Review Jurnal: A proactive approach to supply chain risk management: Shifting

orders among suppliers to mitigate the supply side risks

Judul A proactive approach to supply chain risk management:

Shifting orders among suppliers to mitigate the supply
side risks
Jurnal
Journal of Purchasing & Supply Management

Volume & Halaman Vol. 23 Hal. 54–65

Tahun 2017
Penulis Oguzhan Kırılmaz dan Serpil Erol
Reviewer Abdul Rasyid 2019610005
Eka Prayitno 2019510026
Sutrisno 2019610025
Tanggal 3 Januari 2020

Tujuan Penelitian

1. Mengusulkan prosedur perencanaan proaktif untuk mengambil tindakan

pencegahan terhadap pemasok berisiko dan mengurangi tingkat kerusakan jika
terjadi gangguan
2. Meminimalkan total biaya yang terdiri dari persediaan dan biaya perlindungan.

Subjek Penelitian

Subjek penelitian ini adalah manajemen risiko dalam sistem multi-pemasok, multi
atau produsen tunggal dan rencana pengadaan awal komoditas tunggal

Metode Penelitian

Metode yang digunakan pada penelitian ini adalah melakukan analisis risiko yang
dilakukan dalam lima tahap, yaitu: identifikasi risiko, pengukuran risiko, evaluasi
risiko, mitigasi risiko dan pemantauan dan pengendalian risiko.

Literatur review

Alat matematika yang efektif untuk menganalisis dan memahami manajemen

risiko rantai pasokan yang tepat menarik banyak perhatian karena meningkatnya
minat pada kerentanan rantai pasokan. Meskipun studi tentang manajemen risiko
rantai pasokan sebagian besar kualitatif dan empiris, ada juga penelitian kualitatif dan
berbasis model dalam literatur.
Camm et al. (1997) mengusulkan model pemrograman integer untuk Proctor
dan Gamble yang berkaitan dengan desain jaringan pasokan dan pemilihan pemasok.
Levy (1995) menyajikan model simulasi untuk menguji dampak ketidakpastian
permintaan dan keandalan pemasok terhadap kinerja berbagai jaringan pasokan dan
kontrak pasokan. Lee dan Tang (1998a, 1998b) mengusulkan model inventaris
astokastik untuk menguji trade off antara pengiriman dan mengubah pengaturan
utama di bawah ketidakpastian permintaan (Tang, 2006). Kouvelis dan Rosenblatt
(2002) telah mempelajari desain jaringan fasilitas global dan menyajikan model
pemrograman integer campuran. Mereka menyelidiki desain trade off yang penting
dari jaringan tersebut dan memasukkan subsidi perdagangan pemerintah dan masalah
perpajakan. Smith dan Huchzermeier (2003) telah mempelajari rantai pasokan global
dan optimisasi risiko, dan menunjukkan bagaimana opsi nyata menambah nilai bagi
perusahaan manufaktur global (Goh et al., 2007). Bogataj dan Bogataj (2007)
mengembangkan pendekatan pemrograman linier aparametrik untuk mengukur risiko
rantai pasokan interms dari gangguan waktu tunggu. Mark et al. (2007) menyajikan
model astokastik dari masalah jaringan rantai pasokan global multistage, yang
menggabungkan aset risiko terkait sebagai pasokan, permintaan, pertukaran, dan
gangguan. Tujuan perusahaan adalah untuk memaksimalkan laba global setelah pajak,
tergantung pada kendala kapasitas di setiap pabrik dan persyaratan permintaan di
setiap pasar. Hopp dan Yin (2006) menggunakan formulasi nonlinier mixed integer
programming (NLMIP) untuk menjelaskan gangguan pasokan yang disebabkan oleh
kegagalan katastropik. Tujuan penelitian ini adalah meminimalkan total biaya yang
terdiri dari persediaan dan biaya perlindungan.

Signifikasi/temuan penelitian

4.1 Contoh Numerik

Eselon tunggal dengan pemasok dan produsen yang berada dalam wilayah
geografis yang sama dan / atau berbeda, komoditas tunggal, periode tunggal,
model kapasitansi diusulkan dalam penelitian ini (Gbr.2).

1
 Gbr. 2 Supply Chain Network

Model untuk menemukan biaya pengadaan minimum yang memuaskan

permintaan produsen adalah;

Rencana pengadaan ini diperoleh tanpa pertimbangan kriteria risiko. Kuantitas

pengadaan untuk setiap pemasok yang ditemukan oleh kriteria biaya harus
dimodifikasi secara proporsional dengan profil risikonya.

Jaringan transfer produk berdasarkan profil risiko pemasok disajikan pada

Gambar. 3

2
 Gbr. 3 Jaringan transfer produk berdasarkan profil risiko pemasok.

Model untuk mentransfer produk dari pemasok yang berisiko ke pemasok yang
relatif kurang berisiko adalah:

4.2 Verifikasi Model

Model yang diusulkan diuji 10 kali dengan data yang dihasilkan secara acak dan
diverifikasi. Meskipun lima pemasok lebih dari cukup untuk satu komoditas
dalam situasi dunia nyata, model ini juga diuji 10 kali untuk 10 pemasok (simpul)
dan solusinya diperoleh dalam hitungan detik tanpa kerusakan.
Manfaat dari proses SCRM tidak dapat direalisasikan sebelum terjadinya
peristiwa yang berisiko. Karena alasan ini, biaya yang dikeluarkan oleh proses
manajemen risiko dapat dianggap tidak perlu dan ini dapat mencegah penerapan
SCRM. Namun, biaya yang harus ditanggung oleh perusahaan jika terjadi
gangguan sangat mungkin jauh lebih besar daripada biaya yang dikeluarkan oleh
kegiatan SCRM.

