Prediksi Volatilitas Harga Jual Produk Pada E-Commerce untuk Independent Stockashtic Data Menggunakan Simulasi Monte Carlo
DOI:
https://doi.org/10.25273/kaizen.v3i1.6253Keywords:
E-Commerce, Forecasting, Monte Carlo, Revolusi IndustriAbstract
Perkembangan dan penggunaan inovasi teknologi tersebut juga telah mengubah perilaku masyarakat dari masyarakat industri menuju masyarakat informasi. Perubahan tersebut dapat terlihat dengan adanya peningkatan pola konsumsi masyarakat dari perdagangan melalui toko fisik (offline) beralih ke perdagangan melalui sistem elektronik atau sering disebut sebagai e-commerce. Jasa logistik merupakan pemeran distribusi di lini downstream dimana bertugas untuk mengantarkan produk dari fulfillment center dari suatu e-commerce menuju ke end customer. Jasa logistik dituntut harus dapat melakuan pemenuhan permintaan dari konsumen sesuai dengan service level agreement (SLA). Tidak menentunya jumlah permintaan menjadi tantangan yang paling besar bagi pemeran jasa logistik. Seperti studi kasus yang digunakan pada penelitian ini, PT ABC mengalami overload ketika melakukan pemenuhan permintaan dari e-commerce PT XYZ. Overload tersebut dikarenakan ketidaksiapan PT ABC dalam menangani lonjakan permintaan yang signifikan karena perubahan harga jual Produk A di e-commerce PT XYZ. Pada penelitian ini diusulkan model peramalan harga jual Produk A pada e-commerce PT XYZ menggunakan model Simulasi Monte Carlo Independent Variable. Simulasi dilakukan dengan 1.000 percobaan dan menghasilkan MAPE terendah pada percobaan 322, yaitu, 0,122%.
Downloads
References
E. B. Setyawan and N. Novitasari, “Indonesian High-Speed Railway Optimization Planning for Better Decentralized Supply Chain Implementation to Support e-Logistic Last Miles Distribution,†in Journal of Physics: Conference Series, 2019, vol. 1381, pp. 1–6.
H. Widowati, “Indonesia Jadi Negara dengan Pertumbuhan E-Commerce Tercepat di Dunia,†2019. [Online]. Available: https://databoks.katadata.co.id/. [Accessed: 30-Mar-2020].
D. C. Chatfield and A. M. Pritchard, “Returns and The Bullwhip Effect,†Transp. Res. Part E Logist. Transp. Rev., vol. 49, no. 1, pp. 159–175, 2013.
E. B. Setyawan, D. D. Damayanti, and A. A. Kamil, “Multi-criteria Mathematical Model for Partial Double Track Railway Scheduling in Urban Rail Network,†in IEEE International Conference on Industrial Engineering and Engineering Management, 2019, pp. 1416–1420.
M. Zakria and F. Muhammad, “Forecasting The Population of Pakistan using ARIMA Models,†Pak. J. Agri. Sci., vol. 46, no. 3, pp. 214–223, 2009.
T. Nyoni, “Modeling and Forecasting inflation in Tanzania using ARIMA Models,†in Munich Personal RePEc Archive, 2019, pp. 1–11.
T. Nyoni, “Modeling and forecasting inflation in Lesotho using Box-Jenkins ARIMA Models,†in Munich Personal RePEc Archive, 2019, pp. 1–11.
N. Novitasari and E. B. Setyawan, “Decision Making in Inventory Policy Determination for Each Echelon to Stabilize Capsicum Frutescens Price and Increase Farmers Share Value Using Discrete Event Simulation,†in Journal of Physics: Conference Series, 2019, vol. 1381, pp. 1–6.
Downloads
Published
Issue
Section
License
With the receipt of the article by KAIZEN Editorial Board and the decision to be published, the copyright regarding the article will be transferred to KAIZEN Journal.
KAIZEN has the right to multiply and distribute the article and every author is not allowed to publish the same article that was published in this journal.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Under the following terms:
Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial — You may not use the material for commercial purposes.
ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
