(Studi Kasus PT. Giri Sekar Kedaton, Gresik)

Abstrak— Meningkatnya persaingan di dunia industri

mengakibatkan perusahaan berusaha menemukan cara untuk mengoptimalkan segala sumber daya yang dimiliki. Pemilihan

supplier dengan mengukur kinerja supplier adalah hal penting

yang harus dilakukan oleh perusahaan untuk mengoptimalkan biaya dan waktu produksi. Penelitian ini bertujuan untuk menentukan supplier terbaik dengan cara melakukan seleksi beberapa alternatif supplier berdasarkan kriteria pemilihan

supplier yang telah ditetapkan. Penelitian ini dilakukan pada PT.

Giri Sekar Kedaton Gresik dengan mengambil objek penelitian

supplier bahan baku seperti semen, pasir, besi, batu pondasi dan

kayu. Metode entropy digunakan untuk melakukan perhitungan bobot tiap kriteria serta alternatif, sedangkan untuk perankingan terhadap supplier digunakan metode TOPSIS (Technique for

Order Preference by Similarity to Ideal Solution). ). Dari hasil

penelitian didapat bahwa supplier semen terbaik adalah Koperasi Semen Gresik, supplier pasir terbaik adalah UD. Lancar Jaya ,

supplier besi terbaik adalah Koperasi Semen Gresik, supplier

Batu Pondasi terbaik adalah UD. Ikhwan Jaya, supplier kayu terbaik adalah UD. Sumber Wangi.

Kata Kunci : Supplier Bahan Baku, TOPSIS

I. PENDAHULUAN

emakin beragamnya jenis dan jumlah produk industri yang dihasilkan oleh tiap perusahaan akan mengakibatkan tingkat persaingan yang semakin ketat. Untuk mengatasinya, tiap perusahaan selalu berusaha meningkatkan kinerjanya untuk menghasilkan produk terbaik lewat proses produksi yang baik serta input bahan baku yang terbaik pula. PT. Giri Sekar Kedaton yang bergerak di bidang usaha developer dan kontraktor perumahan ini memerlukan bahan baku yang berkualitas baik. Dalam proses produksinya, PT. Giri Sekar Kedaton memanfaatkan perusahaan supplier untuk memenuhi kebutuhan bahan baku perusahaan seperti pasir, semen, pasir, batu pondasi, kayu, dan sebagainya. Hal yang menjadi permasalahan tersendiri bagi PT. Giri Sekar Kedaton karena harus dapat memilih supplier dari banyak pilihan yang ada dengan mempertimbangkan kriteria yang diinginkan terhadap calon supplier tersebut. Masalah lain yang sering dihadapi oleh PT. Giri Sekar Kedaton Gresik adalah jadwal pengiriman bahan baku yang sering terlambat sehingga

mengakibatkan kurangnya persediaan bahan baku sehingga proses produksi terlambat, serta masalah yang muncul dari supplier itu sendiri, seperti kualitas yang tidak sesuai spesifikasi. Keadaan inilah yang mengarah pada pentingnya melakukan seleksi supplier. Dalam hal mencari dan memilih supplier, harus ditentukan oleh orang-orang yang berkepentingan dalam pengambilan keputusan tersebut. Dalam hal ini metode yang digunakan dalam hal pemilihan supplier adalah Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) Fuzzy Multi-Attribute Decision Making (FMADM).

Pada penelitian sebelumnya metode pengambilan keputusan telah banyak digunakan untuk berbagai penelitian. Rifyanu Fitra Budiman dalam Tugas Akhirnya yang berjudul “Pemilihan Supplier dengan Metode Topsis MCDM” melakukan perankingan dan menentukan supplier terbaik dengan obyek penelitian beberapa perusahaan penyedia jasa internet (ISP) [2]. Sri Lestari dalam penelitiannya yang berjudul “Seleksi Penerimaan Calon Karyawan Menggunakan Metode TOPSIS” menerapkan metode TOPSIS untuk membantu pihak manajemen khususnya bagian sumber daya manusia untuk mendapatkan karyawan dengan mempertimbangkan berbagai kriteria yang telah ditentukan [6]. M. Isa Irawan dalam penelitiannya yang berjudul “Pemodelan Preferensi Fuzzy Pada Analisis Keputusan Multi Person (Studi Kasus : Tingkat Kepentingan Atribut Kartu Prabayar Menurut Pelanggan)” menerapkan aplikasi dari pemodelan preferensi fuzzy, suatu pengembangan dari teori himpunan fuzzy untuk masalah pengambilan keputusan, terutama yang berhubungan dengan peningkatan kepuasan pelanggan [8].

