Penentuan Prioritas Supplier Botol Menggunakan Metode PROMETHEE dan Goal Programming pada PT. Pabrik Es Siantar

(1)

(2)

Lampiran 4

Perhitungan Rata-Rata Pembobotan untuk Elemen Kriteria Elemen Kualitas Pengiriman Kebijakan klaim

dan Jaminan Harga

Perhitungan Rata-Rata Pembobotan untuk Elemen Subkriteria Kualitas

(3)

Perhitungan Rata-Rata Pembobotan untuk Elemen

Subkriteria Kebijakan Klaim dan Jaminan

Unsur J1 J2 J3

J1 1,0000 1,0000 1,2599

J2 1,0000 1,0000 1,4422

J3 0,7937 0,6934 1,0000

Jumlah 2,7937 2,6934 3,7022

Perhitungan Rata – Rata Pembobotan untuk Elemen Subkriteria Harga

Perhitungan Rata – Rata Pembobotan untuk Elemen Subkriteria Lokasi Geografis

Perhitungan Rata – Rata Pembobotan Subkriteria Kesesuaian Teknis

(4)

Perhitungan Rata-rata Pembobotan Subkriteria Tingkat Kecacatan

S1 S2 S3 S4 S5 S6

S1 1,0000 2,0000 1,5000 1,0000 1,5000 1,3333 S2 0,5000 1,0000 2,6667 0,1333 12,0000 0,1875 S3 0,6667 0,3750 1,0000 2,0000 0,1333 0,0625 S4 1,0000 7,5000 0,5000 1,0000 18,0000 1,3333 S5 1,0000 0,0833 7,5000 0,0556 1,0000 3,0000 S6 0,7500 5,3333 16,0000 0,7500 0,3333 1,0000 Jumlah 4,9167 16,2917 29,1667 4,9389 32,9667 6,9167

Perhitungan Rata-Rata Pembobotan

Subkriteria Kemampuan Memberikan Kualitas yang Konsisten

S1 S2 S3 S4 S5 S6

S1 1,0000 1,2000 0,6000 12,0000 0,5000 0,1667 S2 0,8333 1,0000 0,2500 0,1333 3,0000 6,0000 S3 1,6667 4,0000 1,0000 8,0000 0,3333 0,1667 S4 0,0833 7,5000 0,1250 1,0000 4,0000 2,0000 S5 2,0000 0,3333 3,0000 0,2500 1,0000 0,5000 S6 6,0000 0,1667 6,0000 0,5000 2,0000 1,0000 Jumlah 11,5833 14,2000 10,9750 21,8833 10,8333 9,8333

Perhitungan Rata-Rata Pembobotan Subkriteria Kecepatan Pengiriman

S1 S2 S3 S4 S5 S6

(5)

Perhitungan Rata-Rata Pembobotan Subkriteria Ketepatan Jumlah

Perhitungan Rata-Rata Pembobotan Subkriteria Frekuensi Pengiriman

S1 S2 S3 S4 S5 S6

(6)

Perhitungan Rata-Rata Pembobotan Subkriteria Daya Respon

S1 S2 S3 S4 S5 S6

S1 1,0000 0,8000 6,0000 12,0000 0,1250 1,0000 S2 1,2500 1,0000 1,3333 0,2222 4,0000 0,3750 S3 0,1667 0,7500 1,0000 1,3333 0,2000 0,3333 S4 0,0833 4,5000 0,7500 1,0000 2,0000 3,0000 S5 8,0000 0,2500 5,0000 0,5000 1,0000 0,3750 S6 1,0000 2,6667 3,0000 0,3333 2,6667 1,0000 Jumlah 11,5000 9,9667 17,0833 15,3889 9,9917 6,0833

Perhitungan Rata-Rata Pembobotan Subkriteria Kemampuan Menjaga Kesepakatan

S1 S2 S3 S4 S5 S6

S1 1,0000 2,0000 0,5000 8,0000 0,2500 4,0000 S2 0,5000 1,0000 0,3333 0,4167 1,3333 1,5000 S3 2,0000 3,0000 1,0000 2,0000 0,1333 0,1250 S4 0,1250 2,4000 0,5000 1,0000 3,0000 0,2222 S5 4,0000 0,7500 7,5000 0,3333 1,0000 0,2500 S6 0,2500 0,6667 8,0000 4,5000 4,0000 1,0000 Jumlah 7,8750 9,8167 17,8333 16,2500 9,7167 7,0972

Perhitungan Rata-Rata Pembobotan Subkriteria Cara Pembayaran

S1 S2 S3 S4 S5 S6

(7)

Perhitungan Rata-Rata Pembobotan Subkriteria Harga Penawaran

S1 S2 S3 S4 S5 S6

S1 1,0000 0,2500 0,2500 1,5000 27,0000 0,0833 S2 4,0000 1,0000 4,5000 0,6667 8,0000 1,0000 S3 4,0000 0,2222 1,0000 2,2500 1,2000 1,0000 S4 0,6667 1,5000 0,4444 1,0000 36,0000 45,0000 S5 0,0370 0,1250 0,8333 0,0278 1,0000 0,3333 S6 0,7500 1,0000 1,0000 0,0222 3,0000 1,0000 Jumlah 10,4537 4,0972 8,0278 5,4667 76,2000 48,4167

Perhitungan Rata-Rata Pembobotan Subkriteria Kestabilan Harga

S1 S2 S3 S4 S5 S6

S1 1,0000 3,0000 0,1667 9,0000 6,0000 4,0000 S2 0,5000 1,0000 2,0000 0,1111 6,0000 0,3333 S3 6,0000 0,5000 1,0000 12,0000 1,5000 0,1000 S4 0,1111 9,0000 0,0833 1,0000 2,0000 1,6667 S5 0,1667 0,1667 0,6667 0,5000 1,0000 0,7500 S6 0,2500 3,0000 10,0000 0,6000 1,3333 1,0000 Jumlah 8,0278 16,6667 13,9167 23,2111 17,8333 7,8500

Perhitungan Rata-Rata Pembobotan Subkriteria Jarak Pengiriman

S1 S2 S3 S4 S5 S6

(8)

Perhitungan Rata-Rata Pembobotan Subkriteria Lama Waktu Pengiriman

S1 S2 S3 S4 S5 S6

S1 1,0000 2,0000 1,0000 12,0000 0,5000 0,5000 S2 0,5000 1,0000 8,0000 0,2222 4,0000 0,7500 S3 1,0000 0,1250 1,0000 8,0000 3,0000 0,2222 S4 0,0833 4,5000 0,1250 1,0000 0,5000 4,5000 S5 2,0000 0,2500 0,3333 2,0000 1,0000 0,0625 S6 2,0000 1,3333 4,5000 0,2222 16,0000 1,0000 Jumlah 6,5833 9,2083 14,9583 23,4444 25,0000 7,0347

Perhitungan Rata-Rata Pembobotan Subkriteria Kondisi Jalan

S1 S2 S3 S4 S5 S6

S1 1,0000 2,0000 0,1667 9,0000 3,0000 4,0000 S2 0,5000 1,0000 0,3333 0,1111 4,0000 0,1667 S3 6,0000 3,0000 1,0000 2,0000 0,1500 0,0500 S4 0,1111 9,0000 0,5000 1,0000 2,0000 0,8333 S5 0,3333 0,2500 6,6667 0,5000 1,0000 0,7500 S6 0,2500 6,0000 20,0000 1,2000 1,3333 1,0000 Jumlah 8,1944 21,2500 28,6667 13,8111 11,4833 6,8000

Perhitungan Rata-Rata Pembobotan Subkriteria Iklim/Cuaca

S1 S2 S3 S4 S5 S6

(9)

2. Perhitungan Bobot Parsial dan Konsistensi Matriks

Penjumlahan Kolom Matriks Perbandingan Kriteria Elemen Kualitas Pengiriman

Kebijakan

Lokasi Geografis 0,6300 1,2599 0,6300 0,6300 1,0000

Total 6,2453 5,2946 3,7747 4,7407 6,5559

Pembagian Tiap Elemen Kolom dengan Hasil Penjumlahan Matriks Kriteria Elemen Kualitas Pengiriman

Kebijakan

Lokasi Geografis 0,1009 0,2380 0,1669 0,1329 0,1525 0,1582 Total 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

Kemudian dihitung konsistensi rasio. Di mana perhitungan konsistensinya adalah sebagai berikut :

Setelah diperoleh perhitungan konsistensi di atas. dilakukan perhitungan

(10)

1,1563 / 0,2216 = 5,2177 0,8052 / 0,1582 = 5,0886

Maka rata – rata kelima entri dalam kolom terakhir, yaitu :

5,1418

Consistency Index-nya adalah :

1

Langkah selanjutnya adalah menghitung Consistensi Rasio (CR), dimana

Random Index (RI) dengan n = 5 adalah 1.12 (diperoleh dari tabel random indeks), maka nilai CR adalah :

0,03164

CR  0.1, maka jawaban responden konsisten.

