digilib@itb.ac.id +62 812 2508 8800

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PERENCANAAN PRODUKSI BERBASIS MACHINE LEARNING PADA PT CIPTA MORTAR UTAMA

245 views
Save At List
Penulis : Muhammad Zia Akhtar Rabbani [13422137]
Kontributor / Dosen Pembimbing :
  • Dr. Ir. Sukoyo, M.T.
  • Dr. Destina Ratna Asih Khodijah Kadarsah, S.T., M.Sc.
Jenis Koleksi : Tugas Akhir
Tahun Terbit : 2026
Penerbit : Teknik Industri
Fakultas : Fakultas Teknologi Industri
Subjek : Manufacturing
Kata Kunci : Sistem Pendukung Keputusan, Machine Learning, Peramalan Permintaan, SDLC, CRISP-DM
Sumber :
Staf Input/Edit : Esha Mustika Dewi  
File : 1 file
Tanggal Input : 18 Jul 2026

PT Cipta Mortar Utama (CMU) menghadapi tantangan operasional berupa biaya inventori yang berlebih akibat overproduction. Masalah ini bermuara dari proses peramalan permintaan yang masih menggunakan pendekatan judgemental forecast (target penjualan) yang subjektif dan rentan mengalami error, serta sistem pengambilan keputusan produksi yang memakan waktu karena data masih terisolasi antar divisi. Penelitian ini bertujuan untuk merancang prototipe Sistem Pendukung Keputusan (SPK) dengan mengintegrasikan model peramalan permintaan kuantitatif berbasis machine learning untuk menghasilkan rekomendasi penentuan shift produksi secara lebih akurat dan adaptif. Metodologi perancangan yang digunakan memadukan System Development Life Cycle (SDLC) untuk merancang arsitektur SPK dan Cross-Industry Standard Process for Data Mining (CRISPDM) untuk membangun model peramalan data deret waktu. Melalui proses evaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE) dengan metode expanding window validation, penelitian ini menyimpulkan bahwa setiap Stock Keeping Unit (SKU) membutuhkan model peramalan yang spesifik: Model Random Forest direkomendasikan untuk produk MU-250-40KG. Model ARIMAX direkomendasikan untuk produk MU-302- 50KG. Model XGBoost direkomendasikan untuk produk MU-380-40KG dan MU-480- 25KG. Prototipe SPK ini dibangun menggunakan bahasa pemrograman Python dengan library Streamlit untuk menghasilkan antarmuka (dashboard) interaktif. SPK yang diusulkan mampu mengolah data historis menjadi peramalan permintaan, memvisualisasikan tren penjualan, dan menghitung jumlah kebutuhan shift produksi berdasarkan kapasitas dan safety stock. Berdasarkan analisis kelayakan ekonomi, rancangan solusi ini dinyatakan layak untuk diimplementasikan dengan nilai Benefit-Cost Ratio (BCR) sebesar 1,51, Internal Rate of Return (IRR) sebesar 17%, dan Payback Period selama 3,5 bulan. Implementasi sistem ini diharapkan dapat mengotomatisasi pengolahan data lintas divisi, mempercepat siklus pengambilan keputusan tingkat taktis, serta mereduksi biaya inventori perusahaan secara signifikan

Artikel Terkait