PERAMALAN PERMINTAAN (DEMAND FORECASTING) KAIN ERRO GOLDEN MELLA STUDI PADA PT SARI WARNA ASLI TEXTILE INDUSTRY

Wibowo, Andre Hananto (2015) PERAMALAN PERMINTAAN (DEMAND FORECASTING) KAIN ERRO GOLDEN MELLA STUDI PADA PT SARI WARNA ASLI TEXTILE INDUSTRY. S1 thesis, UAJY.

	Text (Halaman Judul) EM018463.pdf Download (289kB)
	Text (Bab I) EM118463.pdf Download (78kB)
	Text (Bab II) EM218463.pdf Download (240kB)
	Text (Bab III) EM318463.pdf Restricted to Registered users only Download (140kB)
	Text (Bab IV) EM418463.pdf Restricted to Registered users only Download (379kB)
	Text (Bab V) EM518463.pdf Download (76kB)

Abstract

Penelitian ini bertujuan untuk mengetahui metode yang digunakan oleh perusahaan PT Sari Warna Asli Textile untuk mengetahui permintaan kain Erro Golden Mella dan membandingkan metode yang digunakan oleh perusahaan dengan peramalan permintaan (demand forecasting) yang dilakukan oleh peneliti. Permintaan sangat erat kaitannya dengan tingkat produksi yang dilakukan oleh perusahaan. Perusahaan harus menyesuaikan dengan baik tingkat produksi yang akan dilakukan dengan tingkat permintaan yang diminta oleh konsumen agar tidak menimbulkan pemborosan yang berupa meningkatnya / tingginya biaya penyimpanan yang diakibatkan oleh menumpuknya persediaan dan atau hilangnya pendapatan karena hilangnya penjualan yang tidak mampu dipenuhi oleh perusahaan. Data yang digunakan merupakan data primer dan data sekunder. Data primer diperoleh melalui wawancara tentang bagaimana PT Sari Warna Asli Textile Industry mengetahui permintaan kain Erro Golden Mella dan bagaimana tingkat produksinya, sedangkan data sekunder bersumber dari PT Sari Warna Asli yang berupa data produksi bersih dan data penjualan bersih kain Erro Golden Mella. Dilakukan analisis fungsi autokorelasi (ACF) untuk menentukan pola data apakah data termasuk data tren, data musiman, data stasioner, dan atau data siklus. Ternyata data yang akan diolah merupakan data stasioner dengan sedikit pola musiman, kemudian peneliti bisa menentukan beberapa metode yang digunakan yang cocok dengan data yang akan digunakan, diantaranya metode : Moving Average, ARIMA (Box-Jenkins), Simple Exponential Smoothing, Adaptive Response Exponential Smoothing, dan Procast. Hasil olah data menunjukkan metode yang terbaik adalah dengan Mean Absolute Percentage Error (MAPE) sebesar 20,77% merupakan hasil pengolahan data menggunakan metode Procast (Holt’s Winter’s Exponential Smoothing). Peneliti juga mendapati bahwa tingkat produksi perusahaan tidak cukup untuk memenuhi tingkat permintaan yang diminta oleh konsumen, jika hal ini terus berlanjut perusahaan bisa mengalami kerugian yang diakibatkan hilangnya pendapatan akibat permintaan yang tidak mampu dipenuhi, oleh sebab itu, perusahaan bisa menggunakan metode peramalan yang dilakukan oleh peneliti sebagai bahan pertimbangan untuk perencanaan kegiatan produksi periode berikutnya.

Actions (login required)

View Item