Perhitungan nilai CR di atas lebih kecil dari 0.1 (0,3164 0,1) maka jawaban responden konsisten.

Unsur-Unsur dari Elemen Kualitas

Jumlah Perhitungan Rata-Rata Pembobotan untuk Kriteria Kualitas

K1 K2 K3

(11)

K1 K2 K3 Bobot K1 0,3896 0,3793 0,4021 0,3903 K2 0,3403 0,3313 0,3191 0,3303 K3 0,2701 0,2894 0,2788 0,2794 TOTAL 1,0000 1,0000 1,0000 1,0000 Perhitungan Rasio Konsistensi (CR):

1,0000 1,1447 1,4422 0,3903 1,1714 (diperoleh dari tabel Random Index), maka:

0,0009

CR  0.1 maka jawaban responden konsisten.

(12)

Unsur-Unsur dari Elemen Pengiriman

Jumlah Perhitungan Rata-Rata Pembobotan untuk Elemen Pengiriman

P1 P2 P3

P1 1,0000 1,8171 1,5536 P2 0,5503 1,0000 1,2599 P3 0,6437 0,7937 1,0000 TOTAL 2,1940 3,6108 3,8135

Matriks Normalisasi dan Rata-rata Baris untuk Elemen Pengiriman

P1 P2 P3 Bobot

Unsur-Unsur dari Elemen Kebijakan Klaim dan Jaminan

Jumlah Perhitungan Rata-Rata Pembobotan untuk Elemen Kebijakan Klaim dan Jaminan

(13)

Unsur-Unsur dari Elemen Harga

Jumlah Perhitungan Rata-Rata Pembobotan untuk Elemen Harga

H1 H2 H3

H1 1,0000 1,2599 0,5848 H2 0,7937 1,0000 0,7211 H3 1,7100 1,3867 1,0000 Total 3,5037 3,6466 2,3059

Matriks Normalisasi dan Rata-rata Baris untuk Elemen Harga

H1 H2 H3 Bobot Unsur-Unsur dari Elemen Lokasi Geografis

Jumlah Perhitungan Rata-Rata Pembobotan untuk Elemen Lokasi Geografis

G1 G2 G3 G4

Matriks Normalisasi dan Rata-rata Baris untuk Elemen Lokasi Geografis

(14)

Lampiran 5

Jumlah Perhitungan Rata-Rata Pembobotan Alternatif Subkriteria K1

S1 S2 S3 S4 S5 S6

Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria K1

S1 S2 S3 S4 S5 S6 Bobot

Jumlah Perhitungan Rata-Rata Pembobotan Alternatif Subkriteria K2

(15)

Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria K2

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Pembobotan Alternatif Subkriteria K3 Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria K3

(16)

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria P1

(17)

Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria P2

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Pembobotan Alternatif Subkriteria P3 Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria P3

(18)

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria J1

(19)

Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria J2

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Pembobotan Alternatif Subkriteria J3 Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria J3

(20)

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria H1

(21)

Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria H2

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Pembobotan Alternatif Subkriteria H3 Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria H3

(22)

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria G1

(23)

Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria G2

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Pembobotan Alternatif Subkriteria G3 Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria G3

(24)

Jumlah Perhitungan Rata-Rata Pembobotan Jumlah Perhitungan Rata-Rata Pembobotan Alternatif Subkriteria G4

S1 S2 S3 S4 S5 S6

S1 1,0000 2,0000 0,1250 2,0000 4,0000 8,0000 S2 0,5000 1,0000 2,0000 4,0000 2,0000 0,2500 S3 8,0000 0,5000 1,0000 1,3333 0,2667 0,2000 S4 0,5000 0,2500 0,7500 1,0000 4,5000 0,8000 S5 0,2500 0,5000 3,7500 0,2222 1,0000 0,2500 S6 0,1250 4,0000 5,0000 1,2500 4,0000 1,0000 Jumlah 10,3750 8,2500 12,6250 9,8056 15,7667 10,5000 Matriks Normalisasi dan Rata-rata Baris Alternatif Subkriteria G4

S1 0,1749 0,2077 0,0721 0,1900 0,2054 0,3464 0,1994 S2 0,1388 0,1649 0,1818 0,2394 0,1630 0,1091 0,1662 S3 0,3498 0,1309 0,1443 0,1660 0,0833 0,1013 0,1626 S4 0,1388 0,1039 0,1311 0,1508 0,2136 0,1608 0,1498 S5 0,1102 0,1309 0,2241 0,0913 0,1294 0,1091 0,1325 S6 0,0875 0,2617 0,2467 0,1625 0,2054 0,1732 0,1895 Jumlah 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

CI = 0,0781 CR = 0,0629

(25)

Rekapitulasi Bobot Parsial REKAPITULASI BOBOT KRITERIA

Kriteria Subkriteria Alternatif

(26)

Rekapitulasi Bobot Parsial (Lanjutan) REKAPITULASI BOBOT KRITERIA

Kebijakan Klaim dan Jaminan (J) 0,2583

(27)

Rekapitulasi Bobot Parsial (Lanjutan) REKAPITULASI BOBOT KRITERIA

Lokasi Geografis (G) 0,1582

G1 0,3000

S1 0,1921 S2 0,1488 S3 0,1637 S4 0,1716 S5 0,1778 S6 0,1461

G2 0,2540

S1 0,1776 S2 0,1726 S3 0,1582 S4 0,1587 S5 0,1304 S6 0,2023

G3 0,1969

(28)

Penentuan Bobot Prioritas untuk Alternatif

REKAPITULASI BOBOT KRITERIA Bobot

Prioritas Level Alternatif Kriteria Subkriteria Alternatif

(29)

Penentuan Bobot Prioritas untuk Alternatif (Lanjutan)

Prioritas Level Alternatif Kriteria Subkriteria Alternatif

S4 0,1237 0,0059 S5 0,2039 0,0098 S6 0,1424 0,0068

Kebijakan Klaim dan Jaminan (J) 0,2583

(30)

Penentuan Bobot Prioritas untuk Alternatif (Lanjutan)

Prioritas Level Alternatif Kriteria Subkriteria Alternatif

S2 0,1491 0,0143 S3 0,1898 0,0182 S4 0,1561 0,0150 S5 0,1172 0,0113 S6 0,1799 0,0173

(31)

Perhitungan Bobot Prioritas Subkriteria

Prioritas Kriteria Subkriteria Alternatif

(32)

Perhitungan Bobot Prioritas Subkriteria (Lanjutan)

(33)

Perhitungan Bobot Prioritas Subkriteria (Lanjutan)

(34)

Perhitungan Bobot Kriteria

G1 0,3000 0,0475

0,1582 G2 0,2540 0,0402

(35)

DAFTAR PUSTAKA

Araz,C dan Ozkarahan,I. 2007. Supplier Evaluation & Management

System for Strategic Sourcing Based on a New Multicriteria Sorting Procedure.

International Journal of Roduction Economics, 106, 585-606.

http://dx.doi.org/10.1016/j.ijpe.2006.08.08.008. (Diakses pada 3 Mei 2016).

Brans & Mareschal, 1999. How to Decide with PROMETHEE (online).

