IV- 1 4.1. Supply Chain pada UMKM Noerlen
4.5. Pengolahan Data AHP (Analytical Hierarchy Process)
4.5.3. Pembobotan Antar Kriteria
Data yang diperoleh untuk pembobotan antar kriteria diperoleh dari kuesioner yang dimasukkan kedalam matriks perbandingan berpasangan. Dalam penelitian ini dilakukan pembobotan menggunakan AHP untuk proses plan dan source, dan make karena proses lain hanya memiliki 1 KPI untuk masing-masing atribut. Langkah-langkah pengerjaan untuk pembobotan antar kriteria sama seperti pada pembobotan proses dan atribut.
1. Pembobotan Antar Atribut Reliability pada Proses Plan
a. Menyusun matriks perbandingan berpasangan antar atribut pada proses plan yang dapat dilihat pada Tabel 4.27.
Tabel 4.27. Matriks Perbandingan Berpasangan Antar Atribut Reliability
Proses Plan Reliability
b. Melakukan pembobotan proses pada matriks perbandingan berpasangan.
Hasil perhitungan pembobotan antar kriteria atribut reliability dapat dilihat pada Tabel 4.28.
Tabel 4.28. Hasil Perhitungan Pembobotan Antar Kriteria Atribut Reliability
Proses Plan Reliability Rencana Pelatihan dan
Edukasi 1,000 1,000 1,000
Rencana Audit Internal 1,000 1,000 1,000 Rencana Kaji Ulang
Manajemen 1,000 1,000 1,000
Total 3,000 3,000 3,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar atribut reliability dapat dilihat pada Tabel 4.29.
Tabel 4.29. Hasil Normalisasi Antar Kriteria Atribut Reliability Rencana Pelatihan dan
Edukasi 0,333 0,333 0,333
Rencana Audit Internal 0,333 0,333 0,333 Rencana Kaji Ulang
Manajemen 0,333 0,333 0,333
Total 1 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.30.
Tabel 4.30. Hasil Perhitungan Eugen Vector Antar Atribut Reliability Proses Plan Reliability Total Weight Matrix Eugen Vector Rencana Pelatihan dan Edukasi 1,000 0,333
Rencana Audit Internal 1,000 0,333
Rencana Kaji Ulang Manajemen 1,000 0,333
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = ((0,333 x 3,000) + (0,333 x 3,000) + (0,333 x 3,000)) = 3,00 f. Perhitungan CI (Consistency Index)
C = (λ ks – n) / (n-1) , dimana n = ordo matriks CI = 0,00/2 = 0,00
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 3, RI = 0,58
CR = 0,00/0,58 = 0,00 = 0 %, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
2. Pembobotan Antar Atribut Reliability pada proses Source
a. Menyusun matriks perbandingan berpasangan antar atribut pada proses source yang dapat dilihat pada Tabel 4.31.
Tabel 4.31. Matriks Perbandingan Berpasangan Antar Atribut Reliability Proses Source Reliability Jumlah Bahan
Berlabel Halal Lead Time Bahan Jumlah Bahan Berlabel
Halal 1 1
Lead Time Bahan 1 1
Sumber : Pengolahan Data
b. Melakukan pembobotan proses pada matriks perbandingan berpasangan.
Hasil perhitungan pembobotan antar kriteria atribut reliability dapat dilihat pada Tabel 4.32.
Tabel 4.32. Hasil Perhitungan Pembobotan Antar Kriteria Atribut Reliability Proses Source Reliability Jumlah Bahan
Berlabel Halal Lead Time Bahan Jumlah Bahan Berlabel
Halal 1,000 1,000
Lead Time Bahan 1,000 1,000
Total 2,000 2,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar atribut reliability dapat dilihat pada Tabel 4.33.
Tabel 4.33. Hasil Normalisasi Antar Kriteria Atribut Reliability Proses Source Reliability Jumlah Bahan Berlabel
Halal Lead Time Bahan
Jumlah Bahan Berlabel
Halal 0,500 0,500
Lead Time Bahan 0,500 0,500
Total 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.34.
Tabel 4.34. Hasil Perhitungan Eugen Vector Antar Atribut Reliability Proses Source Reliability Total Weight Matrix Eugen Vector Jumlah Bahan Berlabel Halal 1,000 0,500
Lead Time Bahan 1,000 0,500
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = ((0,500 x 2,000) + (0,500 x 2,000)) = 2,00 f. Perhitungan CI (Consistency Index)
C = (λ ks – n) / (n-1) , dimana n = ordo matriks CI = 0,00/1 = 0,00
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 2, RI = 0,00
Karena RI =0,00 maka nilai CR = 0,00 = 0 %, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
3. Pembobotan Antar Atribut Responsiveness pada proses Source
a. Menyusun matriks perbandingan berpasangan antar atribut responsiveness pada proses source dapat dilihat pada Tabel 4.35.
Tabel 4.35. Matriks Perbandingan Berpasangan Antar Atribut Responsiveness
b. Melakukan pembobotan proses pada matriks perbandingan berpasangan.
Hasil perhitungan pembobotan antar kriteria atribut responsiveness dapat dilihat pada Tabel 4.36.
Tabel 4.36. Hasil Perhitungan Pembobotan Antar Kriteria Atribut Responsiveness
Pembayaran Gaji Pekerja 1,000 1,000
Total 2,000 2,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar kriteria atribut responsiveness dapat dilihat pada Tabel 4.37.
Tabel 4.37. Hasil Normalisasi Antar Kriteria Atribut Responsiveness Proses Source
Responsiveness
Ketepatan Pembayaran Ke Supplier
Pembayaran Gaji Pekerja Ketepatan Pembayaran Ke
Supplier 0,500 0,500
Pembayaran Gaji Pekerja 0,500 0,500
Total 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.38.
