Peramalan Jumlah Permintaan Kaos Sablon di Octopus Screen Printing Studio
Article Sidebar
Main Article Content
Abstract
Kebutuhan sandang yang terus meningkatkan menyebabkan menyebabkan industri pakaian harus beradaptasi dengan persiapan produksi yang matang. Hal ini dilakukan agar dapat mengetahui jumlah permintaan yang akan diterimanya di masa depan serta mampu untuk memenuhinya. Octopus Screen Printing Studio yang merupakan industri pakaian dengan fokus pada produksi utama pada kaos polos juga harus melakukan perencanaan produksi dengan baik yang diawali dari menentukan jumlah permintaan yang tepat berdasarkan data permintaan di periode-periode sebelumnya agar tidak mengalami lost sales yang mana pernah terjadi di masa lalu. Untuk mencapai hal tersebut dilakukan proses peramalan jumlah permintaan dengan menggunaan metode linear regression, moving average dan exponential smoothing. Secara berturut-turut, jumlah estimasi permintaan yang akan datang yaitu 684, 517 dan 611 unit kaos. Hasil tersebut dievaluasi berdasarkan tingkat kesalahan berupa nilai Mean Absolute Deviation (MAD), Mean Squarred Error (MSE) dan Mean Absolute Percentage Error (MAPE) yang menyatakan semakin rendah nilai yang diperoleh maka semakin akurat hasil peramalan yang didapatkan. Berdasarkan skor penilaian tingkat akurasi peramalan diketahui bahwa masing-masing metode memiliki nilai yaitu linear regression = 9, moving average = 6 dan exponential smoothing = 3. Dengan demikian, maka Octopus Screen Printing Studio harus siap memproduksi sebagaimana hasil metode linear regression yaitu sebanyak 684 unit kaos. Evaluasi yang dilakukan berdasarkan waktu produksi, hari dan jam kerja di industri tersebut juga menyatakan bahwa Octopus Screen Printing Studio siap untuk memenuhi jumlah permintaan tersebut.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c)
References
Adhitama, L., Nabila, A. C., Zarliansyah, A. D., Pangestu, A. D., Valencia, B. R., Prasetyo, D. H., & Normasari, N. M. E. (2024). Peramalan Jumlah Kebutuhan Persediaan Kantong Daerah (Blood Bag) di Palang Merah Indonesia Kota Yogyakarta. Journal of Current Research in Disaster Response and Emergency Management, 1(1), 8–14.
Ali, M. T., & Bintang, A. (2022). Pengendali Persediaan Barang Menggunakan Metode Single Exponential Smothing Untuk Peramalan Penjualan. Jurnal Informatika Ekonomi Bisnis, 4(4), 197–202. https://doi.org/10.37034/infeb.v4i4.170
Anam, S., Dedy Irawan, J., & Agus Pranoto, Y. (2023). Sistem Forecasting Penjualan Konveksi dengan Metode Singgle Exponential Smoothing. JATI (Jurnal Mahasiswa Teknik Informatika), 7(4), 2272–2279. https://doi.org/10.36040/jati.v7i4.7471
Duarte, A. Y. S., Sanches, R. A., & Dedini, F. G. (2018). Assessment and technological forecasting in the textile industry: From first industrial revolution to the Industry 4.0. Strategic Design Research Journal, 11(3), 193–202. https://doi.org/10.4013/sdrj.2018.113.03
Hajjah, A., & Marlim, Y. N. (2021). Analisis Error Terhadap Peramalan Data Penjualan. Techno.Com, 20(1), 1–9. https://doi.org/10.33633/tc.v20i1.4054
Hidayat, A. P., Santosa, S. H., & Siskandar, R. (2022). Penentuan Jumlah Kebutuhan Bahan Baku Berdasarkan Distribusi Barang Ideal di IKM Tepung Tapioka Kabupaten Bogor. Jurnal INTECH Teknik Industri Universitas Serang Raya, 8(1), 23–28. https://doi.org/10.30656/intech.v8i1.4400
Hutapea, B. T. (2022). Lot Sizing Material Requirement Planning Pada Produk Kipas Angin Portable dengan Metode Period Order Quantity (POQ).
Junior, R. G. F., Hidayat, N., & Soebroto, A. A. (2022). Prediksi Omzet Penjualan Jersey menggunakan Metode Regresi Linier (Studi Kasus CV. Quattro Project Bululawang). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(10), 4598–4603.
Jurjani, A. H., Amin Yazid Achmad, Heru Andi Pratama, & Aloysius Tommy Hendrawan. (2024). Analisis Peramalan Permintaan dalam Memaksimalkan Manajemen Rantai Pasok Menggunakan Metode Moving Average. Mars : Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer, 2(4), 20–30. https://doi.org/10.61132/mars.v2i4.222
Kwok, E., & Susanti, W. (2019). Penerapan Metode Regresi Linier dalam Aplikasi Sistem Peramalan Jumlah Bahan Baku untuk Produksi Tahu. Jurnal Mahasiswa Aplikasi Teknologi Komputer dan Informasi, 1(2), 121–128.
Lestari, F., Anwar, U., Nugraha, N., & Azwar, B. (2017). Forecasting Demand in Blood Supply Chain (Case Study on Blood Transfusion Unit). Proceedings of the World Congress on Engineering, 2.
Muiz, A. N., Fajar, W. L., & Rahayu, R. (2023). Dampak Impor Pakaian Bekas Terhadap Kestabilan Industri Tekstil dan Produk Tekstil di Indonesia. 1.
Putri, O. (2023). Demand Forecasting Pada Manajemen Persediaan Suku Cadang: A Systematic Literature Review. Jurnal Teknik SILITEK, 03(02), 84–90.
Ramadhani, S. D. R., Adhitama, L., Putri, O., & Rahma, A. (2024). Peramalan Dan Perencanaan Kebutuhan Bahan Baku Produksi Kerajinan Bros Ikm Logam Mandiri. Jurnal Teknik Mesin dan Industri (JuTMI), 3(1), 1–9. https://doi.org/10.55331/jutmi.v3i1.42
Saefudin, Susandi, D., & Nafis, F. (2021). Sistem Peramalan Penjualan Paving Block Menggunakan Metode Single Moving Average. JSiI (Jurnal Sistem Informasi), 8(2), 75–81. https://doi.org/10.30656/jsii.v8i2.3727
Sarwono, E., Shofa, M. J., & Kusumawati, A. (2022). Analisis Perencanaan Pengendalian Bahan Baku Produksi Roti Pada UKM Produksi Roti Kota Serang. Jurnal Teknologi dan Manajemen Industri Terapan (JTMIT), 1(4), 349–360.
Sofyan, M., & Andrayanti, I. (2023). Literasi Keuangan Pelaku Industri Kecil Menengah Di Kabupaten Magetan. Bussman Journal: Indonesian Journal of Business and Management, 3(1), 329–340.
Sulaeman, D. A., & Muttaqien, Z. (2023). Menentukan Tingkat Produksi dan Distribusi Produk Makanan Tradisional Berumur Pendek Untuk Meminimasi Kekurangan dan Kadaluarsa. Infomatek, 25(2), 77–86. https://doi.org/10.23969/infomatek.v25i2.6410