REVIEW JURNAL 1

Judul

Application of Big Data in Supply Chain Management Penulis : Ankit

Singh *, Deepak Jain, Ishant Mehta, Jishnu Mitra, Saurabh Agrawal

Penulis

Ankit Singh , Deepak Jain, Ishant Mehta, Jishnu Mitra, Saurabh Agrawal

Gap peneliti

Jurnal ini mengidentifikasi kesenjangan penelitian dalam manajemen

rantai pasokan yang membutuhkan perubahan teknologi bersama dengan

implementasi yang lebih baik untuk mengatasi isu-isu saat kemudian datang.

Jadi kita perlu pengembangan dengan perangkat lunak yang menyediakan sistem

yang lebih baik, Hanya 20% dari perusahaan telah mengambil big data

Analytics. Ini berarti bahwa banyak yang harus dipahami dalam pelaksanaan Big

Data analisis di SCM. Ini akan memberi prospek lebih lanjut dan memberikan

hasi pada penggabungkan teknik data yang besar ke SCM.

Pertanyaan Penelitian

Bagaimana mengidentifikasi isu-isu mengenai Supply Chain

Management dengan menggunakan teknik Delphi yang bertujuan untuk

mengatasi dengan memasukkan Big Data Analytics? seperti apakah aplikasi

analisis Big Data juga disajikan sebagai cara memperkenalkan beberapa wilayah

yang relatif belum dijelajahi di Big Data analisis penelitian?

Juga dalam penelitian ini membahas bagaimana menemukan cara untuk

mengurangi kompleksitas rantai pasokan dengan menggunakan big data Analytics

dan untuk mengidentifikasi sumber-sumber data yang dapat dipertimbangkan

untuk tujuan pengambilan keputusan di setiap tuas SCM: pengadaan, pemasaran ,

operasi transportasi, dan gudang?

Metodologi Penelitian:

Pada dasarnya mencakup tiga langkah: mengumpulkan material, analisis

deskriptif dan evaluasi akhir. Salah satu metode penelitian yang paling efektif

yang telah digunakan baru-baru ini adalah Teknik Delphi. Teknik Delphi adalah

alat yang efektif untuk penelitian menyeluruh dan analisis masalah apapun.

Teknik Delphi memungkinkan individu untuk mendapatkan pengetahuan yang

mendalam tentang topik apapun dengan meminta para ahli. Para ahli yang

mampu membimbing individu pada isu-isu menyediakan mereka dengan

pengalaman pribadi dan bimbingan yang tepat. Metode lain yang telah

digunakan adalah studi tentang studi kasus yang berbeda. Dimasukkannya studi

kasus ini dilakukan untuk menjaga kepraktisan di inti.

Hasil penelitian

 Dalam Mengurangi Waktu Pengiriman Organisasi-organisasi yang

mengadopsi analisis Big Data akan memiliki kapasitas untuk

menghubungkan sistem mereka dengan sistem jutaan pelanggan mereka.

Hal ini akan memungkinkan mereka untuk memindahkan data di depan.

 Dalam Meningkatkan Layanan Pelanggan Untuk menjaga pelanggan

setia kepada organisasi, pelanggan perlu dimanjakan dengan layanan baru

dan sering memberikan penawaran baru, Untuk mengetahui penawaran

atau layanan sangat tepat untuk pelanggan tertentu, organisasi perlu

mengetahui kebutuhan pelanggan

  Dalam Mengurangi Biaya Persediaan Tujuan dari persediaan adalah

untuk bertindak sebagai penyangga dalam kasus-kasus yang berkaitan

dengan peningkatan dalam permintaan, tiba-tiba kekuarang pasokan bahan

baku penting dan bagian dari pemasok atau kerusakan mesin

 Dalam Mengurangi Biaya Operasional Mengurangi biaya operasional

merupakan daerah utama yang penting bagi para pemimpin industri.