Available at http//Ssmg.ulb.ac.be. (Diakses pada 25 April 2016)

Dylan, J dan Mehrdad Tamiz. 2010. Practical Goal Programming. New

York : Springer

Julianto Lemantara, dkk20. 2013. Rancang Bangun Sistem Pendukung

Keputusan Pemilihan Mahasiswa Berprestasi Menggunakan Metode AHP dan

Promethee.(JNTETI, Vol. 2, No. 4, 2013. ISSN 2301 - 4156)

Lieberman, Hillier. 1990. Pengantar Riset Operasi. Jakarta : Erlangga

Pujawan, I.N.2005. Supply Chain Management. Edisi Kedua. ITS

Surabaya: Guna Widya

Rakasiwi Ardianto, Ryan. 2014. Penerapan Metode Fuzzy-PROMETHEE

pada Sistem Pendukung Keputusan Pemilihan Media Iklan pada PT. Sidomuncul.

Semarang : Universitas Dian Nuswantoro.

Saaty, T. L. (1994). Fundamentals of Decision Making. Pittsburgh,

(36)

Shahmardan, A dan M.Hendijani Z. 2014. New Integrated Approach for

Solving a Supplier Selection problem in a Competitive Environment. Engineering

Economics ISSN : 25(3),310-319

Sinulingga, Sukaria. 2011. Metodologi Penelitian. USU Press. Medan.

Siswanto, 2007. Operation Research Jilid I. Jakarta: Erlangga.

Sukarna,E.Y. 2005. Usulan Pemilihan Supplier Jasa (Kontraktor) dengan

Menggunakan Metode PROMETHEE pada Proyek Braga City Walk Bandung.

Bandung: Institut Teknologi Nasional

Tavakoli, M dkk. 2013. Application of Fuzzy Goal Programming &

F-PROMETHEE Approaches in Evaluating and Selecting the Best Suppliers in

(37)

BAB III

LANDASAN TEORI

3.1. Supply Chain Management

Supply Chain adalah jaringan perusahaan-perusahaan yang secara

bersama-sama bekerja untuk menciptakan dan menghantarkan suatu produk ke

tangan pemakai akhir. Perusahaan–perusahaan tersebut biasanya termasuk

supplier, pabrik, distributor, toko dan ritel, serta perusahaan-perusahaan

pendukung seperti perusahaan jasa logistik (Pujawan, 2005).

Pada suatu supply chain biasanya ada 3 aliran yang harus dikelola.

Pertama adalah aliran barang yang mengalir dari hulu (upstream) ke hilir

(downstream). Kedua adalah aliran uang dan sejenisnya yang mengalir dari hilir

ke hulu. Yang ketiga adalah aliran informasi yang bisa terjadi dari hilir ke hulu

ataupun sebaliknya.

Istilah Supply Chain Management pertama kali dikemukakan oleh Oliver

dan Weber pada tahun 1982 yakni: Supply Chain Management adalah sistematik,

koordinasi strategi dari fungsi bisnis tradisional dengan perusahaan kecil dan

lintas bisnis dengan rantai pasok dengan maksud untuk memperbaiki kinerja

jangka panjang dari perusahaan itu sendiri dan perusahaan rantai pemasok sebagai

(38)

3.2. Penentuan Prioritas Supplier

Memilih supplier merupakan kegiatan strategis, terutama apabila supplier

tersebut akan memasok item kritis dan akan digunakan dalam jangka panjang

sebagai supplier penting. Kriteria pemilihan adalah salah satu hal penting dalam

pemilihan supplier. Kriteria yang digunakan tentunya mencerminkan startegi

supply chain maupun karakterisitik dari item yang akan dipasok (Pujawan, 2005).

Keputusan pemilihan pemasok atau vendor itu sulit karena ada berbagai

kriteria yang harus dipertimbangkan dalam mengambil keputusan. Analisis

terhadap kriteria pemilihan dan mengukur kinerja dari pemasok telah menjadi

fokus para peneliti dan praktisi sejak tahun 1960-an.

Menurut, hasil penelitian dari Dickson menjadi referensi kebanyakan

penelitian yang membahas pemasok ataupun vendor. Penelitian Dikcson

berdasarkan kuesioner yang dikirim ke 273 agen dan manajer pembelian yang

dipilih dari anggota National Association of Purchasing Managers. Anggota dari

asosiasi ini adalah agen dan manajer penjualan yang ada di AS dan Kanada. Dari

hasil penelitian tersebut terdapat 23 kriteria penting untuk proses seleksi pemasok

(vendor) yang diurutkan dari mean rating tertinggi ke terendah. Mean rating

yang paling tinggi dapat disimpulkan sebagai kriteria yang paling signifikan dan

paling penting. Pada tahun itu, kriteria yang paling signifikan adalah kualitas

produk, waktu pengiriman, data historis kinerja, dan kebijakan garansi yang

(39)

Tabel 3.1. Kriteria Pemilihan Pemasok atau Vendor Dickson

Rank Factor Mean Rating Evaluation

1 Quality 3,51

Extreme importance

2 Delivery 3,42

3 Performance History 3,00

4 Warranties and claim policies 2,85 5 Production and claim policies 2,78

Considerable importance

6 Price 2,76

7 Technical capability 2,55

8 Financial position 2,51

9 Prosedural compliance 2,49

10 Communication system 2,43

11 Reputation and position in industry 2,41

Considerable importance

12 Desire for business 2,26

13 Management and organization 2,22

14 Operating controls 2,21

15 Repair service 2,19

Average importance

16 Attitudes 2,12

17 Impression 2,05

18 Packaging ability 2,01

19 Labor relations records 2,00

20 Geographical location 1,88

21 Amount of past business 1,60

22 Training aids 1,54

23 Reciprocal arrangements 0,61 Slight importance

3.3. Preference Ranking Organization Method for Enrichment Evaluations

(PROMETHEE)

Preference Ranking Organization Methode for Enrichment Evaluation

(Promethee) merupakan salah satu metode penentuan ranking dalam Multi

Criteria Decision Making (MCDM). Promethee adalah suatu metode penentuan

(40)

digunakan dalam Promethee adalah penggunaan nilai dalam hubungan outranking

(Lemantara, 2013).

Dalam fase pertama, nilai hubungan outranking berdasarkan

pertimbangan dominasi masing-masing kriteria. Indeks preferensi ditentukan dan

nilai outranking secara grafis disajikan berdasarkan preferensi dari pembuat

keputusan. Data dasar untuk evaluasi dengan metode Promethee disajikan pada

Tabel 3.2.

Tabel 3.2. Data Dasar PROMETHEE f1(.) f2(.) ... fj(.) ... fk(.) a1 f1(a1) f2(a1) ... fj(a1) ... fk(a1) a2 f1(a2) f2(a2) ... fj(a2) ... fk(a2) Ai f1(ai) f2(ai) ... fj(ai) ... fk(ai) An f1(an) f2(an) ... fj(an) ... fk(an)

Dalam Promethee disajikan enam fungsi preferensi kriteria yaitu : kriteria

biasa, kriteria quasi, kriteria dengan preferensi linier, kriteria level, kriteria dengan

preferensi linier dan area yang tidak bebrbeda dan kriteria Gaussian.

Metode Promethee merupakan salah satu metode yang dapat digunakan

adalah menentukan urutan (prioritas) dalam analisis multikriteria. Metode

Promethee pertama kali dikembangkan oleh JP.Brans dan dipublikasikan pada

tahun 1982 pada sebuah konferensi yang diorganisasikan R.Nadeaudan M.Landry

di Universitas Laval, Quebec. Metode Promethee dapat dijalankan melalui

beberapa tahap, yaitu (Brans & Mareschal, 1999):

a. Menentukan kriteria-kriteria yang akan digunakan beserta bobot dari

(41)

b. Menentukan semua alternatif yang ada.

c. Menentukan tipe preferensi untuk tiap-tiap kriteria secara tepat.Tipe preferensi

yang digunakan dalam metode Promethee adalah fungsi keanggotaan

himpunan fuzzy. Fungsi keanggotaan himpunan fuzzy memetakan setiap

anggota himpunan domain ke anggota himpunan bilangan real yang memiliki

interval dari 0 sampai dengan 1. Tipe preferensi ditentukan berdasarkan

karakteristik dari kriteria tersebut.

d. Menghitung prefensi dari tiap-tiap kriteria Preferensi dari tiap – tiap kriteria

dihitung berdasarkan perbandingan antara setiap pasang alternatif yaitu selisih

antara nilai evaluasi daridua buah alternatif terhadap kriteria tertentu. Nilai

preferensi berkisar dari nol sampai satu.Preferensi bernilai nol apabila tidak

ada perbedaan antara kedua alternatif yang dibandingkan. Preferensi akan

bernilai satu apabila alternatif yang satu lebih baik dari alternatif lainnya.

e. Menghitung arah preferensi berdasarkan nilai indeks leaving flow dan entering

flow. Untuk setiap alternatif, nilai leaving flow dapat dihitung menggunakan

persamaan 1, sedangkan nilai entering flow dihitung

f. Menghitung Net flow

g. Pengurutan alternatif berdasarkan net flow (rangking).

