TRI GUNA DHARMATRI GUNA DHARMA

Jurnal Cyber TechJurnal Cyber Tech

Flake merupakan salah satu hasil produksi bahan baku yang diolah dari limbah botol plastik bekas, oleh PT. Hilon Talun Kenas-Patumbak Deli Serdang. Ketidakteraturan dalam produksi, pemesanan, dan pengiriman produksi menjadi masalah yang sering terjadi pada sistem perdagangan flake ini. Hal ini menjadikan PT Hilon kesulitan dalam pendataan untuk jumlah stock produksi sekaligus untuk jumlah pengiriman produksi. Untuk mengatasi permasalahan yang terjadi pada PT. Hilon Talun Kenas-Patumbak Deli Serdang tersebut dapat diterapkan aplikasi Data Mining. Data Mining merupakan kegiatan yang meliputi pengumpulan dan pemakaian historis data, baik dalam set ukuran data besar maupun fokus kecil. Estimasi Pengiriman produksi Flake menjadi pembahasan penelitian. Dimana untuk mengestimasi atau memprediksi pengiriman produksi digunakan sebagai ajuan dalam pengambilan keputusan dimasa mendatang. Untuk mengestimasi pegiriman produksi flake diperlukan suatu metode yaitu algoritma Regresi Linier Berganda. Regresi Linier Berganda bekerja dengan cara memperoleh hasil proses prediksi pada program dari hasil perhitungan pada variabel Y, X1, X2, dan seterusnya. Hasil perhitungan program ini dapat menjadi bahan pertimbangan dalam memprediksi tingkat pengiriman, pemesanan, sekaligus produksi pada bahan baku Flake dimasa yang akan datang.

Penerapan data mining menggunakan regresi linier berganda pada PT.Hilon Patumbak-Talun Kenas Deli Serdang sangat cocok digunakan dalam mengestimasi tingkat pengiriman produksi flake.Variabel bebas jumlah produksi (X1) dan jumlah pemesanan (X2) memiliki hubungan yang signifikan terhadap variabel tidak bebas jumlah pengiriman (Y).Hasil pengujian metode regresi linier berganda menunjukkan estimasi tingkat pengiriman produksi flake untuk periode selanjutnya adalah sebanyak 175 Kg.Perancangan sistem melibatkan pemrosesan perhitungan regresi linier berganda, perhitungan persamaan, dan hasil estimasi regresi.

Penelitian selanjutnya dapat difokuskan pada pengembangan model prediksi yang lebih kompleks dengan mempertimbangkan faktor-faktor eksternal seperti harga bahan baku, kondisi pasar, dan kebijakan pemerintah yang dapat mempengaruhi permintaan dan penawaran flake. Selain itu, studi lebih lanjut dapat dilakukan untuk mengintegrasikan metode data mining lainnya, seperti algoritma klasifikasi atau clustering, untuk mengidentifikasi pola-pola tersembunyi dalam data produksi dan pemesanan yang dapat memberikan wawasan lebih mendalam bagi perusahaan. Terakhir, penelitian dapat diperluas dengan menguji efektivitas penerapan model prediksi ini pada perusahaan lain yang bergerak di bidang daur ulang plastik untuk melihat apakah model ini dapat digeneralisasikan dan memberikan manfaat yang serupa, sehingga dapat meningkatkan efisiensi dan pengambilan keputusan dalam industri daur ulang secara keseluruhan.

  1. Production Forecasting with Multiple Linear Regression Method: Peramalan Produksi dengan Metode Regresi... doi.org/10.21070/prozima.v1i2.1350Production Forecasting with Multiple Linear Regression Method Peramalan Produksi dengan Metode Regresi doi 10 21070 prozima v1i2 1350
  2. Model DInamis Produksi Jagung di Indonesia | Rahmah | Teknotan: Jurnal Industri Teknologi Pertanian.... jurnal.unpad.ac.id/teknotan/article/view/4Model DInamis Produksi Jagung di Indonesia Rahmah Teknotan Jurnal Industri Teknologi Pertanian jurnal unpad ac teknotan article view 4
Read online
File size1.14 MB
Pages9
DMCAReport

Related /

ads-block-test