MAKALAH ANALISIS BULLWHIP EFFECT DENGAN METODE

PERAMALAN PADA SUPPLY CHAIN DI DISTRIBUTOR UMKM

ZOMZOM FAMILIY

MATAKULIAH MANAJEMEN RANTAI PASOK

Anggota kelompok 4 RA:

1. Khatlia Siboro 120330097
2. Louren Sianipar 120330067
3. Rahmawati Faujiah 120330048
4. Wanda P.Situmorang 120330094
5. Wiwin Elprida Sitinjak 120330068

PROGRAM STUDI TEKNOLOGI INDUSTRI PERTANIAN

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI

INSTITUT TEKNOLOGI SUMATERA

LAMPUNG SELATAN

2023
DAFTAR ISI

DAFTAR ISI..................................................................................................................II

BAB I PENDAHULUAN..............................................................................................1

BAB ILANDASAN TEORI..........................................................................................4

1.1 Rantai Pasok..............................................................................................................4

1.2 Bullwhip Effect.........................................................................................................4

1.3 Peramalan .................................................................................................................4

1.4 Metode Pengolahan Data .........................................................................................4

BAB IIIMETODOLOGI .............................................................................................6

2.1 Metodologi Penelitian...............................................................................................6

BAB IV HASIL DAN PEMBAHASAN .....................................................................9

DAFTAR PUSTAKA....................................................................................................13

ii
 BAB I

PENDAHULUAN

Seiring dengan perkembangan zaman pertumbuhan ekonomi semakin lama

semakin besar dan kebutuhan masyarakat juga semakin meningkat sehingga diperlu
kan dengan adanya pemenuhan kebutuhan konsumen dengan estimasi yang tepat da
n terencana sehingga dapat menimbulkan suatu hal yang positif untuk konsumen. pe
rusahaan melakukan perhitungan berapa banyak barang yang dikirim kepada custom
er, karena jika tidak sesuai kebutuhan maka akan mengalami penumpukan barang ya
ng nanti akan berimbas pada meningkatkan harga simpan suatu barang, dan akan ter
jadi ketidaklancarnya proses waktu pengiriman sampai pada efek ketepatan dalam m
elakukan proses produksi.
Perencanaan ketersediaan barang/produk masih dilakukan secara manual mengg
unakan perkiraan berdasarkan intuisi atau kebiasaan. Hal ini menyebabkan terjadiny
a ketidak akuratan data antara rencana penjualan dengan realisasinya. Akibatnya terj
adi stok barang/produk yang kelebihan atau kekurangan, karena rencana yang dibuat
di awal meleset dari realisasi. Bullwhip effect mendistorsi informasi permintaan dari
mata rantai yang bawah (end customer) ke rantai di atasnya. Hal ini dikarenakan kes
alahan dari interpertasi data permintaan ditiap-tiap rantai distribusi dan kesalahan inf
ormasi yang diterima. Kesalahan ini terjadi karena perbedaan jumlah permintaan ya
ng diterima perusahan dengan jumlah yang dibutuhkan oleh pasar. Jumlah permiinta
an yang diterima oleh perusahaan dari tiap-tiap retail berbeda dengan jumlah yang di
butuhkan oleh pasar atau konsumen kesalahan ini disebut bullwhip effect.
Distributor Zom-Zom Family, Ritel Mahkota, dan Ritel Saudagar merupakan pel
aku-pelaku dalam supply chain yang mendistribusikan produk keripik pisang. Peneli
tian ini bertujuan untuk menganalisis bullwhip effect dengan metode peramalan pada
produk keripik dan memberikan alternatif yang tepat guna mengurangi bullwhip effe
ct.

