Avelyn Yoan Wirata

Mahasiswi Pengembangan Produk Agro avellyn.yoan.wiratan@mail.ugm.ac.id

PenerapanKecerdasanBuatandalamRantai

PasokdiIndonesia

Avellyn Yoan Wiratan

1Vocational College, Universitas Gadjah Mada, Sleman, D.I. Yogyakarta

Email: avellyn.yoan.wiratan@mail.ugm.ac.id

ABSTRAK

PENDAHULUAN

Rantai pasok adalah jaringan dimana beberapa perusahaan bekerja sama dalam memasok bahan baku, mengelola bahan baku menjadi produk jadi, dan mendistribusikannya kepada konsumen. Pengelolaan rantai pasok diperlukan untuk mengurangi biaya operasi, menjaga kualitas produk, menjamin ketersediaan produk, dan meningkatkan kecepatan layanan.

METODE

Tinjauan literatur deskriptif dilakukan dengan mencari artikel ilmiah dari Google Schoolar di atas tahun 2012 yang open access dan menjelaskan penerapan kecerdasan buatan dalam pengelolaan rantai pasok di Indonesia.

HASIL

Berdasarkan hasil pencarian, ditemukan enam artikel yang memenuhi kriteria. Metode umum dalam menerapkan kecerdasan buatan dalam pengelolaan rantai pasok di Indonesia antara lain jaringan saraf tiruan yang menyerupai cara kerja saraf manusia, Internet of Things yang menggunakan sensor dan konektivitas jaringan mesin, serta algoritma genetik yang menyerupai cara kerja gen dalam tubuh makhluk hidup.

KESIMPULAN oindustri Universitas Gadjah Mada. Penulis dapat dihubungi melalui

Pengelolaan rantai pasok dapat mengurangi biaya operasional dan meningkatkan keuntungan dari perusahaan. Pengelolaan ini dapat dilakukan dengan beberapa cara, salah satunya dengan kecerdasan buatan. Penggunaan kecerdasan buatan dalam pengelolaan rantai pasok diharapkan dapat meningkatkan efisiensi rantai pasokan.

Akan tetapi, pengembangan kecerdasan buatan secara luas di Indonesia masih sulit dan membutuhkan biaya yang tidak sedikit.

KATAKUNCI artificial intelligence; indonesia; kecerdasan buatan; rantai pasok; supply chain management

PENDAHULUAN

Rantai pasok adalah jaringan dimana beberapa perusahaan bekerja sama untuk memasok bahan baku, mengolahnya menjadi bahan jadi, dan mengantarkannya kepada konsumen akhir. Pengelolaan Rantai Pasok (PRP) ditekankan pada pola terintegrasi dalam aliran proses produksi mulai dari bahan mentah sampai produk tiba di tangan konsumen . Komponen utama dari PRP adalah upstream, internal, dan downstream supply chain. Upstream (hulu) supply chain mencakup aktivitas dari suatu perusahaan dengan penyalurnya dan koneksi mereka kepada para penyalur mereka dimana aktivitas utamanya adalah pengadaan. Internal supply chain mencakup proses inhouse yang digunakan dalam mengubah input dari para penyalur menjadi output organisasi itu. Perhatian yang utama dalam internal supply chain adalah manajemen produksi, pabrikasi dan pengendalian persediaan. Downstream (hilir) supply chain mencakup aktivitas yang melibatkan pengiriman produk kepada pelanggan akhir dimana perhatian diarahkan pada distribusi, pergudangan transportasi dan after-sale service .

Penerapan PRP ini dapat mengurangi biaya operasi, menjaga kualitas produk, menjaga ketersediaan produk, dan meningkatkan kecepatan layanan. Oleh karena itu, penerapan PRP yang baik akan memberikan keunggulan pada produk dan meningkatkan daya saing secara bersamaan . Permasalahan yang dihadapi terkait rantai pasok di Indonesia adalah biaya logistik yang tinggi dan waktu pengiriman yang lama. Penyebabnya adalah fasilitas logistik kurang memadai dan kurangnya konektivitas antara produsen dan konsumen. Optimalisasi distribusi material, aliran dalam produksi, dan distribusi ke tangan konsumen dapat mengurangi biaya logistik . Ada banyak metode yang digunakan untuk mengelola rantai pasok dengan atau tanpa bantuan komputer. Seiring kemajuan teknologi, ketertarikan dengan pembelajaran mesin dan teknologi lain semakin besar.

Oleh karena itu, PRP mulai memanfaatkan komputer dan kecerdasan buatan untuk meningkatkan efisiensi rantai pasok . Tujuan dari penelitian ini adalah mengetahui sejauh mana penerapan kecerdasan buatan dalam pengelolaan rantai pasok dan metode kecerdasan buatan apa saja yang memungkinkan untuk diterapkan di Indonesia.

