters exponential smoothing. Kanwal Rekhi School of Information Technology, (4329008), 1–13.

Ministry Of Energy and Mineral Resources Republic of Indonesia. (2017). Handbook of Energy and Economic Statistics of Indonesia 2017. (S. E. Prabowo, Ed.). Jakarta.




DOI: http://dx.doi.org/10.30988/jmil.v2i1.81

Refbacks

  • There are currently no refbacks.