Pengaruh Karakteristik Tugas terhadap Preferensi Perencana Persediaan dalam Mendelegasikan Pekerjaaan kepada Kecerdasan Buatan

Siti Dwi Rofi'ahapriza Daulay, Ir. Budhi Sholeh Wibowo, S.T., M.T., PDEng., IPM., ASEAN.Eng.

2026 | Skripsi | TEKNIK INDUSTRI

Manajemen persediaan merupakan bagian penting dalam performa rantai pasok yang melibatkan proses pengambilan keputusan kompleks. Dalam aktivitas replenishment, perencana sering kali menghadapi beban kognitif yang tinggi akibat dinamika pekerjaan. Munculnya Kecerdasan Buatan menawarkan potensi besar untuk mendukung efisiensi, namun keberhasilannya sangat bergantung pada preferensi manusia dalam mendelegasikan tugas tersebut kepada sistem. Penelitian ini bertujuan untuk menganalisis bagaimana karakteristik tugas memengaruhi preferensi perencana persediaan dalam menentukan tingkat otomasi (Level of Automation) pada berbagai tahapan pengambilan keputusan di konteks replenishment.

Penelitian ini menggunakan pendekatan kuantitatif melalui eksperimen berbasis kuesioner skenario. Desain eksperimen yang digunakan adalah Fractional Factorial Design 2^(4?1) untuk menguji empat faktor karakteristik tugas, yaitu uncertainty, intensity, unstructure, risk. Pengambilan keputusan manusia dibagi menjadi empat tahap pemrosesan informasi yaitu, data acquisition, data analysis, decision, dan action. Data dikumpulkan dari 69 praktisi profesional di bidang rantai pasok dan manajemen inventori melalui LinkedIn yang menghasilkan 178 respons yang lolos untuk dianalisis. Analisis data dilakukan menggunakan regresi linear sebagai metode utama untuk menganalisis pengaruh karakteristik tugas terhadap preferensi delegasi pekerjaan ke AI di tiap tahapan replenishment. Sebagai analisis pendukung, Principal Component Analysis (PCA) digunakan untuk reduksi dimensi variabel kontrol.

Hasil penelitian menunjukkan bahwa karakteristik tugas memiliki pengaruh signifikan (p<0>replenishement dengan Adj R² berkisar 11,550%-15,770%. Rata-rata preferensi LoA responden berada di kisaran 2,273-2,623, menunjukkan kecenderungan pada level antara manusia masih dominan dan AI mulai berperan namun tetap diawasi manusia. Pada tahap data acquisition, intensity (Coef=0,166; p=0,030), unstructure (Coef=?0,160; p=0,031), dan beberapa interaksi level 2 dan 4 faktor berpengaruh signifikan, sedangkan pada tahap data analysis seluruh faktor signifikan berada pada interaksi level 2 dan 3 faktor, menunjukkan bahwa task characteristics mendominasi pada tahap pengumpulan dan penganalisisan data. Sebaliknya, pada tahap decision dan action, peran task characteristics melemah dan digantikan oleh individual characteristics, yaitu expertise (Coef=-0,177; p=0,001|Coef=0,106, p=0,043) dan familiarity to automation pada tahap action (Coef=-0,183; p<0>

Inventory management is a critical component in supply chain performance, involving complex decision-making processes. In replenishment activities, inventory planners often face high cognitive loads due to dynamic work conditions. The integration of Artificial Intelligence (AI) offers significant potential to support efficiency; however, its success largely depends on human preferences to delegating tasks to the systems. This study aims to analyze how task characteristics influence inventory planners' preferences in determining the Level of Automation (LoA) across various decision-making stages in the replenishment context.

This study employs a quantitative approach through a scenario-based questionnaire experiment. The experimental design used is a Fractional Factorial Design 2??¹ to examine four task characteristic factors: uncertainty, intensity, unstructure, and risk. Human decision-making is divided into four information processing stages: data acquisition, data analysis, decision, and action. Data were collected from 69 professionals in supply chain and inventory management via LinkedIn, yielding 178 valid responses for analysis. Data analysis was conducted using linear regression as the primary method to examine the influence of task characteristics on the preference for delegating tasks to AI at each replenishment stage. As a supporting analysis, Principal Component Analysis (PCA) was applied to reduce the dimensionality of control variables.

The results show that task characteristics have a significant effect (p <0 Coef=0,166; p=0,030), Coef=-0,160; p=0,031), Coef=-0,177; p=0,001|Coef p=0,043) Coef=-0,183;>

Kata Kunci : Manajemen Persediaan, Karakteristik Tugas, Level of Automation, Kecerdasan Buatan