Perpustakaan Digital ITB

PT X merupakan salah satu perusahaan yang bergerak pada bidang manufaktur mobil dan komponennya, dimana berperan sebagai produsen dan pengekspor dari produk dan suku cadang (spare part). Pada tahun 2019, realisasi ekspor PT X mampu mencapai kinerja ekspor sebanyak 208.500 unit kepada lebih dari 80 negara. Penerimaan yang baik pada negara-negara tujuan ekspor PT X ini salah satunya disebabkan karena PT X selalu menjaga kualitas pelayanannya dalam mengirimkan produk hingga memberikan aktivitas layanan purnajual atau after sales service. Salah satu bentuk layanan purnajual yang ditawarkan oleh PT X adalah servis berkala yang mencakup pemeriksaan dan pemeliharaan suku cadang kendaraannya. Dalam mengelola persediaan suku cadang PT X, perlu dilakukan manajemen persediaan, salah satunya dalam menentukan nilai titik pemesanan ulang atau Reorder Point (ROP). Penentuan yang optimal dalam menentukan ROP akan memberikan manfaat dalam mengelola safety stock, mengurangi biaya persediaan, meningkatkan produktivitas, hingga meningkatkan pendapatan Perhitungan penentuan ROP dengan menggunakan metode tradisional dinilai memerlukan waktu yang banyak bagi perusahaan karena mengingat besarnya jumlah suku cadang yang perlu diperhitungkan. Oleh karena itu, pendekatan berbasis Artificial Intelligence (AI) menjadi penting untuk dapat memberikan efisiensi dalam menentukan nilai ROP. Metode AI yang digunakan dalam melakukan prediksi nilai ROP yaitu metode machine learning atau pembelajaran mesin. Pada penelitian ini, algoritma machine learning yang digunakan untuk melakukan prediksi ROP adalah Artificial Neural Network (ANN), Support Vector Regression (SVR), Regresi Linier, Decision Tree, dan Random Forest. Hasil penelitian memberikan kesimpulan bahwa model ANN memberikan performansi terbaik dengan error yang dihasilkan melalui rata-rata nilai MAPE sebesar 8,36% dan rata-rata nilai R2 sebesar 0,9682 atau 96,82%. Metode machine learning juga memberikan efisiensi waktu komputasi sebesar 98,51% dibandingkan dengan waktu komputasi yang dihasilkan dari penggunaan model algoritma tradisional.