Metode

Penelitian ini merupakan penelitian deskriptif dengan meninjau literatur yang sudah ada. Tinjauan literatur dilakukan dengan mencari artikel ilmiah di atas tahun 2012 yang menjelaskan penerapan kecerdasan buatan dalam pengelolaan rantai pasok di Indonesia untuk mengetahui penerapan kecerdasan buatan dalam pengelolaan rantai pasok yang sudah dan memungkinkan untuk diterapkan di Indonesia dan cara kerjanya. Artikel yang dipakai dalam tinjauan literatur ini berasal dari Google Scholar dan bersifat open access.

Hasil

Berdasarkan hasil pencarian, ditemukan enam artikel ilmiah yang menjelaskan penerapan kecerdasan buatan di Indonesia, di atas tahun 2012, dan open access. Metode yang digunakan antara lain adalah

Jaringan Saraf Tiruan (JST), Internet of Things (IoT), dan algoritma genetik.

Jaringan Saraf Tiruan (JST)

Metode JST yang paling banyak digunakan adalah algoritma propagasi balik yang menghitung besarnya eror berdasarkan data menggunakan fungsi aktivasi yang ditetapkan. Kelebihan metode JST antara lain adalah dapat belajar melalui penyesuaian bobot dalam struktur jaringan, dapat menggeneralisasi sehingga mampu mempelajari pola baru, mampu menyelesaikan masalah non linier yang sulit diselesaikan dengan model matematis, dan memiliki kehandalan dalam menangani sejumlah noise pada input. Algoritma backpropagation memiliki 3 tahapan, yaitu fase feedforward, fase perhitungan dan backpropagation error, serta fase penyesuaian bobot .

Internet of Things (IoT)

Internet of Things (IoT) menggunakan konektivitas internet yang terus tersambung untuk menghubungkan mesin atau peralatan dengan sensor jaringan dan aktuator untuk memperoleh dan mengolah data sehingga mesin dapat berkolaborasi dan bertindak sesuai dengan informasi terbaru. IoT dibentuk oleh 3 unsur, yaitu kecerdasan buatan, sensor, dan konektivitas. Kecerdasan buatan adalah program yang ditanamkan pada mesin agar dapat berpikir dan bertindak seperti manusia. Sensor membuat mesin dapat menentukan instrumen yang dapat mengubah mesin yang awalnya pasif menjadi aktif dan terintegrasi. Konektivitas adalah koneksi antar jaringan khusus untuk perangkat IoT .

Algoritma genetika

Terdapat 2 jenis algoritma genetika, yaitu algoritma genetika adaptif dan terdistribusi. Parameter dalam algoritma adaptif adalah probabilitas mutasi, probabilitas crossover, dan jumlah individu yang berubah-ubah dalam sub populasi. Pada algoritma terdistribusi, ada lebih dari 1 sub populasi dan masing-masing dikembangkan secara paralel. Kromosom dibangkitkan dan dievaluasi dalam fungsi fitness yang merupakan kekuatan nilai individu. Selanjutnya dilakukan seleksi dengan roulette wheel dimana kromosom dengan fitness tinggi berpeluang terpilih lebih besar. Setelah crossover atau persilangan dan mutasi atau pertukaran, kromosom akan berubah sampai didapatkan nilai optimalnya .

PEMBAHASAN

PRP yang diterapkan dengan baik dapat meningkatkan efisiensi perusahaan dan menurunkan biaya operasi yang pada akhirnya akan meningkatkan keuntungan. Penyusunan PRP yang efektif dapat dilakukan dengan bantuan komputer atau kecerdasan buatan.

Berdasarkan literatur yang sudah diperoleh, penerapan kecerdasan buatan pada rantai pasok dapat dilakukan dengan menggunakan JST, IoT, dan algoritma genetik.

Menurut literatur yang diperoleh, metode JST diterapkan dalam memperkirakan harga dan permintaan pada komoditas karet. Masalah rantai pasok yang ingin diselesaikan dari artikel ini adalah tidak seimbangnya kemampuan produksi dan permintaan karet dunia.

Pembuatan model diperkirakan dapat meminimalkan risiko produksi berlebih atau kurang yang dapat menyebabkan fluktuasi harga.

Pada penerapannya, sinyal input dipropagasikan ke lapisan tersembunyi dengan fungsi aktivasi pada fase feedforward. Syarat fungsi aktivasi dalam backpropagation adalah kontinyu, terdiferensial dengan mudah, dan fungsinya tidak turun. Parameter berupa arsitektur jaringan, nilai momentum, dan target ditentukan untuk melakukan simulasi. Momentum dapat dinaikan atau diturunkan berdasarkan arah gradien pola terakhir dan pola data yang sudah pernah dimasukkan agar bobot tidak berubah drastis. Pola data yang dimasukkan akan dikenali oleh lapisan tersembunyi yang dipengaruhi oleh jumlah dan ukuran layer. Acuan dalam menentukan jumlah layer adalah alternatif fungsi aktivasi dan target yang ingin dicapai. Eror atau nilai kesalahan adalah selisih output dan target. Iterasi atau pengulangan dilakukan sampai nilai error dapat ditoleransi atau sesuai dengan jumlah iterasi yang ditetapkan d awal penelitian .

