Nazwa Rifqi Armevia (1), Enny Aryanny (2)
General Background: Inventory control is a critical operational function to maintain cost efficiency and balance between stockout and overstock conditions in spare parts management. Specific Background: PT XYZ, a port heavy equipment spare parts provider, experienced excessive lubricating oil orders, leading to overstock levels of up to 21.2% and increased total inventory costs. Knowledge Gap: Prior studies on ABC–FSN and min–max stock primarily rely on historical data, resulting in static inventory parameters that insufficiently address future demand fluctuations. Aims: This study aims to control lubricating oil inventory by integrating ABC–FSN classification, min–max stock policy, and time series forecasting to minimize total inventory costs. Results: ABC–FSN analysis identified two Fast-A items, CC-0442 and CC-0444, as priority products. The company’s method generated total inventory costs of Rp 22,195,200, whereas the min–max stock method reduced costs to Rp 16,936,576, yielding savings of Rp 5,258,624 (23.69%). Forecasting for January–December 2026 produced average monthly demands of 2,439 liters for CC-0442 and 1,413 liters for CC-0444, resulting in order quantities of 1,000 liters every 8 days and 600 liters every 9 days, with projected total costs of Rp 15,416,000. Novelty: The integration of ABC–FSN classification with forecasting-based min–max parameters provides a more adaptive inventory control framework. Implications: The proposed approach supports systematic prioritization, cost minimization, and responsive inventory planning for lubricating oil management.
Highlights:
Fast-A prioritization identified CC-0442 and CC-0444 as critical high-turnover, high-value items.
Cost comparison revealed savings of Rp 5,258,624 (23.69%) versus the existing practice.
Forecast-based planning established 8-day and 9-day replenishment cycles for 2026.
Keywords: ABC-FSN, Forecasting, Inventory Control, Min Max Stock
Persaingan bisnis yang semakin ketat menjadikan efisiensi operasional sebagai kunci utama untuk mempertahankan daya saing. Salah satu aspek penting yang dapat memengaruhi efisiensi operasional adalah pengendalian persediaan [1]. Pengendalian persediaan dilakukan guna menjaga keseimbangan antara kondisi stockout dan overstock [2]. Namun, masih banyak perusahaan menghadapi berbagai permasalahan dalam mengelola persediaan secara efektif. Permasalahan ini dapat berdampak pada efisiensi biaya, sehingga diperlukan strategi pengendalian persediaan yang tepat.
PT XYZ merupakan perusahaan penyedia suku cadang untuk alat berat pelabuhan. Dalam menjalankan operasionalnya, perusahaan memiliki permasalahan terkait pengendalian persediaan yang belum optimal. Permasalahan ini timbul karena adanya beberapa spare part yang terus menerus dipesan secara berlebihan, khususnya pada oli. Kondisi overstock yang terjadi, menunjukkan adanya ketidakseimbangan antara perencanaan kebutuhan dengan pemakaian aktual di lapangan. Setiap jenis oli mengalami kondisi overstock dengan tingkat kelebihan yang cukup bervariasi. Dari 11 jenis oli yang ada, oli CC-0442 mengalami tingkat overstock tertinggi sebesar 21,2%, diikuti oleh CC-0444 dengan 17,10%, serta CC-0488 sebesar 16,36%. Sementara itu, jenis oli CC-0455 mengalami tingkat overstock terendah, yaitu 1,02%. Adanya overstock berdampak pada meningkatnya biaya persediaan perusahaan. Situasi tersebut mengindikasikan perlunya evaluasi mendalam terhadap sistem perencanaan dan pengendalian persediaan oli yang selama ini dilakukan. Selain itu, karakteristik oli, yang memiliki tingkat kepentingan dan frekuensi pemakaian berbeda-beda menuntut adanya pendekatan pengelolaan yang lebih spesifik dan terstruktur. Sehingga, diperlukan analisis untuk memahami pola persediaan yang terjadi di perusahaan.
