MODEL SISTEM PENDUKUNG
PENGAMBILAN KEPUTUSAN CERDAS
MANAJEMEN RANTAI PASOK HIJAU OBAT HERBAL
MUJI YUSWANTO
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Model Sistem Pendukung Pengambilan Keputusan Cerdas Obat Herbal adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
RINGKASAN
MUJI YUSWANTO. Model Sistem Pendukung Pengambilan Keputusan Cerdas Obat Herbal. Dibimbing oleh MARIMIN dan TOTO HARYANTO.
Penggunaan tanaman tradisional sebagai obat-obatan tidak kalah di banding bahan obat kimiawi karena penggunaan bahan alami justru tidak menimbulkan efek samping yang berlebihan. Dalam Undang Undang (UU) No.36 Tahun 2009 tentang Kesehatan disebutkan bahwa jamu merupakan salah satu bagian yang terintegrasi dalam sistem pelayanan kesehatan nasional. Masih terbatasnya penelitian terkait rantai pasokan obat herbal melatarbelakangi penelitian ini sebagai salah satu alternatif solusi pada permasalahan yang terjadi pada proses rantai pasokan obat herbal berupa metode pengambilan keputusan dalam pengembangan obat herbal yang ramah lingkungan.
Dalam tesis ini diusulkan sebuah model Sistem Pendukung Pengambilan Keputusan Cerdas (SPKC) dengan menggunakan metode GSCOR, FANP dan Algoritme Genetika. Pada penelitian ini dikembangkan model sistem pendukung pengambilan keputusan cerdas untuk industri obat herbal berbasis website dengan mengaplikasikan teknik green supply chain operation reference, fuzzy analytic network process dan algoritma genetika. Green supply chain operation refference digunakan untuk memodelkan dan mengukur performa kinerja rantai pasok, fuzzy analytic network proses digunakan untuk pemilihan strategi hijau yang dikembangkan kedalam faktor benefits, opportunity, cost dan risk sedangkan algoritma genetika digunakan untuk menghitung rute terpendek jalur distribusi.
SPKC rantai pasok merupakan sebuah sistem penunjang keputusan yang ditingkatkan kinerjanya dengan menambahkan elemen kecerdasan buatan ke dalamnya yang terdiri atas empat bagian utama, yaitu: sistem manajemen dialog, sistem manajemen basis data, sistem manajemen basis model, dan elemen kecerdasan buatan. Pada simulasi sistem diperoleh hasil untuk karbon footprint sebanyak 602 kg sementara total environment footprint sebesar 4.181kg, recycle waste material menjadi pilihan pertama pakar pada alternatif pengembangan rantai pasok hijau sementara jarak terpendek untuk jalur distribusi sejauh 1014 km. Berdasarkan pengujian load test, aplikasi berjalan baik dengan waktu rata-rata selama 9.28 detik. Hasil dari penelitian adalah sebuah aplikasi online yang dapat diakses pada situs www.herbal.biz.id dengan melakukan registrasi user terlebih dahulu.
SUMMARY
MUJI YUSWANTO. Intelligence Decision Support System Model for Green Supply Chain Management of Herbal’s Medicine. Supervised by MARIMIN and TOTO HARYANTO.
The use of traditional plants as medicine is not lost on appeal because of the use of chemical ingredients of natural ingredients it does not cause excessive side effects. In the Republic of Indonesia Law 36 of 2009 on Health stated that herbal medicine is one part that is integrated in the national health care system. Limited research related to supply chain herbal medicine into the background of this study as an alternative solution to the problems that occurred in the supply chain process of herbal medicine is a method of decision making in the development of environmentally friendly herbal remedies.
In this study, the model developed intelligent decision support system for web-based herbal medicine industry by applying the techniques of Green Supply Chain Operations Reference, Fuzzy Analytic Network Process and Genetic Algorithms. Green supply chain operation reference used to model and measure the performance of supply chain, fuzzy analytic network process used for the selection of green strategies developed into factors benefits, opportunity, cost and risk while genetic algorithm is used to calculate the shortest route distribution channels.
Intelligent Decision Support System (IDSS) for Managing Supply Chain is a decision support system that improved its performance by adding elements of artificial intelligence into it. IDSS of herbals medicine consists of four main parts, namely a dialogue management system, database management system, database management system models, and elements of artificial intelligence. In the system simulation results obtained for the carbon footprint as much as 602 kg while the total of 4.181kg environment footprint, recycle waste materials become the first choice of experts on the development of alternative supply chain for green while the shortest distance as far as 1014 km of distribution lines. By testing the load test, the application runs well with the average time for 9:28 seconds. Results of the study is an online application that can be accessed on the site www.herbal.biz.id with previous user registration.
© Hak Cipta Milik IPB, Tahun 2014
Hak Cipta Dilindungi Undang-Undang
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Komputer
pada
Program Studi Ilmu Komputer
MODEL SISTEM PENDUKUNG
PENGAMBILAN KEPUTUSAN CERDAS
MANAJEMEN RANTAI PASOK HIJAU OBAT HERBAL
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Tesis : Model Sistem Pendukung Pengambilan Keputusan Cerdas Manajemen Rantai Pasok Hijau Obat Herbal
Nama : Muji Yuswanto
NIM : G651100414
Disetujui oleh Komisi Pembimbing
Prof Dr Ir Marimin, MSc Ketua
Toto Haryanto,SKom MSi Anggota
Diketahui oleh
Ketua Program Studi Ilmu Komputer
Dr Wisnu Ananta Kusuma, ST MT
Dekan Sekolah Pascasarjana
Dr Ir Dahrul Syah, MScAgr
PRAKATA
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat karunia dan hidayah-Nya sehingga penulis dapat menyelesaikan tesis berjudul ”Model Sistem Pendukung Pengambilan Keputusan Cerdas Obat Herbal”.
Penghargaan serta rasa terima kasih penulis sampaikan kepada Bapak Prof. Dr. Ir. Marimin, M.Sc dan Bapak Toto Haryanto, S.Kom, M.Si selaku pembimbing yang telah bersedia meluangkan waktu serta memberikan saran dan bimbingannya. Bapak Dadang Syarif, Bapak Ade Sutrisno, Bapak Ondri, Bapak Syahroni dan Bapak Ambang yang telah meluangkan banyak waktu dalam proses diskusi dan pengisian kuisioner yang sangat panjang. Untuk Istri dan anaku tercinta Khusnul Khotimah, Fidela Nindya dan Bening Cetta yang telah mengorbankan waktu akhir pekan selama penulis menyelesaikan study di IPB. Seluruh rekan kerja di Kementerian Kesehatan RI yang selalu memberikan dukungan dan semangat selama ini.
Penulis juga mengucapkan terima kasih kepada seluruh staf pengajar yang telah memberikan wawasan serta ilmu yang berharga selama penulis belajar di Departemen Ilmu Komputer. Rekan-rekan seperjuangan yang selalu memberikan semangat selama menempuh studi, Seluruh staf administrasi Departemen Ilmu Komputer yang selalu memberi kemudahan dalam mengurus berbagai hal berkaitan dengan perkuliahan, serta pihak-pihak lain yang tidak dapat disebutkan satu-persatu.
Semoga karya ilmiah ini bermanfaat dan menjadi salah satu bahan rujukan penelitian lainnya.