BAB II
LANDASAN TEORI

1.1 Rantai Pasok

iii
Rantai pasokan adalah jaringan perusahaan yang bekerja sama untuk membuat dan
mengirimkan produk ke pengguna akhir (dalam hal ini konsumen). Perusahaan ini
biasanya mencakup pemasok, produsen, distributor, toko atau pengecer, serta
perusahaan pendukung seperti perusahaan jasa logistik. Informasi mengenai stok produk
yang masih ada di setiap supermarket merupakan hal yang umum. diperlukan untuk
distributor dan pabrik. Informasi ketersediaan kapasitas produksi Pabrik juga sering
membutuhkan milik pemasok. Informasi status pengiriman material. Bisnis yang
mengirim dan menerima sering membutuhkan standar. Bisnis perusahaan pelayaran
harus membagikan informasi tersebut sehingga pihak yang berkepentingan dapat
memantaunya untuk tujuan perencanaan yang lebih akurat.
Manajemen rantai pasokan adalah seperangkat pendekatan untuk integrasi
pemasok, manufaktur, pergudangan dan penyimpanan yang efisien, sehingga barang
dapat diproduksi dan diproduksi didistribusikan dalam jumlah yang tepat, di tempat
yang tepat, dan pada waktu yang tepat dengan tujuan meminimalkan keseluruhan
sistem.

1.2 Bullwhip Effect

Distorsi informasi mengarah pada pola permintaan yang semakin berfluktuasi
versus pasokan hulu rantai. Peningkatan fluktuasi atau ayunan permintaan dari rantai
pasokan hilir ke hulu disebut efek bullwhi. Efek bullwhip adalah istilah dari dunia
inventarisasi. yang mendefinisikan bagaimana permintaan bergerak dalam rantai
pasokan. Bullwhip adalah cambuk, alat yang digunakan untuk mengendalikan sapi atau
banteng. Istilah adalah suatu kondisi yang terjadi dalam penawaran Rantai di mana
permintaan pelanggan mengalami lebih banyak atau lebih banyak perubahan sedikit,
perubahan ini menyebabkan distorsi permintaan di setiap tahap rantai pasokan. Distorsi
ini mempengaruhi seluruh tahapan rantai suplai, yaitu permintaan yang salah. Efek
bullwhip menciptakan banyak inefisiensi dalam rantai pasokan.Misalnya, pabrik
memproduksi
dan karena sinyal yang buruk membaca lebih banyak yang dikirim daripada
yang sebenarnya dibutuhkan permintaan dari pelaku di rantai pasok hilir. Aktivitas
pabrik dan pemasok lebih fluktuatif, sehingga sering menghadapi lembur karena
kelebihan pesanan atau pengangguran, karena distributor/pengecer tidak melakukan

iv
pemesanan dalam waktu yang relatif lama karena pasokan ulang. pembelian. Bullwhip
effect adalah fenomena dimana terjadi peningkatan kecil pada tingkat konsumen
menyebabkan kenaikan yang sangat tajam pada level yang jauh dari konsumen
(Baihaqi). ada banyak hal yang menyebabkan bullwhip effect, antara lain:
1. Forecast Demand
2. Order Batching
3. Price Fluctuation
4. Rationing And Shortage Gaming
1.3 Peramalan
Peramalan adalah perkiraan permintaan untuk satu atau lebih produk selama periode
waktu yang berbeda.masa depan (Hendra Kusuma, 2001, hlm. 13). Menurut perkiraan
Heizer & Render (2015) adalah seni dan ilmu memprediksi peristiwa masa depan. Ini
bisa dilakukan dengan melibatkan pengambilan tanggal yang lalu dan memetakannya ke
masa depan dengan bentuk model matematika. Ini juga bisa menjadi prediksi intuisi
subjektif.atau mungkin dengan menggunakan model matematika yang konsisten dengan
penilaian baik manajer. Beberapa perusahaan dapat melewati proses peramalan dan
hanya menunggu dan melihat apa yang terjadi. kemudian melanjutkan untuk mengambil
kesempatan. Perencanaan yang efektif baik untuk jangka panjang atau jangka pendek
tergantung pada perkiraan permintaan untuk produk perusahaan. Peramalan adalah
proses menggunakan pola yang terkandung dalam data masa lalu
memprediksi nilai masa depan. Menurut Yunarto (2005), kerangka waktu yang
diproyeksikan suatu perusahaan dengan perusahaan lain bervariasi tergantung pada jenis
produk yang diperdagangkan tetapi umumnya merupakan perkiraan kerangka waktu
dibagi menjadi tiga kategori, yaitu:
1. prognosis jangka pendek periode perkiraan biasanya kurang dari tiga bulan dan
digunakan untuk perencanaan pembelian, perencanaan produksi dan kontrak.
2. Prakiraan jangka menengah periode perkiraan lebih dari tiga tahun dan umumnya
digunakan untuk perencanaan produk baru, perluasan pabrik dan perluasan pasar.
3. Prognosis jangka panjang periode perkiraan lebih dari tiga tahun dan umumnya
digunakan untuk perencanaan produk baru, perluasan pabrik dan perluasan pasar

