Peramalan permintaan menggunakan metode ARIMA dan metode Artificial Neural Network (ANN) serta perencanaan persediaan dengan metode Markov Chain pada produk air compressor type l unloading ¼ Hp di PT. Sharprindo Dinamika Prima
P PT.Sharprindo Dinamika Prima merupakan perusahaan yang bergerak pada industri manufaktur bidang compressor. Tujuan dari penelitian ini adalah menentukan persediaan yang optimal pada produk Air Compressor Type L Unloading ¼ HP dengan biaya persediaan yang paling minimum. Tahap pertama dalam penelitian ini yaitu menentukan nilai peramalan permintaan pada bulan Juli 2020 – Desember 2020 berdasarkan data time series pada bulan Januari 2018 - Juni 2020. Oleh karena pola permintaan yang tidak pasti, maka digunakan metoda peramalan ARIMA yang dibandingkan dengan pendekatan ANN. Hasil perhitungan menunjukkan bahwa metode ANN memiliki nilai MSE lebih kecil sebesar 5329 pada arsitektur jaringan 15-12-1. Hasil peramalan permintaan ANN selama 6 buan mendatang adalah 463, 231, 379, 441, 502 dan 208 unit. Hasil peramalan digunakan sebagai data untuk menentukan persediaan yang optimal menggunakan metode Markov Chain. Hasil dari persediaan awal yang optimal untuk perusahaan sebesar 0, 103, 206, 309, 412, 515 dan 618 unit, dengan tingkat pemesanan awal 826, 723, 620, 517, 414, 311 dan 208 unit. Biaya persediaan yang dihasilkan secara berturut – turut sesuai dengan persediaan awal adalah Rp137.807.914, Rp145.532.914, Rp149.828.062, Rp161.857.469, Rp169.582.469, Rp203.007.272 dan Rp213.732.272. Berdasarkan hasil persediaan tersebut terjadi pengurangan biaya dari biaya persediaan perusahaan pada saat ini yaitu sebesar 35,58% - 0,09%.
P PT. Sharprindo Dinamika Prima is a company engaged in the compressor manufacturing industry. The purpose of this study is to determine the optimal inventory of Air Compressor Type L Unloading products ¼ HP with the minimum inventory costs. The first step in this research is to determine the forecast value of demand in July 2020 - December 2020 based on time series data in January 2018 - June 2020. Because of the uncertain demand pattern, ARIMA forecasting method is used compared to the ANN approach. The calculation results show that the ANN method has a smaller MSE value of 5329 on the network architecture 15-12-1. The results of forecasting ANN requests for the next 6 months are 463, 231, 379, 441, 502 and 208 units. Forecasting results are used as data to determine optimal inventory using the Markov Chain method. The results of the optimal initial inventory for the company are 0, 103, 206, 309, 412, 515 and 618 units, with initial order levels 826, 723, 620, 517, 414, 311 and 208 units. Inventory costs generated in a row in accordance with the initial inventory are Rp.137,807,914, Rp.145,532,914, Rp.149,828,062, Rp.161,857,469, Rp.169,582,469, Rp.203,007,272 and Rp213,732,272. Based on the inventory results, there is a reduction in the cost of the company's current inventory costs, which is 35.58% - 0.09%.