Perpustakaan Digital ITB

Manajemen inventori merupakan tantangan penting bagi penjual e-commerce skala mikro karena keterbatasan modal kerja, kapasitas gudang, serta kualitas data historis yang tidak selalu memadai. Dalam kondisi tersebut, keputusan order replenishment perlu mempertimbangkan hasil sales forecasting, stok saat ini, histori pengadaan, stok dalam perjalanan, dan karakteristik tiap SKU. Penelitian ini bertujuan merancang modul order replenishment berbasis data-driven simulation-optimization untuk menghasilkan rekomendasi kebutuhan pengadaan per SKU yang lebih adaptif dan terukur. Modul yang dikembangkan membangun konteks inventori dan pengadaan per SKU, membentuk target inventori berdasarkan lead time dan protection period, lalu mengevaluasi kandidat kebijakan inventori melalui rolling horizon simulator. Proses optimisasi dilakukan menggunakan Genetic Algorithm (GA), Particle Swarm Optimization (PSO) sebagai dua metode pencarian kebijakan inventori yang dibandingkan pada penelitian ini. Evaluasi dilakukan menggunakan simulator replay multi-siklus pada data operasional toko mitra Rimu Medan dengan membandingkan modul yang dikembangkan terhadap kebijakan manual berbasis aturan. Hasil evaluasi menunjukkan bahwa modul order replenishment mampu meningkatkan fill rate, menurunkan lost sales dan stockout SKU-days, serta menghasilkan realized nett profit yang lebih baik dibandingkan kebijakan manual. Dengan demikian, pendekatan data-driven simulation-optimization layak digunakan sebagai dasar sistem pendukung keputusan pengadaan ulang pada penjual e-commerce skala mikro.