Hasil net flow dari semua alternatif diurutkandari yang nilai yang paling besar

sampai dengan nilai terkecil. Alternatif yang terbaik adalah alternatif yang

(42)

Pada metode PROMETHEE diperkenalkan 6 fungsi kriteria yang

diperlihatkan pada Gambar 2.1. Hal tersebut tidak mutlak, namun sudah cukup

baik untuk beberapa kasus (Ardianto, 2014).

Sumber : Brans et. al, (1999)

Gambar 3.1. Fungsi Preferensi pada Metode PROMETHEE

Ke Enam tipe preferensi tersebut meliputi :

1. Tipe Biasa (Usual Criterion)

Tipe Usual adalah tipe dasar, yang tidak memiliki nilai threshold atau

kecenderungan dan tipe ini jarang digunakan. Pada tipe ini dianggap tidak ada

beda antara alternatif a dan alternatif b jika a=b atau f(a)=f(b) , maka niliai

preferensinya benilai 0 (Nol) atau P(x)=0. Apabila nilai kriteria pada

(43)

preferensi mutlak benilai 1 (Satu) atau P(x)=1 untuk alternatif yang memiliki

nilai lebih baik. Fungsi P(x) untuk preferensi ini disajikan pada Gambar 2.2.

Gambar 3.2. Tipe Preferensi Usual Criterion

2. Tipe Quasi (Quasi Criterion atau U-Shape)

Tipe Quasi sering digunakan dalam penilaian suatu data dari segi kwalitas

atau mutu, yang mana tipe ini menggunakan Satu threshold atau

kecenderungan yang sudah ditentukan, dalam kasus ini threshold itu adalah

indifference. Indifference ini biasanya dilamabangkan dengan karakter m atau

q, dan nilai indifference harus diatas 0 (Nol). Suatu alternatif memiliki nilai

preferensi yang sama penting selama selisih atau nilai P(x) dari

masing-masing alternatif tidak melebihi nilai threshold. Apabila selisih hasil evaluasi

untuk masing-masing alternatif melebihi nilai m maka terjadi bentuk

preferensi mutlak, jika pembuat memutuskan menggunakan kriteria ini, maka

decision maker tersebut harus menentukan nilai m, dimana nilai ini dapat

dijelaskan pengaruh yang signifikan dari sutau kriteria. fungsi P(x) untuk

preferensi ini disajikan pada Gambar 3.3. P(x))

P(x) = 0,X≤0 1,X>0 1

(44)

Gambar 3.3. Tipe Preferensi Quasi Criterion 3. Tipe Linier (Linear Criterion atau V-Shape)

Tipe Linier acapkali digunakan dalam penilaian dari segi kuantitatif atau

banyaknya jumlah, yang mana tipe ini juga menggunakan Satu threshold atau

kecenderungan yang sudah ditentukan, dalam kasus ini threshold itu adalah

preference. Preference ini biasanya dilamabangkan dengan karakter n atau p,

dan nilai preference harus diatas 0 (Nol). Kriteria ini menjelaskan bahwa

selama nilai selisih memiliki nilai yang lebih rendah dari n, maka nilai

preferensi dari pembuat keputusan meningkat secara linier dengan nilai x, jika

nilai x lebih besar dibandingkan dengan nilai n, maka terjadi preferensi

mutlak. Fungsi P(x) untuk preferensi ini disajikan pada Gambar 3.4.

Gambar 3.4. Tipe Preferensi Linear Criterion

4. Tipe Tingkatan (Level Criterion)

Tipe ini mirip dengan tipe Quasi yang sering digunakan dalam penilaian

suatu data dari segi kwalitas atau mutu. Tipe ini juga menggunakan threshold

(45)

indifference (m) tetapi ditambahkan Satu threshold lagi yaitu preference (n).

Nilai indifference serta preference harus diatas 0 (Nol) dan nilai indifference

harus di bawah nilai preference. Apabila alternatif tidak memiliki perbedaan

(x), maka nilai preferensi sama dengan 0 (Nol) atau P(x)=0. Jika x berada

diatas nilai m dan dibawah nilai n, hal ini berarti situasi preferensi yang lemah

P(x)=0.5. Dan jika x lebih besar atau sama dengan nilai n maka terjadi

preferensi mutlak P(x)=1. Fungsi P(x) untuk preferensi ini disajikan pada

Gambar 3.5.

Gambar 3.5. Tipe Preferensi Level Criterion

5. Tipe Linear Quasi (Linear Criterion with Indifference)

Tipe Linear Quasi juga mirip dengan tipe Linear yang acapkali digunakan

dalam penilaian dari segi kuantitatif atau banyaknya jumlah. Tipe ini juga

menggunakan threshold preference (n) tetapi ditambahkan Satu threshold lagi

yaitu indifference (m). Nilai indifference serta preference harus diatas 0 (Nol)

dan nilai indifference harus di bawah nilai preference. Pengambilan

keputusan mempertimbangkan peningkatan preferensi secara linier dari tidak

berbeda hingga preferensi mutlak dalam area antara dua kecenderungan m

(46)

Gambar 3.6. Tipe Preferensi Linear Quasi

6. Tipe Gaussian

Tipe Gaussian sering digunakan untuk mencari nilai aman atau titik aman

pada data yang bersifat continue atau berjalan terus.[8] Tipe ini memiliki nilai

threshold yaitu Gaussian threshold () yang berhubungan dengan nilai standar

deviasi atau distribusi normal dalam statistik. fungsi P(x) untuk preferensi ini

disajikan pada Gambar 3.7.

Gambar 3.7. Tipe Preferensi Gaussian

Setelah skor evaluasi � (� ) dan fungsi preferensi � (� ) sepanjang =1,2,3,…, dan =1,2,3,…, , serta bobot tiap kriteria � terdefinisi, maka

perhitungan dengan metode PROMETHEE dapat diimplementasikan[15].

Mencari nilai intensitas relasi dominasi alternatif � terhadap alternatif � pada

seluruh kriteria dapat dicari menggunakan rumus : n m 0

(x))

P(x)

P(x) = 1-1

σ 0

(47)

Pada PROMETHEE I (ranking secara parsial) dicari nilai leaving flow �+(� ) dimana mengekspresikan seberapa tinggi nilai intensitas alternatif �

mengungguli alternatif lainnya dan nilai entering flow �−(� ) dimana

mengekspresikan seberapa tinggi nilai intensitas alternatif � diungguli alternatif

lainnya[15]. nilai leaving flow �+(� ) dan nilai entering flow �−(� ) dapat

dirumuskan sebagai berikut :

Informasi yang terkandung pada PROMETHEE I menunjukkan bahwa semakin

tinggi nilai leaving flow suatu alternatif, semakin lebih baik alternatif tersebut,

sebaliknya semakin rendah nilai entering flow suatu alternatif, semakin lebih baik

alternatif tersebut.

Pada PROMETHEE II (ranking secara utuh) dicari nilai evaluasi net flow �(� ) yang didapatkan dengan mengurangi nilai leaving flow �+(� ) terhadap

nilai entering flow �−(� ). Secara perumusan dinotasikan sebagai berikut :

Perangkingan yang digunakan dalam metode PROMETHEE meliputi tiga

bentuk antara lain :

(48)

Entering flow adalah jumlah dari yang memiliki arah mendekat dari node a

dan hal ini merupakan karakter pengukuran outrangking. Untuk setiap nilai

node a dalam grafik nilai outrangking ditentukan berdasarkan entering flow

dengan persamaan:

2. Leaving flow

Sedangkan Leaving flow adalah jumlah dari yang memiliki arah menjauh dari

node a. dan hal ini merupakan pengukuran outrangking. Adapun persamaannya:

3. Net Flow

Sehingga pertimbangan dalam penentuan Net flow diperoleh dengan

persamaan :

Semakin besar nilai Entering flow dan semakin kecil Levaing flow maka

alternatif tersebut memiliki kemungkinan dipilih yang semakin besar.

