NPM : CF181120254
PRODI : MANAGEMENT LOGISTIC ( 18 DM )
1.) Terdapat lima komponen utama dalam Supply Chain Management ( SCM ) yang
harus diperhatikan yaitu:
1. Production
Tujuannya ialah menghasilkan apa keinginan pasar, pada waktu yang tepat dengan volume
produksi yang cukup. Untuk mencapai tujuan, perlu dipertimbangkan keterbatasan yang
sesui seperti kapasitas dan tingkat kualitas yang diinginkan serta memperhitungkan fungsi-
fungsi penting lainnya seperti kapasitas beban kerja, pemeliharaan peralatan dan
sebagainya.
2. Inventory
Apa saja level persediaan dari berbagai SKU harus ditebar dalam berbagai tahap di seluruh
supply chain? Tingkat persediaan bertindak sebagai buffer dan mengamankan bisnis dari
fluktuasi permintaan.
3. Location
Merupakan sepanjang supply chain yang akan menjadi berbagai macam fasilitas. Mengenai
pengambilan keputusan penting lainnya akan menjadi lokasi yang optimal untuk berbagai
fasilitas, gudang dan penyimpanan. Keputusan lainnya terkait tentang mendirikan fasilitas
baru.
4. Transportasi
Kebutuhan untuk memindahkan inventori dari satu titik ke titik yang lain di seluruh supply
chain merupakan salah satu fungsi penting dalam manajemen supply chain yang
membutuhkan isu penting lainnya dalam pengambilan keputusan. Pertanyaannya ialah
bagaimana barang harus dipindahkan dan jenis transportasi apa yang harus dipilih?
Jawabnnya dapat berbeda-beda untuk berbagai jenis produk, dan juga jenis pasar “yang
terseleksi secara geografis dan berbeda menurut perlengkapan infrastruktur”.
5. Informasi
Bagian ini lebih menekankan pada pengambilan keputusan tentang kebutuhan level dalam
pengumpulan data dan pembagian data. Terdapat hal-hal yang baik dalam pembuatan
pembagian informasi tetapi juga menghasilkan banyak resiko terkait. Hal ini juga berlaku
mengenai pengumpulan data, database yang besar yang mengarah kepada pembuatan
keputusan yang lebih tepat tetapi juga dapat menjadi mahal.
2.) Keuntungan dan tantangan dalam penerapan sisten informasi rantai pasok dan logistic :
Data warehouse terorganisasi di seputar subjek kunci (atau entitas-entitas peringkat tinggi) dalam
perusahaan, Data warehouse adalah tempat penyimpanan berdasakan subyek bukan berdasakan
aplikasi. Subyek merupakan bagian dari suatu perusahaan. Contoh subyek pada perusahaan
manufaktur adalah penjualan, konsumen, inventori, daln lain sebagainya.
Contoh lain misalnya di bank, aplikasi kredit mengotomasi fungsi-fungsi: verifikasi lamaran dan
credit checking, pemeriksaan kolateral, approval, pendanaan, tagihan, dan seterusnya. Didalam data
warehouse data-data yang dihasilkan dari proses kredit ini, diatur kembali (dikelompokkan) dan
diintegrasikan (digabung) dengan data-data dari fungsi-fungsi lain, agar berorientasi pada misalnya
nasabah dan produk.
2. Terintegrasi
Data yang tersimpan dalam data warehouse didefinisikan menggunakan konversi penamaan
yang konsisten, format-format, struktur terkodekan, serta karakteristik-karakteristik yang
berhubungan, Sumber data yang ada dalam data warehouse tidak hanya berasal dari
database operasional (internal source) tetapi juga berasal dari data diluar sistem (external
source). Data pada sumber berbeda dapat di-encode dengan cara yang berbeda. Sebagai
contoh, data jenis kelamin dapat di-enkode sebagai 0 dan 1 di satu tempat dan ”m” dan ”f”
di tempat lain.