Berkurangnya biaya operasional menyebabkan peningkatan keuntungan

dan produktivitas yang lebih besar. Tapi biaya operasional adalah fungsi

dari biaya yang berkaitan dengan beberapa variabel seperti bahan baku,

pemeliharaan mesin, outsourcing, persediaan, listrik, transportasi dan

banyak lagi.

 Big Analisis Data dapat memainkan peran penting dalam proses ini

prioritas. Hal ini juga dapat berperan dalam menyeimbangkan penurunan

masing-masing biaya variabel sehingga mereka tidak ada indikasi

peningkatkan pada biaya lainnya.

Penelitian kedepan

Pada penelitian ini kita dapat menyimpulkan bahwa struktur rantai

pasokan telah mengubah pesat dalam beberapa tahun terakhir. Jadi untuk

mengatasi kompleksitas ini dalam rantai pasokan dan menangani data

humongous yang telah disusun selama bertahun-tahun, kita membutuhkan alat

yang ampuh. Data yang besar memberikan kita solusi sempurna, dengan tidak

hanya mereda kompleksitas, tetapi juga berhasil mengoptimalkan operasional.

Peneliti menyarankan kepada penelitian kedepan untuk bekerja lebih lanjut pada
analisis Big Data menggunakan data hipotetis untuk lebih menyelesaikan

masalah yang tersisa dari rantai pasokan.

 REVIEW JURNAL 2

Judul

Practitioners understanding of big data and its applications in supply

chain management

Penulis

Morten Brinch, Jan Stentoft, Jesper Kronborg Jensen, Christopher

Rajkumar,

Gap penelitian

Penelitian yang masih ada belum memiliki kontribusi empiris, di mana

aplikasi big data di SCM agak sulit dipahami dan bimbingan yang tepat untuk

praktisi saat ini terlihat lemah oleh karena itu pada jurnal ini pergerakan dari

percakapan big data berdasarkan empiris wawasan. Big data telah menjadi konsep

yang agak membingungkan dalam SCM studi ini menambahkan sudut pandang

praktisi pada diskusi sehubungan dengan terminologi dan aplikasi big

data. Penelitian yang ada telah berusaha untuk lebih memahami data besar, di

mana volume, variasi, kecepatan, kejujuran, dan karakteristik nilai tampaknya

disetujui. Studi sebelumnya telah mengidentifikasi berbagai aplikasi big data

dalam SCM tetapi semua aplikasi yang diidentifikasi belum diberi peringkat satu

sama lain untuk memungkinkan prioritas. Selain itu, literatur yang ada sangat

menekankan manufaktur, pengadaan, dan logistik penelitian ini menemukan

bahwa Big data paling bermanfaat dalam proses logistik, perencanaan dan

layanan. Adapun proses manufaktur, sumber dan manajemen pengembalian

ditemukan kurang bermanfaat untuk Big data

Pertanyaan penelitian

Bagaimana big data mengatasi pertanyaan seputar rantai pasokan?

Selanjutnya, pertanyaan penelitian dikhususkan untuk memahami bagaimana big

data dapat meningkat baik secara internal maupun eksternal?

Dalam proses dan pengambilan keputusan pada tingkat strategis, taktis dan

operasional, apakah Big data mampu berperan sebagai peluang berharga untuk

lebih meningkatkan pengambilan keputusan dalam pasokan?

Metodologi Penelitian

Penelitian ini didasarkan pada metode campuran berurutan yang

mengandung studi delphi dan angket survei. Pertama, Studi delphi dirancang

untuk mendapatkan wawasan tentang terminologi Big Data dan kemudian

mengidentifikasi aplikasi Big Data dalam SCM menggunakan kerangka kerja

proses SCOR yang disesuaikan. Ini diikuti oleh survei kuesioner di antara

eksekutif rantai pasokan untuk menjelaskan temuan studi Delphi untuk menilai

penggunaan praktis Big Data. Survei kuisioner dilakukan melalui pengumpulan

data, membangun dan analisis data.