Dengan adanya permasalahan tersebut, maka dilakukan penelitian terkait pengendalian persediaan spare part dengan metode Always Better Control (ABC), Fast-Slow-Non Moving (FSN), dan min max stock. Penelitian ini bertujuan untuk mengatasi permasalahan terkait kondisi overstock yang terjadi, khususnya pada oli. Metode ABC membantu perusahaan memfokuskan perhatian manajemen pada jenis spare part yang paling penting dalam persediaan [3]. Selain itu, pengelompokan berdasarkan frekuensi pemakaian, penting dilakukan untuk mencegah stockout pada spare part dengan pergerakan cepat, sehingga biaya akibat kondisi tersebut dapat diminimalkan [4]. Setelah dilakukan pengklasifikasian dengan ABC dan FSN, digunakan metode min-max stock yang menetapkan batas minimum dan maksimum persediaan guna menghindari pemborosan biaya [5]. Kombinasi ketiga metode tersebut memungkinkan perusahaan mengendalikan persediaan secara lebih sistematis berdasarkan nilai dan pola pergerakan barang. Dengan adanya penelitian, diharapkan mampu mengidentifikasi komponen prioritas, khususnya kategori Fast-A untuk meminimalkan risiko overstock sehingga meminimalkan biaya persediaan. Selain itu, penelitian ini diharapkan dapat memberikan rekomendasi perbaikan strategis bagi perusahaan dalam meningkatkan perencanaan kebutuhan serta memastikan ketersediaan oli secara optimal.
Penelitian terkait pengendalian persediaan dengan metode ABC- FSN dan min max stock telah banyak dilakukan untuk meminimalkan total biaya persediaan. Penelitian terdahulu oleh [6] menunjukkan bahwa penerapan metode ini mampu menurunkan biaya persediaan menjadi Rp 2.622.868,25 dengan penghematan sebesar Rp 92.422,19. Selain itu, penelitian serupa oleh [7] menghasilkan adanya penghematan total biaya persediaan sebesar Rp 6.754.402, yang menunjukkan efektivitas metode dalam mengurangi beban finansial terkait pengelolaan stok.
Meskipun demikian, sebagian besar penelitian masih menggunakan pendekatan berbasis data historis dalam menentukan parameter persediaan, sehingga bersifat statis dan kurang mempertimbangkan dinamika kebutuhan di masa mendatang. Padahal, fluktuasi pemakaian spare part, khususnya oli pada alat berat pelabuhan, menuntut adanya perencanaan yang lebih adaptif. Oleh karena itu, penelitian ini tidak hanya menggabungkan metode ABC, FSN, dan min–max stock, tetapi juga mengintegrasikan metode peramalan untuk memperkirakan kebutuhan periode mendatang sebagai dasar penentuan batas minimum dan maksimum persediaan. Pendekatan ini diharapkan mampu menghasilkan sistem pengendalian persediaan yang lebih responsif terhadap pola permintaan serta mendukung efisiensi biaya secara berkelanjutan.
Penelitian ini menggunakan pendekatan kuantitatif dengan data primer dan sekunder. Data primer diperoleh melalui wawancara terstruktur dengan bagian gudang dan pembelian serta observasi proses keluar-masuk oli. Data sekunder meliputi data historis pemakaian, harga satuan, jumlah pembelian, lead time, serta komponen biaya pemesanan dan penyimpanan. Tahap awal dilakukan klasifikasi persediaan dengan metode ABC berdasarkan tingkat penggunaan atau nilai kontribusinya terhadap total persediaan untuk mengelompokkan oli ke dalam kategori A, B, dan C [8]. Selain itu, dilakukan klasifikasi FSN berdasarkan tingkat pergerakannya di gudang [9]. Hasil klasifikasi metode ABC-FSN nantinya akan dikombinasikan untuk menentukan oli prioritas, yaitu oli dalam kategori Fast-A.
Oli dalam kategori Fast-A dikendalikan dengan metode min-max stock melalui beberapa tahap, yaitu perhitungan safety stock, min stock, max stock, quantity order, reorder point, dan frekuensi pemesanan [10]. Hasil dari perhitungan pengendalian persediaan menggunakan metode min-max stock akan menjadi dasar dalam perhitungan total biaya persediaan [7]. Selain itu, dilakukan perhitungan total biaya persediaan menggunakan metode perusahaan. Selanjutnya, hasil perhitungan total biaya persediaan menggunakan metode perusahaan dan min-max stock akan dibandingkan serta dihitung persentase penghematannya.