Bogor, September 2014
DAFTAR ISI
Halaman
DAFTAR ISI i
DAFTAR GAMBAR ii
DAFTAR TABEL iii
DAFTAR LAMPIRAN vi
DAFTAR ISTILAH vii
1. PENDAHULUAN 1
Latar Belakang 2 Perumusan Masalah 3
Tujuan Penelitian 4
Manfaat Penelitian 4
Ruang Lingkup Penelitian 4
2. TINJAUAN PUSTAKA 5
Obat Herbal 5
Manajemen Rantai Pasok 8
Manajemen Rantai Pasok Hijau (MRPH) 9
Gren Supply Chain Operation Refference (GSCOR) 10
Algoritme Genetika 12
Fuzzy Analytic Network Process (FANP) 12
Triangular Fuzzy Number (TFN) 14
Sistem Pengambilan Keputusan Cerdas 15
Akuisisi Pengetahuan 19
Pengembangan Sistem 19
3. METODE 23
Bahan Dan Alat 24
Prosedur Analisis Data 24
Pengujian Sistem 24
4. HASIL DAN PEMBAHASAN 26
Tahap Persiapan 26
Tahap Analisa 26
Tahap Desain 27
Tahap Implementasi 33
Tahap Pengujian 43
Implikasi Manajerial 44
5. SIMPULAN DAN SARAN 47
Simpulan 47
Saran 47
DAFTAR PUSTAKA 48
DAFTAR GAMBAR
Halaman
1 Skema Rantai Pasokan (Chopra et al, 2004) 9
2 Extended Green Supply Chain (Beamon, 1999) 10
3 Skema Ruang Lingkup SCOR (Supply Chain Council) 10
4 Model Konsep GSCOR (Supply Chain Council, 2010) 11
5 Konsep GSCOR (Supply Chain Council, 2010) 12
6 Perbandingan Struktur Hirarki dan Jaringan (Saaty) 13
7 Triangular Fuzzy Number 14
8 Fuzzy Set 15
9 Hubungan Antar Sub Sistem SPK 17
10 Struktur Model SPK (Wren et al, 2009) 19
11 Siklus Hidup Pengembangan Sistem 20
12 Model Pendekatan Spiral (Satzinger et al. 2007) 21
13 Tahapan Metode Agile 21
14 Siklus Hidup XP (Abrahamsson et al, 2002) 22
15 Siklus hidup model waterfall dan XP 22
16 Metodologi Xtreme Programing 23
17 Alur diagram penelitian 24
18 Proses rantai pasok hijau obat herbal 26
19 Kerangka SPK Cerdas obat herbal 27
20 Use case diagram 28
21 DFD level 1 29
22 Entity Relationship Diagram SPKC 30
23 Halaman utama SPKC 31
24 Database SPKC 32
25 Environmental footprint proses GSCOR 34
26 Jaringan FANP 36
27 Kuisioner FANP 37
28 Himpunan bilangan fuzzy 38
29 Proses komparasi jaringan ANP 39
30 Ranking alternative FANP 40
31 Proses seleksi roulete-wheel 41
32 Grafik nilai fitness 42
33 Proses pencarian rute terpendek 43
34 Load testing 43
DAFTAR TABEL
Halaman 1 Penggunaan Tanaman Obat untuk Jamu Buatan Sendiri Menurut Provinsi
Tahun 2010 6
2 Persentase Jenis Jamu yang di Konsumsi Penduduk berdasarkan Provinsi 7
3 Skala Perbandingan Berpasangan 14
4 Skala Linguistik Fuzzy ANP (Etaati et al, 2011) 14
5 Kartu GSCOR 33
6 Identifikasi elemen dan faktor FANP 35
7 Rekapitulasi skala linguistik FANP 37
8 Hasil rata rata geometris fuzzy ANP 38
9 Hasil defuzyfikasi dengan metode centre of grafity 39 10 Repesentasi kromosom penentuan rute pengiriman 41
11 Rute terpendek proses algoritma genetika 42
DAFTAR LAMPIRAN
Halaman 1 Lembar kuisioner Fuzzy Analytic Network Process (FANP) 50
2 Pembobotan antar kriteria FANP 54
3 Pembobotan antar klaster FANP 56
2 Rekapitulasi hasil proses FANP 58
DAFTAR ISTILAH
1. AHP : Analytical Hierarchy Process
Metode pengambilan keputusan Multi Criteria Decision Making (MCDM) yang diperkenalkan oleh Thomas L. Saaty
2. ANP : Analytical Network Process
metode yang mampu merepresentasikan tingkat kepentingan berbagai pihak dengan mempertimbangkan saling keterkaitan antar kriteria dan sub kriteria yang ada dan merupakan pengembangan dari AHP
3. APICS : American Production and Inventory Control Society
Komunitas profesional di bidang management operasional dan rantai pasok yang berdiri di Amerika Serikat
4. BOCR : Benefits Opportunity Cost Risk
Kriteria analisis pada metode ANP.
5. DBMS : Database Management System
Suatu sistem atau perangkat lunak yang dirancang untuk mengelola suatu basis data dan menjalankan operasi terhadap data.
6. DSS : Decision Support System
merupakan sistem yang dibangun untuk mendukung pengambil keputusan manajerial dalam mengambil keputusan dan sebagai model dari sekumpulan prosedur untuk melakukan pengolahan data.
7. FANP : Fuzzy Analytical Network Process
Penambahan konsep fuzzy pada pembobotan kriteria dari metode ANP.
8. GA : Genetic Algorithms
Algoritma yang ditemukan oleh John Holland terinspirasi dari mekanisme seleksi alam. Individu yang lebih kuat menjadi pemenang dari lingkungan yang berkompetisi.
9. GSCOR : Green Supply Chain Operation Reference
Alat pemodelan supply chain dengan menambahkan konsep hijau yang dikembangkan oleh Logistic Management Institute sebagai alat analisa yang menggambarkan hubungan antara fungsi supply chain dengan aspek lingkungan agar tercipta peningkatan kinerja manajemen diantara keduanya dan terdiri atas process environmental, metrics dan best practice.
10. GSCM : Green Supply Chain Management
Management rantai pasok yang mengintegrasikan konsep pengelolaan lingkungan dalam aktifitas sepanjang rantai pasok.
11. HTML : Hypertext Markup Language
sederhana yang ditulis dalam berkas format ASCII agar dapat menghasilkan tampilan yang terintegerasi.
12. IDSS : Intelligence Decision Support System
sebuah sistem penunjang keputusan yang ditingkatkan kinerjanya dengan menambahkan elemen kecerdasan buatan ke dalamnya dengan menggunakan teknik-teknik yang muncul di bidang intelijensi buatan (Artificial Intelligent) seperti: seperti fuzzy systems, neural networks, machine learning, dan genetic algorithms.
13. LMI : Logistic Management Institute
Organisasi publik yang bergerak pada bidang kajian logistik , akuisisi dan manajemen keuangan, manajemen infrastruktur, manajemen informasi, dan organisasi yang berdiri pada tahun 1961 di Amerika Serikat.
14. MRP : Manajemen Rantai Pasok
upaya pengelolaan jaringan bisnis yang saling berhubungan dalam penyediaan produk dan layanan yang diperlukan oleh konsumen akhir. Suplai meliputi manajemen rantai semua gerakan dan penyimpanan bahan baku, bekerja-dalam persediaan-proses dan barang jadi dari titik asal ke titik konsumsi (rantai suplai).
15. MRPH : Manajemen Rantai Pasok Hijau Lihat penjelasan GSCM.
16. OS : Operating System
Perangkat lunak sistem yang bertugas untuk melakukan kontrol dan manajemen perangkat keras serta operasi-operasi dasar sistem, termasuk menjalankan perangkat lunak aplikasi seperti program-program pengolah kata dan peramban web.
17. SCM : Supply Chain Management
Lihat difinisi MRP
18. SDLC : System Development Life Cycle
Proses pembuatan dan pengubahan sistem serta model dan metodologi yang digunakan untuk mengembangkan sistem-sistem tersebut. Konsep ini umumnya merujuk pada sistem komputer atau informasi. SDLC juga merupakan pola yang diambil untuk mengembangkan sistem perangkat lunak, yang terdiri dari tahap-tahap: rencana(planning),analisis (analysis), desain (design), implementasi (implementation), uji coba (testing) dan pengelolaan (maintenance).
19. SCOR : Supply Chain Operation Reference
Alat pemodelan supply chain yang dikembangkan oleh Logistic Management Institute sebagai alat analisa yang menggambarkan hubungan antara fungsi supply chain dengan aspek lingkungan agar tercipta peningkatan kinerja manajemen diantara keduanya.
21. SPKC : Sistem Pengambilan Keputusan Cerdas Lihat penjelasan IDSS
22. TFN : Triangular Fuzzy Number
Bilangan fuzzy yang direpresentasikan kedalam tiga fungsi keanggotaan yaitu nilai terendah, tengah, dan nilai tertinggi.
23. UML : Unified Modelling Language
Bahasa yang digunakan untuk menentukan, memvisualisasikan, membangun, dan mendokumentasikan suatu sistem informasi. UML dikembangkan sebagai suatu alat untuk analisis dan desain berorientasi objek.
24. WHO : World Health Organization
Salah satu badan PBB yang bertindak sebagai sebagai koordinator kesehatan umum internasional dan bermarkas di Jenewa, Swiss.
25. XP : Extreme Programing
Sebuah disiplin dari pengembangan perangkat lunak yang didasari pada nilai
kesederhanaan (simplicity), komunikasi (communication), umpan balik (feedback), dan keberanian (courage).
1.
PENDAHULUAN
Kesadaran konsumen terhadap produk pengobatan yang aman dan bersumber dari tumbuhan semakin tinggi dengan banyaknya konsumsi produk pengobatan herbal di Indonesia akhir akhir ini. Produk obat herbal Indonesia yang sebenarnya sudah cukup dikenal di mancanegara belum memiliki standar mutu bahan baku nasional yang juga diakui internasional. Dampaknya, para pelaku industri jamu yang mayoritas merupakan usaha kecil, tidak sanggup bersaing dengan sejumlah negara yang sudah memiliki standar mutu internasional (http://www.nyonyameneer.com/showNews.php?id=228 diakses pada tanggal 27 Februari 2012 pukul 19.00).
Potensi pengembangan obat herbal di Indonesia sangat menjanjikan jika melihat kekayaan tumbuhan yang ada. Perilaku minum jamu yang sudah berlangsung turun temurun dengan beberapa metode penyajian seperti jamu rebusan atau rajangan yang diolah sederhana. Seiring dengan kemajuan teknologi yang mengikuti perubahan pola hidup sehat dan seimbang, jamu semakin banyak berkembang mengikuti dengan variasi bentuk seperti cairan, serbuk, kapsul dan rebusan yang tersebar di beberapa wilayah di Indonesia.
Jamu sebagai obat tradisional asli Indonesia saat ini belum diperlakukan sejajar dengan obat-obatan medis karena masih sedikit penelitian yang menghasilkan produk yang teruji khasiatnya. Selama jamu belum terintegrasi dengan sistem kesehatan formal di Indonesia, jamu belum bisa menjadi tuan rumah di negeri sendiri. Penggunaan tanaman tradisional sebagai obat-obatan tidak kalah di banding bahan obat kimiawi bahkan tidak menimbulkan efek samping yang berlebihan (Badan Pengawas Obat dan Makanan/BPOM).
Dalam Undang-Undang (UU) No.36 Tahun 2009 tentang Kesehatan disebutkan bahwa jamu merupakan salah satu bagian yang terintegrasi dalam sistem pelayanan kesehatan nasional. Hampir sebanyak 60 persen (59,12%) penduduk Indonesia mengonsumsi jamu dan hampir seluruh pemakainya (95,6%) merasakan jamu berkhasiat meningkatkan kesehatan (Riset Kesehatan Dasar Kemenkes RI 2010).
