PENERAPAN KONSEP COLLABORATIVE, PLANNING, FORECASTING AND REPLENISHMENT ( CPFR ) MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE ( ARIMA ) (STUDI KASUS PABRIK KOPI SENJA MATARAM MALANG)

2020: Seminar Informatika Aplikatif Polinema (SIAP) - 2020

Bagus Pogar Herlambang
Dwi Puspitasari
Elok Nur Hamdana

Abstract

Pabrik Kopi Senja mAtaram Malang merupakan industri yang bergerak pada bidang pangan yaitu kopi. Untuk meningkatkan nilai tambah pada rantai pasok terutama untuk optimasi dalam menekan inventory, harga logistik dan efisiensi pada seluruh rantai pasokan yang berhubungan dengan semua peserta maka dipergunakan konsep Collaborative, Planning, Forecasting and Replenishment (CPFR). Konsep CPFR digunakan untuk mengurangi perbedaan antara ramalan yang dibuat oleh beberapa pelaku supply chain yang kemudian secara bersama menentukan kebijakan replenishment. Penelitian ini menggunakan konsep CPFR untuk memenuhi kebutuhan distribusi karena permintaan pelanggan yang tidak pasti. Akibatnya sering terjadi Over Stock ataupun Under Stock sehingga mengakibatkan harga kopi menjadi tidak stabil.


Berdasarkan permasalahan di atas untuk mengatasi permasalahan tersebut di butuhkan pengembangan sistem informasi yang ada. Tujuannya adalah untuk menjaga agar persediaan produk kopi dapat memenuhi kebutuhan distribusi sehingga tidak menimbulkan keterlambatan distribusi dan untuk memudahkan pihak Pabrik Kopi Senja Mataram Malang dalam menentukan jumlah persediaan produk kopi untuk keperluan distribusi. Berdasarkan pada data yang di miliki oleh pihak Pabrik Kopi Senja Mataram jenis peramalan yang digunakan yaitu time series dengan metode Autoregressive Integreted Moving Average (ARIMA). ARIMA sering juga disebut metode runtun waktu Box-Jenkins. ARIMA sangat baik ketepatannya untuk peramalan jangka pendek dimana metode ini sangat tepat di gunakan mengingat data yang akan di ramalkan yaitu data produksi kopi yang di rekap setiap 1 minggu sekali untuk menentukan inventory di minggu berikutnya. Dari hasil pengujian ditemukan bahwa untuk menemukan error terkecil yaitu dengan cara mencari nilai beta 1 dan beta 2 yang memiliki error terkecil. Pada penelitian ini hasil dengan error terandah dari pengujian didapatkan nilai dengan akurasi sebesar 41% menggunakan MAPE dengan nilai beta 1 sebesar 0,054 dan beta 2 sebesar 0,964.


Kata kunci : CPFR, Autoregressive Integreted Moving Average, Supply chain, ARIMA