Untuk mendukung perencanaan periode mendatang, dilakukan peramalan kebutuhan Januari–Desember 2026 menggunakan metode time series guna mengantisipasi fluktuasi permintaan, meminimalkan risiko kekurangan persediaan, serta menjaga kelancaran operasional perusahaan [11]. Pemilihan metode terbaik dilakukan dengan membandingkan nilai kesalahan peramalan menggunakan indikator MAD. Hasil peramalan selanjutnya digunakan sebagai dasar perhitungan pengendalian persediaan dengan metode min-max stock bulan Januari – Desember 2026.
Pengumpulan data dalam penelitian ini didapatkan dengan melakukan observasi dan wawancara. Data yang dikumpulkan adalah data persediaan oli selama bulan Januari 2025 – Desember 2025.
Berikut merupakan data persediaan awal oli bulan Januari 2025 disajikan pada Tabel 1.
Tabel 1. Data Persediaan Awal Oli Bulan Januari 2025
Data pembelian oli bulan Januari – Desember 2025 disajikan pada Tabel 2.
Tabel 2. Data Pembelian Oli Bulan Januari – Desember 2025
Data pemakaian oli bulan Januari – Desember 2025 disajikan pada Tabel 3.
Tabel 3. Data Pemakaian Oli Bulan Januari - Desember 2025
Data harga oli untuk setiap liter disajikan pada Tabel 4.
Tabel 4. Data Harga Oli
Data biaya pesan disajikan pada Tabel 5.
Tabel 5. Data Biaya Pesan
Data biaya simpan disajikan pada Tabel 6.
Tabel 6. Data Biaya Simpan
Data frekuensi pemesanan, jumlah pemakaian rata-rata, dan lead time disajikan pada Tabel 7.
Tabel 7. Data Frekuensi Pemesanan, Jumlah Pemakaian Rata-rata, dan Lead Time
Langkah pertama pada metode ABC yaitu mengalikan jumlah pemakaian dengan harga setiap jenis oli untuk memperoleh pendapatan tahunan, selanjutnya mengurutkan oli berdasarkan pendapatan terbesar. Setelah itu, dilakukan perhitungan nilai kumulatif seluruh jenis oli agar diperoleh total nilai persediaan, kemudian menghitung presentase kumulatif setiap jenis oli yang menjadi dasar klasifikasi. Adapun contoh perhitungan untuk oli CC-0442 sebagai berikut:
Pendapatan Tahunan = Jumlah Pemakaian x Harga Oli = 30.094 x Rp 27.900 = Rp 839.622.600
Klasifikasi ABC =
=
= 34,05%
Setelah didapatkan hasil perhitungan metode ABC, selanjutnya dilakukan pengklasifikasian ke dalam 3 kategori, yaitu kategori A, kategori B, dan kategori C. Jika nilai persentase kumulatif jenis oli 0 – 70% maka termasuk kategori A. Apabila nilai persentase kumulatif jenis oli antara 71 – 90% termasuk kategori B, dan apabila nilai persentase kumulatif jenis oli antara 91 – 100% termasuk kategori C [12]. Berikut merupakan hasil klasifikasi oli menggunakan metode ABC disajikan pada Tabel 8.
Tabel 8. KlasifikasiOli Menggunakan Metode ABC
Selain itu, dilakukan klasifikasi menggunakan metode FSN. Pengklasifikasian ini dilakukan berdasarkan nilai Turn Over Ratio (TOR) melalui beberapa tahap, yaitu Ending Inventory (EI), Average Inventory (AI), Partial Turnover Ratio (TORp), Inventory Period (IP) [13].Adapun contoh perhitungan untuk Oli CC-0452 sebagai berikut:
EI = Persediaan awal + Pembelian – Pemakaian
= 537 + 627 – 698
= 466
AI =
= 502
TORp =
= 1,39
IP =
= 179,8
TOR =
= 2,03
Nilai TOR yang didapatkan kemudian diklasifikasikan ke dalam 3 kategori, dimana jenis oli dengan nilai TOR > 1 dikategorikan non-moving, jenis oli dengan nilai dikategorikan slow-moving, sedangkan jenis oli dengan nilai TOR > 3 dikategorikan fast-moving[14]. Berikut merupakan hasil perhitungan dan klasifikasi menggunakan metode FSN disajikan pada Tabel 9.