Perangkingan dalam PROMETHEE I dilakukan secara parsial, yaitu didasarkan

pada nilai Entering flow dan Leaving flow. Sedangkan PROMETHEE II termasuk

perangkingan komplek karena didasarkan pada nilai Net flow masing-masing

alternatif yaitu alternatif dengan nilai Net flow lebih tinggi menempati satu

(49)

3.4. Goal Programming

3.4.1. Terminologi Goal Programming

Formulasi goal programming (Dylan, 2010) pertama kali dikenalkan oleh

Charnes (1955) dalam bidang Excecutif compensation. Defenisi dasar dan konsep

dari bidang multicriteria decision making dan mathematical programming adalah

untuk goal programming, sehingga goal programming dapat didefenisikan dalam

banyak bidang, yaitu:

1. Sebagai decision makers, pembuat keputusan yang dimaksud adalah

perorangan, organisasi, atau pemegang saham yang memiliki masalah dalam

mempertimbangkan sumberdaya yang dimiliki.

2. Sebagai decision variable, yaitu faktor-faktor yang ingin dikontrol. Decision

variable menjelaskan masalah dan formulasi keputusan yang akan dibuat.

Tujuan dari goal programming adalah dapat menunjukkan seluruh kombinasi

yang mungkin digunakan sebagai variabel yang dapat menerjemahkan titik

tujuan pencapaian dengan batasan-batasan yang dimiliki.

3. Criterion yaitu pengukuran yang digunakan sebagai solusi terbaik, ada

banyak kriteria dalam berbagai bidang pencapaian yang dapat digunakan

dalam pengambilan keputusan, tetapi hanya ada beberapa yang paling

diutamakan berkenaan dengan tujuan yang ingin dicapai, beberapa level

kriteria seperti:

a. Cost

b. Profit

(50)

d. Jarak

e. Kinerja sistem

f. Strategi perusahaan

g. Tujuan khusus perorangan (pemegang saham)

h. Berbasiskan keamanan (safety)

Objective yaitu kriteria dengan informasi tambahan yang memiliki tujuan

tertentu seperti maksimisasi atau minimisasi yang mana dipilih berdasarkan skala

kepentingan, seperti meminimisasi biaya atau maksimisasi kinerja sistem,

sedangkan permasalahan dengan tujuan untuk maksimisasi dan minimisasi disebut

sebagai multi-objective optimization problem.

3.4.2. Goal Programming

Model Goal Programming merupakan perluasan dari model pemrograman

linear, sehingga seluruh asumsi, notasi, formulasi model matematis, prosedur

perumusan model dan penyelesaiannya tidak berbeda (Siswanto,2007).

Perbedaan hanya terletak pada kehadiran sepasang variabel deviasional yang

akan muncul di fungsi tujuan dan di fungsi-fungsi kendala. Oleh karena itu,

konsep dasar pemrograman linear akan selalu melandasi pembahasan model goal

programming.

Beberapa asumsi dasar yang diperhatikan dalam goal programming adalah

(Lieberman,1990):

a. Proportionality, di dalam membuat suatu model progam linier perlu

(51)

output dan aktivitas. Sebelum aktivitas dimulai, diperlukan beberapa input.

Input yang digunakan bertambah secara proporsionil (sebanding) dengan

pertambahan aktivitas.

b. Accountability For Resources, hal ini berkaitan dengan sumber-sumber

yang tersedia harus dihitung sehingga dapat dipastikan berapa bagian yang

terpakai dan berapa bagian yang tdak terpakai.

c. Linearity of objectives, dimana fungsi tujuan dan faktor-faktor pembatasnya

harus dapat dinyatakan sebagai fungsi linier programming.

d. Deterministik, pada asumsi ini menghendaki agar semua parameter tetap

dan diketahui atau ditentukan secara pasti.

Ada beberapa istilah yang digunakan dalam Goal Programming, yaitu :

a. Variabel keputusan

Variabel keputusan (decision variable) adalah seperangkat variabel yang tidak

diketahui yang berada di bawah kontrol pengambilan keputusan, yang

berpengaruh terhadap solusi permasalahan dan keputusan yang akan diambil.

Biasanya dilambangkan dengan Xj (j = 1, 2, 3,…, n).

b. Kendala-kendala Sasaran

Di dalam model Goal Programming, Charnes dan Cooper menghadirkan

sepasang variabel yang dinamakan variabel deviasional dan berfungsi untuk

menampung penyimpangan atau deviasi yang akan terjadi pada nilai ruas kiri

suatu persamaan kendala terhadap nilai ruas kanannya. Agar deviasi itu

(52)

mendekati nilai ruas kanannya maka variabel deviasional itu harus

diminumkan di dalam fungsi tujuan.

Pemanipulasian model pemrograman linear yang dilakukan oleh Charnes

dan Cooper telah mengubah makna kendala fungsional. Bila pada model

pemrograman linear, kendala-kendala fungsional menjadi pembatas baik

usaha pemaksimuman atau peminimuman fungsi tujuan, maka pada model

Goal Programming kendala-kendala itu merupakan sarana untuk mewujudkan

sasaran yang hendak dicapai. Sasaran-sasaran, dalam hal ini, dinyatakan

sebagai nilai konstan pada ruas kanan kendala. Sebagai contoh, sasaran laba,

anggaran yang tersedia, resiko investasi, dan lain-lain. Mewujudkan suatu

sasaran, dengan demikian, berarti mengusahakan agar nilai ruas kiri suatu

persamaan kendala sama dengan nilai ruas kanannya. Itulah sebabnya,

kendala-kendala di dalam model Goal Programming selalu berupa persamaan

dan dinamakan kendala sasaran. Di samping itu, keberadaan sebuah kendala

sasaran selalu ditandai oleh kehadiran variabel deviasional sehingga setiap

kendala sasaran pasti memiliki variabel deviasional.

c. Variabel Deviasional

Variabel deviasional, sesuai dengan fungsinya, yaitu menampung deviasi hasil

terhadap sasaran-sasaran yang dikehendaki, dibedakan menjadi dua yaitu:

i. Variabel deviasional untuk menampung deviasi yang berada di bawah

sasaran yang dikehendaki. Sasaran itu tercermin pada nilai ruas kanan suatu

kendala sasaran. Dengan kata lain, variabel deviasional ini berfungsi untuk

(53)

variabel deviasional ini. Karena variabel deviasional DB berfungsi untuk

menampung deviasi negative, maka:

Dimana: i = 1, 2, …., m

j = 1, 2, …., n

sehingga DB akan selalu mempunyai koefisien +1 pada setiap kendala

sasaran.

ii. Variabel deviasional untuk menampung deviasi yang berada di atas sasaran.

Dengan kata lain, variabel deviasional ini berfungsi untuk menampung deviasi

positif. Notasi DA digunakan untuk menandai jenis variabel deviasional ini.

Karena variabel deviasional DA berfungsi untuk menampung deviasi positif

maka,

Dimana: i = 1, 2, …., m

j = 1, 2, …., n

sehingga DA akan selalu mempunyai koefisien -1 pada setiap sasaran.

Dengan demikian, jelas bahwa kedua variabel deviasional tersebut

mempunyai fungsi yang berbeda. Bila variabel deviasional DB menampung

(54)

menampung penyimpangan nilai di atas sasaran. Sehingga sebenarnya cukup

mudah untuk dimengerti bahwa nilai penyimpangan minimum di bawah

maupun di atas sasaran adalah nol dan tidak mungkin negatif atau,

DBi ≥ 0 untuk i= 1, 2, ….., m

DAi ≥ 0 untuk i= 1, 2, ….., m

Secara matematis, bentuk umum kendala sasaran itu adalah:

Dalam hal ini, ada tiga kemungkinan yang akan terjadi:

i. DAi = DBi = 0, sehingga menjadi:

Atau dikatakan bahwa sasaran tercapai.

ii. DBi > 0 dan DAi = 0, sehingga menjadi:

Atau dikatakan bahwa sasaran tidak tercapaiatau hasil di bawah sasaran.

iii. DBi = 0 dan DAi > 0, sehingga menjadi:

(55)

Jadi, jelas sekali bahwa kondisi dimana DBi > 0 dan DAi > 0 pada sebuah

kendala sasaran tidak akan mungkin terjadi.

d. Fungsi Tujuan

Ciri khas lain yang menandai model Goal Programming adalah kehadiran

variabel deviasional di dalam fungsi tujuan yang harus diminimumkan. Hal ini

merupakan konsekuensi logis dari tujuan kehadiran variabel deviasional di

dalam fungsi kendala sasaran.

