Pembobotan Kriteria dan Subkriteria a. Pembobotan Kriteria

4.2 Pengolahan Data

4.2.1 Pembobotan Kriteria dan Subkriteria a. Pembobotan Kriteria

Pengumpulan data yang telah dilakukan diolah dengan melakukan pembobotan antar kriteria dengan menggunakan penilaian Triangular Fuzzy Number (TFN), pembobotan dapat dilihat pada Tabel 4.25 dan Tabel 2.6:

Tabel 4. 25 Nilai TFN pada Harga, Kualitas, dan Pengalaman Vendor

Kriteria Resp ^Harga ^Kualitas ^{Pengalaman Vendor}

l m u l m u L m u Harga ¹ ¹ ¹ ³ ^{0,14 0,2 0,33} ^0,14 ^0,2 ^0,33 2 1 1 3 0,14 0,2 0,33 0,2 0,33 1 Kualitas ¹ ³ ⁵ ⁷ ¹ ¹ ³ ^0,14 ^0,2 ^0,33 2 3 5 7 1 1 3 3 5 7 Pengalaman Vendor ¹ ³ ⁵ ⁷ ³ ⁵ ⁷ ¹ ¹ ³ 2 1 3 5 0,33 0,2 0,14 1 1 3 Pelayanan ¹ ³ ⁵ ⁷ ^{0,14 0,2 0,33} ^0,14 ^0,2 ^0,33 2 3 5 7 0,14 0,2 0,33 3 5 7 Finansial ¹ ¹ ³ ⁵ ^{0,14 0,2 0,33} ^0,14 ^0,2 ^0,33 2 0,2 0,33 1 0,14 0,2 0,33 0,14 0,2 0,33 Teknologi ¹ ^0,14 ^0,2 ^{0,33 0,14 0,2 0,33} ^0,14 ^0,2 ^0,33 2 0,14 0,2 0,33 0,14 0,2 0,33 0,14 0,2 0,33

Tabel 4. 26 Nilai TFN pada Pelayanan, Finansial, dan Teknologi Kriteria Resp ^Pelayanan ^Finansial ^Teknologi

l m u l m u l m u Harga ¹ ^{0,14 0,2 0,33 0,2 0,33 1} ³ ⁵ ⁷ 2 0,14 0,2 0,33 1 3 5 3 5 7 Kualitas ¹ ³ ⁵ ⁷ ³ ⁵ ⁷ ³ ⁵ ⁷ 2 3 5 7 3 5 7 3 5 7 Pengalaman Vendor ¹ ³ ⁵ ⁷ ³ ⁵ ⁷ ³ ⁵ ⁷ 2 0,14 0,2 0,33 3 5 7 3 5 7 Pelayanan ¹ ¹ ¹ ³ ³ ⁵ ⁷ ³ ⁵ ⁷ 2 1 1 3 3 5 7 3 5 7 Finansial ¹ ^{0,14 0,2 0,33} ¹ ¹ ³ ¹ ³ ⁵ 2 0,14 0,2 0,33 1 1 3 1 3 5 Teknologi ¹ ^{0,14 0,2 0,33 0,2 0,33 1} ¹ ¹ ³ 2 0,14 0,2 0,33 0,2 0,33 1 1 1 3 Keterangan: 𝑙 ∶ nilai terendah 𝑚 ∶ nilai tengah 𝑢 ∶ nilai tertinggi

Pembobotan dilakukan dengan menggunakan penilaian fuzzy dengan memberikan nilai pada masing-masing kriteria 𝑙 < 𝑚 < 𝑢. Penilaian dapat dilanjutkan dengan menghitung rata-rata geometris pada setiap kriteria, sehingga didapatkan hasil matriks perbandingan nilai rata-rata geometris berpasangan pada Tabel 4.27 dan Tabel 2.8:

Tabel 4. 27 Matriks Perbandingan Rata-Rata Geometris pada Harga, Kualitas, dan Pengalaman Vendor

