http://hdl.handle.net/123456789/56 Tue, 02 Jun 2026 22:52:24 GMT 2026-06-02T22:52:24Z http://hdl.handle.net/123456789/63129 Optimasi Algoritma Genetika Rantai Pasok “Vendor Managed Inventory” yang Melibatkan Kerusakan Bahan Baku dan Produk Purnamasari, Laely I. Persaingan ekonomi saat ini bukan lagi antar perusahaan namun antar rantai pasok. Dalam hal ini bahan baku menjadi pertimbangan yang sangat penting khususnya yang memproduksi produk makanan yang mudah rusak (deteriorating). Bahan baku yang deteriorating seperti tepung terigu yang digunakan untuk menghasilkan pasta beku yang juga deteriorating. Penelitian ini mempelajari tentang Manajemen persediaanmengelola bahan baku dan produk yang deterioratingsehingga meminimalkan total biaya inventori yang ada. Asumsi asumsi yang dipakai dalam penelitian ini permintaan retail adalah deterministik. Tingkat kerusakan dari bahan baku yang berupa tepung terigu adalah 0,02%. Sedangkan tingkat kerusakan produk yang dihasilkan berupa pasta beku adalah 0,03%. Variabel keputusan yang dipakai yaitu keadaan siklus pengisian umum dan frekuensi pengisian dari bahan baku. Dalam penelitian ini dipakai singlevendordan single retail dalam mengelola bahan baku dan produknya. Berdasarkan perhitungan yang dilakukan menggunakan VMI didapatkan total biaya inventori sebesar 522651 USD. Kemudian dari model yang ada dilakukan optimasi menggunakan Algoritma Genetika (AG).Sehingga menghasilkanpenurunan total biaya inventori sebesar 503387 USD. Penurunan total biaya inventori ini dapat memberikan peningkatan keuntungan vendor dan retailer sebesar 3,8%. Wed, 01 Jan 2014 00:00:00 GMT http://hdl.handle.net/123456789/63129 2014-01-01T00:00:00Z http://hdl.handle.net/123456789/63119 Improving Detection of Similarly Designed Retail Products With Size Variants P.S, Ganendra Raditya Retail environments require accurate and consistent shelf monitoring to support inventory management and planogram compliance. However, manual inspection remains inefficient and error-prone, particularly in modern grocery stores that contain thousands of Stock Keeping Units (SKUs). As a result, automated vision-based monitoring systems have been increasingly adopted to replace manual shelf inspection and improve scalability. Moreover, a persistent challenge in automated retail monitoring systems arises when product variants from the same brand share nearly identical packaging designs and differ only in weight or grammage. In such fine-grained scenarios, object detection models frequently confuse product variants, leading to unreliable inventory data and missed detections. This research addresses the problem of fine- grained retail product detection under real-world constraints, where data scarcity and class imbalance limit the effectiveness of deep learning models. To mitigate these challenges, an optimization-driven detection pipeline is proposed, integrating systematic hyperparameter tuning, dataset-level context-aware augmentation, and ensemble model post-processing. Two complementary object detection architectures, YOLOv12 and Faster R-CNN are employed to capture diverse feature representations. Model training is optimized using hierarchical hyperparameter tuning with the Optuna Tree-Structured Parzen Estimator (TPE), while data limitations are addressed through Context-Aware Copy-Paste augmentation. Furthermore, prediction outputs are fused using Weighted Boxes Fusion (WBF) to improve detection consistency. Experimental evaluation on real-world retail shelf images demonstrates that the proposed pipeline reduces error rates compared to baseline detection configurations. Analysis using confusion matrices shows a reduction in misclassification among product variants. These findings indicate that combining architecture diversity, systematic optimization, data-centric augmentation, and ensemble model provides a solution for fine-grained retail product detection in data-limited retail environments. Thu, 01 Jan 2026 00:00:00 GMT http://hdl.handle.net/123456789/63119 2026-01-01T00:00:00Z http://hdl.handle.net/123456789/63115 Sistem Informasi Manajemen Data Kriminalitas pada Polres Cilacap Safitri, Danik Cilacap merupakan kabupaten terluas di Jawa Tengah. Di samping itu kota Cilacap ini juga merupakan kota Industri. Karena Cilacap merupakan kota industri, maka kehidupan ekonomi masyarakatnya dibilang berkecukupan, namun hal itu tidak membuat masyarkat bisa terhindar dari ancaman kejahatan yang dilakukan para pelaku guna menguras atau memanfaatkan harta benda yang ada. Di Polres Cilacap data kejahatan dari tahun ke tahun sudah tercatat banyak sekali, namun dalam hal pencatatan laporan kejadian masih menggunakan sistem manual. Petugas hanya mencatat kasus-kasus kejahatan yang terjadi dalam bentuk pembukuan. Dengan sistem yang masih manual akan menghambat dan mempersulit petugas khususnya dalam proses pencarian data. Petugas harus mencari satu per satu kejadian berdasarkan peletakan catatan yang ada di buku. Sistem informasi manajemen merupakan cara atau model yang tepat untuk dapat menyelesaikan masalah yang ada seperti telah disebutkan diatas. Sistem Informasi Manajemen Data Kriminalitas Polres Cilacap ini dibuat agar dapat dengan mudah membantu petugas melakukan pengolahan data seperti menambah data, mengedit data, menghapus data serta melakukan proses pencarian data. Selain itu hasil dari pencarian juga bisa berupa grafik untuk mengetahui prosentase jumlah kejadian yang terjadi serta sebagai perbandingan jumlah kejadian-kejadian sebelumnya. Wed, 01 Jan 2014 00:00:00 GMT http://hdl.handle.net/123456789/63115 2014-01-01T00:00:00Z http://hdl.handle.net/123456789/63113 Pengukuran Kinerja Perusahaan Menggunakan Importance Performance Analysis (IPA) dan Customer Satisfaction Index (CSI) untuk Meningkatkan Kepuasan Pelanggan Novian, Agit Dalam era modern saat ini kebutuhan akan teknologi sangat tinggi. Internet salah satunya. Dalam hal ini adanya pelayanan jasa persewaan komputer yang berakses internet sangat banyak di Indonesia, salah satunya di Jogjakarta. Kepuasan pelanggan merupakan faktor terpenting bagi perusahaan yang bersangkutan. Pengukuran kinerja pelayanan akan diukur dengan menggunakan metode Importance And Performance Analysis (IPA) dan Customer Satisfaction Indeks (CSI). Dari hasil penelitian yang menggunakan IPA dan CSI pada Dewa Net Yogyakarta ini terdapat 68 pertanyaan kuesioner, dan ada beberapa poin termasuk dalam kuadran I. Dan persentase CSI mencapai 59,70% yang mana itu menunjukan tingkat kepuasan pelanggan dalam kriteria cukup puas. Oleh karena itu tindakan yang perlu dilakukan pihak warnet adalah yaitu memperbaiki item – item yang terdapat di kuadran I (prioritas utama). Meningkatkan dan mempertahankan poin – poin yang ada dalam kuadran II ( pertahanan prestasi), kuadrant III (prioritas rendah), kuadrant IV (berlebih). Serta meningkatkan kerjanya supaya mendekati atau mencapai tingkat kepuasan 100%. Wed, 01 Jan 2014 00:00:00 GMT http://hdl.handle.net/123456789/63113 2014-01-01T00:00:00Z