Peningkatan Efisiensi Sistem Kontrol Persediaan dengan Metode Perpetual pada Toko Sepatu dan Tas Yogjakarta Kota Pekalongan

Muhammad Faizal Kurniawan, M. Adib Al Karomi

Sari


Toko Yogyakarta adalah sebuah perusahaan yang bergerak dibidang penjualan sepatu, tas, aksesoris, kebutuhan sekolah dan lain sebagainya. Dalam menjalankan kegiatan usahanya Toko Yogyakarta telah menggunakan aplikasi Point of Sales. Toko Yogyakarta memiliki sangat banyak jumlah persediaan barang yang akan dijual dengan berbagai jenis, warna dan ukuran. Ketersedian stok merupakan hal yang sangat penting bagi Toko Yogyakarta guna mendukung keputusan dalam pemesanan barang kepada supplier. Namun demikian, aplikasi yang ada saat ini belum mampu memberikan kepuasan terhadap pengguna dalam hal ini pemilik Toko Yogyakarta dalam hal perhitungan dan pelaporan ketersediaan barang. Hal ini disebabkan proses perhitungan persediaan yang dilakukan aplikasi sangat lama dan memakan sumber daya komputer yang cukup besar serta seringkali terjadi kegagalan sistem sehingga menimbulkan tidak validnya laporan persediaan yang disajikan. Penelitian ini bertujuan untuk mengatasi hal tersebut dengan menerapkan metode perpetual di bagian kontrol persediaan. Metode perpetual diterapkan dengan membuat trigger-trigger pada tabel-tabel yang terkait dengan persediaan. Trigger akan melakukan perhitungan stok akhir pada item barang secara otomatis ketika terjadi penjualan, barang masuk dan barang keluar. Hasil perhitungan trigger ditampung pada sebuah tabel stok akhir. Dengan cara ini maka tidak terjadi lagi proses perhitungan pada saat penyajian laporan. Penggunaan trigger mampu mempercepat proses perhitungan persediaan dan menguntungkan perusahaan karena tidak perlu ada penggantian aplikasi yang saat ini sudah berjalan sehingga kegiatan usaha tetap dapat berjalan sebagaima biasanya. Dibandingkan dengan metode yang sebelumnya, metode yang terbukti mampu mengurangi waktu tunggu dan beban kerja komputer secara signifikan pada saat penyajian laporan persediaan.

 Kata Kunci : persediaan, perpetual, trigger


Teks Lengkap:

PDF

Referensi


Alkaromi, M Adib. 2014. “Information Gain Untuk Pemilihan Fitur Pada Klasifikasi Heregistrasi Calon Mahasiswa Dengan Menggunakan K-NN.”

Alpaydin, Ethem. 2010. Introduction to Machine Learning Second Edition. London: The MIT Press.

Amancio, D. R., C. H. Comin, D. Casanova, G. Travieso, O. M. Bruno, F. a. Rodrigues, and L. Da F. Costa. 2013. “A Systematic Comparison of Supervised Classifiers,” October. http://arxiv.org/abs/1311.0202v1.

Ashari, Ahmad, Iman Paryudi, and A Min Tjoa. 2013. “Performance Comparison between Naïve Bayes , Decision Tree and k-Nearest Neighbor in Searching Alternative Design in an Energy Simulation Tool” 4 (11): 33–39.

Han, Jiawei, and Micheline Kamber. 2006. Data Mining: Concepts and Techniques Second Edition. Elsevier. Elsevier.

Koprinska, Irena. 2010. “Feature Selection for Brain-Computer Interfaces,” 100–111.

Kurniawan, M. Faisal, and Ivandari. 2017. “Komparasi Algoritma Data Mining Untuk Klasifikasi Kanker Payudara.” IC Tech I April 20: 1–8.

Maimoon, Oded, and Lior Rokach. 2010. Data Mining and Knowledge Discovery Handbook. Vol. 40. Springer. https://doi.org/10.1002/1521-3773(20010316)40:6<9823::AID-ANIE9823>3.3.CO;2-C.

Patel, Kanu, Jay Vala, and Jaymit Pandya. 2014. “Comparison of Various Classification Algorithms on Iris Datasets Using WEKA” 1 (1): 1–7.

Ragab, Abdul Hamid M., Amin Y. Noaman, Abdullah S. Al-Ghamdi, and Ayman I. Madbouly. 2014. “A Comparative Analysis of Classification Algorithms for Students College Enrollment Approval Using Data Mining.” Proceedings of the 2014 Workshop on Interaction Design in Educational Environments - IDEE ’14, 106–13. https://doi.org/10.1145/2643604.2643631.

Witten, Ian H, Eibe Frank, and Mark A. Hall. 2011. Data Mining: Practical Machine Learning Tools and Techniques 3rd Edition. Elsevier.

Wu, Xindong. 2009. The Top Ten Algorithms in Data Mining. Edited by Vipin Kumar. New York: Taylor & Francis Group, LLC


Refbacks

  • Saat ini tidak ada refbacks.