Repository Universitas BojonegoroOptimizing Safety Stock Using Ann-Based Time Series ClusteringStighfarrinataRizky StighfarrinataauthorAbryandokoEko Wahyu AbryandokoauthorMaghfirohShofi Zakiyatul MaghfirohauthorPenelitian ini bertujuan untuk mengoptimalkan prediksi permintaan dan perhitungan safety stock dengan menerapkan metode Artificial Neural Network (ANN) yang dikombinasikan dengan klasterisasi data time series. Data permintaan historis diklasifikasikan ke dalam dua klaster berdasarkan kemiripan pola, yaitu jenis produk Inner Clack dan Inner Goint. Setiap klaster kemudian dilatih menggunakan model ANN secara terpisah untuk meningkatkan spesifisitas dan akurasi prediksi. Evaluasi performa model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE) terhadap data out-sample. Hasilnya menunjukkan bahwa model ANN mampu memberikan akurasi yang baik, dengan MAPE terbaik sebesar 10,55% untuk klaster pertama dan 10,78% untuk klaster kedua. Hasil prediksi dari masing-masing model digunakan dalam perhitungan safety stock berdasarkan pendekatan probabilistik, yang memperhitungkan nilai MAPE dan tingkat layanan (service level) sebesar 96% atau setara dengan Z-score 1,75. Perhitungan safety stock dilakukan untuk masing-masing bulan dalam satu tahun ke depan, sehingga diperoleh total stok disarankan yang mampu mengantisipasi ketidakpastian permintaan. Hasil penelitian menunjukkan bahwa integrasi ANN dan klasterisasi time series dapat meningkatkan ketepatan prediksi serta efisiensi dalam pengelolaan persediaan. Pendekatan ini dapat diterapkan sebagai sistem pendukung keputusan dalam perencanaan persediaan gudang yang lebih adaptif dan responsif terhadap dinamika permintaanProdi Teknik Industri2026-01-01LPPM UNIVERSITAS BOJONEGOROOther

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant Repository Universitas Bojonegoro the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that Repository Universitas Bojonegoro does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at Repository Universitas Bojonegoro) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.