1.4 Penentuan Pola Data

v
Ploting data harus dilakukan sebelum melakukan metode peramalan untuk menentukan
pola data yang terjadi. Dengan data yang ada diperoleh diagram pencarnya. Macam –
macam dari plot data adalah sebagai berikut:
1. Konstan, adalah apabila pola data berfluktuasi di sekitar nilai rata – rata yang konstan
(deret seperti ini stasioner terhadap nilai rata - ratanya)
2. Linier/Trend, terjadi saat terdapat kenaikan dan penurunan jangka panjang dalam data
3. Linier/Trend, terjadi saat terdapat kenaikan dan penurunan jangka panjang dalam data
4. Linier/Trend, terjadi saat terdapat kenaikan dan penurunan jangka panjang dalam data
5. Linier/Trend, terjadi saat terdapat kenaikan dan penurunan jangka panjang dalam data

1.4 Metode Peramalan

Metode peramalan adalah suatu metode untuk memperkirakan secara kuantitatif
apa yang akan terjadi di masa yang akan datang berdasarkan data yang relevan dari
masa lalu, oleh karena itu peramalan ini digunakan untuk membuat peramalan tujuan.
1. Moving Average
Moving Average adalah metode peramalan pemulusan nilai yang menggunakan
sekumpulan nilai pengamatan tersebut kemudian dirata-ratakan, kemudian rata-rata
tersebut digunakan sebagai peramalan untuk periode berikutnya. Metode ini akan
diterapkan secara efektif jika kita dapat mengasumsikan permintaan pasar produk akan
tetap stabil dari waktu ke waktu. Tergantung pada cakrawala waktu prakiraan yang
digunakan dalam penelitian ini merupakan prakiraan jangka pendek yang dilakukan
secara prediktif. terus menerus untuk data penjualan karena perkiraan jangka pendek
akan menjadi faktor yang lebih akurat dengan permintaan yang relatif konstan.Metode
rata-rata bergerak menggunakan rumus.

Dimana :

MA : Peramalan Penjualan

At : Penjualan Aktual Pada Periode T

N : Jumlah Data Penjualan Yang Dilibatkan Dalam Perhitungan MA

vi
2. Exponential Smoothing

Peramalan pemulusan eksponensial bekerja hamper serupa dengan alat

tremostart, dimana apabila galat ramalan (forecast error) adalah positif, yang berarti
nilai aktual permintaan lebih tinggi dari pada nilai ramalan. Sebaliknya apabila galat
ramalan ramalan (forecast error), adalah negative, yang berarti nilai actual permintaan
lebih rendah dari pada nilai ramalan (A-f<0), maka model pemulusan eksponensial akan
secara otomatis menurunkan nilai ramalan. Proses penyusunan ini berlangsung terus
menerus, kecuali galat ramalan telah mencapai nol. Kenyataan inilah yang mendorong
peramal (forecaster) lebih suka menggunakan model peramalan pemulusan ekponensial,
apabila pola historis dari data aktual permintaan bergejolak atau tidak stabil dari waktu.
Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak dengan
pembobotan dimana titik data dibobotkan oleh fungsi eksponensial. Rumus penghalusan
eksponensial: Peramalan baru = Peramalan periode terakhir + (permintaan sebenarnya
periode terakhir – peramalan periode terakhir).

