[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-126320-id":3,"doc-seo-126320-113":30,"detail-sidebar-cat-0-id-113":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":20,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},126320,962085570644,"Evangeline","https://ap-avatar.wpscdn.com/davatar_994ba38a5ba835b3df7d355c54d3ed8d",54,"Penelitian & Laporan","Pengembangan Sistem Prediksi Permintaan untuk Perhitungan Reorder Point Menggunakan Machine Learning - Bab I Pendahuluan","Bab ini menguraikan latar belakang pengembangan sistem prediksi permintaan untuk meningkatkan efisiensi manajemen persediaan ritel. Persaingan yang semakin ketat dan ekspektasi pelanggan terhadap layanan cepat menuntut kemampuan perusahaan menjaga ketersediaan barang secara optimal serta merespons dinamika permintaan. Dibahas dampak stockout dan overstock yang menimbulkan kerugian finansial, keterbatasan metode peramalan tradisional, serta potensi machine learning untuk menghasilkan prediksi yang lebih akurat pada reorder point dan safety stock berbasis data historis.","BAB I  \nPENDAHULUAN  \nBab ini berisikan latar belakang, perumusan masalah, tujuan, batasan masalah, dan sistematika penulisan pada penelitian ini.  \n1.1 Latar Belakang  \nPerkembangan teknologi informasi dan digitalisasi telah mendorong pertumbuhan pesat dalam industri ritel global. Perubahan preferensi konsumen, termasuk pergeseran ke arah belanja online, menciptakan persaingan pasar yang semakin ketat. Untuk tetap bertahan dan bersaing, perusahaan ritel harusmemastikan operasional mereka dikelola dengan efisien, terutama dalam hal manajemen persediaan.  \nMeskipun digitalisasi membawa banyak manfaat, industri ritel jugadihadapkan pada tantangan besar, salah satunya adalah memenuhi permintaan pelanggan yang terus berubah. Konsumen di era digital mengharapkan layananyang cepat dan akurat, sehingga menuntut retailer untuk memiliki sistem manajemen persediaan yang efisien dan fleksibel. Sistem ini tidak hanya bertujuan untuk menjaga ketersediaan barang secara optimal, tetapi juga memastikan pelayanan yang cepat dan responsif, yang berperan penting dalam meningkatkan kepuasan pelanggan (Kurniawan & Nugroho, 2022) .  \nDi sisi lain, pengelolaan persediaan yang kurang efisien dapat menyebabkan dua masalah utama, yaitu stockout dan overstock. Kekurangan stok dapat mengakibatkan hilangnya peluang penjualan dan penurunan kepuasan pelanggan, sementara kelebihan stok meningkatkan biaya penyimpanan serta potensi kerugian akibat diskon untuk menghabiskan barang. Berdasarkan laporan industri, masalahoverstock dan stockout di seluruh dunia diperkirakan merugikan perusahaan ritelhingga $1,75 triliun atau Rp28 .820 triliun per tahun, atau sekitar 8,3% dari total penjualan ritel global. Data ini menunjukkan betapa pentingnya pengelolaan  \npersediaan yang tepat untuk memastikan keberlanjutan profitabilitas perusahaan (Shamir, 2024) .  \nMetode peramalan tradisional seperti moving average, exponential smoothing, danARIMAtelah lama digunakan dalam manajemen persediaan karena kesederhanaannya dan kemudahan dalam interpretasi. Namun, metode-metode inimemiliki keterbatasan dalam menghadapi fluktuasi permintaan yang dinamis dankompleksitas data yang tinggi. Misalnya, moving average cenderung lambat dalam merespons perubahan tren permintaan, sementara exponential smoothing dapat memberikan bobot berlebih pada data terbaru tanpa mempertimbangkan faktoreksternal seperti musim atau promosi. Akibatnya, prediksi yang dihasilkan sering kali kurang akurat, yang dapat menyebabkan ketidakseimbangan stok dan berujung pada kerugian finansial.  \nKeterbatasan ini ditegaskan dalam studi oleh (Tulli, 2020) yang menunjukkan bahwa metode tradisional seperti ARIMA dan exponential smoothing memiliki performa yang lebih rendah dalam menangani pola permintaan yang kompleks dan non-linear. Dalam penelitian tersebut, model ARIMA tercatat menghasilkan akurasi yang lebih rendah dibandingkan model machine learning seperti Random Forest dan LSTM dalam konteks prediksi permintaan pada sektorritel dan manufaktur. Hal ini mengindikasikan bahwa metode konvensional kurang mampu beradaptasi terhadap dinamika pasar yang cepat berubah dan sangat bergantung pada banyak variabel.  \nUntuk mengatasi keterbatasan ini, teknologi machine learning menawarkan solusi yang inovatif. Dengan kemampuan menganalisis pola data historis dan menangkap hubungan kompleks, model berbasis machine learning dapat memberikan proyeksi yang lebih akurat terkait reorder point (ROP) dan safety stock (SS) . Teknologi ini memungkinkan perusahaan untuk membuat keputusan yanglebih tepat dan responsifterhadap dinamika pasar.  \nSalah satu aplikasi utama machine learning dalam manajemen persediaanadalah peramalan permintaan. Algoritma seperti regresi, decision tree, dan neural networks dapat menganalisis data historis untuk memprediksi kebutuhan produk dimasa depan. Selain itu, machine learning membantu perusahaan mengurangi biaya operasional dengan menerapkan metode seperti safety stock dan reorder point yang didukung anali","cbCaimD4OBp0m8K3","https://ap.wps.com/l/cbCaimD4OBp0m8K3","pdf",369927,8,1,"Indonesian","id",113,"# Bab I Pendahuluan\n## Latar Belakang\n## Permasalahan Manajemen Persediaan\n## Metode Peramalan Tradisional dan Keterbatasannya\n## Peran Machine Learning dalam Peramalan Permintaan\n## Penerapan pada Reorder Point dan Safety Stock","[{\"question\":\"Mengapa pengelolaan persediaan menjadi penting dalam industri ritel digital?\",\"answer\":\"Perubahan preferensi konsumen ke belanja online serta tuntutan layanan cepat dan akurat memperketat persaingan, sehingga perusahaan perlu menjaga ketersediaan barang secara optimal dan fleksibel.\"},{\"question\":\"Apa risiko utama dari pengelolaan persediaan yang kurang efisien?\",\"answer\":\"Risikonya berupa stockout yang menyebabkan hilangnya peluang penjualan serta penurunan kepuasan pelanggan, dan overstock yang meningkatkan biaya penyimpanan serta potensi kerugian akibat diskon.\"},{\"question\":\"Mengapa metode peramalan tradisional kurang efektif untuk permintaan yang dinamis?\",\"answer\":\"moving average cenderung lambat merespons tren, sementara exponential smoothing dapat memberi bobot berlebih pada data terbaru tanpa mempertimbangkan faktor eksternal seperti musim atau promosi.\"}]","Pengembangan Sistem Prediksi Permintaan untuk Perhitungan Reorder Point Menggunakan Machine Learning - Bab I Pendahuluan | PDF",1785904442,12,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":28},"demand-prediction-system-development-for-reorder-point-calculation-using-machine-learning-chapter-1-introduction","",{"@graph":36,"@context":86},[37,54,69],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/id/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/id/document/penelitian-laporan/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/id/document/demand-prediction-system-development-for-reorder-point-calculation-using-machine-learning-chapter-1-introduction/126320/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-17","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Mengapa pengelolaan persediaan menjadi penting dalam industri ritel digital?","Question",{"text":76,"@type":77},"Perubahan preferensi konsumen ke belanja online serta tuntutan layanan cepat dan akurat memperketat persaingan, sehingga perusahaan perlu menjaga ketersediaan barang secara optimal dan fleksibel.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Apa risiko utama dari pengelolaan persediaan yang kurang efisien?",{"text":81,"@type":77},"Risikonya berupa stockout yang menyebabkan hilangnya peluang penjualan serta penurunan kepuasan pelanggan, dan overstock yang meningkatkan biaya penyimpanan serta potensi kerugian akibat diskon.",{"name":83,"@type":74,"acceptedAnswer":84},"Mengapa metode peramalan tradisional kurang efektif untuk permintaan yang dinamis?",{"text":85,"@type":77},"moving average cenderung lambat merespons tren, sementara exponential smoothing dapat memberi bobot berlebih pada data terbaru tanpa mempertimbangkan faktor eksternal seperti musim atau promosi.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,117,121,125,129,133],{"id":95,"doc_module":4,"doc_module_name":46,"category_name":96,"show_sort_weight":97,"slug":98},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":100,"doc_module":4,"doc_module_name":46,"category_name":101,"show_sort_weight":97,"slug":102},48,"Cerita & Novel","story-novel",{"id":104,"doc_module":4,"doc_module_name":46,"category_name":105,"show_sort_weight":97,"slug":106},56,"Gaya Hidup","lifestyle",{"id":108,"doc_module":4,"doc_module_name":46,"category_name":109,"show_sort_weight":97,"slug":110},51,"Komik","comic",{"id":112,"doc_module":4,"doc_module_name":46,"category_name":113,"show_sort_weight":97,"slug":114},53,"Layanan Kesehatan","healthcare",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":97,"slug":116},"research-report",{"id":118,"doc_module":4,"doc_module_name":46,"category_name":119,"show_sort_weight":97,"slug":120},49,"Sastra","literature",{"id":122,"doc_module":4,"doc_module_name":46,"category_name":123,"show_sort_weight":97,"slug":124},52,"Teknologi","technology",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":127,"show_sort_weight":97,"slug":128},50,"Ujian","exam",{"id":130,"doc_module":4,"doc_module_name":46,"category_name":131,"show_sort_weight":97,"slug":132},57,"Umum","general",{"id":134,"doc_module":4,"doc_module_name":46,"category_name":135,"show_sort_weight":4,"slug":136},181,"Formulir","formulir"]