Rantai pasok merupakan hal penting yang harus dimiliki oleh suatu entitas perusahaan dalam mengelola suatu industri untuk mencapai efisiensi biaya dan memaksimalkan keuntungan. Dalam suatu rantai pasok, diperlukan perencanaan dalam jangka panjang (strategic) maupun jangka pendek (operasional). Oleh karena itu, diperlukan pengolahan dan analisis data untuk mencapai optimasi serta sesuai dengan kebutuhan dalam produksi untuk mendapatkan service level yang tinggi pula.
Dalam hal perencanaan rantai pasok, diperlukan data sebagai bahan untuk analisis. Metode big data analysis mulai berkembang di era teknologi seperti ini terutama pada era Industri 4.0. Analisis Big Data merupakan salah satu pendekatan holistik dalam mengelola, memproses, serta menganalisis data yang bekaitan dengan kecepatan, keberagaman, nilai, volume, dan kebenaran untuk menciptakan daya saing dan keberlanjutan dalam siklusnya (Wamba dan Shahriar, 2015). Terkhusus Agroindustri, bahan pertanian sangat berhubungan erat dengan masalah musiman dan mudah rusak sehingga perlunya adanya penanganan khsusus baik dalam transportasi maupun penyimpanan sehingga dalam produksi harus dilakukan perencanaan dengan baik untuk mengurangi risiko yang muncul. Metode push system sudah tidak reliable dengan untuk era sekarang ini yang permintaan konsumennya sangat cepat berubah (O’Keffee, 2007) dan akan bertahan apabila perusahaan bis pull system dengan baik.
Sumber : Rowe dan Mehrdokht, 2017
Penerapan Big Data dalam manajemen rantai pasok menurut Rowe dan Mehrdokht (2017) sebagai berikut,
- Penjadwalan
Dengan diadakan penjadwalan maka visibilitas penawaran, permintaan, dan persediaan dapat terkontrol dengan baikdan pendistribusian dapat berjalan tepat waktu dan tepat jumlah (akurat) - Pengiriman
Dapat digunakan untuk memantau perjalanan, data lalu lintas, serta pendataan langsung (real time) tentang informasi asset maupun kapasitas. - Perencanaan Inventori
Penggunaan manajemen SKU bisa dengan RFID untuk memantau dan meramalkan permintaan supaya tidak terjadi kekurangan atau overstock pada gudang yang membebani biaya pada setiap produknya. - Distribusi
Untuk pengoptimalan waktu dan jaringan sehingga meminimasi biaya. - Peramalan Permintaan
Estimasi dan peramalan yang akurat sehingga sangat fleksibel terhadap perubahan ekonomi global, pesaing, dan trend pasar serta meningkatkan service level. - Penggudangan
Melakukan analisis real-time dengan sistem ERP dan inventarisasi tingkat pengiriman dan pengeluaran dari gudang secara terintegrasi.
Rantai pasok dibidang pertanian yang berkelanjutan adalah menjaga dari hulu (off farm) sampai pada penyajian produk jadi yang dikonsumsi oleh masyarakat dengan memastikan ketersediaan, kualitas, efisiensi dan berlandaskan akan lingkungan (Naik & Suresh, 2018). Di Era Industri 4.0, semuanya berkaitan dengan IoT. Semua manajemen rantai pasok akan dilakukan dengan algoritma yang canggih, simulasi, serta analisis yang lebih mendalam dengan probabilitas dan statistik. Kecanggihan dalam IoT akan menganalisis dari tinggkat bawah sampai atas secara terstruktur dan teriterasi untuk mendapatkan solusi optimal.
Dengan adanya IoT dan Big Data secara real time, maka perencanaan akan lebih akurat dan juga dapat meminimalkan biaya. Big Data diperoleh dari setiap lini dan tier dalam rantai pasok dengan perangkat-perangkat yang digunakan untuk mengumpulkan data. RFID digunakan untuk pendataan inventory barang keluar dan masuk dan GPS digunakan untuk memperoleh data inventaris gudang secara realtime. Point of Sale (POS) untuk merekap data permintaan dan penawaran langsung dari konsumen tingkat akhir dan mengetahui perilaku setiap konsumen. Data Suplier untuk memitigasi risiko bagi manufaktur serta memantau kinerja dari supplier.
Dengan memanfaatkan IoT dalam integrasi diharapkan terjadi keseimbangan antara aliran informasi dan aliran barang sehingga perusahaan dapat meningkatan service level perusahaan dan kepuasan konsumen.
Sumber Pustaka
Naik, Gopal dan Suresh, D.N. 2018. Challenges of creating sustainable agri-retail supply chains. IMB Management Review. 30: 270—282.
O’Keeffe,M.(2007). Fresh Food Category Management: Leveraging Strategic Options. White Paper Prepared For Agriculture And Food Council Of Alberta Food Counci Lof Alberta.
Rowe, Simon dan Mehrdokht P. 2017. Supply Chain Big Data Series 1: How Big Data Is Shaping The Supply Chains Of Tomorrow. KPGM International, Australia.
Wamba, S. F dan Shahriar A. 2015. Big data analytics for supply chain management: A literature review and research agenda. Conference paper. Enterprise and Organizational Modeling and Simulation: 11th International Workshop, EOMAS 2015, Held at CAiSE 2015, Stockholm, Sweden, June 8-9, 2015, Selected Papers
Penulis: Yusuf Abdhul Azis