| dc.description.abstract | Sebagai salah satu produsen mortar (semen instan) yang terus meningkat seiring dengan pengembangan infrastruktur di Indonesia, PT XYZ terus berupaya untuk dapat memenuhi permintaan pelanggan yang berfluktuasi dengan menyesuaikan perencanaan produksinya agar tidak terjadi kelebihan maupun kekurangan stok. Perencanaan produksi yang dilakukan perusahaan masih kurang tepat dikarenakan perusahaan dalam melakukan peramalan berdasarkan RKAP sehingga hasil forecasting dan aktualnya memiliki perbedaan yang cukup jauh. Perbedaan tersebut menyebabkan kelebihan stok produk di gudang setiap bulannya, Sedangkan kebijakan perusahaan untuk kapasitas gudang yaitu 70% sehingga menyebabkan biaya penyimpanan yang tinggi. Maka dari itu, penelitian ini bertujuan untuk menentukan metode peramalan terbaik dengan membandingkan metode eksisting yaitu Single Moving Average (SMA) dan metode usulan: Holt’s Exponential Smoothing (HES) dan Artificial Neural Network (ANN). Hasil penelitian menunjukkan bahwa metode peramalan terbaik yang digunakan perusahaan adalah dengan menggunakan metode ANN, karena 2 dari 3 metode akurasi peramalan di dapatkan bahwa metode ANN memiliki nilai galat/error paling rendah yaitu nilai Root Mean Square Error (RMSE) sebesar 2,403,58, nilai Mean Absolute Error (MAE) sebesar 1,201.04, dan nilai Mean Absolute Percentage Error (MAPE) sebesar 17%, sementara metode HES didapatkan nilai RMSE sebesar 2,347.39, nilai MAE 1,318.55, dan nilai MAPE 19.67%, dan metode SMA didapatkan nilai RMSE 3,061.09, nilai MAE 2,455.58, dan nilai MAPE 31.77%. Penggunaan metode ANN dalam peramalan permintaan mortar pada PT XYZ ini juga secara efektif dapat membantu perusahaan dalam mengurangi overstock dan biaya penyimpanan hingga 49%, serta menjadi acuan perencanaan produksi yang lebih efektif. | en_US |