Contoh lain misalnya : Data dari macam-macam aplikasi transaksi (untuk bank misalnya:
tabungan, kredit, rekening koran) semua mengandung data nasabah, ada yang sama ada
yang spesifik (yang sama misalnya: nama dan alamat, yang spesifik misalnya: untuk kredit
ada kolateral, untuk rekening koran ada overdraft) didalam data warehouse data-data yang
sama harus diintegrasikan disatu database, termasuk misalnya diseragamkan formatnya
(sederhana tetapi paling sering terjadi – aplikasi-aplikasi sering dibeli vendor berbeda,
dibuat dengan/dijalankan di teknologi berbeda-beda)
Didalam data warehouse sering disimpan macam-macam waktu, seperti waktu suatu
transaksi terjadi/dirubah/dibatalkan, kapan efektifnya, kapan masuk ke komputer, kapan
masuk ke data warehouse; juga hampir selalu disimpan versinya, misalnya terjadi
perubahan definisi kode pos, maka yang lama dan yang baru ada semua didalam data
warehouse kita. Sekali lagi, data warehouse yang bagus adalah yang menyimpan sejarah.
4. Non-volatile
Data yang tersimpan dalam data warehouse diambil dari system operasional yang sedang
berjalan, tetapi tidak dapat diperbaharui (di-update) oleh pengguna (bersifat ‘hanya-baca),
Sekali masuk kedalam data warehouse, data-data, terutama data tipe transaksi, tidak akan
pernah di update atau dihapus (delete) Terlihat, bahwa keempat karakteristik ini saling
terkait kesemuanya harus diimplementasikan agar suatu data warehouse bisa efektif
memiliki data untuk mendukung pengambilan-keputusan. Dan, implementasi keempat
karakteristik ini membutuhkan struktur data dari data warehouse yang berbeda dengan
database sistem operasional.
Data dalam database operasional akan secara berkala atau periodik dipindahkan kedalam
data warehouse sesuai dengan jadwal yang sudah ditentukan. Misal perhari, perminggu,
perbulan, dan lain sebagainya. Sekali masuk ke dalam data warehouse, data adalah read-
only . Pada gambar 2 dibawah ini bisa dilihat bahwa database OLTP bisa dibaca, diupdate,
dan dihapus. Tetapi pada database data warehouse hanya bisa dibaca.
5. Ringkas
6. Granularity
Pada sistem operasional data dibuat secara real-time sehingga untuk mendapatkan
informasi langsung dilakukan proses query. Pada data warehouse pada menganalisis harus
memperhatikan level-of-detail misalkan perhari, ringkasan perbulan, ringkasan per-tiga-
bulan.
7. Tidak ternormalisasi
Data di dalam sebuah data warehouse biasanya tidak ternormalisasi dan sangat redundan.
Dasar dari suatu data warehouse adalah suatu data yang besar yang mengandung informasi
bisnis. Data-data yang ada di dalam data warehouse bisa berasal dari banyak sumber,
misalkan dari database operasional atau transaksional dan sumber dari luar misalkan dari
web, penyedia jasa informasi, dari perusahaan lain, dan lain sebagainya.
5.) * Data mining merupakan suatu proses penjelajahan atau mencari otomatis untuk
mendapatkan informasi berguna dalam suatu repository data yang sangat besar.
* Data Mining merupakan bagian yang terintegrasi dari Knowledge Discovery in Databases
(KDD). Bertujuan untuk proses transformasi data mentah menjadi informasi berguna.
* Proses yg berfokus pada ekstraksi pola-pola data. Pola dapat didefinisikan sebagai
sekumpulan fakta-fakta (data) F, bahasa L, dan beberapa measure of certainty (pengukuran
kepastian) C.
Suatu pola dinyatakan S dalam L menggambarkan keterhubungan antara subset Fs dari F
dengan kepastian c dimana S adalah simpel dibandingkan perhitungan semua fakta dalam
Fs.