Tahap awal IoT dimulai dari input jadwal penerimaan, lokasi, dan jumlah permintaan produk pada sistem terintegrasi agen, produsen, dan bank Selanjutnya, agen melakukan pembayaran kepada bank yang terdeteks secara otomatis masuk dalam sistem produsen. Sistem akan menampilkan permintaan dari agen yang sudah melakukan pembayaran sehingga produsen dapat menyiapkan pengiriman. Agen akan mengambil produk pada tanggal yang ditentukan lalu stoknya akan terintegrasi pada bagian gudang dan retail kecil. IoT dapat digunakan sebagai sarana pertukaran informasi antara pemasok, produsen, dan konsumen. Penggunaan IoT memungkinkan terjadinya otomatisasi pemesanan, pembayaran, pengecekan, dan lain-lain.

Algoritma genetika dapat digunakan untuk melakukan optimasi distribusi produk sehingga menghasilkan biaya transportasi terendah. Nilai fitness dalam algoritma genetika adalah total jarak tempuh suatu rute dalam pengiriman. Representasi kromosom yang digunakan adalah path representation chromosome dimana setiap kromosom mewakili kota yang dituju dan tidak ada gen yang bernilai sama dalam kromosom. Crossover atau pindah silang dilakukan dengan metode order crossover dimana urutan kota yang bukan bagian dari kromosom dijaga pada saat melakukan pertukaran. Mutasi menggunakan metode swapping mutation atau dengan menukar gen secara acak dengan gen sesudahnya pada jumlah kromosom yang mengalami mutasi. Pengulangan berhenti dilakukan jika sudah mencapai nilai fitness terendah dan tidak berubah dalam beberapa generasi secara berturut-turut .

KeunggulandanBatasan

Penggunaan kecerdasan buatan tentunya dapat mengurangi tenaga kerja yang dibutuhkan, memperkecil kesalahan/eror, dan meningkatkan efisiensi produksi. Akan tetapi, pengembangan kecerdasan buatan terbilang mahal dan masih sulit untuk diterapkan di seluruh Indonesia. Artikel yang membahas mengenai penerapan kecerdasan buatan di Indonesia juga belum terlalu banyak sehingga informasi yang diperoleh masih kurang lengkap.

KESIMPULAN

Penerapan kecerdasan buatan dalam pengelolaan rantai pasok dapat dilakukan dengan metode jaringan saraf tiruan, Internet of Things, dan algoritma genetik. JST dapat digunakan untuk meramalkan permintaan sehingga dapat memperkecil fluktuasi harga. IoT dapat digunakan sebagai sarana pertukaran informasi antara pemasok, produsen, dan konsumen. Penggunaan IoT memungkinkan terjadinya otomatisasi pemesanan, pembayaran, pengecekan, dan lain-lain. Harapannya, dengan menggunakan bantuan kecerdasan buatan dalam menentukan rantai pasok, biaya operasional perusahaan dapat berkurang secara signifikan dan distribusi produk dapat lebih merata di seluruh Indonesia.

Daftarpustaka

1. Sherlywati. Urgensi Penelitian Manajemen Rantai Pasok: Pemetaan Isu, Objek, Dan Metodologi. Jurnal Manajemen Maranatha. 2018;17(2):147– 62.

2. Erni N, Maarif MS, Indrasti NS, Machfud, Honggokusumo S. Model Prakiraan Harga dan Permintaan pada Rantai Pasok Karet Spesifikasi Teknis Menggunakan Jaringan Syaraf Tiruan. Jurnal AAISSD. 2012;1(3):116123.

3. Wahyudiyanta SA. Pengendalian Persediaan Produk Dan Kecerdasan Buatan. Prosiding SAINTEK. 2023;2(1):420-426.

4. Effendy SW, Ita. Implementasi IoT dalam Manajemen Rantai Pasok Distribusi Elpiji pada Agen Gas 3 Kg di Kota Palembang. REMIK. 2023 Jan 19;7(1):565–71.

5. Indra Z, Subanar. Optimasi Biaya Distribusi Rantai Pasok Tiga Tingkat dengan Menggunakan Algoritma Genetika Adaptif dan Terdistribusi. IJCCS. 2014;8(2):189-200.

6. Yuswanto M, Marimin, Haryanto T. Model Sistem Pendukung Pengambilan Keputusan Cerdas Manajemen Rantai Pasok Hijau Obat Herbal. Jurnal Ilmu Komputer Agri-Informatika. 2014;3(2):102-111.