Di samping kendala persyaratan Cara Pembuatan Obat Tradisional yang Baik (CPOTB) dari BPOM, masalah pengelolaan limbah industri dan masalah lain yang timbul akibat proses rantai pasok obat herbal juga harus dijadikan pertimbangan mengingat industri obat herbal mempunyai sumber bahan baku dari alam dan persyaratan industri yang ramah lingkungan (konsep hijau) menjadi nilai lebih dalam persaingan global mengingat para aktor masih bekerja sendiri-sendiri dan lemahnya standarisasi hasil dari masing-masing proses. Hal ini terjadi karena lemahnya komunikasi di antara petani sebagai pemasok dan industri akibat ketidaksamaan tujuan dan belum terbangun kepercayaan (Adiarni 2007).
berwawasan lingkungan telah memaksa industri melakukan penyesuaian dengan konsep green industries dalam setiap proses bisnisnya, yang kemudian berkembang menjadi Green Supply Chain Management (GrSCM) selanjutnya dipergunakan istilah Manajemen Rantai Pasok Hijau (MRPH).
Pemanfaatan teknologi informasi menjadi salah satu media promosi dalam pengembangan obat tradisional yang sesuai dengan standar dan memenuhi uji klinik (obat herbal) yang ditetapkan baik nasional maupun internasional untuk dapat bersaing dengan produk negara lain. Kepastian ketersediaan bahan baku, proses produksi yang baik dan berwawasan lingkungan serta pasokan obat herbal harus terpenuhi.
Manajemen rantai pasokan merupakan mekanisme pengelolaan rantai pasokan untuk mengoptimalkan nilai-nilai yang terdapat di sepanjang rantai pasokan dengan cara mengoptimalkan aliran barang, aliran informasi, dan aliran uang di dalam rantai pasokan agar produk yang sampai ke konsumen dapat memberikan kepuasan dalam hal ketepatan waktu pengiriman, kualitas barang, dan harga yang terjangkau, sehingga pada akhirnya akan memberikan keuntungan yang maksimal kepada seluruh anggota yang terlibat dalam rantai pasokan (Chopra dan Meindl 2004; Apaiah dan Hendrix 2004). Terkait isu lingkungan Supply Chain Council mengembangkan sebuah model SCM yang dikombinasikan dengan konsep hijau sebagai Green Supply Chain Management (GSCM) dan menambahkannya dalam tools Supply Chain Operations Reference (SCOR) dikenal dengan Green Supply Chain Operation Reference (GSCOR) (Logistic Management Institute /LMI, 2010). Dengan semakin bertambahnya masalah dampak lingkungan, MRPH mendapat perhatian khusus pada konstruksi industri. Pelacakan dan pengawasan efek lingkungan penting untuk dilaksanakan oleh seluruh anggota yang terlibat dalam MRPH (Srivastava 2007).
Dalam thesis ini diusulkan sebuah model Sistem Pendukung Pengambilan Keputusan Cerdas (SPKC) obat herbal dengan menggunakan metode pendekatan GSCOR, Fuzzy Analytic Network Proces (FANP) dan Algoritme Genetika.
Latar Belakang
Industri obat herbal di Indonesia mayoritas masih berupa industri kecil atau home industry yang masih menerapkan proses tradisional dalam memproduksi produk obat herbal. Tuntutan modernisasi dan regulasi terhadap industri obat herbal harus dipahami oleh pelaku industri supaya dapat bersaing dengan pasar internasional. Bahan baku yang bersumber dari alam hendaknya memper-timbangkan keberlangsungan ketersediaannya. Konsep industri berwawasan lingkungan menjadi syarat utama untuk menjaga ketersediaan dan pelestarian lingkungan yang akhirnya memberikan jaminan ketersediaan bahan baku tersebut.
Terkait isu lingkungan, Supply Chain Council mengembangkan sebuah model rantai pasok hijau dengan menambahkan elemen pengelolaan dampak lingkungan berupa GSCOR (LMI 2010). Dengan semakin bertambahnya masalah dampak lingkungan, MRPH mendapat perhatian khusus pada konstruksi industri. Pelacakan dan pengawasan efek lingkungan penting untuk dilaksanakan oleh seluruh anggota yang terlibat dalam MRPH (Srivastava 2007).
pendekatan manajemen rantai pasok dengan metode Analytical Hierarchy Process (AHP) dan analisis Benefit, Oportunity, Cost, dan Resiko (BOCR). Selain dengan metode AHPBOCR banyak penelitian di bidang rantai pasok seperti yang dilakukan oleh Cheng dan Law (2011) dan Kang et al. (2011). Jika dibandingkan dengan metodologi AHP, Analytic Network Process (ANP) memiliki beberapa kelebihan diantaranya komparasi yang lebih obyektif, prediksi yang lebih akurat, dan hasil yang lebih stabil dan handal (Etaati et al. 2011).
Selain dengan metode AHP dan BOCR banyak penelitian di bidang rantai pasokan sperti yang dilakukan oleh Cheng et al. (2011) membuat kerangka kerja untuk monitor konstruksi SCM berbasis website dengan pendekatan GSCOR. Thipparat (2011) melakukan evaluasi konstruksi green supply chain management dengan metode Fuzzy AHP. Selain AHP terdapat metode ANP yang memiliki banyak kelebihan, seperti komparasi yang lebih obyektif, prediksi yang lebih akurat, serta hasil yang lebih stabil dan handal. Untuk mengakomodasi tingkat kekaburan (Fuzzines) dari variabel linguistik di tambahkan konsep fuzzy seperti penelitian yang dilakukan oleh Tuzkaya et al. (2009) dan Kang et al. (2011). Dari penelitian-penelitian tersebut masih mengacu kepada industri manufaktur terutama pemilihan supplier.
Metode Analytic Network Proces (ANP) dan Fuzzy Analytic Network Process (FANP) dalam manajemen rantai pasok banyak digunakan para peneliti sebelumnya (Etaati 2011) penelitian yang terkait dengan supplier selection dan manajemen strategis dilakukan oleh beberapa buyuzkozan et al. (2011), Efendigil et al. (2009), dan Chen et al. (2009). Beberapa penelitian menggunakan software Superdecision untuk melakukan perhitungan dan analisa data.
Masih terbatasnya penelitian rantai pasok obat herbal menjadi salah satu pertimbangan untuk melakukan penelitian ini sebagai upaya memberikan satu alternatif solusi pada permasalahan yang terjadi pada proses rantai pasokan obat herbal berupa metode pengambilan keputusan yang tepat dalam perancangan sebuah GSCM Obat Herbal. Dalam tesis ini diusulkan sebuah model SPKC dengan menggunakan metode GSCOR, FANP dan Algoritme Genetika diharapkan dapat memberikan kontribusi terhadap keberlangsungan ketersediaan obat herbal dan pelestarian lingkungan.
Perumusan Masalah
Industri obat herbal di Indonesia mayoritas masih berupa industri kecil atau home industry yang masih menerapkan proses tradisional dalam memproduksi produk obat herbal. Tuntutan modernisasi dan regulasi terhadap industri obat herbal harus dipahami oleh pelaku industri supaya dapat bersaing dengan pasar internasional. Bahan baku yang bersumber dari alam hendaknya mempertimbangkan keberlangsungan ketersediaannya. Konsep industri berwawasan lingkungan menjadi syarat utama untuk menjaga ketersediaan dan pelestarian lingkungan yang dapat memberikan jaminan ketersediaan bahan baku tersebut. SPKC obat herbal diharapkan dapat memberikan kontribusi terhadap keberlangsungan ketersediaan obat herbal dan pelestarian lingkungan.
Tujuan Penelitian
Tujuan penelitian ini adalah untuk membangun sebuah SPKC obat herbal sebagai media pendukung bagi pengambil kebijakan dalam pengembangan industri obat herbal terutama pada proses manajemen rantai pasok yang ramah lingkungan. Adapun tujuan khusus antara lain: Menerapkan GSCOR, mengukur performa rantai pasok, menerapkan teknik Fuzzy ANP, dan menerapkan algoritme genetika untuk optimasi rute terpendek.
Manfaat Penelitian
Hasil penelitian diharapkan dapat digunakan oleh pengambil kebijakan, peneliti dan mahasiswa yang tertarik pada masalah rantai pasok serta pengembangan SPKC terutama yang berbasis ramah lingkungan yang selanjutnya dapat dikembangkan pada masalah rantai pasok lainnya terutama pada penerapan teknik fuzzy ANP dan algoritme genetika.
Ruang Lingkup Penelitian
2.
TINJAUAN PUSTAKA
Obat Herbal
Obat herbal dikenal sebagai obat tradisional adalah bahan atau ramuan bahan yang berupa bahan tumbuhan, bahan hewan, bahan mineral, sediaan sarian(galenik), atau campuran dari bahan tersebut yang digunakan untuk pengobatan dan dapat diterapkan sesuai dengan norma yang berlaku di masyarakat (Peraturan Menteri Kesehatan No.3 tahun 2010).