Sasaran yang telah ditetapkan (bi) akan tercapai bila variabel deviasional DAi

dan DBi bernilai nol. Oleh karena itu, DAi dan DBi harus diminimumkan di

dalam fungsi tujuan, sehingga fungsi tujuan model Goal Programming adalah:

3.4.3. Bentuk Umum Model Goal Programming

Secara umum model matematis Goal Programming dapat dirumuskan

sebagai berikut:

Min

ST

a11X1 + a12X2+ ………..+ a1nXn + DB1– DA1 = b1

a21X1 + a22X2+ ………..+ a2nXn + DB2– DA2 = b2

(56)

. . . . . .

am1X1 + am2X2+ ………..+ amnXn + DBm– DAm = bm

dan

(57)

BAB IV

METODOLOGI PENELITIAN

4.1. Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di PT. Pabrik Es Siantar Jalan Pematang No.3

(Siantar Barat) Pematang Siantar, Sumatera Utara. Perusahaan ini bergerak di

bidang produksi minuman Badak Sarsaparilla. Waktu penelitian dilakukan pada

bulan April 2016.

4.2. Jenis Penelitian

Jenis penelitian adalah penelitian deskriptif yaitu penelitian untuk

mendeskripsikan secara sistematik, faktual, dan akurat tentang fakta-fakta dan

sifat-sifat suatu objek tertentu (Sinulingga, 2011). Penelitian deskriptif ini

berbentuk survey reasearch yaitu penelitian yang bertujuan untuk mendapatkan

fakta-fakta dari gejala yang ada secara langsung dari orang-orang tertentu yang

dijadikan objek penelitian dan mencari suatu solusi yang akan diaplikasikan pada

PT. Pabrik Es Siantar untuk dapat memilih supplier terbaik agar perusahaan ini

dapat meningkatkan kinerjanya. Penelitian ini menggunakan instrumen kuesioner

(questionnaire) yang diisi oleh para responden sesuai dengan objek penelitian

(58)

4.3. Objek Penelitian

Objek penelitian yang diamati adalah supplier botol yang ada di PT.

Pabrik Es Siantar yang menjadi mitra bisnis perusahaan. Sumber informasi untuk

penelitian ini adalah Manajer, Kepala Bagian Produksi dan Kepala Bagian Quality

Control.

4.4. Kerangka Konseptual

Kerangka konseptual adalah sebuah suatu model konseptual yang

menunjukkan hubungan logis antara faktor/variabel yang telah diidentifikasi

penting untuk menganalisis masalah penelitian (Sukaria, 2011). Pola hubungan

antar variabel dalam kerangka teoritis pada penelitian ini dapat dilihat pada

Gambar 4.1.

Kualitas

Pengiriman

Kebijakan Klaim dan Jaminan

Harga

Lokasi Geografis

Urutan supplier

Nilai Alternatif Supplier

Biaya Pembelian

Tingkat Penolakan Botol

(59)

Kriteria supplier yang digunakan pada penelitian berdasarkan pada 23

Kriteria Pemilihan Supplier oleh Dickson, dimana terdapat lima kriteria yang

terpilih berdasarkan hasil kuisioner, yaitu Kualitas, Waktu Pengiriman, Kebijakan

Klaim dan Jaminan, Harga, dan Lokasi Geografis. Berdasarkan hasil penilaian

tiap kriteria ini maka akan diperoleh urutan prioritas dari supplier yang ada

diperusahaan, kemudian disesuaikan dengan kendala-kendala yang terdapat di

perusahaan.

4.5. Variabel Penelitian

Variabel adalah sesuatu yang memiliki nilai yang berbeda-beda atau

bervariasi.

Variabel-variabel yang terdapat dalam penelitian ini adalah:

1. Variabel Independen, yaitu variabel yang mempengaruhi variabel dependen

baik secara positif maupun negatif.

a. Kriteria supplier (Dickson, 23 Kriteria Pemilihan Supplier) merupakan

kriteria yang digunakan dalam penentuan prioritas supplier. Pada

penelitian ini digunakan lima kriteria pemilihan supplier yakni kualitas,

waktu pengiriman, kebijakan klaim dan jaminan, harga, dan lokasi

geografis.

b. Fungsi sasaran pegolahan goal programming yakni nilai alternatif

supplier, biaya pembelian, dan tingkat penolakan botol.

2. Variabel Dependen, variabel yang nilai atau value-nya dipengaruhi atau

(60)

a. Urutan supplier, yaitu ranking urutan alternatif dari yang terbaik sampai

terburuk yang diurutkan menurut bobot alternatif.

4.6. Teknik dan Instrumen Penelitian

Teknik pengumpulan data yang dilakukan pada penelitian ini, yaitu :

1. Interview (wawancara)

Teknik pengumpulan data dengan cara berkomunikasi langsung dengan

responden yaitu orang-orang tertentu yang ditetapkan sebagai sumber data.

2. Kuisioner

Instrumen pengumpulan data dalam format pertanyaan tertulis yang dilengkapi

dengan kolom di mana responden akan menuliskan jawaban atas pertanyaan yang

akan diarahkan kepadanya. Kuisioner yang digunakan pada penelitian ini adalah

kuisioner semiterbuka dan kuisioner.

4.7. Metode Pengumpulan Data

Terdapat dua jenis data yang dikumpulkan dalam penelitian ini yaitu data

primer dan data sekunder.

1. Data primer adalah data yang diperoleh dengan cara mencari/menggali secara

langsung dari sumbernya oleh peneliti bersangkutan. Data primer yang digunakan

dalam penelitian ini adalah data mengenai kriteria dari setiap supplier. Berikut ini

adalah instrumen penelitian untuk pengumpulan data primer.

(61)

Penentuan kriteria supplier dilakukan berdasarkan “23 Kriteria Pemilihan

Supplier” oleh Dickson. Instrumen yang digunakan berupa kuisioner semi

terbuka yang diberikan kepada Manajer, kepala bagian produksi dan bagian

quality control selaku responden. Penentuan responden dilakukan dengan

metode Judgement Sampling. Berdasarkan kuisioner ini maka akan diputuskan

kriteria yang akan digunakan dalam penentuan prioritas supplier, dan

dilanjutkan dengan penentuan subkriteria.

b. Tahap Penentuan Subkriteria

Berdasarkan kriteria terpilih selanjutnya ditentukan subkriteria yang relevan

dengan instrumen kuisioner semi terbuka pada ketiga responden yang sama.

c. Tahap Penentuan Tipe Preferensi Tiap Kriteria

Data preferensi akan digunakan sebagai input perhitungan preferensi. Data

preferensi terdapat kaidah minimasi dan maksimasi, tipe preferensi dan

parameter. Penentuan kaidah minimasi dan maksimasi akan sesuai dengan

kriteria perusahaan inginkan. Tipe preferensi yang disajikan memiliki enam

bentuk fungsi. Tipe preferensi kriteria biasa (I), preferensi kriteria quasi (II),

preferensi kriteria linier (III), preferensi kriteria level (IV), preferensi linier

dan area yang berbeda (V), dan preferensi gausian (VI). Nilai preferensi

tersebut menggambarkan suatu perbedaan suatu karakteristik dari setiap data

kriteria. Data preferensi memiliki nilai batas q dan p. Nilai batas tersebut

adalah batas bawah dan atas dari parameter yang ditetapkan. Penentuan nilai

parameter tersebut menggunakan cara persamaan nilai deviasi |d|. Nilai

(62)

masing-masing alteratif. Selanjutnya menggunakan pendekatan persamaan

kuartil untuk menentukan parameter (p, q, atau s) namun hasil dari persamaan

kuartik dilakukan penyesuaian nilai parameter dengan pihak perusahaan. Nilai

parameter batas indeferen (q) diperoleh dari nilai Q1 (kuartil 1) dan nilai

parameter batas preferensi (p) diperoleh oleh nilai Q3 (kuartil 3) (Sukarna,

2005).