II. PEMBAHASAN A. Perhitungan Bobot Kriteria

Untuk mendapatkan bobot tiap kriteria, data kuisioner akan diolah terlebih dahulu dengan menggunakan metode entropy. Kuisioner pembobotan kriteria tersebut digunakan untuk mengetahui tingkat kepentingan dari masing-masing kriteria yang selanjutnya dapat mempengaruhi perankingan alternatif.

Seleksi Supplier Bahan Baku

dengan Metode TOPSIS Fuzzy MADM

(Studi Kasus PT. Giri Sekar Kedaton, Gresik)

Indira Kusuma Wardhani, I Gusti Ngurah Rai Usadha, M. Isa Irawan

Jurusan Matematika, Fakultas Matematika, Institut Teknologi Sepuluh Nopember (ITS)

Jl. Arief Rahman Hakim, Surabaya 60111

E-mail: mii@.its.ac.id

Terdapat 5 tingkat kepentingan yang diberikan untuk penilaian kriteria yaitu :

1-2 : tidak penting 7-8 : penting 3-4 : kurang penting 9-10 : sangat penting 5-6 : cukup penting

Terdapat 13 kriteria yang digunakan dalam pemilihan supplier antara lain [4] :

C

1 : kriteria kepantasan harga dengan kualitas barang yang dihasilkan

C

2 : kriteria kemampuan untuk memberikan potongan harga (diskon) pada pemesanan dalam jumlah tertentu

C

3 : kriteria kesesuaian barang dengan spesifikasi yang telah ditetapkan

C

4 : kriteria penyediaan barang tanpa cacat

C

5 : kriteria kemampuan memberikan kualitas yang konsisten

C

6 : kriteria kemampuan untuk mengirimkan barang sesuai dengan tanggal yang telah disepakati

C

7 : kriteria kemampuan dalam hal penanganan sistem transportasi

C

8 : kriteria ketepatan dan kesesuaian jumlah dalam pengiriman

C

9 : kriteria kesesuaian isi kemasan

C

10 : kriteria kemudahan untuk dihubungi

C

11 : kriteria kemampuan untuk memberikan informasi secara jelas dan mudah untuk dimengerti

C

12 : kriteria kecepatan dalam hal menanggapi permintaan pelanggan

C

13 : kriteria cepat tanggap dalam menyelesaikan keluhan pelanggan

Berikut adalah hasil kuisioner yang diberikan kepada 3 orang pengambil keputusan untuk pembobotan tiap kriteria:

Tabel 2.1 Hasil Kuisioner Pembobotan Tiap Kriteria

Setelah itu dilakukan perhitungan pembobotan kriteria dengan menggunakan metode entropy, langkah-langkahnya adalah sebagai berikut [7] :

1. Normalisasi data awal kuisioner dengan mengurangkan tiap- tiap angka dengan nilai tertinggi pada pembobotan kriteria yaitu 10. Sehingga didapatkan hasil sebagai berikut :

Tabel 2.2 Normalisasi Data Awal Kuisioner

2. Nilai yang diperoleh dari langkah pertama dibagi dengan total nilai untuk semua kriteria dirumuskan sebagai berikut :



   _m i n i ij ij ij

k

k

a

1 1

untuk

m



1

,

i



1

,...,

n

;

j



1

,...,

m

(1)

dengan m= jumlah pengambil keputusan dan n= jumlah kriteria

didapat :

Tabel 2.3 Hasil Perhitungan Matriks A

3. Setelah itu dilakukan perhitungan nilai entropy yang dirumuskan dengan :



















 



n i ij ij j

_m

a

a

E

1

)

ln(

)

ln(

1

(2)

Contoh perhitungan

E :

_j

0986

,

1

)

3

ln(

)

ln(

m





0172

,

0

11



a

ln(

a

₁₁

)





4

,

0604

. . . . . .