Dalam konteks penggunaan obat tradisional atau obat herbal yang terus meningkat, World Health Organization (WHO) menggaris bawahi tentang pentingnya suatu kerangka kerja (framework) untuk aksi bersama antara WHO dan negara anggota. Kerangka kerja tersebut bertujuan agar obat tradisional/herbal dapat berperan makin besar dalam mengurangi angka kematian dan kesakitan terutama di kalangan masyarakat yang tidak mampu dengan strategi yang mencakup empat tujuan utama yaitu (Sampurno, 2011):
1. Mengintegrasikan secara tepat obat tradisional dalam sistem pelayanan kesehatan nasional dengan mengembangkan dan melaksanakan kebijakan nasional obat tradisional dengan berbagai programnya.
2. Meningkatkan keamanan (safety), khasiat dan mutu dengan memperkuat knowledge-base obat tradisional dan regulasi dan standar jaminan mutu (quality assurance standard).
3. Meningkatkan ketersediaan dan keterjangkauan obat tradisional terutama untuk masyarakat yang tidak mampu.
4. Mempromosikan penggunaan obat tradisional secara tepat oleh tenaga profesional medik maupun oleh konsumen.
Obat herbal Indonesia pada dasarnya dapat dikelompokkan dalam tiga kategori yaitu: (1) Jamu; (2) Obat Herbal Terstandar; dan (3) Fitofarmaka. Jamu sebagai warisan budaya bangsa perlu terus dikembangkan dan dilestarikan dengan fokus utama pada aspek mutu dan keamanannya. Khasiat jamu sebagai obat herbal selama ini didasarkan pengalaman empirik yang telah berlangsung dalam kurun waktu yang sangat lama (Sampurno 2011).
Tanaman obat yang paling banyak digunakan adalah jahe (50,36%), diikuti kencur (48,77%), temulawak (39,65%), meniran (13,93%) dan pace (11,17%). Selain tanaman obat di atas, sebanyak 72,51 persen menggunakan tanaman obat jenis lain. Persentase penggunaan temulawak terbanyak di Provinsi Nusa Tenggara Barat (85,00%) dan terendah di Bali (3,76%); penggunaan jahe terbanyak di Provinsi Nusa Tenggara Barat (82,10%) dan terendah di Bali (8,36%); penggunaan kencur terbanyak di Provinsi Kalimantan Selatan (78,64%) dan terendah di Bali (8,05%); penggunaan meniran terbanyak di Kepulauan Riau (28,75%) dan terendah di Sulawesi Tenggara (3,18%); penggunaan pace terbanyak di Provinsi Nusa Tenggara Barat (20,92%) dan terendah di Sulawesi Barat (0,81%) (Riskesdas, Kemenkes 2010) lihat Tabel 1.
Tabel 1 Penggunaan tanaman obat untuk jamu buatan sendiri menurut provinsi Tahun 2010
Sumber : Badan Litbang Kementerian Kesehatan RI
Selain mengkonsumsi jamu buatan sendiri, cukup banyak penduduk yang yang memperoleh jamu yang sudah beredar di pasaran. Tabel 2 menggambarkan bahwa bentuk sediaan jamu yang paling disukai adalah bentuk cairan (55,3%), diikuti seduh/serbuk (44,1%), rebusan/rajangan (20,3%), dan persentase terendah adalah bentuk kapsul/pil/tablet (11,6%).
40.000 spesies yang ada di di seluruh dunia. Walaupun Indonesia baru memanfaatkan sekitar 180 spesies sebagai bahan baku obat bahan alam dari sekitar 950 spesies yang berkhasiat sebagai obat. Kenyataan ini mengindikasikan bahwa dari segi ketersediaan bahan baku, industri jamu tradisional tidak memiliki ketergantungan import. (Direktorat Kredit, BPR dan UMKM Bank Indonesia)
Tabel 2 Persentase jenis jamu yang di konsumsi penduduk berdasarkan Provinsi Tahun 2010
Sumber : Badan Litbang Kementerian Kesehatan RI
Selain untuk konsumsi nasional, jamu tradisional juga berpotensi untuk di ekspor. Negara tujuan ekspor, menurut data Gabungan Pengusaha Jamu dan Obat bahan alam Indonesia (GP Jamu), yaitu Malaysia, Korea Selatan, Filipina, Vietnam, Hongkong, Taiwan, Afrika Selatan, Nigeria, Arab Saudi, Timur Tengah, Rusia dan Cile. Ekspor jamu tradisional tersebut sebagian besar masih dilakukan oleh industri jamu yang cukup besar.
Manajemen Rantai Pasok
Manajemen Rantai Pasok (MRP) adalah upaya pengelolaan jaringan bisnis yang saling berhubungan dalam penyediaan produk dan layanan yang diperlukan oleh konsumen akhir. Suplai meliputi manajemen rantai semua gerakan dan penyimpanan bahan baku, bekerja-dalam persediaan-proses dan barang jadi dari
titik asal ke titik konsumsi (rantai suplai). definisi lain yang disediakan oleh Kamus American Production and Inventory
Control Society (APICS) ketika mendefinisikan MRP sebagai perencanaan desain, pengendalian pelaksanaan, dan monitoring kegiatan rantai pasokan dengan tujuan untuk menciptakan nilai bersih, membangun infrastruktur yang kompetitif, meningkatkan logistik di seluruh dunia, sinkronisasi pasokan dengan permintaan dan mengukur kinerja secara global.
Terdapat pola dasar untuk manajemen rantai pasokan. Setiap rantai pasokan mempunya rantai yang unik untuk memenuhi tuntutan pasar dan tantangan operasi namun masalah isu rantai pasokan pada dasarnya sama dalam setiap kasus. Perusahaan dalam rantai pasokan harus membuat keputusan individual dan kolektif dalam lima bidang:
1.Produksi—Produk apa yang diinginkan pasar? Berapa banyak yang harus diproduksi dan kapan? Kegiatan ini meliputi pembuatan jadwal produksi yang memperhitungkan kapasitas pabrik, menyeimbangkan beban kerja, kontrol kualitas, dan pemeliharaan peralatan.
2. Persediaan—Apa yang seharusnya tersedia pada setiap tahap dalam rantai pasokan? Berapa banyak persediaan bahan baku, barang setengah jadi, atau barang jadi? Tujuan utama dari persediaan adalah sebagai penyangga terhadap ketidakpastian dalam rantai pasokan. Namun menjadi mahal, jadi berapa stok yang optimal dan titik reorder poin?
3.Lokasi—Di mana sebaiknya fasilitas untuk produksi dan penyimpanan persediaan berada? Di mana lokasi yang paling efisien terkait biaya untuk produksi dan untuk penyimpanan persediaan? Jika fasilitas yang ada dapat digunakan atau yang baru dibangun? Setelah keputusan ini dibuat selanjutnya menentukan jalur yang mungkin tersedia untuk produk untuk pengiriman ke konsumen akhir.
4.Transportasi—Bagaimana seharusnya persediaan dipindahkan dari satu lokasi rantai pasok yang lain? Angkutan udara dan pengiriman truk umumnya cepat dan handal tetapi mahal. Pengiriman melalui laut atau kereta api jauh lebih murah tetapi biasanya melibatkan waktu transit lebih lama dan lebih banyak ketidakpastian. Ketidakpastian ini harus dikompensasikan dengan tingkat yang lebih tinggi terhadap stok persediaan. Pemilihan moda transportasi yang lebih baik?
produsen, distributor, dan pengecer. Oleh sebab itu pengelolaan yang baik atas aliran informasi, aliran barang, dan aliran keuangan yang terjadi di antara anggota rantai pasokan memegang peranan yang sangat penting dalam menentukan efisiensi rantai pasokan. Rantai pasokan yang efisien dapat memberikan kepuasan kepada konsumen dalam hal ketepatan waktu pengiriman, kualitas barang, dan harga yang terjangkau, sehingga pada akhirnya mampu memberikan keuntungan kepada seluruh anggota yang terlibat dalam rantai pasokan seperti terlihat pada Gambar 1.
Gambar 1 Skema Rantai Pasokan (Chopra et al. 2004)
Manajemen Rantai Pasok Hijau (MRPH)
Michigan State University’s Manufacturing Research Institute (MRC) Amerika Serikat mengusulkan konsep Green Supply Chain Management (GSCM) di 1996, ketika mereka melakukan penelitian "manufaktur ramah lingkungan".
Tujuan dari green supply chain adalah untuk mempertimbangkan pengaruh lingkungan dari semua produk dan proses, termasuk pengaruh lingkungan yang berasal dari barang/produk dan proses mulai dari bahan baku sampai dengan produk jadi, dan final disposal produk tersebut. Konsep green supply chain management meliputi : (1) Inbound logistik; (2) Produksi atau supply chain internal; (3) Outbound logistik.
Gambar 2 Extended Green Supply Chain (Beamon 1999)
Dari pendekatan siklus hidup rantai pasok hendaknya mempertimbangkan dampak pada Environmental System dan Kesehatan dari tahap perancangan melalui fase pembuangan yang dapat mendukung perancangan keputusan untuk meningkatkan kinerja dan menekan biaya operasional. Siklus hidup rantai pasok terlihat pada Gambar 4.
Gambar 3 Skema ruang lingkup SCOR (Supply Chain Council 2010)
Gren Supply Chain Operation Refference (GSCOR)
digunakan untuk mengukur performa rantai pasok perusahaan, menigkatkan kinerjanya, dan mengkomunikasikan kepada pihak-pihak yang terlibat di dalamnya. Metode SCOR merupakan metode sistematis yang mengkombinasikan elemen-elemen seperti teknik bisnis, benchmarking, dan praktek terbaik (best practice) untuk diterapkan di dalam rantai pasokan. Sebagai sebuah model referensi, maka pada dasarnya model SCOR didasarkan pada tiga pilar utama, yaitu:
1. Pemodelan Proses
Referensi untuk memodelkan suatu proses rantai pasokan agar lebih mudah diterjemahkan dan dianalisis
2. Pengukuran performa/kinerja rantai pasokan
Referensi untuk mengukur performa suatu rantai pasokan perusahaan sebagai standar pengukuran.