Kriteria ^Harga ^Kualitas ^{Pengalaman Vendor}

l m u L m u l m u Harga ₁ ₁ ₃ _{0,14 0,20 0,33 0,17} _0,26 _0,58 Kualitas ₃ ₅ ₇ ₁ ₁ ₃ _0,65 _1,00 _1,53 Pengalaman Vendor _1,73 _3,87 _5,92 ₁ ₁ ₁ ₁ ₁ ₃ Pelayanan ₃ ₅ ₇ _{0,14 0,20 0,33 0,65} _1,00 _1,53 Finansial _0,4 ₁ _2,2 _0,1 _0,2 _0,3 _0,1 _0,2 _0,3 Teknologi _0,14 _0,20 _0,33 _{0,14 0,20 0,33 0,14} _0,20 _0,33

Tabel 4. 28 Matriks Perbandingan Rata-Rata Geometris pada Pelayanan, Finansial, dan Teknologi

Kriteria ^Pelayanan ^Finansial ^Teknologi

l m u L m _u _l _m _u Harga 0,14 0,2 0,33 0,45 1 2,24 3 5 7 Kualitas ₃ ₅ ₇ ₃ ₅ ₇ ₃ ₅ ₇ Pengalaman Vendor 0,65 1 1,53 3 5 7 3 5 7 Pelayanan 1 1 3 3 5 7 3 5 7 Finansial _0,1 _0,2 _0,3 _1,0 _1,0 _3,0 _1,0 _3,0 _5,0 Teknologi 0,14 0,20 0,33 0,20 0,33 1,00 1,00 1,00 3,00 𝑃𝑒𝑛𝑔𝑎𝑙𝑎𝑚𝑎𝑛 𝑉𝑒𝑛𝑑𝑜𝑟 = √𝑅𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛 1 𝑥 𝑅𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛 2² = √3 𝑥 1 = 1,73² Matriks perbandingan berpasangan rata-rata memberikan Pembobotan kriteria dilakukan dengan metode Fuzzy Analytical Network Process dengan tahapan yang dilakukan sebagai berikut:

Tahapan 1: Menentukan nilai sintesis fuzzy

Perhitungan dilakukan dengan melakukan penjumlahan pada setiap baris kriteria terlebih dahulu. Misalnya pada kriteria harga dilakukan penjumlahan baris pada masing-masing bilangan fuzzy.

∑^𝑚_𝑗=1𝐿𝑖= 1 +3+2+3+0,6+0,14 = 9,74

Penjumlahan baris pada masing-masing kriteria dapat dilihat pada Tabel 4.29 sebagai berikut:

Tabel 4. 29 Penjumlahan Baris Tiap Kriteria

Kriteria _l _m _u Harga 9,32 16,07 25,49 Kualitas 2,57 2,8 5,33 Pengalaman Vendor 2,8 _3,66 _7,30 Pelayanan 5 _7,6 _12,53 Finansial 10,65 17,33 27,24 Teknologi 14 ₂₄ ₃₆

Tahap berikutnya menentukan invers dari penjumlahan kolom keanggotaan bilangan fuzzy, sebelum menghitung invers ditentukan terlebih dahulu penjumlahan pada nilai TFN, misalnya pada 𝑙 atau nilai terendah dilakukan penjumlahan pada masing-masing kolom antar kriteria.

∑^𝑛_𝑖=1𝐿𝑖= 9,32 +2,57+2,8+5+10,65+14 = 44,39

Perhitungan invers dilakukan setelah penjumlahan kolom selesai, adapun perhitungan invers sebagai berikut:

𝑙 = ¹ 44,39^{= 0,023} 𝑚 = ¹ 71,46^{= 0,014} 𝑢 = ¹ 113,88^{= 0,009}

Hasil perhitungan penjumlahan dan invers kolom yang telah dilakukan dapat dilihat pada Tabel 4.30:

Tabel 4. 30 Penjumlahan dan Invers Penjumlahan Kolom

l m u

Penjumlahan kolom 44,39 71,46 113,88

Invers penjumlahan kolom 0,023 0,014 0,009

Perhitungan yang telah dilakukan, maka dapat dihitung nilai sintesis fuzzy kriteria, perhitungan dilakukan pada masing-masing kriteria. Nilai sintesis untuk kriteria harga sebagai berikut:

𝑆harga = (9,32 ; 16,07 ; 25,49) x (0,009; 0,014 ; 0,023) = ( 0,08 ; 0,22 ; 0.57)