3. Kesalahan Peramalan

Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan, yaitu
bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu
kumpulan data yang diberikan.Ketepatan dipandang sebagai kriteria penolakan untuk
memilih suatu metode peramalan. Dalam pemodelan deret berkala (time series) dari
data masa laludapat diramalkan situasi yang akan terjadi pada masa yang akan datang,
untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan. Beberapa kriteria
yang digunakan untuk menguji ketetpatan ramalan antara lain:

a. Mean Absolute Deviation

Mean Absolute Deviation (MAD) mengukur ketepatan ramalan dengan merata-

rata kesalahan dugaan (Nilai absolut masing-masing kesalahan).

b. Mean Squared Error

vii
 Masing- masing kesalahan atau sisa dikuadratkan. Kemudian dijumlahkan dan
dibagi dengan jumlah observasi.

c. Mean Absolute Percentage Error

Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan

kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk
periode itu. Kemudian, merata- rata kesalahan persentase absolut tersebut.

d. Tracking Signal

Tracking Signal adalah suatu ukuran bagaimana baiknya suatu ramalan

memperkirakan nilai-nilai aktual suatu ramalan diperbaharui setiap minggu, bulan atau
triwulan, sehingga data permintaan yang baru dibandingkan terhadap nilai-nilai
ramalan. Tracking Signal dihitung sebagai running sum of the forecast errors dibagi
dengan mean absolute deviation. Tracking signal yang positif menunjukan bahwa nilai
aktual permintaan lebih besar daripada ramalan, sedangkan apabila negatif berarti nilai
aktual permintaan lebih kecil daripada ramalan. Tracking signal terkadang digunakan
untuk melihat apakah nilai-nilai yang dihasilkan berada didalam atau di luar batas-batas
pengendalian. Rumus dari Tracking Signal adalah :

viii
 BAB III
METODOLOGI PENELITIAN
METODE PENELITIAN
Variabel dan Definisi Operasional Variabel keputusan dapat dinotasikan dengan
lambang X. Yang termasuk dalam indikator variabel keputusan dalam penilitian adalah
sebagai berikut :
a. Total Order Portland Composite Cement (X1)
b. Total Demand Portland Compocite Cement (X2)
Variabel keputusan merupakan suatu indikator untuk mencapai variabel tujuan. Yang
mana variabel tujuan adalah Bullwhip Effect.

Metode Analisa Data

Adapun metode yang digunakan dalam menganalisis data-data yang diperoleh
untuk mendapatkan perhitungan Bullwhip Effect guna menggurangi terjadinya
Bullwhip Effect dalam supply chain dengan menggunakan metode peramalan. Berikut
ini merupakan flowchart dari penelitian ini.

ix
 Flowchart penelitian

BAB IV

HASIL DAN PEMBAHASAN

Berikut ini adalah gambar saluran distribusi UMKM Zom - Zom Family

Saluran Distribusi UMKM Zom - Zom Family

x
Perhitungan Nilai Bullwhip Effect Distributor UMKM Zom - Zom Family

Perhitungan Bullwhip Effect Pada Distributor UMKM Zom - Zom Family

Order (O) Demand (D)

Periode kg kg
Mei 2022 64 62
Juni 2022 63 60
Juli 2022 62 60
Agustus 2022 67 65
Sep-22 73 70
Oktober 2022 70 68
Nov-22 70 68
Desember
2022 85 80
Januari 2023 85 83
Februari 2023 65 62
Maret 2023 65 63
Apr-23 60 58
SUM 829 799
69,0833333
AVERAGE 3 66,58333333
SD 7,94206 7,54385
CV 0,11496 0,11330
BE 1,015

Berdasarkan tabel diatas, perhitungan nilai BE terjadi amplifikasi atau kenaikan

pemesanan dalam jumlah yang banyak dari distributor UMKM Zom Zom Family yang
disebabkan, total pemesanan melebihi total penjualan pada Distributor UMKM Zom
Zom Family yaitu sebesar 829 kg > 799 kg, berdasarkan koefisien variansi order lebih
besar dibandingkan dengan koefisien variansi demand dari distributor UMKM Zom

xi
Zom Family 0.11496> 0.11330 yang mengakibatkan kenaikan BE yang cukup besar
yaitu 1.015dari distributor.

