Perpustakaan Digital ITB

Pandemi COVID-19 telah memberikan dampak pada PT Garuda Maintenance Facility Aero Asia Tbk (GMF) yang mengalami kerugian selama tahun 2020 dan 2021, yaitu $328 juta dan $127 juta. Hal ini disebabkan dengan adanya jumlah pemesanan yang tidak tepat membuat pergerakan inventori material dibawah nilai satu. Dengan demikian, penelitian ini bertujuan untuk mengembangkan model peramalan yang efektif untuk perencanaan persediaan material pesawat B737-800 di perusahaan. Metode penelitian melibatkan klasifikasi material berdasarkan klasifikasi Fast, Slow, Non-Moving (FSN), identifikasi pola data permintaan material melalui dekomposisi data, dan penerapan model jaringan saraf tiruan Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) untuk peramalan permintaan material. Evaluasi dilakukan menggunakan Mean Squared Error (MSE), dan metode pemesanan dengan metode Economic Order Quantity (EOQ) digunakan untuk menentukan jumlah pemesanan optimal. Hasil penelitian mengungkapkan bahwa sebanyak 26 material memiliki pergerakan cepat, dan semua material menunjukkan pola data yang acak dengan tren, musiman, dan residu. Dari metode peramalan yang diuji, LSTM digunakan untuk 5 material, GRU digunakan untuk 14 material, dan metode Moving Average (MA) digunakan untuk 7 material. Hasil evaluasi menunjukkan bahwa metode EOQ memberikan biaya yang lebih rendah daripada metode pemesanan aktual. Implikasi dari penelitian ini adalah bahwa penggunaan metode pemesanan yang diusulkan dapat mengurangi biaya material yang dikeluarkan sebesar 41% dibandingkan dengan metode pemesanan aktual. Dengan kata lain, penggunaan model peramalan LSTM dan GRU dalam perencanaan persediaan material dapat memberikan manfaat signifikan dalam pengelolaan biaya dan persediaan material.