0172

,

0

313



a

ln(

a

₃₁₃

)





4

,

0604

Nilai entropy dari tiap kriteria adalah sebagai berikut :



















 



3 1 11 11 1

_ln(

1

₃

₎

ln(

)

i

a

a

E

RES PON DEN KRITERIA

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13 1 8 9 8 5 10 6 5 8 10 6 6 6 5 2 8 9 8 8 7 6 6 8 10 6 5 6 5 3 9 8 10 9 6 8 6 8 9 5 1 3 8 RES PON DEN KRITERIA TOTAL

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13 1 -2 -1 -2 -5 0 -4 -5 -2 0 -4 -4 -4 -5 -38 2 -2 -1 -2 -2 -3 -4 -4 -2 0 -4 -5 -4 -5 -38 3 -1 -2 0 -1 -4 -2 -4 -2 -1 -5 -9 -7 -2 -41 TTTOTAL _{-5 -4 -4 -8 -7 -10 -13 -6 -1 -13 -18 -15 -12 -116} RES PON DEN KRITERIA

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13

a

m1

a

m2

a

m3

a

m4

a

m5

a

m6

a

m7

a

m8

a

m9

a

m10

a

m11

a

m12

a

m13 1 _{0,0172 0,0086 0,0172 0,0431 0 0,0345 0,0431 0,0172 0 0,0345 0,0345 0,0345 0,0431} 2 _{0,0172 0,0086 0,0172 0,0172 0,0259 0,0345 0,0345 0,0172 0 0,0345 0,0431 0,0345 0,0431} 3 _{0,0086 0,0172 0 0,0086 0,0345 0,0172 0,0345 0,0172 0,0086 0,0431 0,0776 0,0603 0,0172}













1647

,

0

164748296

,

0

181

,

0

.

9102

,

0

)

0410

,

0

(

...

)

07

,

0

(

9102

,

0

)

735

,

4

.

0086

,

0

(

...

)

0604

,

4

.

0172

,

0

(

0986

,

1

1

)

ln(

)

3

ln(

1

3 1 11 11





































 













 





 i

a

a

. . . dst

Hasil perhitungan selengkapnya dapat dilihat pada Tabel 2.4 4. Dispersi dari tiap kriteria dapat dihitung dengan persamaan:

D

_j



1



E

_j

(3)

Contoh perhitungan dispersi :

D

₁



1



E

₁



1



0

,

1647

.

. . dst

5. Dengan asumsi total bobot maka untuk mendapatkan bobot masing-masing kriteria harus dilakukan normalisasi nilai dispersi dengan persamaan sebagai berikut :





j j j

_D

D

w

(4)

Contoh perhitungan nilai

w

_j adalah sebagai berikut :

0

,

0844

8947

,

9

8353

,

0

1 1









j

D

D

w

. . . dst

Tabel 2.4 Hasil Perhitungan Entropy Tiap Kriteria

B. Perhitungan Bobot Alternatif

Dengan menggunakan langkah-langkah seperti pada perhitungan bobot kriteria,maka diperoleh hasil perhitungan bobot alternatif pada tiap kriteria.

Terdapat 5 tingkat kepentingan penilaian alternatif yaitu : 1-2 : sangat buruk 7-8 : baik

3-4 : buruk 9-10 : sangat baik 5-6 : cukup baik

B.1 Perhitungan Bobot Supplier Semen

Hasil perhitungan bobot untuk tiap supplier semen dengan metode entropy dapat dilihat pada Tabel 2.5

Tabel 2.5 Hasil Perhitungan Bobot Supplier Semen

dengan :

A

1 : Koperasi Semen Gresik

A

3 : UD. Sumber Wangi

A

2 : UD. Duta Bangunan

A

4 : UD. Gajah Tunggal B.2 Perhitungan Bobot Supplier Pasir

Hasil perhitungan bobot untuk tiap supplier pasir dengan metode entropy dapat dilihat pada Tabel 2.6.

