PT Sebastian Jaya Metal merupakan perusahaan manufaktur yang bergerak di bidang produksi dan distribusi sparepart kendaraan bermotor. Perusahaan ini menghadapi kendala dalam mengelola ketersediaan stok akibat belum diterapkannya metode prediksi permintaan berbasis data historis, yang menyebabkan keterlambatan pengiriman. Penelitian ini bertujuan untuk memprediksi permintaan mingguan terhadap lima sparepart prioritas guna mengurangi risiko kekurangan stok. Pendekatan yang digunakan adalah kuantitatif dengan metode peramalan deret waktu menggunakan dua algoritma, yaitu Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM). Data yang digunakan merupakan data invoice pelanggan periode April hingga Juli 2024 yang telah diolah dalam bentuk agregat mingguan. Evaluasi dilakukan menggunakan dua metrik utama, yaitu Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model ARIMA memberikan hasil lebih akurat pada sparepart dengan pola permintaan stabil seperti BRKT HEADREST (MAPE: 26,74%; RMSE: 8.427,05), sementara LSTM lebih baik dalam memprediksi permintaan dengan pola fluktuatif seperti CAP CATALYST B K1ZG SUB (MAPE: 53,43%; RMSE: 4.406,22) dan HALF ELBOW SUB ASSY K60A (MAPE: 28,43%; RMSE: 1.560,23). Hasil prediksi ini diharapkan dapat digunakan sebagai dasar pengambilan keputusan dalam perencanaan pengadaan sparepart agar lebih akurat dan tepat waktu.

S12092

INF 0119 2025

Bekasi

Tersedia