Tabel 9. Hasil Perhitungan dan Klasifikasi Metode FSN
Setelah pengklasifikasian dengan metode ABC dan FSN, tahap selanjutnya yaitu kombinasi klasifikasi untuk menentukan oli prioritas. Jenis oli yang termasuk dalam kategori Fast-A akan menjadi prioritas utama untuk dikendalikan. Berikut merupakan hasil kombinasi klasifikasi metode ABC dan FSN disajikan pada Tabel 10.
Tabel 10. Hasil Kombinasi Klasifikasi Metode ABC-FSN
Berdasarkan Tabel 10. diketahui bahwa terdapat 2 jenis oli termasuk dalam kategori Fast-A, yaitu Oli CC-0442 dan CC-0444. Kategori ini merupakan kelompok persediaan dengan nilai investasi tinggi serta tingkat perputaran tinggi berdasarkan klasifikasi ABC dan FSN, sehingga kedua jenis oli ini akan menjadi prioritas utama untuk dikendalikan menggunakan metode min-max stock.
Langkah awal sebelum melakukan perhitungan total biaya persediaan adalah perhitungan persediaan menggunakan metode min-max stock. Adapun perhitungan persediaan dengan metode min-max stock untuk Oli CC-0442 dan CC-0444 sebagai berikut:
1. Oli CC-0442
SS = (Pemakaian maksimum – Rata-rata pemakaian) Lead Time
= (2.892 – 2.508) 0,4
= 154 liter
Min Stock = (Rata-rata Pemakaian Lead Time) + Safety Stock
= (2.508 0,4) + 154
= 1.158 liter
Max Stock = 2 (Rata-rata Pemakaian Lead Time) + Safety Stock
= 2 (2.508 0,4) + 154
= 2.161 liter
Q* = Max Stock – Min Stock
= 2.161 – 1.158
= 1.003 1.200 liter
ROP = (Rata-rata Pemakaian Lead Time) + Safety Stock
F =
= 26 kali/ tahun
Berdasarkan perhitungan yang telah dilakukan, didapatkan nilai frekuensi pemesanan sebesar 26 kali/ tahun dengan kuantitas pembelian sebesar 1.200 liter dan safety stock sebesar 154 liter. Kuantitas Oli CC-0442 dikonversi menjadi 1.200 liter karena pemesanan dilakukan dalam bentuk drum dengan kapasitas 200 liter per drum.
2. Oli CC-0444
= (1.840 – 1.468) 0,4
= 149 liter
= (1.468 0,4) + 149
= 737 liter
= 2 (1.468 0,4) + 149
= 1.324 liter
= 1.324 – 737
= 587 600 liter
= 30 kali/ tahun
Berdasarkan perhitungan yang telah dilakukan, didapatkan nilai frekuensi pemesanan sebesar 30 kali/ tahun dengan kuantitas pembelian sebesar 600 liter dan safety stock sebesar 149 liter. Kuantitas Oli CC-0444 dikonversi menjadi 600 liter karena pemesanan dilakukan dalam bentuk drum dengan kapasitas 200 liter per drum.
Setelah didapatkan hasil perhitungan persediaan menggunakan metode min-max stock, tahap selanjutnya yaitu perhitungan total biaya persediaan dengan metode min-max stock. Adapun perhitungan total biaya persediaan dengan metode min-max stock sebagai berikut:
= Rp 16.936.576
Dengan menggunakan metode min-max stock, didapatkan total biaya persediaansebesar Rp 16.936.576.
Pada tahap ini dilakukan perhitungan total biaya persediaan pada bulan Januari 2025 – Desember 2025 dengan metode perusahaan untuk jenis oli yang termasuk kategori Fast-A. Adapun perhitungan total biaya persediaan dengan metode perusahaan sebagai berikut:
= Rp 22.195.200
Dengan menggunakan metode perusahaan, didapatkan total biaya persediaansebesar Rp 22.195.200.
Setelah didapatkan total biaya persediaan dengan metode perusahaan dan min-max stock, tahap selanjutnya yaitu membandingkan hasil antara keduanya. Berikut merupakan perbandingan hasil total persediaan dengan metode perusahaan dan min-max stock disajikan pada Tabel 11.