Tabel 2.6 Hasil Perhitungan Bobot Supplier Pasir

dengan:

A

1 : UD. Nurmal Jaya

A

3 : UD. Paris Jaya

A

2 : UD. Ikhwan Jaya

A

4 : UD. Lancar Jaya B.3 Perhitungan Bobot Supplier Besi

Hasil perhitungan bobot untuk tiap supplier besi dengan metode entropy dapat dilihat pada Tabel 2.7

A L T E R N A T I F KRITERIA

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13

w

1

w

2

w

3

w

4

w

5

w

6

w

7

w

8

w

9

w

10

w

11

w

12

w

13 A10,3366 0,3587 0,3332 0,3208 0,3014 0,2841 0,3023 0,3071 0,295 0,2942 0,343 0,2816 0,2815 A20,2124 0,1899 0,2515 0,2547 0,2278 0,2437 0,2491 0,231 0,235 0,2551 0,241 0,2493 0,2493 A30,2124 0,2591 0,2077 0,2123 0,2429 0,2285 0,2316 0,231 0,235 0,2254 0,208 0,2345 0,2346 A40,2385 0,1923 0,2077 0,2123 0,2278 0,2437 0,2169 0,231 0,235 0,2942 0,208 0,2345 0,2346 KRITERIA

_E

j

D

j

w

j

C

1 0,1647 0,8353 0,0844

C

2 0,1383 0,8617 0,0871

C

3 0,1274 0,8726 0,0882

C

4 0,2244 0,7756 0,0784

C

5 0,1917 0,8083 0,0817

C

6 0,2751 0,7249 0,0733

C

7 0,3347 0,6653 0,0672

C

8 0,1912 0,8088 0,0817

C

9 0,0373 0,9627 0,0973

C

10 0,3347 0,6653 0,0672

C

11 0,4096 0,5904 0,0597

C

12 0,3656 0,6344 0,0641

C

13 0,3104 0,6896 0,0697 A L T E R N A T I F KRITERIA

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13

w

1

w

2

w

3

w

4

w

5

w

6

w

7

w

8

w

9

w

10

w

11

w

12

w

13 A 0,2458 1 0,2275 0,2536 0,2422 0,2352 0,2657 0,25 0,2364 0,2453 0,2451 0,2535 0,2465 0,2394 A2 0,2625 0,2575 0,2392 0,2733 0,2659 0,2487 0,25 0,2581 0,2453 0,2622 0,2394 0,2605 0,2677 A3 0,2458 0,2575 0,2392 0,2422 0,2494 0,2343 0,2358 0,2364 0,2453 0,2305 0,2535 0,2465 0,2394 A 0,2458 4 0,2575 0,2681 0,2422 0,2494 0,2513 0,2642 0,2691 0,2642 0,2622 0,2535 0,2465 0,2535

Tabel 2.7 Hasil Perhitungan Bobot Supplier Besi

dengan :

A

1: Koperasi Semen Gresik

A

3 : UD. Sumber Wangi

A

2: UD. Duta Bangunan

A

4 : UD. Gajah Tunggal B.4 Perhitungan Bobot Supplier Batu Pondasi

Hasil perhitungan bobot untuk tiap supplier batu pondasi dengan metode entropy dapat dilihat pada Tabel 2.8

Tabel 2.8 Hasil Perhitungan Bobot Supplier Batu Pondasi

dengan :

A

1 : UD. Nurmal Jaya

A

3 : UD. Paris Jaya

A

2 : UD. Ikhwan Jaya

A

4 : UD. Lancar Jaya B.5 Perhitungan Bobot Supplier Kayu

Hasil perhitungan bobot untuk tiap supplier kayu dengan metode entropy dapat dilihat pada Tabel 2.9

Tabel 2.9 Hasil Perhitungan Bobot Supplier Kayu

dengan :

A

1 : UD. Cahaya Mulya

A

3 : UD. Muncul

A

2 : UD. Sumber Wangi

C.Perankingan Supplier dengan Metode TOPSIS

Berikut ini akan dijelaskan mengenai perhitungan dalam melakukan perankingan supplier tiap bahan baku dengan menggunakan metode TOPSIS [1] :

C.1 Perankingan Supplier Semen

1. Matriks keputusan yang didapat dari hasil perhitungan entropy.

Tabel 2.10 Matriks Keputusan

2. Matriks keputusan yang ternormalisasi Dengan menggunakan persamaan :



  _m i ij ij ij x x r 1 2

(5)

