OPTIMALISASI SUPPLY CHAIN MANAGEMENT MENGGUNAKAN INTEGRASI BIG DATA DAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI PERMINTAAN PRODUK UMKM

Abstract

Supply Chain Management (SCM) menjadi salah satu tantangan utama bagi Usaha Mikro, Kecil, dan Menengah (UMKM), terutama dalam menghadapi fluktuasi permintaan produk. Prediksi permintaan yang tidak akurat dapat menyebabkan masalah serius seperti kelebihan atau kekurangan stok, yang berujung pada inefisiensi operasional. Penelitian ini bertujuan untuk mengoptimalkan prediksi permintaan produk UMKM dengan mengintegrasikan teknologi Big Data dan Artificial Neural Network (ANN) dalam SCM. Data penjualan historis dan perilaku konsumen selama tiga tahun terakhir digunakan sebagai dataset. Setelah dilakukan preprocessing dan normalisasi data menggunakan metode Big Data, model ANN dilatih untuk memprediksi permintaan produk. Hasil prediksi dibandingkan dengan metode konvensional seperti regresi linier dan moving average. Hasil penelitian menunjukkan bahwa model ANN memberikan tingkat akurasi prediksi yang lebih tinggi dengan Mean Absolute Percentage Error (MAPE) sebesar 3.45%, lebih rendah dibandingkan regresi linier (7.89%) dan moving average (10.56%). Ini menunjukkan bahwa ANN mampu memproses data yang kompleks dan memberikan prediksi yang lebih akurat, yang pada akhirnya dapat mengurangi risiko SCM, terutama dalam hal pengelolaan inventaris dan distribusi. Penelitian ini menyimpulkan bahwa integrasi Big Data dan ANN merupakan solusi efektif untuk meningkatkan efisiensi SCM di sektor UMKM. Meski demikian, terdapat tantangan dalam hal infrastruktur teknologi dan literasi digital yang perlu diatasi agar UMKM dapat mengadopsi teknologi ini secara lebih luas