PLAGIARISM SCAN REPORT

Date 2019-09-01

Words 854

0% 100% Characters 6533

Plagiarised Unique
Exculde Url None

Content Checked For Plagiarism

1. Penjelasan Singkat Jurnal ini membahas mengenai tantangan dalam memperkirakan permintaan untuk industri farmasi. Adapun hal yang
diuraikan yaitu terkait prosedur terpadu untuk memperkirakan permintaan produk dalam negeri dan membuat pesanan pembelian dalam rantai
pasokan farmasi. Jurnal ini menyajikan sebuah studi kasus untuk pasokan produk farmasi dari grosir ke perusahaan distribusi yang berlokasi di
pasar negara berkembang dan menyelidiki serta membahas skenario peramalan alternatif untuk perhitungan permintaan dasar menggunakan
model SMA, regresi linier berganda dan regresi simbolik dengan pemrograman genetika secara eksperimental, dan implikasi praktisnya. 2.
Metode Pada jurnal ini digunakan banyak sekali metode-metode yang dilakukan atau diterapkan dalam menangani studi kasus peramalan
permintaan dalam rantai pasokan farmasi. Adapun pendekatan metode yang digunakan antara lain kualitatif, kuantitatif dan campuran/gabungan.
Metode secara kualitatif yang digunakan seperti pendapat Eksekutif, teknik Delphi, polling tenaga penjualan dan layanan Pelanggan menghasilkan
perkiraan berdasarkan penilaian atau pendapat. Sedangkan secara kuantitatif dapat dikelompokkan berdasarkan perkiraan data historis, misalnya,
metode Naif, Analisis Tren, Analisis Rangkaian Waktu, Holt's dan model Winter, atau yang disebut perkiraan asosiatif yang mengidentifikasi
hubungan sebab akibat antara variabel yang menggunakan regresi Simple, Multiple atau Symbolic. Berbeda lagi secara campuran atau gabungan
yang memungkinkan integrasi kedua pendekatan. Dalam industri farmasi, model deret waktu paling sering digunakan (52%) dan model sebab-
akibat menyumbang 24%, sementara menghakimi - untuk 19% dan sisanya 5% mewakili model campuran atau gabungan. 3. Pembahasan Hasil
Jurnal a. Pada jurnal ini membahas metode yang paling akurat untuk digunakan dalam penelitian yang akan dilakukan mengenai peramalan
permintaan dari ketiga metode yang telah dibahas. Metode yang paling akurat akan dipilih berdasarkan nilai MAD (Mean Absolute Deviation), dan
mean absolute error yang paling kecil dimana menunjukkan akurasi yang tinggi. b. Pada metode Simple Moving Average (SMA) digunakan dua
jenis periode untuk pembanding yaitu 13 periode dan 4 periode. Untuk SMA dengan n = 13 memiliki absolute error sebesar 13577 dan nilai MAD
sebesar 12361. Sedangkan untuk SMA dengan n = 4 memiliki absolute error sebesar 11 964 dan nilai MAD sebesar 12465. Dari data tersebut
diketahui bahwa jika berdasarkan nilai absolute error maka metode SMA dengan n=4 lebih akurat daripada metode SMA dengan n=13. Namun,
jika dilihat dari nilai MAD untuk metode SAM dengan n=13 memiliki nilai lebih kecil daripada metode SMA dengan n=4 sehingga metode SMA
dengan n=13 dinilai lebih akurat. Terdapat perbedaan hasil dari dua jenis periode yang digunakan sehingga seperti yang telah disebutkan pada
jurnal tersebut bahwa model SMA jatuh ke peramalan adaptif yang memungkinkan pembaruan nilai rata-rata bergerak dari permintaan setelah
permintaan muncul dan karena hal tersebut bereaksi terhadap perubahan terbaru pola permintaan. Pada percobaan, data permintaan historis
terlalu rumit dan tidak sesuai dengan fluktuasi permintaan berkala sehingga model SMA menghasilkan prakiraan penjualan yang tidak konsisten
dan tidak akurat. c. Pada metode regresi linier dengan data yang suah diolah dengan menggunakan Microsoft Excel built-in tools dan dibuat dua
model regresi dimana masing – masing model ditampilkan dengan persamaan aljabar linier dengan lebih dari satu variabel bebas. Model regresi
pertama menggunakan 3 variabel independen yaitu harga dasar, harga diskon, dan jumlah minggu penjualan selama sebulan, untuk model regresi
linier dengan 3 variabel independen ini didapatkan nilai MAD sebesar 5725 dan nilai absolute error sebesar 6224. Sedangkan untuk model regresi
yang kedua menggunakan 2 variabel independen yaitu harga diskon dan junlah minggu penjualan selama sebulan, untuk model regresi linier
dengan 2 variabel ini diperoleh nilai MAD sebesar 5606 dan nilai absolute error sebesar 5718. Sehingga model regresi linier yang paling akurat
berdasarkan nilai absolute error dan nilai MAD yang lebih kecil adalah model regresi linier dengan 2 variabel. Jika dibandingkan dengan model
SMA absolute error dan mean absolute deviation lebih dari 50% lebih rendah dalam hal perkiraan berbasis regresi. Jadi, beberapa kriteria regresi
linier menunjukkan hasil yang lebih baik daripada model SMA dan memiliki kemampuan yang lebih baik untuk mereproduksi perilaku dari pola
permintaan. Namun masih terdapat kekurangan terhadap kemampuan untuk secara akurat memprediksi permintaan puncak penjualan. d. Pada
regresi simbolik memungkinkan untuk memungkinkan untuk menemukan ekspresi matematika dalam bentuk simbolis yang lebih cocok dengan
data masalah dan memprediksi variabel dependen dari variabel penjelas dengan kesalahan terkecil. Eksperimen peramalan berbasis regresi
simbolik telah dilakukan dengan menggunakan algoritma pemrograman genetik (Koza-style) berbasis pohon yang telah dikonfigurasi sebelumnya
untuk menghasilkan model regresi simbolik dalam perangkat lunak HeuristicLab. Model yang dihasilkan dari pengolahan data dari software
tersebut memiliki akurasi yang lebih tinggi dari model linier diperoleh dari data yang sama. Parameter kinerja yang diberikan menunjukkan bahwa
nilai absolute error untuk model regresi simbolik sebesar 4704 dan nilai MAD sebesar 3741. Hal ini menunjukkan bahwa metode regresi simbolik
memiliki nilai absolute error dan nilai MAD terkecil jika dibandingkan dengan metode Simple Moving Average (SMA) dan metode regresi linier
sehingga Regresi simbolik yang dipilih untuk digunakan dalam penelitian peramalan permintaan pada rantai pasok farmasi ini karena memiliki
akuransi yang paling tinggi. Sedangkan untuk hasil percobaan peramalan permintaan dibahas oleh para ahli yang diundang yang beroperasi di
bidang logistik dan manajemen rantai pasokan di perusahaan farmasi. 4. Kelebihan • Case study yang ditampilkan banyak, sehingga dapat
memberikan gambaran mengenai peramalan permintaan pada sebuah kasus • Didalam jurnal diberi penjelasan singkat mengenai peramalan
permintaan untuk farmasi, sehingga dapat lebih mudah memahami permasalahan yang ada pada studi kasus • Penyelesaian studi kasus
dijelaskan dengan metode yang sederhana mulai tingkat akurasi yang rendah sampai metode yang paling akurat 5. Kekurangan • Pada beberapa
metode yang digunakan hasil penelitian dan perhitungan data tidak ditampilkan

Matched Source