Tugas Ke 4 Manajemen Pemasaran - Wardana M.S - Q1a120086 - Itp B
Tugas Ke 4 Manajemen Pemasaran - Wardana M.S - Q1a120086 - Itp B
NIM : Q1A120086
PENULIS :
PUBLIKASI :
LATAR BELAKANG
Dalam beberapa dekade terakhir, makanan yang diproduksi oleh akuakultur telah
mengalami peningkatan yang mengesankan di seluruh dunia, tetapi menjaga kualitas dan
keamanan yang tinggi semakin menjadi perhatian. Jelas terlihat bahwa perubahan di dalam
dan di luar rantai pasokan akuakultur dapat bertindak sebagai pendorong masuknya bahaya
keamanan pangan. Pengetahuan tentang pendorong perubahan ini dan dampaknya dalam
berbagai langkah dalam rantai pasokan makanan dapat membantu produsen makanan untuk
mengurangi potensi risiko dan mempertahankan makanan berkualitas tinggi.
Pasokan ikan global diharapkan mencapai 186 juta ton pada tahun 2030 dimana lebih dari
60% diharapkan berasal dari budidaya ( Bank Dunia, 2013 ). Mayoritas produksi salmon
dunia dibudidayakan (sekitar 70%), dimana lebih dari 90% terdiri dari salmon Atlantik
( FAO, 2016 ). Saat ini, salmon Atlantik yang dikonsumsi di Uni Eropa (UE) diproduksi di
Norwegia, Chili, Inggris Raya, Kanada dan Kepulauan Faroe dengan Norwegia sebagai
produsen terbesar (yaitu> 80% dari semua salmon Atlantik) ( NSC, 2016 ). Meskipun
produksi masih meningkat, batas biologis semakin dekat dimana masalah biologis dan
lingkungan perlu ditangani dengan mengupayakan keberlanjutan, dampak lingkungan yang
rendah dan biosekuriti.
Rantai pasokan salmon Atlantik terdiri dari berbagai langkah rantai pasokan seperti
pakan, induk, telur yang dibuahi, pertanian, pemrosesan, eceran, dan konsumen. Dalam
setiap langkah ini, bahaya keamanan pangan tertentu perlu dipantau karena dapat
mempengaruhi kualitas atau volume produksi salmon. Misalnya, pakan merupakan
komponen utama biaya dalam budidaya ikan salmon Atlantik.
Tujuan
Tujuan dari penelitian ini adalah mengembangkan metodologi terintegrasi untuk menilai
dan memprediksi pengaruh pengemudi perubahan pada kerentanan dan kejadian makanan
keamanan bahaya bersama Sebuah persediaan makanan rantai.
Sampel
Secara total, 24 kuesioner (yaitu 10,9%) tentang bahaya kesehatan manusia diselesaikan
oleh para ahli dari akademisi (54%), pertanian (15%), ritel (11%), konsultasi (8%) dan
perdagangan (8%) . Para ahli berasal dari Norwegia (42%), Chili (17%), Belanda (17%),
Amerika Serikat (8%), Denmark (4%), Irlandia (4%), Spanyol (4%) dan Inggris.
(4%) . Sebagian besar ahli (58%) setuju dengan struktur rantai pasokan salmon yang
disajikan dan 42% mengusulkan perubahan dan hubungan daur ulang antara langkah-
langkah rantai pasokan. Pada pertanyaan “bagian mana dari rantai pasokan yang paling
membutuhkan perhatian terkait dengan terjadinya bahaya bagi kesehatan manusia”,
pemrosesan diidentifikasi sebagai yang paling relevan, diikuti oleh ritel, konsumen, dan
pakan.
Total 20 kuesioner lengkap (yaitu 9%) diterima tentang
bahaya kesehatan hewan. Kuesioner bahaya kesehatan hewan diisi oleh lebih
banyak ahlidari industri daripada dari akademisi (50% vs 32%) diikuti oleh sektor
peternakan (37%), konsultasi (18%), pengolahan (9%) dan perdagangan
(4%). Negara-negara ahli adalah Norwegia (29%), Chili (29%), Belanda (28%),
Amerika Serikat (4%), Irlandia (5%) dan Inggris (5%).