Perhitungan Bullwhip Effect Ritel Mahkota

Order (O) Demand (D)

Periode kg kg
Mei 2022 17 15
Juni 2022 17 15
Juli 2022 20 18
Agustus 2022 20 18
Sep-22 25 22
Oktober 2022 20 18
Nov-22 19 17
Desember
2022 23 21
Januari 2023 25 23
Februari 2023 14 13
Maret 2023 13 12
Apr-23 15 14
SUM 228 206
AVERAGE 19 17,16667
SD 3,82971 3,38707
CV 0,20156 0,19730
BE 1,022

Perhitungan Bullwhip Effect Ritel Sodara

Order Demand
Periode (O) kg (D) kg
Mei 2022 15 14

xii
 Juni 2022 13 12
Juli 2022 11 10
Agustus 2022 14 13
Sep-22 20 18
Oktober 2022 19 17
Nov-22 14 13
Desember
2022 20 19
Januari 2023 20 17
Februari 2023 15 14
Maret 2023 10 9
Apr-23 9 8
SUM 180 164
AVERAGE 15,00000 13,66667
SD 3,80789 3,42377
CV 0,25386 0,25052
BE 1,013

Pada perhitungan BE di atas, maka dibuat parameter untuk dapat membandingkan

apakah terjadi BE dan jika nilai BE lebih besar dari parameter yang ditetapkan maka
perlu adanya penekanan bullwhip effect. Adapun perhitunganya sebagai berikut: Lead
time (L) = 1 hari Periode pengamatan (P) = 12 bulan /360 hari Parameter bullwhip
effect (BE) :

Perbandingan Parameter Bullwhip Effect

Sub Distribusi dan Parameter

Ritel Nilai BE BE
PT. 1,015

xiii
 Mahkota 1,022 1,005570988
Sodagar 1,013

Dari tabel diatas dapat dijelaskan bahwa hasil perbandingan Nilai BE tersebut,
didapatkan dari distributor dan ritel dari Mei 2022-Maret 2023 dari UMKM Zom Zom
Family, Ritel Mahkota, dan Ritel Sodagar. Nilai BE berada di atas parameter sebesar
1,00557. Pada distributor UMKM Zom Zom Family nilai BE sebesar 1,015. Pada Ritel
Mahkota nilai BE sebesar 1.022, sedangkan pada Ritel Sodagar nilai BE sebesar 1.013.
Pihak distributor dan ritel perlu melakukan penanganan yang secara intensif dan berkala
untuk menekan peningkatan nilai BE pada tahun-tahun selanjutnya agar nilai bullwhip
effect tidak semakin besar.

Peramalan

Peramalan atau forecast adalah suatu fungsi bisnis yang berusaha memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam
kuantitas yang tetap (Gaspersz, 1998). Beberapa indikator digunakan dalam pengukuran
akurasi peramalan yang umum digunakan adalah MAD (Mean Absolute Deviation),
MAPE (Mean Absolute Preceetage Error) dan MSE (Mean Square Error). Akurasi
peramalan akan semakin baik apabila nilai-nilai MAD,MAPE dan MSE semakin kecil.

Peramalan moving average dan exponential smoothing

Nilai MAPE DAN MAD untukMA dan SES penjualan distributor Zom zom family
dengan excel

No Month Demand (A) kg

1 Mei 2022 62
2 Juni 2022 60
3 Juli 2022 60
4 Agustus 2022 65
5 Sep-22 70
6 Oktober 2022 68
7 Nov-22 68
8 Desember 2022 80
9 Januari 2023 83
10 Februari 2023 62
11 Maret 2023 63

xiv
 12 Apr-23 58
13 MEI 2023  

A-F
MA(F) E=A-F MUTLAK(MAD)
0    
0    
0    
0    
0    
63,4 4,6 4,6
64,6 3,4 3,4
66,2 13,8 13,8
70,2 12,8 12,8
73,8 -11,8 11,8
72,2 -9,2 9,2
71,2 -13,2 13,2
69,2    
    68,8
    9,828571429

MSE (AF)^2 MAPE (A-FMUTLAK/ACTUAL*100)

   
   
   
   
   
21,16 6,764705882
11,56 5
190,44 17,25
163,84 15,42168675
139,24 19,03225806
84,64 14,6031746
174,24 22,75862069
   
