Perpustakaan Digital ITB

Perubahan iklim menimbulkan tantangan kritis bagi rantai pasokan kopi dalam situasi saat ini, karena sensitivitas tanaman kopi yang tinggi terhadap perubahan suhu dan curah hujan, yang dapat mengurangi hasil panen. Ancaman ini dirasakan secara riil oleh para pelaku industri, seperti PT. Singa Garuda Mas, eksportir kopi di Indonesia, telah mengalami gangguan pasokan karena tekanan iklim, yang mengakibatkan kerugian pendapatan hingga Rp1,2 miliar dan kegagalan memenuhi target tingkat layanan di atas 90%. Masalah ini berakar pada perencanaan inventaris dan peramalan permintaan yang tidak akurat, yang diakibatkan oleh ketergantungan pada metode sederhana dan pengabaian dampak probabilistik dari volatilitas iklim. Penelitian ini bertujuan untuk merancang kerangka kerja analitis terintegrasi untuk mendukung keputusan sumber yang tangguh terhadap iklim, dengan tujuan khusus untuk menyeimbangkan efisiensi biaya dengan ketahanan rantai pasokan dengan mengidentifikasi strategi sumber yang optimal. Penelitian ini menerapkan pendekatan kuantitatif yang mengintegrasikan analisis prediktif dan preskriptif menggunakan simulasi probabilistik. Analisis prediktif dilakukan dengan menggunakan beberapa algoritma machine learning untuk meramalkan pasokan kopi bulanan berdasarkan data iklim historis, dengan mempertimbangkan indeks makroiklim sebagai prediktor, dan model deret waktu untuk memperkirakan permintaan berdasarkan data penjualan perusahaan. Hasil prediksi digunakan sebagai input untuk simulasi inventaris multi-skenario untuk mengevaluasi satu juta kombinasi Supply Acquisition Rate (SAR), di mana kinerjanya dinilai menggunakan pedoman SCOR pada aspek Ekonomi (laba kotor) dan Keandalan (tingkat layanan). Selanjutnya, seratus skenario dengan kinerja terbaik diuji stabilitasnya melalui simulasi Monte Carlo dan dievaluasi secara lebih komprehensif dengan menggabungkan aspek Kelincahan (variabilitas laba kotor) dari kerangka kerja SCOR. Studi ini mengungkapkan bahwa strategi sumber konservatif di daerah yang bergejolak dan permintaan rendah (seperti Lampung dan Jawa Barat) dapat menghasilkan kerugian minimal dan stabilitas operasional. Pemodelan dinamis juga mengidentifikasi wilayah seperti Sumatera Utara sebagai sumber pengadaan strategis karena kinerja yang baik pada aspek ekonomi, keandalan, dan kelincahan, yang disebutkan sebagai laba kotor (>Rp40 miliar), tingkat layanan (>90%), dan koefisien variasi laba kotor (<4%). Dengan demikian, manajemen dapat menggunakan hasil ini untuk secara eksplisit memprioritaskan wilayah sumber yang paling menguntungkan dan stabil (seperti Sumatera Utara) dan menerapkan kebijakan inventaris yang berbeda untuk setiap sumber pasokan sesuai dengan volatilitas dan profil permintaannya. Secara keseluruhan, studi ini menunjukkan bahwa mengintegrasikan analisis prediktif dan preskriptif rantai pasokan bersama dengan kerangka kerja SCOR untuk membantu evaluasi, dapat membantu para pengambil keputusan untuk mengoptimalkan strategi sumber dalam menghadapi perubahan iklim