3. Penerapan best practice
Referensi untuk menentukan best practice yang dibutuhkan oleh perusahaan.
Sedangkan Green Supply Chain Operations Reference (GSCOR) merupakan modifikasi dari model SCOR untuk menciptakan suatu alat analisis yang menggambarkan hubungan antara fungsi rantai pasokan dengan aspek lingkungan agar tercipta peningkatan kinerja manajemen diantara keduanya dan terdiri atas process environmental, metrics dan best practice Model GSCOR dapat dilihat pada Gambar 4.
Gambar 4 Model Konsep GSCOR (Supply Chain Council 2010)
GSCOR fokus pada dampak dan pengaruh dari SCM di beberapa tahapan dari produk life cycle contoh untuk best practice: 1) Kolaborasi dengan partner dalam penanganan isu lingkungan, 2) Meminimalkan konsumsi energi dan bahan bakar 3) Meminimalkan dan memanfaatkan kembali material. Matrik pengukuran efek greening dengan melakukan footprint karbon dan lingkungan, energy cost dan unit pengiriman sedangkan untuk proses waste management dengan pengolahan limbah.
Gambar 5 Konsep GSCOR (Supply Chain Council 2010)
Algoritme Genetika
Algoritme genetika yang ditemukan oleh John Holland terinspirasi dari mekanisme seleksi alam. Individu yang lebih kuat menjadi pemenang dari lingkungan yang berkompetisi. Konsep dasar Algoritme genetika relatif mudah dipahami, karena komponen-komponen pembentuknya mencerminkan kehidupan di alam, seperti contohnya mekanisme seleksi, pindah silang, mutasi, dan lain-lain. Algoritme genetika berusaha menerapkan pemahaman tentang evolusi alamiah biologis untuk tugas-tugas pemecahan-masalah (problem solving). Pendekatan yang diambil oleh algoritme ini adalah dengan menggabungkan secara acak berbagai pilihan solusi terbaik di dalam suatu kumpulan untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada suatu kondisi yang memaksimalkan kecocokannya atau lazim disebut fitness. Generasi ini merepresentasikan perbaikan-perbaikan pada populasi awalnya. Dengan melakukan proses ini secara berulang sehingga dapat mensimulasikan proses evolusioner.
Fuzzy Analytic Network Process (FANP)
Teori himpunan fuzzy dikembangkan oleh Prof. Dr. Lotfi Zadeh pada tahun 1960-an. Logika fuzzy adalah suatu metode yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Zadeh berpendapat bahwa logika benar dan salah dari logika Boolean tidak dapat mengatasi masalah gradasi yang berada pada dunia nyata. Untuk mengatasi masalah gradasi yang tidak terhingga tersebut, Zadeh mengembangkan sebuah himpunan fuzzy. Tidak seperti logika Boolean, logika fuzzy mempunyai nilai yang kontinyu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama.
sehingga kompleksitas ANP lebih tinggi dibanding metode AHP. ANP menggunakan jaringan tanpa harus menetapkan level-level hirarki pada AHP, yang merupakan titik awal ANP. Metode ANP mampu memperbaiki kelemahan AHP berupa kemampuan mengakomodasi keterkaitan antar kriteria atau alternatif (Saaty 1999). Ada dua kontrol yang perlu diperhatikan didalam memodelkan sistem yang hendak diketahui bobotnya. Kontrol pertama adalah kontrol hirarki yang menunjukkan keterkaitan kriteria dan sub kriterianya. Pada kontrol ini tidak membutuhkan struktur hierarki seperti pada metode AHP. Kontrol lainnya adalah kontrol keterkaitan yang menunjukkan adanya saling keterkaitan antar kriteria atau kluster
[image:30.612.190.477.245.487.2]
Tabel 3 Skala Perbandingan Berpasangan Nilai
Kepentingan
Keterangan 1 Kedua elemen sama penting
3 Elemen yang satu sedikit lebih penting daripada elemen lainnya
5 Elemen yang satu esensial/sangat penting daripada elemen yang lain
7 Satu Elemen jelas lebih penting daripada elemen yang lain 9 Satu elemen mutlak paling penting diantara semua elemen 2,4,6,8 Nilai-nilai antara dua pertimbangan yang berdekatan Kebalikan Jika untuk aktivasi I mendapat satu angka disbanding
dengan aktivitas j, maka j mempunyai nilai kebalikannya disbanding dengan i
Beberapa penelitian pada Fuzzy ANP mengacu kepada tiga Skala Linguistik yang dikembangkan yaitu Cheng, Kahraman dan Saaty (etaati et al. 2011) seperti terlihat pada Tabel 4.
Tabel 4 Skala Linguistik Fuzzy ANP (Etaati et al. 2011) Pembuat Skala Jumlah
variabel
Fuzzy Set Cheng (Cheng dan Yang
1999)
(0,0,0.25);(0,0.25,0.5);(0,25,0,5,0,75);(0.5,0. 75,1);(0.75,1,1)
Kahraman (Kahraman et. al. 2003)
(1,1,1);(0.5,1,1.5);(1,1.5,2);(1.5,2,2.5);(2,2.5, 3);(2.5,3,3.5)
Saaty (Saaty 1980) (1,1,1);(2,3,4);(4,5,6);(6,7,8);(8,9,10)
Triangular Fuzzy Number (TFN)
Skala linguistik di representasikan kedalam Triangular Fuzzy Number yang di notasikan dengan M = (a,b.c), dengan a < b < c dan dinyatakan bahwa M = "Mendekati b"
0 untuk x<a
µ (x,a,b,c) = (x-a): (b-a) untuk a< x < b (1) (c-x): (c-b) untuk b< x <c
0 untuk x > c
Lebih lanjut dalam contoh jika seorang pakar memberi penilaian pada kriteria A sama dengan delapan yang berarti "baik". dari penilaian ini dapat di buat TFNs M8="mendekati 8" = (7,8,9) di representasikan sebagai
0 untuk x<7
µ (x,a,b,c) = (x-a): (b-a) untuk 7< x < 8 (2) (c-x): (c-b) untuk 8< x <9
0 untuk x > 9
fungsi di atas kemungkinan kriteria A diberi bobot delapan adalah µM8 (8)= 1, kemungkinan kriteria A diberi rating yang lebih rendah, misalkan tujuh setengah adalah µM7 (7.5)= lima puluh persen, sedangkan untuk rating lebih tinggi misalkan delapan setengah adalah µM7 (8,5)= lima puluh persen.
Ranking tingkat kepentingan dengan skala 1-9 dapat di representasikan menjadi fuzzy set M1='mendekati satu" sampai dengan M9 = "mendekati sembilan" di gambarkan pada Gambar 8 berikut
Gambar 8 Fuzzy Set
Sistem Pengambilan Keputusan Cerdas
prosedur untuk melakukan pengolahan data dengan tujuan membantu manajer dalam pembuatan keputusan spesifik dan akan berhasil jika sistem tersebut sederhana dan mudah digunakan, mudah melakukan pengawasan, mudah melakukan adaptasi terhadap perubahan lingkungan dan mudah melakukan kegiatan komunikasi dengan berbagai entiti. Menurut Kent dan Morton (1978), tujuan dari Sistem Penunjang Keputusan adalah membantu para pengambil keputusan dalam menyeleksi kriteria untuk proses pengambilan yang pada umumnya bersifat semi struktural (Turban et al. 2007). Sifat ini berarti adanya kemampuan untuk menyelaraskan keputusan struktural dengan penilaian yang bersifat subyektif dari masing-masing struktural. Sistem ini hanya membantu dalam proses pengambilan keputusan, keputusan terakhir tetap berada ditangan para pengambil keputusan. Teknik pengambilan keputusan ini dikembangkan hanya untuk meningkatkan efektifitas dalam proses pengambilan keputusan. Efektifitas yang dimaksud mencakup pada identifikasi dari apa yang harus dilakukan dan menjamin bahwa kriteria yang kemudian dipilih adalah relevan dengan tujuan yang telah ditetapkan. Sebuah aplikasi sistem pendukung keputusan disusun dari sub system sebagai berikut:
1. Sub Sistem Manajemen Data
Sub system yang terdiri atas data yang relevan disebut sebagai Database Management System (DBMS)
2. Sub Sistem Manajemen Model
Biasanya terdiri atas paket perangkat lunak yang berisi model-model financial, statistic, manajemen ilmu pengetahuan, atau model kuantitatif lain yang menyediakan kemampuan analisa sistem dan manajemen perangkat lunak yang relevan.
3. Sub Sistem Antar Muka User
Sub sistem yang digunakan sebagai alat komunikasi antara user dengan SPK
4. Sub Sistem Manajemen Berbasis Pengetahuan
Sub sistem tambahan yang berperan sebagai penyedia kecerdasan untuk mendukung para pembuat keputusan.