d. Tahap Perhitungan Preferensi

Fungsi preferensi berfungsi untuk memberikan gambaran yang lebih baik

terhadap area yang tidak sama, digunakan fungsi selisih nilai kriteria antar

alternatif H(d) dimana hal ini mempunyai hubungan langsung pada fungsi

preferensi (p) dan indiferen (q). Menghitung nilai preferensi p dan q

masing-masing alternatif dilakukan perhitungan secara berpasangan satu per satu

berdasarkan pilihan bentuk preferensi yang telah ditetapkan sebelumnya.

e. Tahap Perhitungan Indeks Preferensi

Indeks preferensi merupakan intensitas preferensi pembuat keputusan yang

menyatakan bahwa alternatif a lebih baik dari pada b dengan pertimbangan

meliputi seluruh kriteria. Pada indeks preferensi jika semua kriteria memiliki

nilai kepentingan yang sama dalam pegambilan keputusan maka semua nilai

bobot sama atau sebaliknya.

f. Tahap Perhitungan Leaving Flow, Entering Flow dan Net Flow

Leaving flow bisa dikatakan sebagai kelebihan (strength) dan entering flow

(63)

Nilai leaving flow dan entering flow berasal dari perhitungan indeks

preferensi untuk setiap alternatif supplier.

g. Tahap Perankingan

Dari hasil net flow diperoleh urutan supplier yang terdapat diperusahaan yang

selanjutnya dibandingkan dengan hasil pengolahan goal programming.

h. Tahap Penentuan Fungsi Tujuan dan Variabel dalam Goal Programming

Pada tahap ini fungsi tujuan, variabel deviasional, variabel keputusan dan

kendala-kendala sasaran perusahaan didefinisikan dan diperoleh hasil urutan

supplier terbaik yang disesuaikan dengan kondisi actual perusahaan.

2. Data sekunder adalah data yang sudah tersedia oleh pihak lain sehingga tidak

perlu lagi dikumpulkan secara langsung dari sumbernya oleh peneliti. Data

sekunder yang digunakan untuk penelitian ini diperoleh langsung dari perusahaan,

berikut adalah data sekunder yang digunakan.

a. Jumlah botol yang dipesan perusahaan kepada supplier

b. Waktu pengiriman botol setiap supplier

c. Harga Botol

d. Tingkat penolakan botol

4.8. Prosedur Penelitian

(64)

Studi Lapangan

1. Kondisi awal proses pemasukkan botol di perusahaan Data dari kuisioner dan literatur

Identifikasi Masalah

Penentuan prioritas supplier botol PT. Pabrik Es Siantar

Kesimpulan dan Saran

Pengolahan Data pada Evaluasi Supplier metode

Promethee

Pengolahan Data Pemilihan Supplier terbaik dengan metode Goal Programming

1. Menetapkan model program linier multiobjektif 2. Menyelesaikan fungsi objektif sesuai dengan fungsi yang ditetapkan

3. Mengevaluasi fungsi objektif

4. Mendefinisikan fungsi matematis dari setiap fungsi objektif

5. Menyelesaikan permasalahan sebagai bentuk linier programming

6. Diperoleh hasil optimum dari fungsi objektif yakni supplier terbaik

Gambar 4.2. Diagram Alir Prosedur Penelitian

4.9. Pengolahan Data

Pengolahan dilakukan dengan menggunakan metode PROMETHEE dan

(65)

menentukan ranking supplier berdasarkan nilai net flow yang didapatkan. Metode

Promethee yang digunakan pada penelitian ini dibatasi sampai PROMETHEE II.

Kemudian metode GOAL PROGRAMMING digunakan untuk menentukan

prioritas supplier dengan pertimbangan-pertimbangan yang dimiliki perusahaan.

Terdapat beberapa penelitian yang dengan metode PROMETHEE dan

metode GOAL PROGRAMMING untuk melakukuan perankingan dan pemilihan

beberapa alternatif yang menjadi dasar penggunaan metode PROMETHEE dan

GOAL PROGRAMMING seperti yang dilakukan oleh Masoud,dkk (2013).

Penelitian tersebut dilakukan untuk mengevaluasi dan memilih supplier terbaik di

HEP Co. berdasarkan empat kriteria utama, yaitu harga, kualitas, fleksibilitas,dan

waktu pengiriman. Selain kriteria tersebut diperhatikan pula sub kriteria dengan

jumlah yang berbeda dari masing-masing kriteria. Selain kriteria dan sub kriteria,

terdapat empat alternatif yaitu total ongkos produksi, kualitas produk, performansi

pengiriman, dan fitur premium yang menjadi pilihan pengambilan keputusan

untuk diterapkan pada perusahaan. Berdasarkan hasil pengolahan data

menggunakan metode PROMETHEE dan GOAL PROGRAMMING alternatif

supplier yang direkomendasikan pada HEP Co. adalah supplier A1 (Volvo)

dengan memperoleh nilai tertinggi pada leaving flow yaitu 0,11 dan nilai terendah

pada entering flow yaitu -0,23 pada perhitungan PROMETHEE I. Pada penelitian

ini menekankan pentingnya kombinasi PROMETHEE dan GOAL

PROGRAMMING, agar memeproleh hasil pemeringkatan yang lebih baik.

Metode PROMETHEE dan GOAL PROGRAMMING juga digunakan untuk

(66)

Ariyani (2013). Pada penelitian ini PROMETHEE digunakan untuk memperoleh

peringkat dari masing-masing perusahaan yang ada di perusahaan tersebut,

sedangkan metode GOAL PROGRAMMING digunakan untuk mengotimasi

beberapa konstrain yang dimiliki oleh perusahaan. Dari pengolahan data yang

dilakukan terpilihlah PT. Gracia Pasuruan sebagai supplier terbaik yang dipilih

(67)

BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data Kriteria Supplier

Pada pengumpulan data terdapat dua jenis data yang akan

digunakan untuk menentukan prioritas supplier, yaitu data primer dan sekunder.

Data primer adalah data yang diperoleh dengan cara mencari/menggali secara

langsung dari sumbernya oleh peneliti bersangkutan. Data primer yang digunakan

adalah menggunakan kuesioner. Kuesioner dibagikan dalam 2 tahapan yaitu

kuesioner semi terbuka dan kuesioner tertutup. Kuesioner semi terbuka digunakan

untuk menentukan kriteria dan subkriteria, serta kuesioner tertutup digunakan

untuk membandingkan supplier. Sedangkan data sekunder adalah data yang sudah

tersedia oleh pihak lain sehigga tidak perlu lagi digali secara langsung dari

sumbernya oleh peneliti. Data sekunder yang digunakan adalah data yang

diperoleh langsung dari dokumentasi pihak pabrik seperti nama-nama supplier

pada perusahaan (Sinulingga, 2013).

5.1.1. Pembuatan dan Penyebaran Kuesioner

Kuesioner dibagikan dalam 3 tahap, yaitu sebagai berikut:

1. Tahapan pertama merupakan kuesioner semi terbuka. Pada kuesioner ini

merupakan penentuan kriteria supplier yang relevan dengan perusahaan.

Pemilihan kriteria dilakukan dengan menyebarkan kuisioner dengan pihak

(68)

Penentuan kriteria dilakukan dengan membandingkan kriteria hasil wawancara dengan “23 Kriteria Pemilihan Supplier” oleh Dickson.

Tabel 5.1.Kriteria Supplier

4 Kebijakan Klaim dan Jaminan 2,85

5 Fasilitas dan Kapasitas Produksi 2,78

Considerable

11 Reputasi dan Posisi di Industri 2,41

12 Keinginan Bisnis 2,26

17 Kesan (Impression) 2,05

18 Kemampuan Pengemasan 2,01

19 Rekam Hubungan Kerja (Labor

relations record)

2,00

20 Lokasi Geografis 1,88

21 Jumlah bisnis masa lalu 1,60

22 Alat bantu Pelatihan (training

aids)

1,54

23 Kesepakatan kedua pihak

(reciprocal arrangements) 0,61 Slight Importance

(69)

2. Tahapan kedua merupakan kuesioner semi terbuka. Pada kuesioner ini

merupakan penentuan sub kriteria penilaian supplier yang relevan dengan

perusahaan. Pemilihan sub kriteria dilakukan dengan menyebarkan kuisioner

dengan pihak perusahaan serta dengan menggunakan referensi dari studi

literatur berdasarkan kriteria terpilih sebelumnya. Dalam menentukan sub

kriteria, pihak perusahaan dapat menambahkan sub kriteria yang dianggap

perlu dan sesuai dengan kondisi relevan perusahaan.

