Sistem Pendukung Keputusan Estimasi Bahan Pewarna Aluminium Dengan Regresi Linier Berganda
DOI:
https://doi.org/10.31004/ijisk.v3i3.478Keywords:
Regresi Linier Berganda, Sistem Pendukung Keputusan, Estimasi Bahan, Job Order, Powder CoatingAbstract
Penelitian ini bertujuan menerapkan Regresi Linier Berganda dalam Sistem Pendukung Keputusan untuk mengestimasi kebutuhan bahan pewarna aluminium pada Divisi Production Planning and Inventory Control (PPIC) PT. DA. Permasalahan penelitian berangkat dari proses estimasi manual yang masih mengandalkan perhitungan dan pengalaman staf sehingga cenderung menghasilkan over-estimation. Penelitian menggunakan pendekatan kuantitatif terapan dengan data 1.000 Job Order pada periode November 2022 sampai Oktober 2025. Variabel prediktor meliputi luas permukaan, ketebalan, jumlah produksi, jenis powder, warna powder, dan coverage rate, sedangkan pemakaian aktual menjadi variabel target. Variabel kategorikal diproses menggunakan one-hot encoding. Evaluasi model menggunakan MAE, RMSE, MAPE, R², dan 5-fold cross-validation. Model menghasilkan MAE 3,9304 kg, RMSE 5,3479 kg, MAPE 3,4808%, dan R² 0,9701. Pengujian pada 10 Job Order menghasilkan MAE 5,6912 kg, RMSE 6,5998 kg, dan MAPE 5,3761%, sedangkan metode manual menghasilkan MAPE 72,7088%. Hasil menunjukkan bahwa estimasi sistem lebih dekat terhadap pemakaian aktual dan menurunkan selisih estimasi pada data pengujian. Sistem desktop berbasis Python, PySide6, dan SQLite dapat digunakan sebagai alat bantu analitik bagi PPIC dalam menghasilkan estimasi yang lebih konsisten dan berbasis data historis.
References
Aktepe, A., Yanık, E., & Ersöz, S. (2021). Demand forecasting application with regression and artificial intelligence methods in a construction machinery company. Journal of Intelligent Manufacturing, 32, 1587–1604. https://doi.org/10.1007/s10845-021-01737-8
Astrawan, A. A. M. K., & Suhartana, I. K. G. (2023). Sistem pendukung keputusan menentukan karyawan kontrak menjadi karyawan tetap dengan algoritma regresi linear berganda. Jurnal Nasional Teknologi Informasi dan Aplikasinya, 2(1), 95–102. https://doi.org/10.24843/JNATIA.2023.v02.i01.p11
Babai, M. Z., Boylan, J. E., & Rostami-Tabar, B. (2022). Demand forecasting in supply chains: A review of aggregation and hierarchical approaches. International Journal of Production Research, 60(1), 324–348. https://doi.org/10.1080/00207543.2021.2005268
Damayanti, A., Marleny, F. D., & Ningrum, A. A. (2025). Implementasi regresi linear berganda untuk prediksi penjualan pada PT Trimandiri Sarana Propetindo Banjarmasin. Jurnal Informatika dan Teknik Elektro Terapan, 13(3), 2094–2101. https://doi.org/10.23960/jitet.v13i3.6679
Erjisun, E., Siswanto, & Kanedi, I. (2024). Penerapan metode regresi linear berganda dalam prediksi produksi barang pada PT. Depot Kayu Saudara. Jurnal Media Infotama, 20(2), 473–478. https://doi.org/10.37676/jmi.v20i2.6422
Fahurian, F., & Purnomo, R. F. (2024). Sistem pendukung keputusan penentuan pengadaan obat menggunakan metode algoritma regresi linier. Explore: Jurnal Sistem Informasi dan Telematika, 15(1), 140–148. https://doi.org/10.36448/jsit.v15i1.3564
Ferdiansyah, F. R., Sofian, R., Alfirdaus, M. F., Nugraha, R. W., & Purwanto, H. (2024). Implementasi metode regresi linear dan reorder point untuk pengendalian persediaan barang. Jurnal Eksplora Informatika, 14(1), 55–62. https://doi.org/10.30864/eksplora.v14i1.1060
Husdi, H., & Dalai, H. (2023). Penerapan metode regresi linear untuk prediksi jumlah bahan baku produksi Selai Bilfagi. Jurnal Informatika, 10(2), 129–135. https://doi.org/10.31294/inf.v10i2.14129
Irpan, M., Rio, U., Karpen, & Hamdani. (2025). Model prediksi jumlah produksi kelapa sawit menggunakan regresi linear berganda di PT. Surya Argolika Reksa. Jurnal Ilmiah BETRIK: Besemah Teknologi Informasi dan Komputer, 16(2), 122–130. https://doi.org/10.36050/dv9sd116
Kurniawan, P., Rossa, H., Permana, A., Ramadan, W. A., Aji, A. B. W., Hidayatulloh, S., Iksan, N., & Arief, U. M. (2022). Prediksi jumlah penduduk Jakarta Selatan menggunakan metode regresi linear berganda. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 10(4), 1–8. https://doi.org/10.26418/justin.v10i4.48331
Lailiyah, S., Yusnita, A., & Hariri, L. (2023). Prediksi persediaan bahan baku untuk produksi makanan olahan “Sanggar Krispi” menggunakan metode regresi linear berganda. Jurnal Sistem Informasi dan Sistem Komputer (SIMKOM), 8(2), 84–94. https://doi.org/10.51717/simkom.v8i2.141
Mirčetić, D., Rostami-Tabar, B., Nikoličić, S., & Maslarić, M. (2022). Forecasting hierarchical time series in supply chains: An empirical investigation. International Journal of Production Research, 60(8), 2514–2533. https://doi.org/10.1080/00207543.2021.1896817
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2021). Introduction to linear regression analysis (6th ed.). Wiley.
Panigrahi, R. R., Mishra, P. C., Jena, A., Samantaray, A., & Tandon, N. (2023). Does inventory contribute to performance? An analysis of an Indian steel plant. International Journal of Applied Systemic Studies, 10(4), 329–342. https://doi.org/10.1504/IJASS.2023.135727
Rachman, R., Budiman Kusdinar, A., & Indrayana, D. (2024). Penerapan regresi linear berganda dalam prediksi dan optimalisasi persediaan barang Toko Mungil. JATI (Jurnal Mahasiswa Teknik Informatika), 8(5), 10499–10506. https://doi.org/10.36040/jati.v8i5.11033
Rawung, F., Raharjo, A. B., & Purwitasari, D. (2024). Analysis of raw material inventory prediction for plastic ore using a combination of causality and time series methods: A case study in a textile industry company. Jurnal Teknik Informatika (JUTIF), 5(1), 331–338. https://doi.org/10.52436/1.jutif.2024.5.1.1809
Rozi, A. M. F., & Lazulfa, I. (2025). Sistem prediksi produksi padi menggunakan metode regresi linear berganda (Studi kasus Kecamatan Mojoagung, Kabupaten Jombang). Jurnal Pendidikan Tambusai, 9(2), 18674–18680. https://doi.org/10.31004/jptam.v9i2.29016