Gambar 9 Hubungan Antar Sub Sistem SPK
Menurut Marimin (2010), Sistem Penunjang Keputusan (SPK) adalah pendekatan secara sistematis dalam menentukan teknologi ilmiah yang tepat dalam mengambil keputusan. SPK juga merupakan konsep spesifik dengan menghubungkan sistem informasi terkomputerisasi dimana penggunanya yaitu para pengambil keputusan sehingga terciptanya keoptimalan dalam pengambilan keputusan. Karakterisasi pokok yang melandasi teknik sistem penunjang keputusan yaitu:
1. Interaksi langsung antara komputer dengan pengambil keputusan
2. Adanya dukungan menyeluruh (holistik) dari keputusan bertahap berganda 3. Suatu sintesa dari konsep yang diambil dari berbagai bidang antara lain
ilmu komputer, ilmu sistem, psikologi, ilmu manajemen, dan intelejensi buatan
4. Mempunyai kemampuan aditif terhadap perubahan kondisi dan kemampuan berevolusi menuju sistem yang lebih bermanfaat
Sebuah SPKC dikembangkan untuk membantu pengambil keputusan selama fase dari pengambilan keputusan dengan mengintegrasikan alat pemodelan dan pengetahuan manusia untuk membantu proses pengambilan keputusan di mana ketidakpastian atau informasi yang tidak lengkap ada dan dimana keputusan yang melibatkan risiko harus dilakukan dengan menggunakan penilaian manusia dan preferensi. SPKC digunakan untuk mendukung pengambilan keputusan tidak untuk menggantikan tugas pembuat keputusan yang memberikan kontrol penuh kepada user mengenai informasi akuisisi, evaluasi dan membuat keputusan akhir. SPKC adalah sistem interaktif, fleksibel, mudah beradaptasi dan secara khusus dikembangkan untuk mendukung solusi dari masalah manajemen non-terstruktur untuk meningkatkan pengambilan keputusan (Quintero et al. 2005).
buatan ke dalamnya (Chopra dan Meindl 2001). Menurut Dhar dan Stein (1997) SPKC terdiri dari empat bagian utama, yaitu sistem manajemen dialog, sistem manajemen basis data, sistem manajemen basis model, dan elemen kecerdasan buatan yang menggunakan teknik-teknik yang muncul di bidang intelijensi buatan (Artificial Intelligent) seperti: seperti fuzzy systems, neural networks, machine learning, dan genetic algorithms. Tujuannya adalah untuk membantu user dalam mengakses, menampilkan, memahami, serta memanipulasi data secara lebih cepat dan mudah untuk membantunya dalam mengambil keputusan. Sehingga dengan sistem penunjang keputusan cerdas dapat digunakan untuk membuat keputusan yang optimal dengan pendekatan kemampuan belajar dan kemampuan penalaran sebuah sistem serta kemampuan beralasan dalam memilih solusi sebagaimana yang dilakukan oleh seorang pakar dalam membuat keputusan sehingga dapat diperoleh solusi yang efektif dan konsisten.
Menurut Wren et al. (2009) struktur sistem pendukung keputusan cerdas dapat digambarkan sebagai diagram input, proses dan output, dimana input sistem terdiri dari sub-sistem data base, sub-sistem model base dan dan sub-sistem knowledge base. Proses sistem terdiri dari sub-sistem organisasi input, sub-sistem strukturisasi permasalahan dan sub-sistem simulasi keadaan serta penentuan solusi terbaik. Output dari sistem pendukung keputusan cerdas berupa laporan solusi, dampak dari peramalan input dan rekomendasi keputusan beserta saran dan penjelasan dampaknya. Poses input output ini mempunyai umpan balik untuk mendapatkan solusi optimal dalam membuat rekomendasi keputusan yang efektif dan efisien sebagaimana dapat diperlihatkan pada Gambar 10.
[image:35.612.127.424.398.672.2]
Akuisisi pengetahuan
Menurut Turban et al. (2005) akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian pemecahan masalah dari pakar atau sumber pengetahuan terdokumentasi ke program komputer, untuk membangun atau memperluas basisi pengetahuan. Sumber potensial pengetahuan antara lain pakar manusia, buku teks, dokumen multimedia, database (publik atau privat), laporan riset khusus, dan informasi yang terdapat dalam website.
Akuisisi pengetahuan dari pakar melibatkan identifikasi pengetahuan, merepresentasikan pengetahuan dalam format yang sesuai, menyusun pengetahuan, dan mentransfer pengetahuan ke dalam sistem. Metode akuisisi pengetahuan diklasifikasikan kedalam tiga kategori (Turban et al. 2005):
1. Metode Manual
Terdiri atas beberapa jenis wawancara (terstruktur, semi terstruktur, dan tidak terstruktur)
2. Metode Semiotomatis
Dibagi kedalam dua kategori yang bertujuan mendukung pakar dengan memungkinkan mereka membangun basis pengetahuan dengan sedikit atau tanpa bantuan dari knowledge engineer, dan yang ditujukan untuk membantu knowledge engineer dengan memungkinkan mereka mengekskusi tugas yang diperlukan secara lebih efisien atau efektif. 3. Metode Otomatis
Dalam metode ini peranan pakar manusia diminimalisasi misalnya metode induksi yang menghasikan aturan dari sekumpulan kasus yang sudah diketahui, dapat diterapkan untuk membangun basis pengetahuan.
Pengembangan Sistem
Sistem adalah kumpulan objek seperti orang, sumber daya, konsep, dan prosedur yang saling berhubungan satu sama lain untuk suatu tujuan (Turban et al. 2005). Sebuah sistem mempunyai bagian input, proses dan output dan terdiri atas beberapa komponen yang saling berinteraksi, dan saling bekerja sama membentuk satu kesatuan dan mempunyai subsistem atau bagian-bagian dari sistem. Setiap subsistem membawa sifat-sifat dari sistem untuk menjalankan suatu fungsi tertentu dan berpengaruh terhadap sistem secara keseluruhan.
Gambar 11 Siklus Hidup Pengembangan Sistem
Pada Gambar 11 dijelaskan empat langkah dalam struktur SDLC yang dikenal dengan model waterfall yang memiliki kencederungan bergerak kebawah, tetapi apabila diperlukan dapat bergerak kembali ke sebuah langkah sebelumnya (Turban et al. 2005).
Terdapat dua pendekatan utama dalam methode pengembangan sistem yaitu metode predictive dan adaptive (Satzinger et al. 2007). metode predictive merupakan methode tradisional yang dalam proses pengembangan mengikuti proses yang sudah direncanakan terlebih dahulu sedangkan methode adaptive dilakukan lebih flexible tidak terpaku seperti halnya methode tradisional dengan pendekatan waterfall tetapi dengan pendekatan spiral seperti pada Gambar 12.
sedikit anggota dalam team pengembangan. Salah satu model yang populer adalah metode agile dengan tahapan sepertipada Gambar 13.
[image:38.612.99.501.443.680.2]Gambar 13 Tahapan Metode Agile
Metode tradisional mengedepankan proses tradisional yang biasa digunakan dalam pengembangan sistem yang ditentukan oleh perencanaan yang linear, analisa, rancangan, pengujian dan implementasi yang terikat oleh dokumentasi. Ada beberapa kekurangan pada pendekatan klasik seperti masalah tidak akan teridentifikasi hingga proses pengujian dan akan memakan biaya yang tidak sedikit untuk memperbaiki. Metodologi pengembangan tradisional tidak begitu sesuai untuk diterapkan pada pengembangan web yang cepat berubah dan lebih dinamis serta pengembangan klasik yang terlalu restriktif dan kurang fleksibel untuk perubahan akan menghambat evolusi dari suatu web, model Agile dan metodologi Extreme Programming (XP) merupakan metodologi yang ringan dan fleksibel terhadap perubahan.
Menurut Abrahamsson et.al (2002) Siklus hidup XP terdiri dari lima fase yaitu fase eksplorasi, perencanaan, iterasi untuk publikasi, produksi, perawatan dan rilis akhir dalam Gambar 14.
Menurut Mutlu (2008), perbedaan siklus hidup pengembangan sistem pada metode waterfall dan Xtreme Programming terlihat pada Gambar 15.
Gambar 15 Siklus hidup model waterfall dan XP (Mutlu 2008)
[image:39.612.203.454.128.350.2]Pada metode XP, tiga prinsip utama suksesnya sebuah sistem adalah pengujian terus menerus, coding sederhana yang dilakukan oleh pasangan pengembang, dan interaksi yang erat dengan user akhir untuk membangun sistem yang sangat cepat. Setelah proses perencanaan, selanjutnya melakukan analisis, desain, dan pelaksanaan iterative (Dennis et al. 2005). Seperti Gambar 16.
Gambar 16 Metodologi Xtreme Programing(Dennis et al. 2005)
3.
METODE
[image:40.612.102.504.180.663.2]Pengembangan sistem menggunakan metode Extreme Programming (Dennis et al. 2005) kemudian menambahkan tahap pengujian setelah implementasi untuk memastikan sistem berjalan seperti yang diinginkan seperti pada Gambar 17.
Gambar 17 Alur diagram penelitian
wawancara dengan pakar terkait obat herbal. Pada tahap analisa diharapkan dapat diperoleh sebuah dokumen skema rantai pasok, kuisioner dan objek optimasi GA dengan terlebih dahulu mempelajari dampak rantai pasok, kriteria FANP dan optimasi. Pada tahap desian dilakukan rancangan model sistem, menentukan sumber daya yang dibutuhkan dan teknologi yang mendukung, serta menentukan teknik yang mungkin bisa diterapkan, dilanjutkan tahap implementasi, dan diakhiri dengan pengujian serta release akhir.
