Integrasi Internet of Things dan Analitik Prediktif untuk Optimalisasi Manajemen Logistik Maritim Militer: Studi Kasus Gudang Matbek Akademi Angkatan Laut

Abstract

Manajemen logistik di institusi militer, khususnya gudang maritim, masih sering bergantung pada sistem manual yang rentan terhadap kesalahan dan inefisiensi. Penelitian ini bertujuan mengembangkan dan mengevaluasi secara empiris sistem inventori cerdas yang mengintegrasikan Internet of Things (IoT), Radio Frequency Identification (RFID), machine learning, dan analitik big data di Gudang Material Bekal (Matbek) Akademi Angkatan Laut. Pendekatan Research and Development (R&D) dengan model prototyping digunakan, dikombinasikan dengan desain kuasi-eksperimen one-group pretest-posttest yang melibatkan 15 personel logistik. Sistem dikembangkan menggunakan PHP, MySQL, dan Bootstrap, yang diintegrasikan dengan sensor RFID serta algoritma prediktif (Long Short-Term Memory untuk peramalan kebutuhan dan Isolation Forest untuk deteksi anomali). Efektivitas diukur melalui waktu pemrosesan (menit) dan tingkat kesalahan pencatatan dalam 10 kali percobaan. Hasil penelitian menunjukkan penurunan signifikan rata-rata waktu pemrosesan dari 18,45 menit (pretes) menjadi 8,52 menit (postes), dengan uji Wilcoxon signed-rank yang mengindikasikan perbedaan signifikan secara statistik (Z = -3,408, p < 0,001). Kesalahan pencatatan menurun sebesar 72,3%, dan model peramalan LSTM mencapai Root Mean Square Error (RMSE) sebesar 4,32 serta Mean Absolute Percentage Error (MAPE) sebesar 7,8%. Pembahasan menegaskan bahwa integrasi IoT dengan analitik prediktif tidak hanya meningkatkan efisiensi operasional, tetapi juga menyediakan kapabilitas pengambilan keputusan strategis, yang selaras dengan teori Task-Technology Fit. Penelitian ini menyimpulkan bahwa sistem yang dikembangkan berfungsi sebagai solusi yang tangguh dan adaptif untuk modernisasi logistik maritim militer, meskipun pengujian lebih lanjut di berbagai gudang sangat direkomendasikan.