OPTIMASI RANTAI PASOK PROYEK MESIN INDUSTRI BERBASIS ARTIFICIAL NEURAL NETWORK UNTUK DEMAND FORECASTING MULTI PRODUK DI PT LIMAS ANUGERAH STEEL

Manajemen rantai pasokan dalam industri manufaktur sangat penting untuk memastikan kelancaran produksi dan pemenuhan permintaan, terutama dalam mengelola banyak produk. Studi ini dilakukan untuk mengoptimalkan rantai pasokan dalam proyek manufaktur mesin industri melalui peramalan permintaan berbasis Jaringan Syaraf Tiruan (JST). Data masukan yang digunakan adalah data permintaan historis selama 24 bulan untuk tiga jenis produk: tangki air, mesin pencampur, dan konveyor. Pendekatan pengelompokan deret waktu digunakan untuk mengelompokkan pola permintaan menggunakan metode jarak berbasis autokorelasi dan metode keterkaitan lengkap. Data untuk setiap klaster diuji stasioneritasnya menggunakan uji ADF dan transformasi Box-Cox sebelum dimasukkan ke dalam model JST. Masukan model ditentukan berdasarkan lag signifikan yang diperoleh dari PACF. Model JST dilatih menggunakan laju pembelajaran 0,001 dan 20 neuron tersembunyi. Evaluasi MAPE menunjukkan bahwa klaster 1 memiliki akurasi prediksi yang tinggi (MAPE <30%), sedangkan klaster 2 menunjukkan akurasi yang cukup baik (MAPE <50%). Hasil prediksi bulan ke-25 dari klaster 1 direkomendasikan sebagai dasar untuk keputusan perencanaan pengisian stok inventaris. Hasil penelitian menunjukkan bahwa pendekatan ANN efektif dalam meramalkan permintaan dengan akurasi tinggi dan mendukung pengambilan keputusan strategis dalam rantai pasokan multi-produk.