Mayoritas (58%) setuju dengan segmen rantai pasokan salmon seperti yang disajikan
dalam kuesioner dan 42% mengusulkan beberapa perubahan. Para ahli ditanyai
bagian mana dari rantai pasokan yang paling relevan terkait dengan terjadinya
bahaya bagi kesehatan hewan. Peternakan dianggap paling penting diikuti oleh
induk, telur yang dibuahi dan pakan.
Metode
Studi delphi
Sebuah studi Delphi dilakukan untuk mengidentifikasi pendorong utama perubahan
yang terkait dengan dua kerentanan paling relevan per langkah rantai pasokan, dan untuk
mengidentifikasi indikator dan sumber data yang terkait dengan kerentanan
ini. Metode Delphi menggunakan kuesioner individu yang diulang untuk menggabungkan
penilaian dari beberapa ahli dengan tujuan untuk mencapai konsensus dalam jumlah
tertentu.
Hasil
Memilih dan memprioritaskan driver
Pada putaran pertama studi Delphi, para ahli diminta untuk
menghubungkan driver ke dua kerentanan teratas per segmen. Di babak kedua (2A
hingga 2C), pembalap diutamakan. Hasilnya ditunjukkan pada Tabel 2 (kesehatan
salmon) dan Tabel 3 (kesehatan manusia). Tingkat konsensus antara para ahli adalah
antara 67 dan 83% untuk Tabel 2 dan antara 89 dan 100% untuk Tabel 3 . Tingkat
konsensus antara 51 dan 80% dianggap dapat diterima ( Keeney et al.,
2001 dan Linstone; Turoff, 2002 ).
Tabel 2 . Dua peringkat teratas pendorong per kerentanan terkait dengan
kesehatan salmon (Tabel dari ( Marvin et al., 2019 )).
Segmen Kerentanan Pengemudi
rantai
Makan Penggunaan bahan baku baru Persaingan harga
Fluktuasi harga
Kualitas / formulasi bahan Persaingan harga
Kualitas bahan
ditentukan oleh
asal pasar
Stok Kehadiran patogen Kualitas vaksinasi
induk yang buruk
atau kurangnya v
aksinasi
Produksi skala
besar / pertanian
intensif
Efek pengembangbiakan yang tidak terkontrol Kemajuan dalam
ilmu pemuliaan
Pembiakan
selektif
Telur Efek epigenetik (karena kondisi penahanan yang buruk) Pembiakan
yang selektif
telah Mutasi dalam
dibuahi fisiologi ikan
salmon
Adanya patogen (karena kebersihan yang tidak memadai atau air yang Mengubah
terkontaminasi) praktik pertanian
Pembiakan
selektif
Bertani Pengangkutan ikan, yang dapat meningkatkan stres dan kematian ikan Produksi skala
di air salmon. besar / pertanian
tawar intensif
Mengubah
praktik pertanian
Pengenalan bahan kimia Meningkatkan
pelepasan
kontaminan indus
tri (kimia) ke
lingkungan atau
rantai makanan
Produksi skala
besar / pertanian
intensif
Mengubah
praktik pertanian
Bertani Penularan penyakit Jarak antar
di air peternakan lebih
laut pendek
Produksi skala
besar / pertanian
intensif
Kualitas air Situs pertanian
yang lebih besar
Produksi skala
besar / pertanian
intensif
Pemane Kualitas air Situs pertanian
nan yang lebih besar
Produksi skala
besar / pertanian
intensif
Tabel 3 . Dua peringkat teratas pendorong per
kerentanan terkait kesehatan manusia dalam aspek
keamanan pangan (Tabel dari ( Marvin et al., 2019 )).
