Peramalan permintaan dan perencanaan produksi packed red cell (PRC) studi kasus Palang Merah Indonesia DKI Jakarta

Luyyina Mujahidah Atsaury; RR. Ratih Dyah Kusumastuti

doi:10.61511/jane.v1i2.2024.1105

Authors

Luyyina Mujahidah Atsaury Program Studi Manajemen, Fakultas Ekonomi dan Bisnis, Universitas Indonesia, Indonesia
RR. Ratih Dyah Kusumastuti Program Studi Manajemen, Fakultas Ekonomi dan Bisnis, Universitas Indonesia, Indonesia

DOI:

https://doi.org/10.61511/jane.v1i2.2024.1105

Keywords:

packed red cell, Palang Merah Indonesia, permintaan, perencanaan

Abstract

Latar Belakang: Penelitian ini membahas mengenai peramalan permintaan terhadap produk Packed Red Cell (PRC) di Unit Transfusi Darah Palang Merah Indonesia DKI Jakarta untuk membuat perencanaan produksi, guna mengurangi tingkat pembuangan darah akibat jumlah produksi yang melebihi jumlah penggunaan. Metode: Penelitian ini berbentuk studi kasus dengan jenis kuantitatif. Dalam melakukan peramalan, digunakan data time-series penggunaan PRC bulanan selama lima tahun terakhir, yaitu tahun 2014 sampai 2018 yang dihitung menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dan Holt-Winter Exponential Smoothing. Temuan: Hasil penelitian menunjukkan bahwa peramalan menggunakan metode ARIMA memberikan hasil yang lebih baik, sehingga dijadikan acuan dalam pembuatan perencanaan produksi terhadap produk PRC. Kesimpulan: Dari hasil pembuatan perencanaan produksi, disarankan bahwa PMI DKI Jakarta perlu mengalihkan sebagian rencana kunjungannya dalam rangka pengumpulan darah ke PMI lain di sekitar Jakarta serta dapat pula mengalurkan jumlah produksi darah yang berlebih tersebut ke Bank Darah Rumah Sakit (BDRS) ataupun PMI lain yang masih mengalami kekurangan pasokan darah.

References

Arnold, J. R. T., Chapman, S. N., & Clive, L. M. (2008). Introduction to Materials Management (Sixth Edit). New Jersey: Pearson Education. https://doi.org/10.1017/mdh.2014.75

Beliën, J., & Forcé, H. (2012). Supply chain management of blood products: A literature review. European Journal of Operational Research, 217(1), 1–16. https://doi.org/10.1016/j.ijpharm.2015.06.034

Berita dan Informasi. (2016, Juni 2). Diambil kembali dari Kementerian Kesehatan Republik Indonesia: http://www.depkes.go.id/article/print/16060300001/ketersediaan-darah-ditentukan-partisipasi-masyarakat-menjadi-donor.html

Blocher, J. D., Mabert, V. A., Venkataramanan, M. A., & Soni, A. K. (2004). Forecasting Including an Introduction to Forecasting using the SAP R/3 System, (February).

Caulfield, J. (2013). Blood supply management: experience and recommendations from Australia. ISBT Science Series, 8(1), 41–45. https://doi.org/10.1111/voxs.12012

Frankfurter, G. M., Kendall, K. E., & Pegels, C. C. (2008). Management Control of Blood Through a Short-Term Supply-Demand Forecast System. Management Science, 21(4), 444–452. https://doi.org/10.1287/mnsc.21.4.444

Goodwin, P. (2014). The Holt-Winters Approach to Exponential Smoothing : 50 Years Old and Going Strong, (June).

Hosseinifard, Z., & Abbasi, B. (2018). The inventory centralization impacts on sustainability of the blood supply chain. Computers and Operations Research, 89, 206–212. https://doi.org/10.1016/j.cor.2016.08.014

Jia, J., & Hu, Q. (2011). Dynamic ordering and pricing for a perishable goods supply chain q. Computers & Industrial Engineering, 60(2), 302–309. https://doi.org/10.1016/j.cie.2010.11.013

Katsaliaki, K., & Brailsford, S. C. (2007). Using simulation to improve the blood supply chain. Journal of the Operational Research Society, 58(2), 219–227. https://doi.org/10.1057/palgrave.jors.2602195

Kementerian Kesehatan Republik Indonesia. (2018, Juni 10). Diambil kembali dari www.depkes.go.id: http://www.depkes.go.id/article/view/15061200001/donor-darah-penuhi-kebutuhan-darah-bagi-ibu-melahirkan.html

Kementerian Kesehatan RI. (2018, Juni 14). InfoDatin Pusat Data dan Informasi Kementerian Kesehatan RI. Pusdatin, hal. 1-11.

Linh, D. N. K., & Wood, L. C. (2014). Simulation to Improve Management of Perishable and Substitutable Inventory. Encyclopedia of Information Science and Technology, Third Edition, (January), 915–922. https://doi.org/10.4018/978-1-4666-5888-2.ch087

Macleod, A. J. M., Nichols, D. M., & Franklin, D. (1998). Pulmonary embolism in Klippel-Trenaunay syndrome of the upper limb. Journal of the Royal Society of Medicine, 91. https://doi.org/10.1177/014107689809101016

Mangkuliguna, G. (2018, Februari 6). Hidup Sehat. Retrieved from helloSEHAT: https://hellosehat.com/hidup-sehat/fakta-unik/syarat-terima-transfusi-darah/

Osorio, A. F., Brailsford, S. C., Smith, H. K., Forero-Matiz, S. P., & Camacho-Rodríguez, B. A. (2017). Simulation-optimization model for production planning in the blood supply chain. Health Care Management Science, 20(4), 548–564. https://doi.org/10.1007/s10729-016-9370-6

Patel, Y. (2018). Forecasting data by using Time series data mining in WEKA Summer 2018 Term Paper Title : Forecasting data by using Time series data mining in WEKA . Patel , Yash, (August). https://doi.org/10.13140/RG.2.2.20480.07681

Pereira, A. (2004). Performance of time-series methods in forecasting the demand for red blood cell transfusion. Transfusion, 44(5), 739–746. https://doi.org/10.1111/j.1537-2995.2004.03363.x

Pusat Data dan Informasi Kementerian Kesehatan RI. (2015, Maret 13). Situasi Pelayanan Darah Di Indonesia. InfoDatin Pusat Data dan Informasi Kementerian Kesehatan RI, hal. 1-8.

Putri, A. W. (2017, Juli 3). Tirto.id. Diambil kembali dari Tirto.id: https://tirto.id/bisnis-calo-pendonor-darah-saat-pmi-minim-stok-darah-crSl

Schindler, P. S., & Cooper, D. R. (2014). Business Reseach Methods (twelfth). New York: McGraw-Hill/Irwin.

Schotzko, R. T., & Hinson, R. a. (2000). Supply Chain Management in Perishables : A Produce Application. Journal of Food Distribution Research, 31(2), 17–25.

Supriyadin, J. (2017, Oktober 26). Regional. Diambil kembali dari Liputan 6: https://www.liputan6.com/regional/read/3141109/ratusan-kantong-darah-terbuang-pmi-garut-rugi-puluhan-juta