Tabel 4. 31 Nilai Sintesis Kriteria

Kriteria l m u Harga 0,08 0,22 0,57 Kualitas 0,02 0,04 0,12 Pengalaman Vendor 0,02 0,05 0,16 Pelayanan 0,04 0,11 0,28 Finansial 0,09 0,24 0,61 Teknologi 0,12 0,34 0,81

Tahapan 2: Menentukan nilai vektor

Tahap ini merupakan perhitungan nilai vektor dengan menggunakan persamaan 𝑀2

= ( 𝐿2, 𝑀2, 𝑈2) ≥ 𝑀1 = ( 𝐿1, 𝑀1, 𝑈1) . Misalnya harga (𝑆1) dengan 𝑙1 =0,08; 𝑚1= 0,22 𝑢1 = 0,57 sedangkan kualitas (𝑆2) dengan 𝑙2 = 0,02; 𝑚2 = 0,04 ; 𝑢2 = 0,12 tidak memenuhi syarat sehingga dihitung menggunakan rumus

𝑙1−𝑢2

(𝑚2−𝑢2)−(𝑚1−𝑙1)= ^0,02−0,57

Tabel 4. 32 Nilai Vektor Kriteria

Tahapan 3: Menentukan nilai ordinat

Menentukan nilai ordinat dilakukan dengan diperoleh hasil bahwa nilai 𝑉 = (𝑆1 ≥ 𝑆2) = 1; nilai 𝑉 = (𝑆1 ≥ 𝑆3) = 1; nilai 𝑉 = (𝑆1 ≥ 𝑆4) = 1; nilai 𝑉 = (𝑆1 ≥ 𝑆5) = 1,03; nilai 𝑉 = (𝑆1 ≥ 𝑆6) = 1,18 maka 𝑑′(𝑆1) min (1;1;1;1,03;1,18) = 1. Nilai ordinat dapat dilihat pada Tabel 4.33:

Tabel 4. 33 Nilai Ordinat Kriteria

d'(S1) d'(S2) d'(S3) d'(S4) d'(S5) d'(S6)

W' 1,00 1,09 1,00 1,00 1,00 1,00

Tahapan 4: Normalisasi bobot vektor

Normalisasi bobot vektor dilakukan dimana tiap elemen bobot vektor dibagi jumlah bobot vektor itu sendiri. Jumlah bobot yang telat dinormalisasi akan bernilai 1, pembobotan dilakukan pada pengalaman vendor (𝑆1) dengan ^𝑑(𝑠1)

∑𝑤 = ¹

6,09= 0,16 Bobot vektor yang telah dinormalisasikan dapat dilihat pada Tabel 4.34:

Tabel 4. 34 Bobot Vektor Krteria

d'(S1) d'(S2) d'(S3) d'(S4) d'(S5) d'(S6) W' 0,16 0,18 0,16 0,16 0,16 0,16 S1 S2 S3 S4 S5 S6 S1 1,51 1,46 1,29 1,00 1,00 S2 1,00 1,00 1,00 1,00 1,00 S3 1,00 1,09 1,00 1,00 1,00 S4 1,00 1,35 1,27 1,00 1,00 S5 1,03 1,52 1,48 1,31 1,00 S6 1,18 1,60 1,57 1,43 1,15 Min 1,00 1,09 1,00 1,00 1,00 1,00 ≥ ≥ ≥ ≥ ≥ ≥

Representasi dari matriks W menunjukkan bobot masing-masing kriteria yang dapat dilihat pada Tabel 4.35:

Tabel 4. 35 Bobot Akhir Kriteria

Kriteria _Bobot Harga _0,16 Kualitas 0,18 Pengalaman Vendor _0,16 Pelayanan 0,16 Finansial 0,16 Teknologi _0,16

Berdasarkan Tabel 4.35 di atas nilai bobot kriteria tertinggi terdapat pada kriteria kualitas dan masing- masing kriteria lainnya memiliki nilai bobot yang sama sebesar 0,16.

b. Pembobotan antar Subkriteria

Pembobotan antar subkriteria dalam masing-masing kriteria bertujuan untuk mengetahui bobot masing-masing subkriteria antar kriteria. Tahap dalam melakukan pembobotan subkriteria pada setiap kriteria sama seperti pembobotan kriteria yang telah dilakukan sebelumnya. Tahap ini tidak ditampilkan dengan lengkap dan hasil perhitungan dipresentasikan. Nilai TFN dilakukan pada kriteria harga terhadap subkriteria cara pembayaran dan potongan harga pada Tabel 4.36:

Tabel 4. 36 Nilai TFN Cara Pembayaran dan Potongan Harga

Kriteria Subkriteria Responden ^{Cara Pembayaran Potongan Harga}

l M u l m u Harga Cara Pembayaran ¹ ¹ ¹ ³ ^{0,14 0,2 0,33} 2 1 1 3 0,14 0,2 0,33 Potongan Harga ¹ ³ ⁵ ⁷ ¹ ¹ ³ 2 3 5 7 1 1 3 Keterangan: 𝑙 ∶ nilai terendah 𝑚 ∶ nilai tengah 𝑢 ∶ nilai tertinggi

Pembobotan dilakukan dengan menggunakan penilaian fuzzy dengan memberikan nilai pada masing-masing kriteria 𝑙 < 𝑚 < 𝑢. Penilaian dapat dilanjutkan dengan

menghitung rata-rata geometris pada setiap subkriteria, sehingga didapatkan hasil matriks perbandingan nilai rata-rata geometris berpasangan pada Tabel 4.37:

Tabel 4. 37 Matriks Perbandingan Rata-Rata Geometris

Kriteria Subkriteria ^{Cara Pembayaran} ^{Potongan Harga}

L m U L m u Harga Cara Pembayaran 1 1 3 0,14 0,2 0,33 Potongan Harga 3 5 7 1 1 3 𝐶𝑎𝑟𝑎 𝑃𝑒𝑚𝑏𝑎𝑦𝑎𝑟𝑎𝑛 = √𝑅𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛 1 𝑥 𝑅𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛 2 ² 𝐶𝑎𝑟𝑎 𝑃𝑒𝑚𝑏𝑎𝑦𝑎𝑟𝑎𝑛 = √1 𝑥 1² 𝐶𝑎𝑟𝑎 𝑃𝑒𝑚𝑏𝑎𝑦𝑎𝑟𝑎𝑛 = 1

Matriks perbandingan berpasangan rata-rata memberikan pembobotan subkriteria dilakukan dengan metode FANP dengan tahapan yang dilakukan sebagai berikut: Tahapan 1: Menentukan nilai sintesis fuzzy

Perhitungan dilakukan dengan melakukan penjumlahan pada setiap baris subkriteria terlebih dahulu. Misalnya pada subkriteria cara pembayaran dilakukan penjumlahan baris pada masing-masing bilangan fuzzy.

∑^𝑚_𝑗=1𝐿𝑖= 1 +3 = 4

Penjumlahan baris pada masing-masing kriteria dapat dilihat pada Tabel 4.38 sebagai berikut:

Tabel 4. 38 Penjumlahan Baris Subkriteria

Kriteria Subkriteria l m u

Harga ^{Cara Pembayaran} ⁴ ⁶ ¹⁰

Potongan Harga 1,14 1,20 3,33

Tahap berikutnya menentukan invers dari penjumlahan kolom keanggotaan bilangan fuzzy, sebelum menghitung invers ditentukan terlebih dahulu penjumlahan

pada nilai TFN, misalnya pada 𝑙 atau nilai terendah dilakukan penjumlahan pada masing-masing kolom antar subkriteria.

∑^𝑛_𝑖=1𝐿𝑖= 4 + 1,14 = 5,14

Perhitungan invers dilakukan setelah penjumlahan kolom selesai, adapun perhitungan invers sebagai berikut:

𝑙 = ¹ 5,14^{= 0,19} 𝑚 = ¹ 7,20^{= 0,14} 𝑢 = ¹ 13,33^{= 0,08}

Hasil perhitungan penjumlahan dan invers kolom yang telah dilakukan dapat dilihat pada Tabel 4.39:

Tabel 4. 39 Penjumlahan dan Invers Penjumlahan Kolom

L m u

Penjumlahan kolom 5,14 7,20 13,33

Invers penjumlahan

kolom ^0,19 ^0,14 ^0,08

Perhitungan yang telah dilakukan, maka dapat dihitung nilai sintesis fuzzy subkriteria, perhitungan dilakukan pada masing-masing subkriteria. Nilai sintesis untuk cara pembayaran dan potongan harga sebagai berikut:

𝑆tingkat keberhasilan = (4 ; 6 ; 10) x (0,08; 0,14 ; 0,19) = (0, 3 ; 0,83 ; 1,94)

Tabel 4. 40 Nilai Sintesis antar Subkriteria

Kriteria Subkriteria L m u

Harga

Cara Pembayaran 0,3 0,83 1,94

Potongan Harga 0,09 0,17 0,65

Tahapan 2: Menentukan nilai vektor

Tahap ini merupakan perhitungan nilai vektor dengan menggunakan persamaan 𝑀2

= ( 𝐿2, 𝑀2, 𝑈2) ≥ 𝑀1 = ( 𝐿1, 𝑀1, 𝑈1) . Misalnya cara pembayaran (𝑆1) dengan 𝑙1

=0,3; 𝑚1= 0,83 𝑢1 = 1,94 sedangkan potongan harga (𝑆2) dengan 𝑙2 = 0,09; 𝑚2 = 0,17 ; 𝑢2 = 0,65 tidak memenuhi syarat sehingga dihitung menggunakan rumus

𝑙1−𝑢2

(𝑚2−𝑢2)−(𝑚1−𝑙1)= ^0,09−1,94

(0,83−1,94)−(0,17−0,09)= 1,56

Tabel 4. 41 Nilai Vektor Subkriteria

Tahapan 3: Menentukan nilai ordinat

Menentukan nilai ordinat dilakukan dengan diperoleh hasil bahwa nilai 𝑉 = (𝑆2 ≥ 𝑆1) = 1,56; nilai 𝑉 = (𝑆1 ≥ 𝑆2) = 1, maka 𝑑′(𝑆1) min (1) = 1. Nilai ordinat dapat dilihat pada Tabel 4.42:

Tabel 4. 42 Nilai Ordinat Subkriteria

d'(S1) d'(S2)

W' 1 1,56

Tahapan 4: Normalisasi bobot vektor

∑𝑤 = ¹

2,56= 0,39 Bobot vektor yang telah dinormalisasikan dapat dilihat pada Tabel 4.43:

S1 S2

S1 1,56

S2 1

Min 1 1,56

Tabel 4. 43 Bobot Vektor Subkriteria

d'(S1) d'(S2)

W' 0,39 0,61

Representasi dari matriks W menunjukkan bobot masing-masing subkriteria yang dapat dilihat pada Tabel 4.44:

Tabel 4. 44 Bobot Subkriteria Harga Kriteria Subkriteria Bobot

Harga

Cara

Pembayaran ^0,39 Potongan

Harga ^0,61

Berdasarkan Tabel 4.44 pada kriteria harga dengan subkriteria cara pembayaran dan potongan harga didapatkan nilai bobot tertinggi pada subkriteria potongan harga sebesar 0,61 dan cara pembayaran sebesar 0,39. Hal ini menyatakan bahwa perhitungan berdasarkan hasil kuesioner potongan harga lebih berpengaruh dibandingkan cara pembayaran.

Subkriteria kualitas yang terdiri dari pengiriman barang tanpa cacat, tersedia sarana transportasi, dan tepat waktu. Subkriteria kualitas memiliki bobot dengan perhitungan yang dilakukan sama dengan subkriteria harga. Berikut merupakan hasil perhitungan pada bobot akhir subkriteria kualitas pada Tabel 4.45:

Tabel 4. 45 Bobot Subkriteria Kualitas

Kriteria Subkriteria Bobot

Kualitas

Pengiriman barang tanpa

cacat ^0,36

Tersedia sarana transportasi 0,32

Tepat waktu 0,32

Berdasarkan Tabel 4.45 pada kriteria kualitas dengan subkriteria pengiriman barang tanpa cacat, tersedia sarana transportasi, dan tepat waktu didapatkan nilai bobot tertinggi pada subkriteria pengiriman barang tanpa cacat sebesar 0,36 dan masing-masing subkriteria tersedia sarana transportasi dan tepat waktu sebesar 0,32. Hal ini menyatakan bahwa perhitungan berdasarkan hasil kuesioner pengiriman barang

tanpa cacat lebih berpengaruh dibandingkan tersedia sarana transportasi dan tepat waktu.

