Peramalan Permintaan Ayam Segar Menggunakan Simulasi Monte Carlo untuk Pengelolaan Persediaan pada Restoran XYZ

Vanya Pinkan Maridelana; Tria Putri Noviasari; Setya Widyawan Prakosa

doi:10.58431/jumpa.v18i2.361

Vanya Pinkan Maridelana Fakultas Ekonomi dan Bisnis, Universitas Jember
Tria Putri Noviasari Fakultas Ekonomi dan Bisnis, Universitas Jember
Setya Widyawan Prakosa Fakultas Teknik, Universitas Jember

DOI: https://doi.org/10.58431/jumpa.v18i2.361

Abstract

ayam segar pada Restoran XYZ selama masa libur mahasiswa menggunakan simulasi Monte Carlo. Penurunan permintaan sebesar 40–50% selama periode libur menyebabkan tingginya risiko ketidaksesuaian antara stok dan kebutuhan aktual, sehingga diperlukan pendekatan prediksi yang mampu menangkap ketidakpastian permintaan bahan baku yang bersifat perishable. Data historis permintaan selama 60 hari digunakan untuk membangun distribusi probabilitas dan probabilitas kumulatif yang menjadi dasar pembangkitan bilangan acak melalui metode Linear Congruential Generator (LCG). Hasil simulasi menunjukkan bahwa rata-rata permintaan ayam segar sebesar 17.15 kg per hari, yang mengindikasikan tingkat akurasi model sebesar 100.41%. Nilai simpangan baku simulasi yang lebih tinggi (5.92) dibandingkan historis (4.97) menunjukkan peningkatan volatilitas permintaan yang perlu diantisipasi. Berdasarkan hasil ini, penelitian merekomendasikan penetapan stok harian sekitar 23.07 kg (rata-rata + SD) sebagai safety stock untuk meminimalkan risiko stock-out dan menjamin kelancaran operasi. Temuan ini membuktikan bahwa simulasi Monte Carlo merupakan pendekatan yang efektif, realistis, dan aplikatif dalam perencanaan persediaan restoran berbasis produk segar di tengah fluktuasi permintaan musiman.

Downloads

Download data is not yet available.

References

Ardiansah, I., Pujianto, T., & Perdana, I. (2019). Penerapan Simulasi Monte Carlo dalam Memprediksi Persediaan Produk Jadi pada IKM.
Chendrasari, W., & Fitriya, G. (2022). Analisis Simulasi Monte Carlo dalam Peramalan Penjualan Ayam Potong Bang Jack.
Dagpunar, J. (2007). Simulation and Monte Carlo. Wiley.
Feng, X., & Li, Q. (2024). Forecast horizon of dynamic lot-sizing problem with perishable inventory and multiple chain stores: Shipping and stockout cost. Mathematics, 12(13), 2063.
Gentle, J. (2005). Random Number Generation and Monte Carlo Methods. Springer
Gioia, D., et al. (2023). Simulation-based inventory management of perishable products via linear discrete choice models. Computers & Operations Research, 157, 106270.
Ismail, M. (2021). Pengukuran Akurasi Peramalan Permintaan untuk Persediaan Produk Konsumsi. Jurnal Teknik Industri Indonesia.
Jannah, B. R., & Haribowo, R. (2022). Analisis peramalan persediaan barang dagang dengan menggunakan simulasi Monte Carlo [Analisis persediaan barang dagang dengan simulasi MC]. Jurnal Ilmu Manajemen Mulawarman (JIMM), 7(2).
Jufriyanto, M. (2020). Peramalan permintaan keripik singkong dengan simulasi Monte Carlo. Jurnal Teknik Industri / JTI, 6(2).
La Scalia, G., Micale, R., Miglietta, P. P., & Toma, P. (2019). The supply chain design for perishable food with stochastic demand. Ecological Indicators, 98, 363–371.
Maitra, S., Mishra, V., & Kundu, S. (2023). A novel approach with Monte Carlo simulation and hybrid optimization approach for inventory management with stochastic demand. arXiv.
Nahmias, S. (2011). Perishable Inventory Systems. Springer.
Natalia, C., & Oktavia, C. (2023). Penentuan Jumlah Penggunaan Bahan Baku Tepung Terigu Berdasarkan Simulasi Monte Carlo.
Nurhalizah, A. P., & Ariesta, A. (2025). Monte Carlo simulation for seasonal stock prediction of seasoning at AH FOOD. Jurnal Algoritma, 22(1), 149–160.
Oktavia, C.W., & Gemala, F. (2022). Simulasi Monte Carlo Dalam Peramalan Penjualan Ayam Potong Bang Jack. Jurnal Tiarsie, vol. 19, no. 6, 157-162.
Rahmawati, F. & Anggraeni, N. (2018). Analisis Kesesuaian Persediaan dan Permintaan pada UMKM Pangan. Jurnal Teknologi Industri.
Schmitt, A. J., Sun, S., & Snyder, L. (2017). Inventory risk in perishable food supply chains. Transportation Research Part E, 104, 250–264.
Sitepu, K. S. A., Putri, R. N., & Harliana, P. (2025). Peramalan permintaan roti harian dengan simulasi Monte Carlo di Reza Bakery. Jurnal Indonesia: Manajemen Informatika dan Komunikasi (JIMIK), 6(2), 1285–1297
Rohmer, S. U., Claasen, C., & Langen, N. (2019). Heuristics for perishable food inventory management considering waste reduction. International Journal of Production Economics, 216, 151–158.
Tian, Y., Choi, T. M., & Ng, K. M. (2020). Stochastic inventory models for perishable food supply chains. Computers & Industrial Engineering, 149, 106802.
Zhao, H., & Prékopa, A. (2018). Monte Carlo inventory simulation for fresh food. Annals of Operations Research.