RCF INDONESIARCF INDONESIA

Journal of Science Education and Management BusinessJournal of Science Education and Management Business

Penelitian ini bertujuan untuk mengkaji secara sistematis penerapan metode simpleks dan regresi linear sederhana dalam optimasi produksi serta peramalan permintaan bulanan barang. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan basis data utama Scopus. Pada tahap identifikasi awal, diperoleh 407 publikasi yang berkaitan dengan topik monthly demand of goods, peramalan permintaan, dan linear programming formulation dengan klasifikasi kuartil jurnal Q1 hingga Q4. Selanjutnya dilakukan proses penyaringan berdasarkan kriteria inklusi dan eksklusi yang telah ditetapkan, yaitu kesesuaian dengan fokus penelitian, terindeks Scopus (Q1–Q4), penggunaan linear, serta ketersediaan teks lengkap. Hasil penyaringan awal menghasilkan 97 artikel yang dinilai relevan untuk dikaji lebih lanjut. Dari jumlah tersebut, dipilih 21 artikel utama untuk dianalisis secara mendalam terkait tujuan, metode, konteks penerapan, serta temuan utama. Berdasarkan penilaian kualitas dan relevansi terhadap fokus kajian, akhirnya diperoleh 6 artikel kunci yang dianggap paling representatif. Ini adalah artikel akses terbuka di bawah lisensi CC BY-SA.

Secara umum, telaah literatur menegaskan bahwa pendekatan linier tetap menjadi fondasi penting baik dalam peramalan maupun optimasi, dan telah berhasil diaplikasikan pada berbagai kasus nyata di jurnal-jurnal bereputasi.regresi linear sederhana sebagai alat peramalan dan metode simpleks sebagai alat optimasi produksi.Integrasi ini diharapkan menghasilkan model keputusan produksi yang berbasis data, mudah diterapkan, dan tetap selaras dengan arah perkembangan riset terkini di bidang optimasi dan peramalan permintaan.

Berdasarkan temuan penelitian, beberapa saran penelitian lanjutan dapat diajukan untuk memperkaya pemahaman dan penerapan metode optimasi produksi dan peramalan permintaan. Pertama, pengembangan model peramalan yang lebih komprehensif dengan memasukkan faktor-faktor eksternal seperti harga, promosi, dan kondisi ekonomi, serta mempertimbangkan pola musiman dan hubungan non-linier yang memengaruhi permintaan. Kedua, perluasan analisis data historis dengan periode waktu yang lebih panjang dan variasi data yang lebih luas untuk menangkap pola jangka panjang dan tren yang lebih akurat. Ketiga, pengembangan model optimasi stokastik atau robust yang mampu mengakomodasi ketidakpastian dalam ketersediaan bahan baku, kapasitas produksi, dan fluktuasi permintaan, sehingga menghasilkan keputusan produksi yang lebih adaptif dan resilien terhadap perubahan lingkungan bisnis. Dengan menggabungkan ketiga saran ini, diharapkan dapat menghasilkan model yang lebih akurat, fleksibel, dan relevan dalam mendukung pengambilan keputusan produksi yang efektif dan efisien.

  1. Mixed-Integer Linear Programming Formulation with Embedded Machine Learning Surrogates for the Design... pubs.acs.org/doi/10.1021/acs.iecr.4c03913Mixed Integer Linear Programming Formulation with Embedded Machine Learning Surrogates for the Design pubs acs doi 10 1021 acs iecr 4c03913
Read online
File size491.68 KB
Pages8
DMCAReport

Related /

ads-block-test