SEMINAR IDSEMINAR ID

Journal of Computer System and Informatics (JoSYC)Journal of Computer System and Informatics (JoSYC)

Produksi kendaraan bermotor di Indonesia setiap tahunnya mengalami peningkatan seiring dengan meningkatnya permintaan akan kebutuhan BBM sebagai bahan bakunya. Umumnya, SPBU melakukan proses pemesanan BBM ke pihak Dempo bersifat tidak tetap, frekuensi pemesanan tidak memiliki waktu tertentu, pemesanan tergantung transaksi penjualan dan jumlah persediaan BBM yang tersedia tergantung BBM dipenyimpanan. Berkaitan prediksi dan pengendalian persediaan BBM adapun resiko pada SPBU adalah volume BBM yang diterima berbeda dengan yang dipesan. Hal ini diduga bahwa truk tangki pengangkut BBM selama pengiriman dari Depot ke SPBU cenderung mengalami penguapan didalam tangki (Loses), sehingga BBM mengalami pengurangan kuantitas. Permintaan pengisian BBM hanya berdasarkan pemantauan tanpa adanya perhitungan khusus mengakibatkan stock yang dimiliki tidak terjaga dan tidak mencakupi permintaan konsumen. Penelitian ini untuk menganalisis algoritma Artificial Neural Network dalam memprediksi BBM, dan mengetahui pengendaliaan persediaan menggunakan Economic Order Quantity. Penelitian dilakukan menggunakan data November 2020 - Oktober 2023. Data dilakukan pengolahan algoritma ANN menggunakan Google Colab, dan dilanjutkan EOQ menggunakan Microsoft Excel. Parameter ANN yaitu 1 hidden layer dengan 100 unit, optimizer Adam, learning rate 0.001, batch size 8 dan epoch 200. Hasil pengujian ANN Pertalite yaitu MSE 248852593,81 dan MAE 12749,45, sedangkan Pertamax Turbo MSE 803842,94 dan MAE 672,74 memberikan prediksi November dan Desember sebesar 11.1436,82 L dan 11.1960,83 L serta Pertamax Turbo sebesar 3.782,46 L dan 3.660,70 L. Selanjutnya pada tahun 2023 BBM EOQ Pertalite dan Pertamax Turbo sebesar 8.445 L dan 5.261 L, Safety Stock 3.516 L dan 1.064 L, Maximum Inventory 6.042 L dan 5.153 L, Re order point 2.403 L dan 108 L, Frekuensi pemesanan sebanyak 149 kali dan 6 kali dengan Total Biaya Persediaan Rp. 178.830.302 dan Rp. 7.700.459.

Hasil pengujian algoritma Artificial Neural Network untuk Pertalite menghasilkan MSE sebesar 248852593,81 dan MAE 12749,45, serta memberikan prediksi penjualan bulan November dan Desember masing-masing sebesar 111.960,83 liter, sedangkan untuk Pertamax Turbo sebesar 3.Dalam penerapan metode Economic Order Quantity pada tahun 2023, diperoleh jumlah pesanan optimal (EOQ) sebesar 8.261 liter untuk Pertamax Turbo, dengan frekuensi pemesanan sebanyak 149 kali dan 6 kali setahun, serta total biaya persediaan sebesar Rp178.Disarankan untuk penelitian selanjutnya dilakukan perbandingan dengan metode peramalan lain dan implementasi sistem berbasis web untuk memudahkan prediksi persediaan BBM.

Pertama, perlu dikembangkan penelitian komparatif antara Artificial Neural Network dengan metode peramalan lain seperti ARIMA atau Long Short-Term Memory (LSTM) untuk mengetahui akurasi terbaik dalam memprediksi permintaan BBM di berbagai konteks wilayah dan jenis bahan bakar. Kedua, perlu dirancang penelitian tentang integrasi sistem prediksi dan pengendalian persediaan BBM ke dalam aplikasi berbasis web atau mobile yang dapat diakses langsung oleh pengelola SPBU, sehingga hasil prediksi dan rekomendasi pemesanan dapat dihasilkan secara real-time dan otomatis berdasarkan data harian. Ketiga, perlu dilakukan studi lanjutan yang menguji pengaruh faktor eksternal seperti hari libur, kebijakan pemerintah, atau kondisi cuaca terhadap akurasi prediksi, serta bagaimana faktor-faktor tersebut dapat dimasukkan sebagai variabel tambahan dalam model prediksi untuk meningkatkan ketepatan rekomendasi persediaan.

  1. Penerapan Metode Economic Order Quantity (EOQ) Untuk Meningkatkan Efisiensi Pengendalian Persediaan Bahan... doi.org/10.31294/jp.v19i2.11342Penerapan Metode Economic Order Quantity EOQ Untuk Meningkatkan Efisiensi Pengendalian Persediaan Bahan doi 10 31294 jp v19i2 11342
  2. Prediksi Harga Minyak Mentah Menggunakan Jaringan Syaraf Tiruan | MATRIK : Jurnal Manajemen, Teknik Informatika... doi.org/10.30812/matrik.v21i3.1382Prediksi Harga Minyak Mentah Menggunakan Jaringan Syaraf Tiruan MATRIK Jurnal Manajemen Teknik Informatika doi 10 30812 matrik v21i3 1382
  3. Penerapan Metode Algoritma Neural Network Untuk Memprediksi Penjualan Bahan Bakar Minyak | Journal of... doi.org/10.51519/journalita.volume3.isssue2.year2022.page235-243Penerapan Metode Algoritma Neural Network Untuk Memprediksi Penjualan Bahan Bakar Minyak Journal of doi 10 51519 journalita volume3 isssue2 year2022 page235 243
  1. #information technology#information technology
  2. #total biaya#total biaya
Read online
File size1.3 MB
Pages12
Short Linkhttps://juris.id/p-2Rn
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test