Tabel 4.38. Hasil Perhitungan Eugen Vector Antar Atribut Responsiveness Proses Source Responsiveness Total Weight Matrix Eugen Vector Ketepatan Pembayaran Ke Supplier 1,000 0,500
Pembayaran Gaji Pekerja 1,000 0,500
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = ((0,500 x 2,000) + (0,500 x 2,000) = 2,00.
f. Perhitungan CI (Consistency Index)
C = (λ ks – n) / (n-1) , dimana n = ordo matriks CI = 0,00/1 = 0,00.
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 2, RI = 0,00
Karena RI =0,00 maka nilai CR = 0,00 = 0 %, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
4. Pembobotan Antar Atribut Asset pada proses Make
a. Menyusun matriks perbandingan berpasangan antar atribut asset pada proses make dapat dilihat pada Tabel 4.39.
Tabel 4.39. Matriks Perbandingan Berpasangan Antar Atribut Asset Proses Make Asset Masa Pakai
Peralatan
Kebersihan Fasilitas Produksi
Masa Pakai Peralatan 1 1
Kebersihan Fasilitas
Produksi 1 1
Sumber : Pengolahan Data
b.Melakukan pembobotan proses pada matriks perbandingan berpasangan.
Hasil perhitungan pembobotan antar kriteria atribut asset dapat dilihat pada Tabel 4.40.
Tabel 4.40. Hasil Perhitungan Pembobotan Antar Kriteria Atribut Asset Proses Make Asset Masa Pakai
Peralatan
Kebersihan Fasilitas Produksi
Masa Pakai Peralatan 1,000 1,000
Kebersihan Fasilitas
Produksi 1,000 1,000
Total 2,000 2,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar kriteria atribut asset dapat dilihat pada Tabel 4.41.
Tabel 4.41. Hasil Normalisasi Antar Kriteria Atribut Asset Proses Make Asset Masa Pakai
Peralatan
Kebersihan Fasilitas Produksi
Masa Pakai Peralatan 0,500 0,500
Kebersihan Fasilitas
Produksi 0,500 0,500
Total 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.42.
Tabel 4.42. Hasil Perhitungan Eugen Vector Antar Atribut Asset Proses Make Asset Total Weight Matrix Eugen Vector
Masa Pakai Peralatan 1,000 0,500
Kebersihan Fasilitas Produksi 1,000 0,500
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = (( 00 x 2,000) + (0,500 x 2,000) = 2,00.
f. Perhitungan CI (Consistency Index)
C = (λ ks – n) / (n-1) , dimana n = ordo matriks CI = 0,00/1 = 0,00.
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 2, RI = 0,00
Karena RI =0,00 maka nilai CR = 0,00 = 0 %, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
Perhitungan nilai akhir dilakukan guna untuk mengetahui nilai kinerja suatu perusahaan. Contoh perhitungan bobot akhir plan-reliability dapat dilihat pada Tabel 4.43. dan Tabel 4.44.
Tabel 4.43. Perhitungan Bobot Akhir Plan-Reliability Key Performance Rencana Pelatihan dan
Edukasi 0,26 0,875 0,333 0,076
Rencana Audit Internal 0,26 0,875 0,333 0,076 Rencana Kaji Ulang
Manajemen 0,26 0,875 0,333 0,076
Sumber : Pengolahan Data
Kemudian dilanjutkan dengan menghitung nilai akhir metrik plan-reliability dengan cara mengalikan Nilai Bobot Akhir dengan skor SNORM pada masing-masing KPI.
Tabel 4.44. Nilai Akhir Metrik Plan-Reliability Key Performance
Indicators (KPI) Bobot Akhir Skor SNORM
Nilai Akhir (SNORM x Bobot
Akhir) Rencana Pelatihan dan
Edukasi 0,076 50 3,80
Rencana Audit Internal 0,076 0 0,00
Rencana Kaji Ulang
Manajemen 0,076 0 0,00
Sumber : Pengolahan Data
Selanjutnya, dijumlahkan hasil nilai akhir pada masing-masing proses yang nantinya akan didapatkan hasil kinerja akhir suatu usaha. Hasil perhitungan kinerja akhir UMKM Noerlen dapat dilihat pada Tabel 4.45.
No Bisnis Level 1 Atribut
Level 2 Key Performance Indicators
Level 3 Akhir SNORM
7 Responsiveness 0,467
Ketepatan Pembayaran Ke
Supplier 0,500 0,058 100 5,80
8 Pembayaran Gaji Pekerja 0,500 0,058 100 5,80
9 Asset 0,067 Kebersihan Transportasi 1 0,015 100 1,50
10 Make 0,30 Reliability 0,467
Kehandalan Pekerja yang Dapat Mendukung Jalannya Proses
Produksi 1 0,140 100 14,00
11 Responsiveness 0,467 Waktu Pembuatan Produk 1 0,140 99,5 13,93
12 Asset 0,067 Masa Pakai Peralatan 0,500 0,010 100 1,00
13 Kebersihan Fasilitas Produksi 0,500 0,010 100 1,00
14 Deliver 0,18 Reliability 0,500
Tingkat Pengiriman Produk Jadi
Siap Kirim 1 0,090 100 9,00
15 Responsiveness 0,500
Lead Time Pengiriman Produk
Jadi 1 0,090 86,67 7,80
16 Return 0,03 Reliability 0,500 Jumlah Keluhan dari Custumer 1 0,015 80 1,20
17 Responsiveness 0,500
Waktu untuk Mengatasi
Complaint 1 0,015 50 0,75
Sumber : Pengolahan Data
V-1