STIESTEKOMSTIESTEKOM

Dinamika: Jurnal Manajemen Sosial EkonomiDinamika: Jurnal Manajemen Sosial Ekonomi

Pandemi COVID-19 menyoroti kerentanan mendasar dalam sistem rantai pasok global, termasuk ketergantungan pada pemasok tunggal dan kurangnya visibilitas operasional. Hal ini mendorong perlunya pendekatan baru dalam manajemen risiko berbasis teknologi cerdas. Artificial Intelligence (AI) muncul sebagai solusi potensial melalui kemampuannya dalam predictive analytics dan pengambilan keputusan adaptif berbasis data real-time. Penelitian ini bertujuan mengembangkan sebuah kerangka kerja sistem prediktif berbasis AI untuk meningkatkan ketahanan rantai pasok global dalam menghadapi disrupsi pasca-pandemi. Dengan menggunakan pendekatan Design Science Research (DSR), penelitian ini merancang dan mengevaluasi sistem yang mengintegrasikan algoritma seperti LSTM, Random Forest, NLP, dan Reinforcement Learning, serta memanfaatkan pendekatan federated learning untuk menjaga privasi antar mitra supply chain. Data yang dianalisis meliputi lebih dari 12.000 entri dari berbagai sumber (IoT, cuaca, permintaan, media sosial). Evaluasi dilakukan melalui kombinasi metode kuantitatif (PLS-SEM terhadap 103 responden) dan kualitatif (wawancara dengan 12 eksekutif industri). Hasil menunjukkan bahwa AI predictive analytics memiliki pengaruh signifikan terhadap peningkatan ketahanan rantai pasok (β = 0.67; p < 0.001), dengan peningkatan akurasi prediksi permintaan hingga 40% dan penurunan waktu pengiriman sebesar 30%. Studi ini memberikan kontribusi konseptual dengan merancang model resilien yang menggabungkan visibilitas real-time, adaptivitas, dan pembelajaran kolaboratif lintas organisasi. Pendekatan ini mengisi kesenjangan dalam literatur dengan menawarkan solusi holistik, bukan sekadar otomasi operasional.

Penelitian menunjukkan bahwa penerapan AI dalam predictive analytics secara signifikan memperkuat ketahanan rantai pasok post‑COVID.AI meningkatkan visibilitas data, akurasi peramalan permintaan, dan kecepatan respons terhadap gangguan.Perlu pendekatan holistik dan penelitian lebih lanjut untuk mengatasi tantangan infrastruktur dan budaya organisasi.

Penelitian lanjutan dapat mengeksplorasi bagaimana integrasi AI dengan teknologi blockchain dapat meningkatkan keandalan data tanpa mengorbankan privasi, sehingga memperkuat kolaborasi antar pemangku kepentingan dalam rantai pasok global. Selanjutnya, mengkaji model federated learning yang lebih aman dan skalabel di lingkungan multi‑organisasi dapat membuka solusi pengelolaan risiko yang lebih responsif terhadap gangguan ekstrem. Terakhir, melakukan studi longitudinal di berbagai sektor industri dan wilayah geografis dapat mengukur dampak jangka panjang dari sistem prediktif AI pada kinerja operasional dan inovasi strategis, serta membantu organisasi menyesuaikan strategi resilience mereka seiring waktu.

  1. AI integration in supply chain and operations management: Enhancing efficiency and resilience. ai integration... doi.org/10.54254/2755-2721/90/2024melb0060AI integration in supply chain and operations management Enhancing efficiency and resilience ai integration doi 10 54254 2755 2721 90 2024melb0060
  2. Mitigating Distribution Shift in Machine Learning–Augmented Hybrid Simulation | SIAM Journal on... epubs.siam.org/doi/10.1137/23M1615425Mitigating Distribution Shift in Machine LearningAeAugmented Hybrid Simulation SIAM Journal on epubs siam doi 10 1137 23M1615425
  3. Rethinking Innovation Management—How AI Is Changing the Way We Innovate - Johann Füller, Zeljko... journals.sagepub.com/doi/10.1177/00218863241287323Rethinking Innovation ManagementAiHow AI Is Changing the Way We Innovate Johann Fyller Zeljko journals sagepub doi 10 1177 00218863241287323
  4. Encoding Seasonal Climate Predictions with Modular Neural Network | IEEE Conference Publication | IEEE... doi.org/10.1109/ICASSP48485.2024.10446114Encoding Seasonal Climate Predictions with Modular Neural Network IEEE Conference Publication IEEE doi 10 1109 ICASSP48485 2024 10446114
Read online
File size1.34 MB
Pages12
DMCAReport

Related /

ads-block-test