Tabel 11. Perbandingan Total Biaya Persediaan
Berdasarkan Tabel 11. diketahui bahwa terdapat selisih antara total biaya persediaan dengan metode perusahaan dan min-max stock sebesar Rp 5.258.624. Adanya selisih menunjukkan bahwa terdapat penghematan biaya persediaan dengan metode min-max stock. Adapun perhitungan persentase penghematan biaya persediaan sebagai berikut:
Penghematan =
= 23,69%
Hasil perhitungan persentase penghematan menunjukkan bahwa metode min-max stock dapat menjadi solusi bagi perusahaan dengan menghasilkan total biaya persediaan yang lebih minimum dibandingkan dengan metode perusahaan.
Tahap pertama dalam melakukan peramalan adalah penentuan plot data untuk masing-masing jenis oli. Hasil plot data nantinya akan menjadi dasar untuk menentukan metode peramalan yang akan digunakan sebagai perencanaan persediaan bulan Januari 2026 – Desember 2026. Berikut merupakan hasil plot data untuk masing-masing jenis oli disajikan pada Gambar 1 dan Gambar 2.
Figure 1. Plot Data Pemakaian Oli CC-0442
Figure 2. Plot Data Pemakaian Oli CC-0444
Hasil plot data menunjukkan bahwa pola data yang terbentuk adalah horizontal, yaitu data berfluktuasi di sekitar nilai rata-rata yang relatif tetap [15]. Dari plot data yang terbentuk, maka metode peramalan yang cocok digunakan yaitu single exponential smoothing, moving average, dan weighted moving average. MAD dihitung dengan metode peramalan untuk mendapatkan MAD terkecil dari masing-masing jenis oli. Berikut merupakan hasil perbandingan nilai MAD disajikan pada Tabel 12.
Tabel 12. Perbandingan Nilai MAD
Berdasarkan hasil perbandingan nilai error dari masing-masing metode peramalan, didapatkan MAD terkecil untuk oli CC-0442 yaitu metode single exponential smoothing. Sedangkan, oli CC-0444 memilih metode moving average. Kemudian dilakukan uji verifikasi dengan Moving Range Chart (MRC) untuk mengetahui apakah data berada pada batas kontrol. Berikut merupakan hasil uji verifikasi MRC untuk masing-masing jenis oli disajikan pada Gambar 3 dan Gambar 4.
Figure 3. Moving Range Chart Oli CC-0442
Figure 4. Moving Range Chart Oli CC-0444
Berdasarkan hasil uji verifikasi MRC untuk masing-masing jenis oli, terlihat bahwa semua data berada pada batas kontrol. Tahap selanjutnya yaitu penetapan hasil peramalan dengan metode terpilih untuk masing-masing jenis oli. Berikut merupakan hasil penetapan peramalan disajikan pada Tabel 13.
Tabel 13. Peramalan Kebutuhan Oli CC-0442 dan CC-0444 Bulan Januari - Desember 2026
Berdasarkan Tabel 13, didapatakan total peramalan pemakaian oli CC-0442 pada bulan Januari – Desember 2026 sebesar 29.268 liter dengan rata-rata pemakaian sebesar 2.439 liter. Sedangkan total peramalan pemakaian oli CC-0444 pada bulan Januari – Desember 2026 sebesar 16.956 liter dengan rata-rata pemakaian sebesar 1.413 liter.
Sebelum melakukan perhitungan total biaya persediaan, tahap awal yaitu perhitungan persediaan dengan metode min-max stock berdasarkan data hasil penetapan peramalan. Berikut merupakan perhitungan persediaan untuk masing-masing jenis oli:
= (2.439 – 2.439) 0,4
= 0 liter
= (2.439 0,4) + 0
= 976 liter
= 2 (2.439 0,4) + 0
= 1.952 liter
= 1.952 – 976
= 976 1.000 liter
T =
= 8 hari
Berdasarkan perhitungan yang telah dilakukan, didapatkan nilai frekuensi pemesanan sebesar 30 kali/ tahun dengan kuantitas pembelian sebesar 1.000 liter setiap 8 hari sekali. Kuantitas Oli CC-0442 dikonversi menjadi 1.000 liter karena pemesanan dilakukan dalam bentuk drum dengan kapasitas 200 liter per drum.
