Analisa Bullwhip Effect Produk Qiuvita di PT. Karisma Indoagro Universal Jember

Abstract

Tuntutan konsumen yang kian mendesak, mengharuskan perusahaan untuk memenuhi permintaan kustomer demi keberlanjutan usaha. Upaya yang perlu dilakukan yaitu dengan mengintegrasikan rantai pasok usaha. Kurangnya pengetahuan dalam mengelola permintaan dan koordinasi antar elemen rantai pasok dapat menyebabkan kecacatan Supply Chain Management, salah satunya Bullwhip Effect yang dapat menimbulkan kerugian finansial dan ketidakefisienan penggunaan sumber daya perusahaan. Fenomena ini terjadi pada salah satu jenis produk nutrien tanaman PT. Karisma Indoagro Universal yaitu Qiuvita. Qiuvita merupakan produk nutrien baru yang sifatnya masih dalam tahap pengembangan. Hal tersebut menyebabkan distributor kesulitan dalam memprakirakan kebutuhan konsumen. Terlebih lagi retail tidak terbuka akan informasi permintaan aktual konsumen sehingga prakiraan sering kali menyimpang dari keadaan sebenarnya di retail. Oleh karena itu, diperlukan adanya sistem pengelolaan rantai pasok yang sifatnya lebih terbuka, yaitu Vendor Managed Inventory (VMI), dimana distributor mampu mengelola inventori retail. Salah satunya dalam memprakirakan kebutuhan konsumen melalui peramalan. Tujuan penelitian ini adalah mengidentifikasi Bullwhip Effect dan melakukan perbandingkan kebutuhan biaya transportasi antara sebelum dan sesudah menggunakan metode Vendor Managed Inventory, serta memberikan rekomendasi perbaikan sistem rantai pasok PT. Karisma Indoagro Universal. Penelitian ini dilakukan di PT. Karisma Indoagro Universal selaku distributor Qiuvita, dimulai dari Agustus 2018 hingga Mei 2019. Selama penelitian data yang dibutuhkan yaitu data primer hasil wawancara dan observasi rantai pasok perusahaan, dan data sekunder yang terdiri atas data permintaan retail (2015-2017), order retail (2016-2017), order distributor (2017), dan data biaya budgeting transportasi PT. Karisma Indoagro Universal. Setelah didapatkan kebutuhan data, kemudian dilakukan peramalan terhadap data permintaan retail tahun 2017 menggunakan software Minitab 18. Akhirnya didapatkan model ARIMA terbaik dengan MAPE 15,21%. Hasil peramalan kemudian digunakan untuk menghitung Bullwhip Effect. Hasil Bullwhip Effect berkurang dari 1,09 menjadi 0,1. Terakhir berdasarkan perhitungan biaya budgeting transportasi, didapatkan hasil bahwa adanya peramalan menjadikan penggunaan biaya menjadi lebih efisien.