4. Kegiatan SCM mendekat ke sumber dan pelaksanaan pengadaan langsung ke produsen, tanpa melalui perantara yang akan menambah biaya. Supplier
dalam SCM berarti produsen, bukan perantara.
b. Prinsip SCM
1. Prinsip Integrasi, semua elemen yang terlibat dalam rangkaian SCM berada dalam satu kesatuan yang kompak dan bersama menyadari adanya
saling ketergantungan. 2. Prinsip Jejaring, semua elemen berada dalam hubungan kerja selaras.
3. Prinsip Ujung ke Ujung, proses operasional mencakup elemen pemasok yang paling hulu sampai ke konsumen yang paling hilir.
4. Prinsip saling Tergantung, setiap elemen dalam SCM menyadari bahwa untuk mencapai tujuan bersama dan meningkatkan daya saing, diperlukan
kerjasama yang saling menguntungkan. 5. Prinsip Komunikasi, data yang akurat memberikan informasi tepat untuk
memperlancar aliran barang. 6. Prinsip kemitraan, pemasok, manufaktur, distributor dan pelanggan
bekerjasama, saling membagi dan mengkomunikasikan informasi, mempunyai tujuan yang sama, saling percaya dan mengutamakan kualitas
dan waktu. 7. Prinsip dukungan, mendapatdukungan penuh dari manajemen dan fungsi
opersional perusahaan dalam proses perencanaan, koordinasi, pelaksaan dan pengendalian. [16]
2.10. Metode Peramalan ARIMA
Model ARIMA merupakan salah satu teknik peramalan time series deret waktu yang hanya berdasarkan perilaku data variabel yang diamati. Model ARIMA
sama sekali mengabaikan variabel independen karena model ini menggunakan nilai sekarang dan nilai-nilai lampau dari variabel dependen untuk menghasilkan
peramalan jangka pendek yang akurat. Secara harfiah, model ARIMA merupakan gabungan antara model AR Autoregressive dan model MA Moving Average.
Model ARIMA hanya dapat diterapkan untuk deret waktu yang stasioner. Oleh karena itu, pertama kali yang harus dilakukan adalah menyelidiki apakah data
yang kita gunakan sudah stasioner atau belum. Jika data tidak stasioner, yang perlu dilakukan adalah memeriksa pada pembedaan beberapa data akan stasioner, yaitu
menentukan berapa nilai d. Proses ini dapat dilakukan dengan menggunakan koefisien ACF Auto Correlation Function, atau uji akar-akar unit unit roots test
dan derajat integrasi. Jika data sudah stasioner sehingga tidak dilakukan pembedaan terhadap data runtun waktu maka d diberi nilai 0.
Disamping menentukan d, pada tahap ini juga ditentukan berapa jumlah nilai lag residual q dan nilai lag dependen p yang digunakan dalam model. Alat utama
yang digunakan untuk mengidentifikasi q dan p adalah ACF dan PACF Partial Auto Correlation Funtion Koefisien Autokorelasi Parsial
, dan correlogram yang menunjukkan plot nilai ACF dan PACF terhadap lag. Koefisien autokorelasi parsial
mengukur tingkat keeratan hubungan antara X
t
dan X
t-k
sedangkan pengaruh dari time lab 1,2,3,…,k-1 dianggap konstan. Dengan kata lain, koefisien autokorelasi parsial
mengukur derajat hubungan antara nilai-nilai sekarang dengan nilai-nilai sebelumnya untuk time lag tertentu, sedangkan pengaruh nilai variabel time lab yang lain
dianggap konstan. Secara matematis, koefisien autokorelasi parsial berorde m didefinisikan sebagai koefisien autoregressive terakhir dari model ARm.
Ketepatan jumlah dan waktu pengiriman barang pada setiap cabang harus diperhitungkan perusaahaan dengan metode peramalan ARIMA. Pemenuhan stok
barang dan jadwal distribusi barang dapat ditentukan. Penentuan jumlah barang yang harus di penuhi jumlah stoknya dimulai dengan menggunakan metode ACF untuk
menemukan pola autokorelasi dan fungsi autokorelasi parsial PACF, nilai dari sebuah deret pada satu periode waktu berhubungan dengan nilai itu sendiri dari