Bahan dan Alat
Bahan penelitian ini terdiri atas kuesioner dan wawancara untuk menggali sumber pengetahuan dari pakar, domain website dan hosting, aplikasi pengembangan sistem berupa web developer, text editor, PHP, MySQL dan Apache serta filezile untuk upload dan download file dari localhost ke hosting, superdecision dan Astah untuk Unified Modelling Language (UML).
Prosedur Analisis Data
Format kuisioner diberikan kepada pakar yang sudah ditentukan dengan dua alternatif pengisian yaitu: online melalui aplikasi website dan offline dengan pengisian pada lembar kertas yang dicetak. Untuk proses FANP hasil rekapitulasi dilakukan pada aplikasi website dan proses report dilakukan pada aplikasi superdecision oleh administrator. Pada menu GSCOR dan algoritme genetika, user melakukan pengisian dan proses komputasi langsung pada aplikasi SPKC.
Pengujian sistem
Dengan metode extreme programming, pengujian sistem dilakukan setiap proses iterasi tiap modul selesai dibuat dan ditekankan pada fungsi dan kode program yang dapat menentukan apakah aplikasi tersebut sudah layak atau belum untuk diluncurkan kepada semua user. Pengujian akhir dilakukan dengan metode Kota (2005) tanpa melakukan tahap security testing karena sistem yang dibangun diletakan pada perusahaan penyedia (hosting).
Terdapat 10 langkah dalam pengujian aplikasi berbasis WEB diantaranya adalah :
1. Menentukan Sasaran Pengujian (Objective)
Sebelum melakukan sebuah pengujian kita harus menentukan beberapa sasaran pengujian, agar pengujian yang akan dilakukan terarah. Sehingga seorang penguji dapat menentukan beberapa prioritas pengujian dalam sebuah pengujian aplikasi.
2. Menentukan Proses dan Pelaporan Pengujian
Dengan menentukan proses pengujian dan susunan pelaporan pengujian, maka setiap anggota dalam sebuah tim penguji akan mengerti aliran dari sebuah proses pengujian.
3. Memantau Hasil Pengujian (Tracking Results)
penguji membutuhkan cara untuk menyimpan, mengorganisir dan mendistribusikan informasi tersebut kepada semua anggota tim penguji. Tim juga akan membutuhkan cara untuk menjaga tim agar tetap mendapat informasi status dari sebuah proses pengujian. Oleh karena itu, dalam sebuah pengujian dibutuhkan pemantauan hasil (tracking results).
4. Menentukan Area Pengujian (Environment Test)
Menentukan area pengujian di sini diartikan sebagai pembagian wilayah kerja dari sebuah tim, misalkan sebuah tim penguji dibagi menjadi tiga area pengujian yaitu Web server, database server, dan application server. 5. Pengujian Kegunaan Aplikasi (Usability Testing)
Dalam tahap usability test ini kita akan mencoba meneliti tiga aspek yang berkaitan dengan user’s experience apakah web application tersebut memiliki desain antarmuka yang konsisten, seberapa mudahkah navigasi dari web application tersebut, apakah feedback yang diberikan web application tersebut sesuai dengan keinginan user.
6. Pengujian Unit (Unit Testing)
Unit testing ini merupakan pengujian yang hanya fokus pada beberapa bagian kecil dari fungsionalitas web application. Misalnya menguji kebenaran dari penyimpanan data setelah user menekan tombol “submit”. 7. Pengujian Kode HTML
Pengujian kode HTML ini bertujuan untuk menguji apakah aplikasi tersebut dapat dijalankan pada bermacam-macam browser, resolusi layar dan OS yang berbeda. Pengujian ini dapat dilakukan melalui http://validator.w3.org.
8. Load Testing
Pengujian ini dimaksudkan untuk mengukur seberapa lamakah sebuah halaman web application di-load kedalam browser milik user. Pada umumnya, sebuah halaman dapat di-load kurang dari 15 detik.
9. User Acceptance Testing
Dengan melakukan pengujian ini, tim akan mengetahui apakah web application tersebut sudah memiliki fungsi yang sesuai dengan keinginan user atau belum. Pengujian ini dapat dilakukan dengan menguji aplikasi versi Beta.
10.Pengujian Keamanan (Security Testing)
4.
HASIL DAN PEMBAHASAN
Tahap persiapan
Pada tahap persiapan dilakukan diskusi dengan pakar yang terkait dengan pengembangan obat herbal. Diskusi dilakukan untuk mendapatkan gambaran sebuah struktur rantai pasok obat herbal dengan mempelajari aliran material, proses rantai pasok secara keseluruhan, proses hijau yang bisa diterapkan ke dalam proses rantai pasok yang ditampilkan dalam tahap analisa Gambar 18. Dari diskusi ini juga disepakati untuk kuisioner FANP dengan empat alternatif pilihan untuk pelaksanaan konsep hijau dari rantai pasok dengan analisa faktor BOCR. Dengan kriteria sebanyak 10 elemen yang terbagi atas 4 klaster. Adapun untuk proses optimasi algoritme genetika disepakati untuk mengoptimalkan jarak dengan simulasi 7 kota di pulau jawa dengan menghitung rute terpendek untuk jalur distribusi produk.
Tahap Analisa
[image:43.612.109.505.371.650.2]Struktur rantai pasok hijau obat herbal digambarkan pada model rantai pasok yang ada pada industri obat herbal dengan menambahkan aspek pengelolaan lingkungan seperti pada Gambar 18.
Gambar 18 Proses rantai pasok hijau obat herbal
total environmental footprint. Pada praktek MRPH dilakukan pembobotan terhadap alternatif recycle waste material, reduce energy consumption, reduce waste material dan waste water management menggunakan teknik FANP. Untuk mendukung konsep MRPH terhadap konsumsi energi dibuat model algoritme genetika untuk mencari jarak terpendek dari jalur distribusi barang yang ahirnya dapat meminimalkan pemakaian bahan bakar.
Proses rantai pasok yang digambarkan merupakan proses yang berjalan pada industri modern yang melakukan kontrol, perencanaan dan proses dengan baik. Gambaran proses tersebut dapat dijadikan model bagi industri kecil dan menengah untuk mengembangkan proses industri modern.
Tahap Desain
[image:44.612.104.494.382.674.2]
Sistem yang dikembangkan berupa aplikasi berbasis website yang terbagi atas administrator dan user non administrator. Administrator sebagai pihak yang dapat melakukan modifikasi, perubahan dan manipulasi data sementara user lainnya sebagai pihak yang mempunyai keterbatasan akses data sesuai dengan tingkatan yang ditentukan oleh administrator dalam hal ini terbagi pada user GSCOR, FANP dan algoritme genetika. Komponen utama pada model SPKC terbagi menjadi empat yaitu: sistem manajemen basis model, sistem manajemen basis data, sistem manajemen basis pengetahuan dan sistem manajemen basis dialog seperti terlihat pada Gambar 19.
Pembatasan user dilakukan untuk membagi menjadi tiga diharapkan dapat diperoleh data dan informasi yang dibutuhkan pada masing masing sub sistem. Banyaknya jumlah pertanyaan pada kuisioner FANP juga menjadi pertimbangan dalam hal ini user lebih fokus dalam pengisian form yang ada seperti terlihat pada use case diagram Gambar 20.
[image:45.612.114.500.157.535.2]
Gambar 20 use case diagram
Gambar 21 DFD level 1
Gambar 22 Entity Relationship Diagram
Sistem manajemen basis model terdiri atas model proses rantai pasok hijau, model perhitungan total environment footprint, model ranking alternatif praktek rantai pasok hijau serta model perhitungan total jarak tempuh pada optimasi algoritme genetika.
Sistem manajemen basis pengetahuan dibutuhkan untuk proses implementasi proses perhitungan dan pengolahan yang dilakukan oleh sistem yang terdiri atas proses rantai pasok hijau, dampak yang timbul pada proses rantai pasok, kriteria dan alternatif penerapan rantai pasok hijau, inferensi fuzzy dan jarak dan rute. Pada sub sistem ini dibutuhkan referensi pengetahuan yang bisa diambil dari pakar dan sumber pengetahuan lainnya seperti buku, jurnal dan internet.
FANP untuk proses FANP saja, dan user algoritme genetika untuk proses algoritme genetika. Adapun administrator beperan sebagai super user yang dapat melakukan akses ke semua menu yang ada.
[image:48.612.126.510.169.380.2]Desain SPKC dibuat berbasis website dengan platform bahasa pemrograman berbasis PHP dan MySQL. Contoh tampilan halaman utama bisa dilihat pada Gambar 23.
Gambar 23 Halaman utama SPKC
Gambar 24 Database SPKC obat herbal
Aplikasi berbasis website memberikan keuntungan bagi user dalam hal kemudahan dan kecepatan akses. Penentuan bahasa pemrograman dengan PHP dan MySQL karena aplikasi ini mudah diperoleh dan tidak berbayar yang dapat diunduh dalam satu paket aplikasi seperti xampp.
Tahap Implementasi
1. Implementasi GSCOR
Perhitungan carbon footprint dan total environmental footprint mengadopsi penelitian Cheng dan Law (2011) dengan penyesuaian pada model GSCOR menggunakan parameter baku mutu udara ambien nasional (PP No. 41 tahun 1999), kriteria kualitas air (PP No. 20 tahun 1990).