Hasil penelitian :

Pertama, terminologi big data tampaknya lebih banyak tentang

pengumpulan data daripada data manajemen dan pemanfaatan data. Kedua,

aplikasi big data paling cocok untuk proses logistik, layanan dan perencanaan

daripada sumber, manufaktur dan pengembalian. Ketiga, eksekutif rantai pasokan

tampaknya memiliki adopsi Big Data yang lambat.

 Hasil studi Delphi

Responden telah ditanyai sehubungan dengan tiga aspek dari

terminologi big data. Itu pertanyaan yang diajukan, nilai rata-rata, dan

standar deviasi (SD) disajikan pada Tabel 1. Secara keseluruhan, ketiga

aspek menerima skor lebih tinggi dari 4, menunjukkan bahwa ini

semua dipertimbangkan bagian penting dari data besar dalam SCM,

meskipun aspek pengumpulan data (DAC) dinilai paling tinggi oleh

para ahli (skor rata-rata 4,4). Di sini para responden terutama setuju

bahwa big data dalam SCM melibatkan berbagai sumber data,

pembuatan data otomatis, dan sejumlah besar data

Pada tabel 2. Secara khusus, empat hingga delapan pernyataan

diberikan untuk setiap proses sebagaimana didefinisikan oleh SCOR,

mulai dari proses pengembalian (RET) dengan hanya empat hingga

delapan pernyataan untuk proses layanan (SER). Skor didistribusikan

dengan layanan (SER) skor tertinggi, diikuti oleh pengembalian

(RET), logistik (LOG), perencanaan (PLA), sumber (SOU), dan

manufaktur (MAN), dalam urutan itu. Untuk sumber, data besar

kemungkinan besar akan digunakan sebagai keputusan dukungan

untuk pembelian dan informasi yang dapat digunakan saat bernegosiasi

dengan pemasok

 Temuan kuesioner surve

Pada Tabel 4 berisi jawaban responden tentang mengejar rantai

pasokan berbasis data, di mana atribut big data telah diminta untuk

mengidentifikasi aplikasi aktual dan persepsi mereka

 relevansi. Temuan ini menyarankan tren skor menengah ke rendah,

untuk semua sisanya skor di bawah tiga. Skor aktual tertinggi adalah

untuk pengambilan keputusan berbasis fakta yang dimungkinkan oleh

IT, mengidentifikasi masalah dan peluang dalam proses yang ada dan

untuk menentukan yang optimal keputusan

Penelitian kedepan

Lima bidang untuk penelitian di masa mendatang disarankan untuk

dilanjutkan. Pertama, penelitian yang masih ada berusaha untuk menetapkan

ikhtisar aplikasi Big Data, termasuk studi ini, yang mencakup SCM sebagai

disiplin yang luas. Tinjauan umum ini hanya memberikan panduan awal karena

aplikasi big data tergantung pada konteks. Oleh karena itu, penelitian masa depan

pada aplikasi big data harus mencakup faktor-faktor seperti industri, dinamika

pasar dan tingkat kematangan, sementara mempertimbangkan peran perusahaan

dalam rantai pasokan. Kedua, penelitian di masa depan harus mencari lebih

banyak studi mendalam tentang aplikasi spesifik yang dapat memandu praktisi

tentang sumber data apa diperlukan, teknik analitik apa yang harus diterapkan dan

bagaimana setiap aplikasi spesifik dapat diimplementasikan dan diintegrasikan

kedalam praktik bisnis yang ada. Ketiga, angket-survei penelitian ini mewakili

sampel kecil dan mengandung bias, oleh karena itu, survei skala besar akan

dilakukan berharga untuk lebih mengukur adopsi dan aplikasi Big Data. Keempat,

penelitian yang ada tentang big data tampaknya sebagian besar berfokus pada

perusahaan besar tetapi big data bisa ga untuk perusahaan kecil dan menengah

yang lebih kecil. Dalam hal ini, praktik di antara ukuran perusahaan yang berbeda

dapat dimasukkan dalam penelitian masa depan. Kelima, penelitian ini juga
mengindikasikan adopsi lambat digitalisasi dan Big Data dalam SCM, yang harus