Subkriteria pengalaman vendor yang terdiri dari banyaknya konsumen, tingkat keberhasilan, dan waktu beroperasi. Subkriteria pengalaman vendor memiliki bobot dengan perhitungan yang dilakukan sama dengan subkriteria harga. Berikut merupakan hasil perhitungan pada bobot akhir subkriteria pengalaman vendor pada Tabel 4.46:

Tabel 4. 46 Bobot Subkriteria Pengalaman Vendor Kriteria Subkriteria Bobot Pengalaman

Vendor

Banyaknya konsumen 0,28 Tingkat keberhasilan 0,43 Waktu beroperasi 0,28

Berdasarkan Tabel 4.46 pada kriteria pengalaman vendor dengan subkriteria banyaknya konsumen, tingkat keberhasilan, dan waktu beroperasi didapatkan nilai bobot tertinggi pada subkriteria tingkat keberhasilan sebesar 0,43 dan masing-masing subkriteria banyaknya konsumen dan waktu beroperasi sebesar 0,28. Hal ini menyatakan bahwa perhitungan berdasarkan hasil kuesioner tingkat keberhasilan lebih berpengaruh dibandingkan banyaknya konsumen dan waktu beroperasi.

Subkriteria pelayanan yang terdiri dari tanggapan permintaan pelanggan, tanggapan keluhan pelanggan, dan komunikasi. Subkriteria pelayanan memiliki bobot dengan perhitungan yang dilakukan sama dengan subkriteria harga. Berikut merupakan hasil perhitungan pada bobot akhir subkriteria pelayanan pada Tabel 4.47:

Tabel 4. 47 Bobot Subkriteria Pelayanan

Kriteria Subkriteria Bobot

Pelayanan

Tanggapan permintaan

pelanggan ^0,33

Tanggapan keluhan pelanggan 0,33

Berdasarkan Tabel 4.47 pada kriteria pelayanan dengan subkriteria tanggapan permintaan pelanggan, tanggapan keluhan pelanggan, dan komunikasi didapatkan nilai bobot masing-masing sebesar 0,33. Hal ini menyatakan bahwa perhitungan berdasarkan hasil kuesioner subkriteria tanggapan permintaan pelanggan, tanggapan keluhan pelanggan, dan komunikasi sama berpengaruh.

Subkriteria finansial yang terdiri dari modal yang cukup dan cashflow yang baik. Subkriteria finansial memiliki bobot dengan perhitungan yang dilakukan sama dengan subkriteria harga. Berikut merupakan hasil perhitungan pada bobot akhir subkriteria finansial pada Tabel 4.48:

Tabel 4. 48 Bobot Subkriteria Finansial Kriteria Subkriteria Bobot

Finansial Modal yang cukup 0,39 Cashflow yang baik ^0,61

Berdasarkan Tabel 4.48 pada kriteria finansial dengan subkriteria modal yang cukup dan cashflow yang baik didapatkan nilai bobot tertinggi pada subkriteria cashflow yang baik sebesar 0,61 dan modal yang cukup sebesar 0,39. Hal ini menyatakan bahwa perhitungan berdasarkan hasil kuesioner cashflow yang baik lebih berpengaruh dibandingkan modal yang cukup.

Subkriteria teknologi yang terdiri dari aplikasi pada sistem pengiriman dan aplikasi pada sarana transportasi. Subkriteria teknologi memiliki bobot dengan perhitungan yang dilakukan sama dengan subkriteria harga. Berikut merupakan hasil perhitungan pada bobot akhir subkriteria teknologi pada Tabel 4.49:

Tabel 4. 49 Bobot Subkriteria Teknologi

Kriteria Subkriteria Bobot

Teknologi

Modal yang cukup 0,50 Cashflow yang baik 0,50

Berdasarkan Tabel 4.49 pada kriteria teknologi dengan subkriteria aplikasi pada sistem pengiriman dan aplikasi pada sarana transportasi masing-masing sebesar 0,50. Hal ini menyatakan bahwa perhitungan berdasarkan hasil kuesioner subkriteria aplikasi pada sistem pengiriman dan aplikasi pada sarana transportasi sama berpengaruh.

Dalam dokumen BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Sejarah Perusahaan PT Pos Logistik Indonesia (Poslog) (Halaman 24-37)