7/21/2019 Mapping Jurnal Peramalan

1/4

Nama : I Putu Susila Handika

NIM : 1491761017

Forecasting For Supply Chain Management

Draf Ide :

Permasalahan yang terjadi adalah bagian gudang menginputkan data Trasfer Out

Penjualan (TOD) secara manual. Langkah-langkah untuk membuat TOD pada gudang

sebagai berikut :

1. Bagian gudang melihat repot min_stock dan max_stock di semua toko

2. Memasukkan item yang kedalam form TOD sesuai dengan toko

Sistem yang ingin dibuat adalah sistem yang dapat membuat TOD secara otomatis yang

dihitung dari min_stock dan max_stock setiap toko. Untuk menghitung min_stock dan

max_stock, diperlukan peramalan penjualan untuk setiap item. Agar mendapatkan hasil

peramalan yang mendekati data sebenarnya, diperlukan sebuah metode untuk menghitung

peramalan tersebut. Saat ini metode peramalan yang digunakan adalah rata-rata jumlah

penjualan. Metode tersebut memiliki beberapa kelemahan yaitu jika terdapat pelonjakan

penjualan pada hari-hari tertentu, akan menghasilkan akurasi yang kurang baik. Untuk itu

dalam penelitian ini akan digunakan algoritma peramalan yang lebih baik agar dapat

mengatasi masalah tersebut.

7/21/2019 Mapping Jurnal Peramalan

2/4

Mapping Jurnal

Tahun Pengarang Judul Metode Isi

2014 Erol Egrioglu PSO-Based High Order Time

Invariant Fuzz Time Series!ethod " #$$li%ation to Sto%&

E'%hange (ata

1) Parti%le S*arm O$timization

2) Fuzz Time Series

Penelitian ini mengga+ung&an dua algoritma aitu

algoritma Fuzz Time Series dan #lgoritma Parti%leS*arm O$timization untu& meramal&an data +ursa

saham) #lgoritma Fuzz Time Series diguna&an untu&men%ari data $eriode selan,utna sedang&an #lgoritmaParti%le S*arm O$timization diguna&an untu&

mengo$timasi $roses $ada taha$ menentu&an relasi.uzz)

(engan mengo$timasi #lgoritma Fuzz Time Seriesmengguna&an #lgoritma Parti%le S*arm O$timization

dida$at $ening&atan $er.orma $eramalan) Pengga+ungandua metode ini da$at menghasil&an $eramalan ang le+ih

+ai& dari $ada metode ang lain ang dise+ut&an dalam

literatur ang terda$at $ada $enelitian ini) !etodeterse+ut antara lain Fuzz /ogi% rou$ elation Ta+les

#rti.i%ial eural et*or&s Fuzz elation !atri%esParti%le S*arm O$timization dan eneti% #lgorithm)

2012 3un-Huang HuarngTi..an Hui-3uang /uiz

!outinho u-5hun6ang

Fore%asting Tourism (emand BFuzz Time Series !odels

1) eural et*or& +ased FuzzTime Series !odel

Penelitian ini mem+ahas $eramalan &edatangan turis diTai*an termasu& $eriode ovem+er 2002 sam$ai 7uni

2008 saat *a+ah Severe #%ute es$irator Sndrome9S#S: mengan%am $ari*isata &hususna #SI#)

Hasil dari $enelitian ini di+anding&an dengan $enelitianan dila&u&an oleh 5hen $ada tahun 1;;< ang

mengguna&an #lgoritma Fuzz Time Series dan Huarng$ada tahun 200= mengguna&an metode ang sama

dengan $enelitian ini aitu eural et*or& +ased Fuzz

Time Series namun hana mengguna&an dera,at&eanggotaan ma&simal) (alam $enelitian ini diguna&an

+e+era$a dera,at &eanggotaan dan menghasil&an hasil$eramalan ang le+ih +ai& dari $ada &edua $enelitian

terse+ut)

2018 Pin-5hang 5hen Integrating Fuzz Theor eneti%

#lgorthm and eural et*or& in

1) Fuzz Theor

2) eneti% #lgorthm

(alam $enelitian dila&u&an $eramalan ,umlah turis di

!iaoli Tai*an mengguna&an tiga #lgoritma aitu Fuzz

7/21/2019 Mapping Jurnal Peramalan

3/4

Tourism Fore%asting 8) eural et*or& Theor eneti% #lgorthm dan eural et*or&)

#lgorima Fuzz diguna&an untu& menentu&an

&ara&teristi& ,umlah turis #lgoritma enti&a diguna&anuntu& men%ari +o+ot dan tresholds o$timal dari neural

net*or& tera&hir neural net*or& diguna&an untu&mela&u&an $eramalan ,umlah turis)

(ari $enelitian ang dila&u&an #lgortima Fuzz-#- menda$at&an hasil ang le+ih +ai& dari #lgortima

$eramalan ang lain aitu andom 6al& euralet*or&)

2018 (r) !) !assarrat #li3han

Fore%asting o. old Pri%es 9Bo'7en&ins #$$roa%h:

1) Bo' 7en&ins 9#I!#: Penelitian ini mengguna&an #lgoritma Bo' 7en&ins ataudi&enal dengan #I!# untu& meramal&an harga emas

di /ondon dari tanggal 2 7anuari 2008 sam$ai 1 !aret2012) #I!# meru$a&an salah satu #lgoritma $aling

%anggih untu& meramal&an data time series) (alam

$enelitian ini mem+anding&an #I!# dengan orde9011: dengan #I!# orde9110:)

(ari $enelitian ang telah dila&u&an dida$at #I!#9011: menghasil&an a&urasi ang le+ih +ai& dari $ada

#I!# 9110:)

201> #shvin 3o%ha& Suman

Sharma

(emand For%asting ?sing eural

et*or& For Su$$l 5hain!anagemnt

1) eural et*or& (alam , urnal i ni di+ahas +e+era$a metode $eramalan

misalna moving average e'$onential smoothing dan+o' ,en&ins regresi dan model e%onometri%) !etode

terse+ut memili&i a&urasi ang +ai& namun masihmemili&i &elemahan aitu "

1) #&urasi da$at ter,amin ,i&a data ang dimili&i

sangat +esar2) Susah mengidenti.i&asi $ola non-linier

(engan mengguna&an #lgoritma eural et*or&

masalah ang terda$at $ada +e+era$at algoritma diatasda$at diatasi)

Hasil dari $enelitian ini adalah #lgortima euralet*or& menghasil&an a&urasi ang le+ih +ai& dari

+e+era$a algoritma ang dise+ut&an se+elumna)

2014 #) hezel+ash F) 3enia (esign and Im$lementat ion o. 1) eural et*or& (alam ,urnal ini di la&u&an $eramalan +ursa saham $ada

7/21/2019 Mapping Jurnal Peramalan

4/4

#rti.i%ial eural et*or& Sstem

.or Sto%& E'%hange Predi%tion

TEPI@ di Iran dari tanggal 2= #$ril 2018 sam$ai ;

#gustus 2014)

Pada $enelitian ini dida$at&an +ah*a algoritma neural

net*or& menun,u&&an &iner,a ang signi.i&an dalammem$redi&si harga saham)