= (1.413 – 1.413) 0,4
= (1.413 0,4) +0
= 566 liter
= 2 (1.413 0,4) + 0
= 1.131 liter
= 1.131 – 566
= 565 600 liter
= (1.413 0,4) + 0
= 9 hari
= 28 kali/ tahun
Berdasarkan perhitungan yang telah dilakukan, didapatkan nilai frekuensi pemesanan sebesar 28 kali/ tahun dengan kuantitas pembelian sebesar 600 liter setiap 9 hari sekali. Kuantitas Oli CC-0444 dikonversi menjadi 600 liter karena pemesanan dilakukan dalam bentuk drum dengan kapasitas 200 liter per drum.
Setelah didapatkan hasil perhitungan persediaan bulan Januari – Desember 2026 menggunakan metode min-max stock, tahap selanjutnya yaitu perhitungan total biaya persediaan dengan metode min-max stock. Adapun perhitungan total biaya persediaan dengan metode min-max stock sebagai berikut:
= Rp 15.416.000
Dengan menggunakan metode min-max stock, didapatkan total biaya persediaan bulan Januari – Desember 2026sebesar Rp 15.416.000.
Hasil analisis klasifikasi ABC dan FSN menunjukkan bahwa terdapat 2 jenis oli termasuk dalam kategori Fast-A untuk dikendalikan dengan metode min-max stock. Berdasarkan hasil perhitungan dengan metode perusahaan menghasilkan total biaya persediaan sebesar Rp 22.195.200, setelah dilakukan perhitungan dengan metode min-max stock menghasilkan total biaya persediaan sebesar Rp 16.936.576, sehingga diperoleh penghematan biaya persediaan sebesar Rp 5.258.624 atau 23,69%. Adanya penghematan menunjukkan bahwa metode min-max stock mampu meminimumkan total biaya persediaan. Berdasarkan hasil peramalan kebutuhan untuk bulan Januari – Desember 2026, maka kuantitas pemesanan oli CC-0442 sebanyak 1.000 liter setiap 8 hari sekali dengan frekuensi pemesanan sebesar 30 kali/ tahun, sedangkan oli CC-0444 kuantitas pemesanan sebanyak 600 liter setiap 9 hari sekali dengan frekuensi pemesanan sebesar 28 kali/ tahun, dengan total biaya persediaan yang dikeluarkan sebesar Rp 15.416.000. Integrasi peramalan dalam penentuan parameter min–max stock memberikan dasar perencanaan yang lebih adaptif terhadap fluktuasi permintaan pada periode mendatang. Perusahaan disarankan untuk melakukan evaluasi klasifikasi ABC–FSN dan parameter min–max stock secara berkala berdasarkan pembaruan data permintaan dan lead time. Penelitian ini terbatas pada kategori Fast-A serta belum mempertimbangkan variasi lead time dan faktor eksternal yang memengaruhi permintaan, sehingga penelitian selanjutnya dapat mengembangkan model pengendalian yang lebih komprehensif dengan mempertimbangkan unsur ketidakpastian yang lebih luas.
S. Meutia, Fatimah, S. Susanti, and S. Akmal, “Optimasi Pengendalian Persediaan Produk Sabun Batang dengan Metode Min-Max di PT Jampalan Baru Asahan,” Jurnal Industri dan Sistem, vol. 6, no. 1, pp. 38–44, 2025, doi: 10.55377/jis.v6i1.11516.
A. Kumar and D. A. C. Shukla, “Selective Inventory Control Using ABC and FSN Analysis in Retail Sector: A Case Study,” International Journal for Research in Applied Science and Engineering Technology, vol. 10, no. 5, pp. 4810–4818, 2022, doi: 10.22214/ijraset.2022.43648.
R. F. Pradinain, D. Ernawati, and S. Dewi, “Optimizing Raw Material Inventory Control with ABC and Min-Max Methods,” Indonesian Journal of Innovation Studies, vol. 26, no. 4, pp. 1–13, 2025, doi: 10.21070/ijins.v26i4.1648.