785,12 100,830446
112,16 14,40434943

PERAMALAN DENGAN METODE EXPONENTIAL

SMOOOTHING DENGAN ALPHA 0,2

xv
 No Month Demand (D) kg
1 Mei 2022 62
2 Juni 2022 60
3 Juli 2022 60
4 Agustus 2022 65
5 Sep-22 70
6 Oktober 2022 68
7 Nov-22 68
8 Desember 2022 80
9 Januari 2023 83
10 Februari 2023 62
11 Maret 2023 63
12 Apr-23 58
13 mei 2023 ?
  TOTAL  
  MAKA  
   
ALPHA 0,2
1-ALPHA 0,8

forcast(exp.smothing) ERROR MAD

62 0 0
62 -2 2
61,6 -1,6 1,6
61,28 3,72 3,72
62,024 7,976 7,976
63,6192 4,3808 4,3808
64,49536 3,50464 3,50464
65,196288 14,803712 14,803712
68,1570304 14,8429696 14,8429696
71,12562432 -9,12562432 9,12562432
69,30049946 -6,300499456 6,300499456
68,04039956 -10,04039956 10,04039956

xvi
 66,03231965    
    78,29464494
    6,524553745
     

MSE MAPE*100
0 0
4 0,033333333
2,56 0,026666667
13,8384 0,057230769
63,616576 0,113942857
19,19140864 0,064423529
12,28250153 0,051538824
219,149889 0,1850464
220,3137465 0,178830959
83,27701923 0,147187489
39,6962934 0,100007928
100,8096234 0,173110337
   
778,7354577 1,131319093
64,89462148 9,427659105
   

NILAI MAPE DAN MAD UNTUK MA DAN PENJUALAN

RITEL MAHKOTA

No Month Demand (D) kg

1 Mei 2022 15
2 Juni 2022 15
3 Juli 2022 18
4 Agustus 2022 18
5 Sep-22 22
6 Oktober 2022 18
7 Nov-22 17
8 Desember 2022 21
9 Januari 2023 23
10 Februari 2023 13
11 Maret 2023 12
12 Apr-23 14
13 mei 2023 ?

xvii
  TOTAL  
  maka  
alpha 0,2
1-alpa 0,8

forcast(EXP.Smothing) error MAD

15 0 0
15 0 0
15 3 3
15,6 2,4 2,4
16,08 5,92 5,92
17,264 0,736 0,736
17,4112 -0,4112 0,4112
17,32896 3,67104 3,67104
18,063168 4,936832 4,936832
19,0505344 -6,0505344 6,0505344
17,84042752 -5,84042752 5,84042752
16,67234202 -2,672342016 2,672342016
16,13787361    
    35,63837594
    2,969864661

MSE MAPE*100
0 0
0 0
9 0,166666667
5,76 0,133333333
35,0464 0,269090909
0,541696 0,040888889
0,16908544 0,024188235
13,47653468 0,174811429
24,3723102 0,21464487
36,60896653 0,465425723
34,11059362 0,486702293
7,14141185 0,190881573
   
166,2269983 2,16663392
13,85224986 18,05528267

xviii
NILAI MAPE DAN MAD UNTUK MA DAN
PENJUALAN RITEL SAUDARA

No Month Demand (D) kg

1 Mei 2022 14
2 Juni 2022 12
3 Juli 2022 10
4 Agustus 2022 13
5 Sep-22 18
6 Oktober 2022 17
7 Nov-22 13
8 Desember 2022 19
9 Januari 2023 17
10 Februari 2023 14
11 Maret 2023 9
12 Apr-23 8
13 MEI 2023 ?
  TOTAL  
  MAKA  

forcast(EXP.Smothing) error MAD

14 0 0
14 -2 2
13,6 -3,6 3,6
12,88 0,12 0,12
12,904 5,096 5,096
13,9232 3,0768 3,0768
14,53856 -1,53856 1,53856
14,230848 4,769152 4,769152
15,1846784 1,8153216 1,8153216
15,54774272 -1,54774272 1,54774272
15,23819418 -6,238194176 6,238194176
13,99055534 -5,990555341 5,990555341
12,79244427    
    35,79232584
    2,98269382

MSE MAPE*100
0 0
4 0,166666667
12,96 0,36

xix
 0,0144 0,009230769
25,969216 0,283111111
9,46669824 0,180988235
2,367166874 0,118350769
22,7448108 0,251008
3,295392511 0,106783624
2,395507527 0,110553051
38,91506658 0,693132686
35,88675329 0,748819418
   