diselidiki lebih lanjut. Ini diketahui bahwa ada hambatan parah untuk menerapkan

Big Data tetapi sedikit tampaknya diketahui bagaimana cara mengatasi hambatan

ini. Oleh karena itu, penelitian masa depan sangat dianjurkan untuk membantu

eksekutif rantai pasokan dalam mengembangkan rantai pasokan berbasis data

yang mencakup big data ke dalam agenda digitalisasi yang lebih besar, di mana

teknologi yang sedang berkembang lainnya juga memengaruh

 REVIEW JURNAL 3

Judul

Big Data and its Applications in Supply Chain Management: Findings

from a Delphi Study

Penulis

Morten Brinch, Jan Stentoft, Jesper Kronborg Jensen

Gap penelitian

Kesenjangan antara teori big data dan rantai pasokan pada praktiknya

masih ada, dan masih banyak pertanyaan tidak terjawab, misalnya, bagaimana

memanfaatkan volume data besar dan data tidak terstruktur. Lebih jauh lagi, sudah

menetapkan bahwa analitik data besar dapat diterapkan di seluruh rantai pasokan

yang melibatkan sumber, pembuatan, distribusi, dan pemasaran. Meskipun

didalam bisnis masih memiliki sentimen positif tentang big data. Ulasan literatur

terbaru tentang data besar dalam SCM menegaskan bahwa kontribusi sebagian

besar konseptual dan, dan kurangnya ketelitian teoretis dan metodologis. Untuk

mengatasi kesenjangan teoretis ini dan untuk memandu SCM praktisi, ada

kebutuhan untuk lebih memahami tentang bagaimana big data dapat

meningkatkan nilaigenerasi proses SCM. Lebih khusus lagi, landasan teori untuk

penelitian ini, diikuti oleh penjelasan dan argumen untuk metode pilihan kami.

Kemudian temuan empiris disajikan dan dibahas melawan teori yang ada.
Metodologi Penelitian

Metodologi studi delphi dipilih karena bersifat eksploratif. Metode Delphi

mencirikan sebagai “metode untuk penataan proses komunikasi kelompok

sehingga proses ini efektif dalam memungkinkan sekelompok individu, secara

keseluruhan, untuk menangani masalah yang rumit. Kekuatan metode ini adalah

kemampuannya untuk menciptakan konsensus pada topik yang belum dijelajahi

yang tidak memiliki bukti empiris yang merupakan kasus big data di SCM. Delphi

metode dapat diterapkan untuk tujuan peramalan atau konseptualisasi dengan

tujuan akhir aplikasi peringkat Big Data dalam SCM, metode ini akan diterapkan

untuk mengidentifikasi cara-cara di mana big data berada digunakan dalam proses

rantai pasokan. Penelitian telah diikuti pendekatan studi desain Delphi tradisional,

pemilihan ahli, putaran pengumpulan data brainstorming, mempersempit faktor

dan peringkat serta analisis.

Hasil penelitian :

 Terminologi big data dalam SCM

Peneliti memberikan pertanyaan terhadap responden

sehubungan dengan empat aspek terminologi big data. Pertanyaan-

pertanyaan memiliki nilai rata-rata, dan standar deviasi (SD) dapat

dilihat pada Tabel 1. Secara keseluruhan, empat aspek menerima

skor lebih tinggi dari 4, menunjukkan bahwa semuanya dianggap

memiliki bagian penting dari Big Data dalam SCM, meskipun

aspek pengumpulan data (DAC) dinilai tertinggi oleh para ahli

(skor rata-rata 4,4). Di sini responden setuju bahwa Big Data dalam

SCM melibatkan berbagai sumber data, pembuatan otomatis data,

 dan sejumlah besar data. Sehubungan dengan aspek manajemen

data (DAM), pertanyaan dari lintas data dan analisis sistem tingkat

lanjut yaitu algoritma, alat, dan aplikasi untuk analisis data miliki

skor tertinggi. Pernyataan dengan peringkat terendah untuk data

manajemen adalah bahwa Big Data dalam SCM melibatkan

kompleks prosedur tata kelola.