Segmen Kerentanan Pengemudi
rantai
Pemanena Prosedur pemanenan Persaingan
n (merusak harga
memperkenalkan
patogen, praktek kebersi
han) Lebih
banyak
persyaratan
terhadap
produsen
(kebersihan
yang lebih
baik karena
skandal,
lebih
banyak
informasi
tentang
produk)
Pengolaha Perubahan dalam Mengubah
n kemasan (teknologi baru, teknik
bahan baru) pemrosesan
Meningkatn
ya
permintaan
akan produk
siap makan
dan segar
Kurang pengetahuan Keputusan
yang
didorong
secara
ekonomi
oleh
pengecer
dan
produsen
Persaingan
harga
Ritel Kebersihan yang buruk Meningkatn
/ HoReCa ya
permintaan
akan produk
siap makan
dan segar
Keputusan
yang
didorong
secara
ekonomi
oleh
pengecer
dan
produsen
Pengetahua
n
kebersihan
konsumen
dan praktik
memasak
(sistem
pendidikan
yang buruk)
Kurangnya ketertelusura Peningkatan
n kompleksita
s rantai
pasokan
Mengubah
teknik
pemrosesan
Konsumen Kebersihan yang buruk Pengetahua
n
kebersihan
konsumen
dan praktik
memasak
Meningkatn
ya
permintaan
akan produk
siap makan
dan segar
Kurang pengetahuan Pengetahua
n
kebersihan
konsumen
dan praktik
memasak
Meningkatn
ya
permintaan
akan produk
siap makan
dan segar
Mengidentifikasi dan menilai kualitas sumber data
Dalam sesi ini, kualitas sumber data yang diberikan oleh para ahli dalam studi Delphi, serta
sumber data yang dikumpulkan dari studi literatur dan internet oleh tim proyek dinilai
menurut Rodgers dan rekannya ( Rodgers et al., 2011 ) Parameter kualitas pertama adalah
relevansi sumber data yang merupakan kriteria kualitas utama, artinya setiap sumber data
harus relevan dengan topik agar dapat dipertimbangkan dalam penilaian. Parameter kualitas
yang tersisa adalah ketepatan waktu, aksesibilitas, kejelasan, komparabilitas, dan koherensi
berbobot (αj) sebagai 25%, 20%, 12,5%, 12,5% dan 10% masing-masing. Rumus berikut
digunakan untuk menghitung skor kualitas keseluruhan (QSi) dari setiap sumber data i:
(2)◂,▸◂=▸QSi=◂∑▸∑j=48αj.◂◽.▸Sij10080
Jumlah total sumber data 113, yang dinilai relevansinya. Jumlah sumber data yang dievaluasi
per tahap rantai pasok adalah sebagai berikut: pakan (22), induk (10), telur yang dibuahi
(6), budidaya di air tawar (17), budidaya di air laut (11), panen (18), pengolahan (13),
ritel / HoReCa (14) dan konsumen (13). Hasil penilaian menunjukkan bahwa 40% sumber
data relevan. Situs web Badan Paten Norwegia merupakan sumber data dengan skor tertinggi
(QS = 52,5) dan skor terendah diberikan kepada situs web Fisheries and Oceans Canada (QS
= 15,8).
Tabel 4 . Kerentanan dan indikator per langkah yang digunakan dalam model
BN (Tabel dari ( Marvin et al., 2019 )).
Segmen SC Kerentanan Indikator
Makan Penggunaan 1. Harga bahan pakan -
bahan baku minyak nabati
baru (mengandung asam lemak
omega-3)
2. Harga bahan pakan -
protein laut
3. Fluktuasi harga bahan
pakan - protein laut
4. Fluktuasi harga bahan
pakan - minyak nabati
(mengandung asam lemak
omega-3)
Kualitas / 1. Harga bahan pakan -
formulasi bahan minyak ikan
2. Komposisi pakan ikan
salmon:
a. Makanan ikan (%)
b. Makanan sayur (%)
c. Minyak ikan (%)
d. Minyak sayur (%)
e. Bahan lainnya (%)
Pertanian Pengenalan 1. Tingkat
FW bahan kimia penggunaan antiparasit /
antibiotik
2. Kepadatan tebar (jumlah
ikan per m3)
3. Jumlah produk kimia
yang digunakan di
pertanian:
Sebuah. Agen anestesi
digunakan
b. Agen melawan cacingan
c. Agen melawan infeksi
permukaan
d. Agen melawan kutu
e. Hidrogen peroksida
Pertanian Penularan 1. Kepadatan peternakan di
SW penyakit suatu daerah
Konstruksi dan validasi BN dilakukan seperti yang dijelaskan sebelumnya
( Bouzembrak dan Marvin, 2019 ; Marvin et al., 2016 ). Dalam studi ini, 100656 kasus
berbeda (yaitu 80%) digunakan untuk konstruksi BN dan 25163 kasus berbeda (yaitu
20%) untuk validasi BN. Set validasi diambil secara acak dari seluruh dataset.