3. Tahapan ketiga adalah pembuatan dan penyebaran kuesioner tertutup untuk

menentukan tingkat kepentingan (bobot) dari kriteria, subkriteria dan alternatif

yang telah ditentukan oleh perusahaan terhadap penilaian supplier yang

bekerjasama dengan perusahaan.

Proses pengumpulan data dilakukan dengan menggunakan instrumen

kuisioner semi terbuka yang disebarkan kepada 3 responden yakni manajer,

kepala bagian produksi dan kepala bagian quality control. Formulir kuesioner

dirancang sehingga mudah dipahami dan tidak menimbulkan kerancuan bagi

responden. Kuesioner penentuan kriteria sub kriteria dapat dilihat pada

Lampiran 1, sedangkan kuisioner tertutup dapat dilihat pada Lampiran 2.

Penentuan kriteria yang terpilih dilakukan dengan ketentuan terdapat 2

responden menyetujui kriteria tersebut. Jika hanya terdapat satu orang atau

tidak satupun responden yang menyetujui kriteria tersebut, maka kriteria

(70)

5.1.2. Rekapitulasi Kuesioner

5.1.2.1. Rekapitulasi Kuesioner Semi Terbuka Penilaian Supplier

Pengumpulan data terhadap jawaban responden dalam memilih kriteria

penilaian supplier dapat dilihat pada Tabel 5.2.

Tabel 5.2. Rekapitulasi Jawaban Penilaian Supplier

No Kriteria Jawaban Responden Total

R1 R2 R3

1 Kualitas √ √ √ 3

2 Pengiriman √ √ √ 3

3 Pengalaman bermitra √ X X 1

4 Kebijakan Klaim dan Jaminan

11 Reputasi dan Posisi di Industri

19 Rekam Hubungan Kerja Buruh

X X X 0

20 Lokasi Geografis √ √ √ 3

21 Jumlah Bisnis Masa Lalu X X X 0

22 Alat bantu pelatihan kesepakatan kedua pihak

X X X 0

23 Kesepakatan Kedua Pihak (reciprocal arrangements)

√ X X 1

Sumber: Hasil Pengumpulan Data

Berdasarkan hasil rekapitulasi yang ditunjukkan pada Tabel 5.2. di

atas diperoleh 5 (lima) kriteria yang terpilih yakni kualitas, pengiriman, kebijakan

(71)

akan menjadi cluster kriteria dan dilanjutkan dengan penentuan subkriteria yang

relevan untuk setiap cluster.

Tahap kedua merupakan tahap penentuan subkriteria. Tahap ini juga

dilakukan dengan menggunakan instrumen kuisioner semi terbuka kepada

responden yang sama. Responden juga dapat menambahkan subkriteria lain yang

dianggap penting. Penentuan subkriteria lainnya juga ditentukan jika terdapat 2

orang responden yang menyetujui subkriteria tersebut. Rekapitulasi jawaban

responden dapat dilihat pada Tabel 5.3.di bawah ini.

Tabel 5.3. Rekapitulasi Subkriteria Terpilih

I.Subkriteria Kualitas Jawaban Responden Total

R-1 R-2 R-3

III. Subkriteria Kebijakan Klaim dan Jaminan Memberikan Jaminan atau garansi terhadap barang

√ √ √ 3

Dapat memberikan bantuan dalam keadaan darurat

(72)

Hasil rekapitulasi pada tabel 5.3. di atas menunjukkan bahwa terdapat 3 (tiga) subkriteria yang akan direduksi yaitu „biaya transportasi dan jenis moda

transportasi‟ pada cluster pengiriman dan „dapat memberikan bantuan dalam

keadaan darurat‟ pada cluster kriteria kebijakan klaim dan jaminan. Selain itu,

juga terdapat penambahan subkriteria „kestabilan harga‟ pada cluster kriteria

harga yang diajukan oleh manajer. Sehingga total keseluruhan dari kriteria dan

subkriteria yang terpilih yaitu 5 kriteria dan 16 subkriteria, rekapitulasinya dapat

dilihat pada tabel 5.4. di bawah ini

Tabel 5.4. Kriteria dan Subkriteria Terpilih Penilaian Supplier

NO Kriteria Notasi Subkriteria

1 Kualitas (K) K-1 1. Kesesuaian Teknis

K-2 2. Tingkat Kecacatan

K-3 3. Kemampuan memberikan kualitas yang konsisten

2 Pengiriman (P) P-1 1. Kecepatan Pengiriman

P-2 2. Ketepatan Jumlah Pengiriman P-3 3. Frekuensi Pengiriman

3. Kebijakan Klaim

dan Jaminan (J) J-1

1. Memberikan Jaminan atau Garansi terhadap Barang

J-2 2. Daya Respon

J-3 3. Kemampuan Menjaga Kesepakatan

4. Harga (H) H-1 1. Cara Pembayaran

H-2 2. Harga Penawaran H-3 3. Kestabilan Harga 5. Lokasi Geografis

(G)

G-1 1. Jarak Pengiriman

G-2 2. Lama Waktu Pengiriman (Delivery Time) G-3 3. Kondisi Jalan/Medan yang dilalui

(73)

5.1.3. Penentuan Bobot Prioritas Metode PROMETHEE (Preference

Ranking Organization Method for Enrichment Evaluation)

Data yang diperlukan pada metode ini adalah nilai bobot prioritas

subkriteria dan nilai bobot global matriks banding berpasangan antar kluster

kriteria dan subkriteria yang hasilnya berdasarkan kuisioner perbandingan

berpasangan pada Lampiran 3. Kuisioner perbandingan berpasangan digunakan

untuk memberi bobot untuk masing-masing kriteria dan subkriteria sehingga

dapat diketahui supplier yang memiliki bobot kriteria tertinggi. Kuisioner ini

memiliki tiga bagian yakni perbandingan berpasangan antar kluster kriteria,

perbandingan berpasangan antar subkriteria, dan perbandingan berpasangan antar

alternatif. Tabel 5.5 dibawah ini menunjukkan perbandingan berpasangan antar

kluster kriteria yang digunakan.

Tabel 5.5. Perbandingan Berpasangan Antar Kluster Kriteria

Elemen Penilaian Elemen

Kualitas 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Pengiriman Kualitas 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Kebijakan Klaim dan

Jaminan

Kualitas 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Harga

Kualitas 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Lokasi Geografis Pengiriman 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Kebijakan Klaim dan

Jaminan

Pengiriman 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Harga

Pengiriman 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Lokasi Geografi Kebijakan Klaim dan

Jaminan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Harga

Kebijakan Klaim dan

(74)

Keterangan penilaian perbandingan berpasangan diatas dapat dilihat pada Tabel

5.6.

Tabel 5.6. Skala Perbandingan Berpasangan

Intensitas Pentingnya Defenisi

1 Kedua elemen sama penting

3 Elemen yang satu sedikit lebih penting ketimbang lainnya 5 Elemen yang satu essensial atau sangta penting ketimbang

lainnya

7 Satu elemen jelas lebbih penting dari elemen lain 9 Satu elemen mutlak lebih penting ketimbang elemen lainnya 2,4,6,8 Nilai antara dua pertimbangan berdekatan

5.1.3.1. Perbandingan Berpasangan Antar Kluster

Perbandingan berpasangan antar kluster untuk masing-masing kluster kriteria yang digunakan dapat dilihat pada tabel berikut.

(75)

Tabel 5.7. Perbandingan Berpasangan Antar Kluster yang Mempengaruhi Kluster Kualitas (Lanjutan)

Responden 3

Kualitas Pengiriman Kebijakan Klaim

& Jaminan Harga

Lokasi Geografis

Kualitas 1 1/2 1/2 1/5 1

Pengiriman 2 1 1/2 3 ½

Kebijakan Klaim &

Jaminan 2 2 1 4 2