Perpustakaan Digital ITB

Gembira Houseware merupakan sebuah toko serba ada (toserba) yang menjual berbagai macam peralatan rumah tangga di Provinsi Gorontalo. Gembira Houseware menjual 7.256 jenis produk dengan rata-rata jumlah transaksi mencapai sekitar seratus ribu setiap bulannya. Gudang penyimpanan seringkali tidak dapat menampung barang dengan utilitas gudang rata-rata 80%. Sebanyak 30% dari jumlah barang yang disimpan merupakan barang dead stock atau obsolete inventory. Tujuan dari penelitian ini adalah memodelkan dinamika sistem inventori dan memberikan kebijakan inventori usulan untuk meningkatkan akurasi peramalan dan mengurangi jumlah dead stock pada gudang. Sistem inventori yang bersifat dinamis menyebabkan pemodelan yang sesuai dilakukan dengan Discrete Event System (DES) yang dapat menyatakan kedinamisan sistem untuk setiap periode waktu. Proses peramalan permintaan sebagai masukan dari sistem inventori dilakukan menggunakan algoritma machine learning untuk menyesuaikan besarnya ukuran data. Model peramalan yang digunakan pada penelitian ini adalah ARIMA, XGBoost, dan LSTM. Model peramalan dilakukan untuk memprediksi permintaan pada 12 kelompok produk. Setelah masing-masing algoritma dijalankan dengan data yang tersedia, diperoleh bahwa setiap kelompok produk memiliki model terbaiknya masing-masing. Secara keseluruhan, model dengan performa terbaik dirancang menggunakan ARIMA, dengan rata-rata MAPE 16,60%. Berdasarkan hasil simulasi kebijakan inventori, kebijakan usulan berhasil mengurangi jumlah dead stock 100%, jumlah inventori rata-rata 17%, dan jumlah lost sales 98%.