Beberapa parameter ditentukan diformulasikan kedalam persamaan untuk melakukan perhitungan carbon footprint dan total environment footprint seperti berikut ini:
CF = TCM2.3+ TCM2.4 (1)
TEF = pencemaran udara+limbah air+limbah padat (1-% recycle limbah padat) (2)
Untuk
CF = Carbon Footprint
TEF = Total environment footprint
TCM2.3 = Total carbon yang terpakai pada proses masspro dan test
TCM2.4 = Total carbon yang terpakai pada proses packing
Pada proses GSCOR diperoleh hasil carbon footprint sebanyak 602kg. Sementara untuk total environmental footprint sebanyak 4.181 kg sesuai dengan isian yang dilakukan oleh responden adapun benchmark SCOR yang diisi oleh responden terlihat bahwa salah satu perusahaan obat herbal dapat memenuhi pesanan sempurna sebesar 75% dengan waktu pemenuhan order selama 30 hari, perusahaan bisa menentukan target pemenuhan pesanan sebesar 15% bisa dilihat dari kolom requirement gap seperti ditunjukan pada kartu GSCOR pada Tabel 5.
Tabel 5 Kartu GSCOR
Performance
atribut/category Performance matriks (Level 1) Actual Advantage Superior
Requirement Gap Oportunity
Performa pengiriman 50% 75% 90% -40%
Item persediaan produk 60% 75% 90% -30%
Pemenuhan order sempurna 75% 80% 90% -15%
Waktu pemenuhan order 30 15 10 -20
Fleksibilitas rantai pasok 25 12 7 -18
Penyesuaian rantai pasok atas 25% 50% 100% -75%
Penyesuaian rantai pasok bawah 0% 0% 0% 0%
Biaya pokok produksi 40% 20% 10% -30%
Biaya rantai pasok 20% 15% 5% -15%
Biaya proses klaim produk 10% 7.5% 1.5% -8.5%
Pengolahan limbah cair 10% 75% 90% -80%
Persentase daur ulang limbah padat 50% 75% 90% -40% Persentase penggunaan limbah kembali 10% 25% 30% -20% Supply Chain Asset
Management Efficiency Siklus Cash to Cash 60 30 15 -45 Suply Chain Delivery
Reliability Int er nal E xt er nal Suply Chain responsivenes
Dari tabel kartu GSCOR juga terlihat bahwa perusahaan mengalokasikan biaya rantai pasok sebesar 20% dari total harga jual yang ditentukan sedangkan penyesuaian rantai pasok sebesar 25%. Pada atribut supply chain cost terlihat bahwa pengolahan limbah cair baru mencapai 10% masih bisa ditingkatkan sebesar 80% , daur ulang limbah padat baru mencapai 50% sementara penggunaan limbah kembali baru mencapai 10% masih bisa ditingkatkan 20%.
[image:51.612.112.514.234.537.2]Hasil carbon footprint terkait proses produksi obat herbal menjadi sumber informasi banyaknya volume limbah yang dihasilkan dalam di sepanjang proses rantai pasok yang terjadi. Pada proses ini menghasilkan limbah karbon sebesar 602 kg dan untuk limbah cair, limbah padat setelah dikurangi recycle sebanyak 4.181 kg seperti terlihat pada Gambar 25.
Gambar 25 Environmental footprint proses GSCOR
2. Implementasi FANP
Tabel 6 Identifikasi elemen dan faktor FANP
BOCR
Control
Criteria Clusters Elements in Clusters
Benefits
Ekonomi Finansial 1. Harga Produk 2. Kualitas Produk Environment
Operasional 3. Pemanfaatan Limbah
Oportunities
Teknologi Teknologi
4. Penerapan Teknologi Ramah Lingkungan
5. Inovasi Produk
Environment Operasional 6. Environmental Management System
Costs Ekonomi Finansial 7. Biaya Pengolahan Limbah Finansial
8. Investasi Teknologi Ramah Lingkungan
Risks Environment Dampak 9. Dampak Lingkungan 10. Dampak sosial
All
Networks Alternatif
Recycle waste material Reduce energy Consumption Reuse Waste Material
Waste Water Managemen
Gambar 26 Jaringan FANP
Proses selanjutnya adalah menentukan kuisioner atau lembar penilaian yang nantinya diisi oleh responden atau pakar, lembar kuisioner dibuat langsung dihalaman website untuk mempermudah dan mempercepat pengisian dan dokumentasi seperti pada Gambar 27.
Row Absolutely Very
StrongStrong Weak Equal Weak Strong Very
Strong Absolutely Column
Finansial Operasional
Finansial Teknologi
Finansial Dampak
Operasional Teknologi
Operasional Dampak
[image:53.612.110.501.82.319.2]Teknologi Dampak
Gambar 27 Kuisioner FANP
Gambar 28 Himpunan bilangan fuzzy
Dari responden yang mengisi kuisioner diambil empat responden terakhir yang melakukan pengisian yang selanjutnya dilakukan rekapitulasi untuk bilangan fuzzy seperti pada Tabel 7.
Tabel 7 Rekapitulasi skala linguistik FANP
Row
Responden
Column
1 2 3 4
c a b c a b c a b c a b Attribute Kriteria : Harga Produk
Reduce Energy Consumption 1 1 3 1 1 3 1 1 3 1 3 5 Recycle Waste Material Reduce Energy Consumption 1 1 3 1 3 5 1 3 5 1 3 5 Reuse Waste Material Reduce Energy Consumption 1 1 3 3 5 7 1 1 3 1 3 5 Waste Water management
Recycle Waste Material 1 1 3 1 3 5 1 3 5 1 3 5 Reuse Waste Material Recycle Waste Material 1 1 3 1 1 3 1 1 3 1 3 5 Waste Water management Waste Water management 1 1 3 1 3 5 1 3 5 1 3 5 Reuse Waste Material
Setelah rekapitulasi diperoleh selanjutnya menggabungkan masing-masing nilai batas bawah (C), nilai tengah (A), dan batas atas (B) dari ketiga kuesioner menjadi masing-masing satu nilai batas bawah (C), nilai tengah (A), dan batas atas (B) untuk tiap perbandingan berpasangan dengan menggunakan rumus rata-rata geometris.
C = √ … . . (1)
A = √ … . . (2)
B = √ … . . (3)
Sehingga diperoleh hasil rata rata seperti pada Tabel 8 berikut
Equal
Absolute
1
2
3
4
5
6
7
8
9
Tabel 8 Hasil rata rata geometris fuzzy ANP
Alternatif I Rata - Rata Alternatif II
c a b
Pertanyaan 1 - Attribute Kriteria : Harga Produk
Reduce Energy Consumption 1.000 1.130 1.725 Recycle Waste Material Reduce Energy Consumption 1.000 1.442 1.932 Reuse Waste Material Reduce Energy Consumption 1.130 1.351 1.895 Waste Water management
Recycle Waste Material 1.000 1.442 1.932 Reuse Waste Material Recycle Waste Material 1.000 1.130 1.725 Waste Water management Waste Water management 1.000 1.442 1.932 Reuse Waste Material
Pertanyaan 2 - Attribute Kriteria : Kualitas Produk
Reduce Energy Consumption 1.130 1.526 1.775 Recycle Waste Material Reduce Energy Consumption 1.000 1.277 1.616 Reuse Waste Material Reduce Energy Consumption 1.000 1.277 1.616 Waste Water management
Recycle Waste Material 1.000 1.277 1.616 Reuse Waste Material Recycle Waste Material 1.000 1.277 1.616 Waste Water management Waste Water management 1.000 1.277 1.616 Reuse Waste Material
Pertanyaan 3 - Attribute Kriteria : Pemanfaatan Limbah Kembali
Reduce Energy Consumption 1.000 1.277 1.616 Recycle Waste Material Reduce Energy Consumption 1.000 1.277 1.616 Reuse Waste Material Reduce Energy Consumption 1.000 1.277 1.616 Waste Water management
Recycle Waste Material 1.000 1.277 1.616 Reuse Waste Material Recycle Waste Material 1.000 1.277 1.616 Waste Water management Waste Water management 1.000 1.277 1.616 Reuse Waste Material
Proses selanjutnya adalah defuzzyfikasi dengan metode center of gravity (COG). Dari tiga nilai dari bilangan fuzzy triangular (C, A, B) yang sudah dirata-rata geometris, dirubah menjadi satu nilai crisp dengan rumus sebagai berikut:
COG =
(4)
Tabel 9 Hasil defuzyfikasi dengan metode centre of grafity
Harga Produk
Recycle Waste Material
Reduce Energy Consumption
Reuse Waste Material
Waste Water management Recycle Waste
Material 1 0.778 1.458 1.285
Reduce Energy
Consumption 1.285 1 1.458 1.459
Reuse Waste
Material 0.686 0.686 1 0.686
Waste Water
management 0.778 0.685 1.458 1
Proses defuzyfikasi dilakukan terhadap seluruh elemen yang ada di jaringan ANP, selanjutnya lakukan proses komparasi pada aplikasi superdecision dengan memasukan nila hasil proses defuzyfikasi yang terdapat pada file spk.sdmod pada sub menu komparasi matrix seperti pada Gambar 29.
Gambar 29 Proses komparasi jaringan ANP
Gambar 30 Ranking alternatif FANP
Elemen, jaringan dan alternatif dapat disesuaikan dengan permasalahan yang berkembang pada proses rantai pasok yang terjadi pada masing-masing perusahaan yang tentunya memiliki karakter yang berbeda baik jenis maupun kondisi lingkungan perusahaan serta regulasi pemerintah daerah setempat. Aplikasi yang dikembangkan sangat memungkinkan user untuk melakukan