Kesimpulan

Biaya lebih rendah, perjanjian komersial, pasar baru, pengembangan peluang

komunikasi dan internet adalah beberapa keuntungan dari globalisasi. Namun,
keragaman budaya, kesulitan standardisasi, ketidakstabilan politik dan jarak yang jauh
membuat SCS lebih rentan terhadap risiko. Saat ini, SCRM memastikan tidak hanya

3
keunggulan biaya tetapi juga keunggulan kompetitif. Seperti yang disajikan dalam
tinjauan pustaka, jumlah studi kuantitatif dan berbasis model lebih terbatas jika
dibandingkan dengan jumlah kualitatif dan empiris. Dalam konteks ini, prosedur
perencanaan proaktif diusulkan dalam makalah ini. Tujuan dari prosedur ini adalah
untuk mengambil tindakan pencegahan yang diperlukan terhadap pemasok berisiko
dan mengurangi tingkat kerusakan jika terjadi gangguan. Tahap pertama dari prosedur
yang diusulkan adalah memperoleh rencana pengadaan awal melalui pemrograman
linier dengan tujuan meminimalkan biaya, dan tahap kedua adalah merevisi rencana
pengadaan awal dengan mengintegrasikan kriteria risiko ke dalam proses
perencanaan. Penilaian risiko dilakukan untuk mengidentifikasi profil risiko semua
pemasok pada langkah pertama dari tahap kedua ini. Pada langkah kedua, jumlah
produk dalam rencana pengadaan awal proporsional dengan profil risiko pemasok,
dan kemudian jumlah yang akan disimpan dalam pemasok dan yang akan ditransfer
ke pemasok yang kurang berisiko diidentifikasi. Pada langkah ketiga, model
pemrograman linier transfer produk ditetapkan dan pada langkah terakhir, rencana
pengadaan baru dibuat dengan menyelesaikan model pemrograman linier ini.
Prosedur ini unik karena risiko dikuantifikasi dan dimasukkan dalam model bukan
dari segi biaya tetapi sebagai nilai profil dan mengusulkan pengalihan strategi produk.
Rencana transfer ini dibuat sebelum pesanan dan pemasok menerima pesanan produk
akhir yang disiapkan sesuai dengan kriteria biaya dan risiko. Dalam contoh numerik,
model diuji 10 kali dengan set data hipotetis yang dihasilkan secara acak dan
diverifikasi. Kenaikan biaya yang dikeluarkan oleh dimasukkannya kriteria risiko ke
dalam model dianalisis dan interval kepercayaan 95% untuk rata-rata populasi dari
kenaikan biaya diamati antara 1,32% dan 3,88%. Peningkatan biaya ini kemungkinan
lebih kecil dari biaya yang akan ditanggulangi jika terjadi gangguan.

Daftar Pustaka

Camm, J., Chorman, T., Dull, F., Evans, J., Sweeney, D., Wegryn, G., 1997. Blending
OR/MS, judgment, and GIS: restructuring P&G’s supply chain. Interfaces
27(1), 128–142.
Levy, D., 1995. International Sourcing and supply chain stability. J. Int. Bus. Stud.
26, 343–360.
Lee, H., Tang, C.S., 1998a. Variability reduction through operations reversal. Manag.
Sci. 44, 162–173.
Lee, H.L., Tang, C.S., 1998b. Managing supply chains with contract manufacturing.
In: Lee, H.L., Ng., S.M.(Eds.), Global Supply Chain and Technology
Management. Production and Operations Management Society Publishers,
Florida.
Tang, C.S., 2006. Perspectives in supply chain risk management. Int. J. Prod. Econ.
103, 451–488.
Kouvelis, P., Rosenblatt, M.J., 2002. A mathematical programming model for global
supply chain management: conceptual approach and managerial insights. In:
Geunes, J., Pardalos, P.M., Romeijn, H.E.(Eds.), Supply Chain Management:
Models, Applications and Research Directions. Kluwer Academic Publishers,
Boston.
Smith, R., Huchzermeier,A., 2003. Global supply chain and risk optimization: real
options add value for global manufacturing firms. In: Kummar,K., VanNunen,

4
 J., Van Wassenhove, L.N.(Eds.), Global Supply Chains. Stanford University
Press.
Goh, M., Lim, J.Y.S., Meng, F., 2007. A stochastic model for risk management in
global supply chain networks. Eur. J. Oper. Res. 182, 164–173.
Bogataj,D., Bogataj, M., 2007. Measuring the supply chain risk and vulnerability in
frequency space. Int. J. Prod. Econ. 108(1–2), 291–301.
Mark, G., Lim, Y.S.J., Meng, F., 2007. A stochastic model for risk management in
global supply chain networks. Eur. J. Oper. Res. 182, 164–173.
Hopp, W.J., Yin, Z., 2006. Protecting Supply Chain Networks Against Catastrophic
Failures. Working paper, North western University.