158,0150118 3,02864433
13,16791765 25,23870275

Parameter perbandingan nilai BE sebelum dan Sesudah peramalan

distributor BE SEBELUM BE SETELAH
DISTRIBUTOR 1,015 0,4403892
RITEL MAHKOTA 1,022 0,3853043
RITEL SAUDAGAR 1,013 0,2262888

Berdasarkan tabel di atas, perbandingan hasil perhitungan bullwhip effect sebelum

diterapkan model peramalan dan sesudah diterapkan model peramalan Single
exponential smoothing yang telah dipilih didapatkan hasil bahwa terjadi penurunan nilai
BE. Pada distributor ZOM ZOM FAMILY terjadi penurunan BE atau ketidakpastian
permintaan konsumen menurun dari peramalan yang digunakan dimana sebelumnya
1.015 nilainya menjadi 0.44 dengan tingkat presentase penurunan sebesar 9,22%, Ritel
mahkota yang nilainya 1.022 menjadi 0.38 dengan tingkat presentase penurunan sebesar
9,42%, Ritel saudagar yang nilainya 1.013 nilainya menurun menjadi 0.22 dengan
tingkat presentase penurunan sebesar 25,23%. bisa diartikan bahwa penerapan model
peramalan dengan pemilihan model Single Exponential Smoothing pada sub distributor
dan ritel tersebut merupakan salah satu pendekatan yang bisa diterapkan untuk menekan
terjadinya bullwhip effect. Dengan berkurangnya Bullwhip Effect maka perusahaan
akan memperoleh keuntungan sebagai berikut Argiyantari, M.M.(2014) dan Zaroni,
CISCP. (2015):

1. Kepastian pemesanan lebih terencana.

xx
2. Sharing informasi disepanjang rantai pasok lebih baik.

3. Tingkat persediaanya lebih diketahui.

4. Penciptaan tim rantai pasok lebih teratur.

5. Kinerja setiap rantai pasok bisa diukur.

6. Bisa terbangun kordinasi dan kolaborasi diantara mitra bisnis sehingga proses
penggiriman produk

dari pemasok ke perusahaan dan konsumen dapat berjalan dengan lancar. Dengan
adanya sistem peramalan yang tepat maka Sub Distributor zom zom
family,mahkota,saudagar perlu memperbaiki terjadinya BE.

DAFTAR PUSTAKA

Ambon, B. P. S. (2017). Kota Ambon dalam angka 2017. Badan Pusat Statistik
Maluku, Ambon. Argiyantari, M.M. (2014). Meningkatkan Daya Saing
Perusahaan melalui Kolaborasi Retrieved from
http://supplychainindonesia.com/new/meningkatkan-daya-saing- perusahaan-
melalui-kolaborasi- supplier/

Arina, F, E., Ade. & Lukmandono (2015). Penerapan Metode Model

Autoregressive Integrated Moving Average Guna Mengurangi Terjadinya
Bullwhip Effect Pada Supply Chain, 111–116.

Asmono, T, F. (2012). Analisa Bullwhip Effect Pada Retail Air Minum Dalam
Kemasan. Barung, M. Marcelinus. (2011). Pengurangan Bullwhip Effect pada
Rantai Pasok di Level Distributor Y. Program Studi Teknik Industri. Universitas
Hasanuddin Makasar. Bernard, W. T., III. (2005). Introduction to Management
Science (Sains Manajemen)

xxi
Edisi 8, Penerbit Salemba Empat, Jakarta. Fransoo, J. C., & Wouters, M. J. F.
(2000). Measuring the bullwhip effect in the supply chain. Supply Chain
Management: An International Journal.
https://doi.org/10.1108/13598540010319993

Heizer, J. & Barry, R. (2015), Operations Management (Manajemen Operasi),

ed.11, Penerjemah: Dwi anoegrah wati S dan Indra Almahdy, Salemba
empat, Jakarta. Kusuma, Hendra. (2001). Perencanaan dan Pengendalian
Produksi. Edisi Pertama. Andi Offset. Yogyakarta

xxii