Sebuah BN dibangun menggunakan data yang dikumpulkan pada indikator dan
kerentanan dan dioptimalkan untuk variabel / node “kerentanan '(lihat Gambar
4 ). Probabilitas setiap negara ditampilkan sebagai batang hijau dan sebagai gambar
dan probabilitas berikut untuk kerentanan yang disertakan diamati: penggunaan
bahan baku baru (25,8%), pengenalan bahan kimia (30,9%), formulasi kualitas
bahan ( 25,8%) dan penularan penyakit (17,5%). Validasi BN menunjukkan akurasi
81% dari model yang dibangun.
Gambar 4 . BN untuk kesehatan ikan salmon. Node (elips pada gambar)
mewakili indikator. Panah menunjukkan keterkaitan antara node-
node ini. Status digambarkan sebagai kotak di bawah node.
Analisis sensitivitas dilakukan untuk mengidentifikasi indikator yang paling relevan,
yang memiliki kontribusi tertinggi terhadap kerentanan dalam rantai
akuakultur. Sensitivitas dinyatakan sebagai entropi dan semakin tinggi nilainya,
semakin tinggi kontribusi variabel terhadap probabilitas kerentanan. Kerentanan
terbesar berasal dari indikator i) fluktuasi harga minyak nabati, 2) minyak ikan yang
digunakan untuk pakan dan 3) harga minyak ikan.
Untuk studi ini, semua konsentrasi bahaya yang dilaporkan dalam program pemantauan
digunakan sebagai masukan dan dikaitkan dengan kerentanan dan dianggap memiliki dampak
serupa pada kerentanan. Jelas, ini bukan masalahnya dan dapat diperhitungkan dengan
memasukkan dampak tertimbang dari konsentrasi dalam model untuk setiap bahaya. Bobot
tersebut dapat ditentukan oleh elisitasi ahli tetapi berada di luar cakupan studi yang
dilaporkan. Untuk dapat menganalisis kontribusi konsentrasi suatu bahaya terhadap suatu
kerentanan, kami membuat node “level batas” dan “rasio konsentrasi”. Ketika node "level
batas" dibuka dan status "di atas batas" dipilih, BN menghitung kemungkinan kerentanan
untuk kondisi di mana konsentrasi bahaya berada di atas batas yang sah.
BN dapat digunakan untuk analisis skenario dengan mengubah indikator apa pun (misalnya
kepadatan tambak, dll.) Dan menentukan pengaruhnya terhadap parameter lain dalam model
(misalnya kerentanan, jenis bahaya, tingkat konsentrasi). Peningkatan probabilitas kerentanan
kemudian berarti bahwa dalam kondisi yang dipilih, kerentanan menjadi lebih
relevan. Kehadiran node tahun dan bulan memungkinkan untuk menunjukkan garis tren
dari node lain menjadi indikator, bahaya atau kombinasi yang dipilih. Jenis analisis seperti itu
mungkin menarik bagi manajer kualitas dan / atau penilai risiko yang beroperasi di
rantai pasokan ikan salmon di Norwegia. Penerapan model saat ini akan meningkat dengan
menambahkan lebih banyak data untuk indikator dan data pemantauan di berbagai segmen di
sepanjang rantai pasokan ikan salmon. Saat ini, hanya data untuk 4 segmen rantai pasokan
yang dapat diambil dan tidak ada data tentang kontaminasi mikroba yang tersedia. Jelas
bahwa nilai model akan meningkat ketika data dari lebih banyak segmen tersedia dan
kontaminasi mikroba dapat dimasukkan. Terakhir, dalam studi untuk indikator ini, hanya
sumber data yang tersedia untuk umum yang dapat digunakan. Jelas bahwa peningkatan
model lebih lanjut dapat direalisasikan ketika juga sumber lain (pribadi dan / atau lebih sering
diperbarui) dapat digunakan.