Perencanaan dan Pengendalian Produksi Tas dengan Metode Forecasting Linear Regression dan Metode Algoritma Wagner-Within (AWW)

Abstract

Penelitian ini bertujuan untuk mengembangkan model perencanaan dan pengendalian produksi tas yang efisien dan efektif dengan menggunakan metode Forecasting Linear Regression dan algoritma Wagner-Within (AWW). Model ini diharapkan dapat membantu industri pembuatan tas dalam menentukan waktu dan jumlah pesanan yang paling efisien untuk jadwal produksi tas. Data penjualan tas terdahulu dianalisis dengan menggunakan metode Forecasting Linear Regression untuk memprediksi permintaan tas di masa depan. Hasil prediksi ini kemudian digunakan sebagai dasar untuk menghitung kebutuhan produksi tas dengan menggunakan algoritma Wagner-Within (AWW). Hasil penelitian menunjukkan bahwa penerapan metode Wagner-Within membantu PT X dalam meminimalkan biaya penyimpanan, menjaga kelancaran proses produksi, dan memastikan ketersediaan produk sesuai dengan permintaan pasar. Selain itu, penggunaan metode forecasting linear regression juga membantu dalam meramalkan permintaan tas di masa depan, sehingga perusahaan dapat menentukan waktu dan jumlah pesanan yang efisien untuk jadwal produksi tas. Dengan kombinasi metode tersebut, PT X dapat mengoptimalkan produksi, manajemen persediaan bahan baku, dan biaya produksi secara keseluruhan.

This research aims to develop an efficient and effective production planning and control model for bag production using the Forecasting Linear Regression method and the Wagner-Within (AWW) algorithm. This model is expected to help the bag manufacturing industry in determining the most efficient time and quantity of orders for bag production schedules. Previous bag sales data were analyzed using the Forecasting Linear Regression method to predict future bag demand. This predicted result is then used as a basis for calculating bag production requirements using the Wagner-Within (AWW) algorithm. The study's findings demonstrated that applying the Wagner-Within technique helped PT X minimize storage costs, maintain a smooth production process, and ensure product availability according to market demand. In addition, the use of the forecasting linear regression method also helps in forecasting future bag demand so that companies can determine the efficient time and quantity of orders for bag production schedules. With a combination of these methods, PT X can optimize production, raw material inventory management, and overall production costs.