 Aplikasi Big Data dalam SCM

Seberapa besar data dapat diterapkan dalam proses SCOR

menghasilkan identifikasi 39 daerah potensial di Indonesia aplikasi

Big Data dalam SCM sebagaimana tercantum dalam Tabel 2.

Secara khusus, empat hingga delapan pernyataan disediakan untuk

setiap proses sebagaimana didefinisikan oleh SCOR mulai

darireturn (RET) proses dengan hanya empat hingga delapan pada

tabel Tabel 3 terdapat highlights, logistik yang memiliki skor

tertinggi yang kemudian diikuti oleh layanan, perencanaan,

manufaktur, sumber, dan proses pengembalian namun proses

pengembalian mendapat skor terendah pada Tabel 3 Karena itu,

daftar yang diprioritaskan harus dipertimbangkan lebih dapat

diandalkan ketika mengevaluasi pada tingkat kelompok

Penelitian kedepan

karena penelitian ini memiliki eksplisit fokus pada Big Data dalam SCM,

diperlukan penelitian lebih lanjut sepenuhnya memahami perbedaan antara bisnis

analisis, analisis rantai pasokan, dan Big Data Analisis. Selain itu, ini adalah

keterbatasan penelitian ini hanya mencakup pakar Denmark. Karena itu, kami
mendorong melakukan studi dalam konteks nasional lain untuk bandingkan

temuan. Selanjutnya, penelitian potensial bisa interdisipliner, di mana SCM dan

peneliti statistik bekerja bersama untuk memahami berbagai teknik analitik yang

dapat digunakan untuk berbagai keperluan dan aplikasi SCM. Di lain kata-kata,

telah ditekankan bahwa organisasi perlu keterampilan interdisipliner dalam

ilmuwan
 KORELASI ANTARA JURNAL 1, 2 DAN 3

 Pada jurnal 1, 2 dan 3 dibahas mengenai pentingnya mengaplikasikan big data

dalam rantai pasokan terutama dalam bidang industri. Big data dalam setiap

aplikasi dan penggunaaanny selalu meningkat dari waktu ke waktu yang berarti

bahwa semakin banyak industri yang menggunakan agar terciptanya efektifitas

dan efisiensi dalam rantai pasokan

 Pada 3 jurnal penelitian ini memberikan pemahaman konseptual atau aplikasi

dari analisis data yang besar yang inovatif untuk memfasilitasi perbaikan dalam

logistik dan rantai pasokan, mempelajari penyebaran teknologi pelacakan ke

dalam rantai pasokan. Pada 3 jurnal tersebut mengembangkan pemahaman,

berdasarkan teori kelembagaan dan pengurangan biaya transaksional, dan juga

memberikan solusi terkait isu-isu pada rantai pasokan.

m
a
u
p
jslg
o
n
k
te
-ric
b
 Pada 3 penelitian tersebut terdiri dari manajemen pengambil keputusan.

Berdasarkan analisis mereka diwajibkan bahwa tiga konteks (produk, jaringan

pasokan, dan lingkungan) memiliki signifikan pengaruh pada masing-masing.

keputusan yang terlibat dalam menyebarkan teknologi pelacakan dalam rantai

pasokan.

 Hasil dari 3 penelitian tersebut menunjukkan bahwa koordinasi antara rantai

pasokan penting dalam menanggapi perubahan dalam permintaan pasar yang

positif

 Beberapa poin penting dalam 3 jurnal penelitian tersebut yaitu

a) pemahaman tentang big data dalam rantai pasokan dan mengoptimalkan

generasi data,
b) pentingnya mengintegrasikan dan standardisasi jenis data dalam SCM,
c) penggunaan beberapa jenis analisis untuk mengasimilasi Temuan ke dalam

proses bisnis. penerapan analisis big data dalam rantai pasokan dan

manajemen logistik yang lebih komprehensif dieksplorasi melalui

berbagai cara.