D. E. Agustin, “Pengelompokan Persediaan Spare Parts dengan Metode Class-Based Storage Klasifikasi FSN Berdasarkan Turnover Ratio (TOR),” INA Journal of Industrial Quality Engineering, vol. 13, no. 1, pp. 1–17, 2025, doi: 10.34010/iqe.v13i1.15360.
N. Sari, “Perencanaan dan Pengendalian Persediaan Barang dalam Upaya Meningkatkan Efektivitas Gudang,” Blockchain Journal, vol. 2, no. 2, pp. 85–91, 2022, doi: 10.55122/blogchain.v2i2.542.
S. N. A. Putri and M. Krisnawati, “Pengendalian Persediaan Kawat Las dengan Klasifikasi ABC-FSN dan Metode Min-Max,” Jurnal Produktiva, vol. 3, no. 2, pp. 14–19, 2024. [Online]. Available: https://ejurnal.unim.ac.id/index.php/produktiva/article/view/2807
N. H. Habibi and M. M. Ulkhaq, “Strategi Pengendalian Persediaan dengan Pendekatan Klasifikasi ABC-FSN dan Metode Min-Max pada Material Spiral Wound Gaskets di PT XYZ,” Jurnal Online Teknik Industri, vol. 14, no. 2, pp. 1–10, 2025. [Online]. Available: https://ejournal3.undip.ac.id/index.php/ieoj/article/view/49853/33359
N. Hernandoko and P. W. Laksono, “Inventory Control Using ABC Classification and Min-Max Stock Method in the Manufacture of Armored Vehicle Body Hull at PT XYZ,” E3S Web of Conferences, vol. 465, 2023, doi: 10.1051/e3sconf/202346502009.
J. N. Elquthb, L. R. Nugroho, and A. U. Khasanah, “Implementation of Class-Based Storage for Garment Accessories Warehouse Management Using FSN Analysis at PT XYZ,” Journal of Industrial Engineering and Halal Industries, vol. 5, no. 1, pp. 29–35, 2024, doi: 10.14421/jiehis.4677.
I. S. Amta, M. Z. Siregar, and M. F. Lubis, “Application of Min-Max Stock Method in the Optimization of Auxiliary Raw Material Inventory in the Biodiesel Industry,” Jurnal Ilmiah Teknik Mesin, Industri, Elektro dan Sipil (Vorteks), vol. 5, no. 2, pp. 413–420, 2024, doi: 10.54123/vorteks.v5i2.407.
D. R. Deni, M. A. Barata, and Sahri, “Forecasting Metode Single Exponential Smoothing dalam Meramalkan Penjualan Barang,” Jurnal Informatika Polinema, vol. 9, no. 4, pp. 435–444, 2023, doi: 10.33795/jip.v9i4.1405.
R. M. Firdaus and A. F. Hadining, “Analisis ABC dalam Menentukan Prioritas Pengawasan Kebutuhan Kemasan Produk: Studi Kasus di PT ABC,” Teknika, vol. 9, no. 2, pp. 288–297, 2023, doi: 10.56521/teknika.v9i2.960.
C. A. Z. Arifin, A. E. Nugraha, and W. Winarno, “Klasifikasi Persediaan pada Gudang Bahan Kemasan XYZ dengan Metode FSN Analysis (Fast, Slow, Non-Moving) Berdasarkan Turn Over Ratio (TOR),” Go-Integratif: Jurnal Teknik Sistem dan Industri, vol. 4, no. 2, pp. 76–87, 2023, doi: 10.35261/gijtsi.v4i02.8906.
D. N. Fadilah, W. Wahyudin, and B. Nugraha, “Optimasi Pengelompokkan Barang dengan Metode FSN Analysis Berdasarkan Turn Over Ratio (TOR) di Departemen RR pada PT XYZ,” Angkasa: Jurnal Ilmiah Bidang Teknologi, vol. 15, no. 2, p. 231, 2023, doi: 10.28989/angkasa.v15i2.1856.
I. D. N. A. Manuaba, I. B. G. Manuaba, and M. Sudarma, “Komparasi Metode Peramalan Grey dan Grey-Markov untuk Mengetahui Peramalan PNBP di Universitas Udayana,” Majalah Ilmiah Teknologi Elektro, vol. 21, no. 1, p. 83, 2022, doi: 10.24843/mite.2022.v21i01.p12.