Tabel 2.11 Matriks Keputusan Ternormalisasi

3. Matriks keputusan yang ternormalisasi terbobot

Dengan bobot

W 



w1,w2,...,wn



maka rating bobot

ternormalisasi

(

y

ij

)

dapat didefinisikan sebagai

y

_ij



w

_j

r

_ij

(6) didapat : A L T E R N A T I F KRITERIA

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13

w

1

w

2

w

3

w

4

w

5

w

6

w

7

w

8

w

9

w

10

w

11

w

12

w

13 A1 0,3113 0,3458 0,3183 0,2951 0,2909 0,3044 0,2979 0,3113 0,3014 0,2747 0,311 0,3069 0,2922 A2 0,247 0,283 0,2272 0,2619 0,2582 0,268 0,2612 0,247 0,2329 0,2418 0,2395 0,2465 0,26 A3 0,2285 0,1856 0,2272 0,2215 0,2255 0,2138 0,2205 0,2132 0,2329 0,2418 0,2247 0,2233 0,2239 A4 0,2132 0,1856 0,2272 0,2215 0,2255 0,2138 0,2205 0,2285 0,2329 0,2418 0,2247 0,2233 0,2239 A L T E R N A T I F KRITERIA

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13

w

1

w

2

w

3

w

4

w

5

w

6

w

7

w

8

w

9

w

10

w

11

w

12

w

13 A10,2447 0,2475 0,2515 0,2458 0,257 0,2457 0,2681 0,2464 0,2589 0,2648 0,2573 0,2485 0,25 A2 0,266 0,2675 0,2741 0,2625 0,257 0,2629 0,2536 0,2607 0,2411 0,2352 0,2427 0,2485 0,25 A30,2447 0,2425 0,2372 0,2458 0,243 0,2457 0,2392 0,2464 0,2589 0,25 0,2427 0,2485 0,25 A40,2447 0,2425 0,2372 0,2458 0,243 0,2457 0,2392 0,2464 0,2411 0,25 0,2573 0,2544 0,25 A L T E R N A T I F KRITERIA

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13

w

1

w

2

w

3

w

4

w

5

w

6

w

7

w

8

w

9

w

10

w

11

w

12

w

13 A1 0,288 0,355 0,3012 0,3288 0,3371 0,2963 0,2738 0,3229 0,3296 0,3564 0,2909 0,3333 0,3333 A2 0,3832 0,2898 0,373 0,3832 0,3525 0,3964 0,3781 0,3542 0,3758 0,3137 0,3243 0,3333 0,3333 A3 0,3288 0,3552 0,3258 0,288 0,3104 0,3074 0,3482 0,3229 0,2947 0,3299 0,3847 0,3333 0,3333 A L T E R N A T I F KRITERIA

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13

w

1

w

2

w

3

w

4

w

5

w

6

w

7

w

8

w

9

w

10

w

11

w

12

w

13 A1 0,3366 0,3587 0,3332 0,3208 0,3014 0,2841 0,3023 0,3071 0,295 0,2942 0,343 0,2816 0,2815 A2 0,2124 0,1899 0,2515 0,2547 0,2278 0,2437 0,2491 0,231 0,235 0,2551 0,241 0,2493 0,2493 A3 0,2124 0,2591 0,2077 0,2123 0,2429 0,2285 0,2316 0,231 0,235 0,2254 0,208 0,2345 0,2346 A4 0,2385 0,1923 0,2077 0,2123 0,2278 0,2437 0,2169 0,231 0,235 0,2942 0,208 0,2345 0,2346 A L T E R N A T I F

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13 A1 0,6596 0,6919 0,6528 0,6316 0,5984 0,5663 0,5997 0,6088 0,5869 0,5846 0,6698 0,5616 0,5614 A2 0,4162 0,3661 0,4927 0,5016 0,4523 0,4857 0,4941 0,458 0,4675 0,5069 0,4705 0,4971 0,4972 A3 0,4162 0,4997 0,4068 0,418 0,4823 0,4555 0,4595 0,458 0,4675 0,4479 0,4062 0,4677 0,4678 A4 0,4674 0,3708 0,4068 0,418 0,4523 0,4857 0,4303 0,458 0,4675 0,4479 0,4062 0,4677 0,4678

Tabel 2.12 Matriks Keputusan Ternormalisasi Terbobot

4. Menentukan solusi ideal positif dan solusi ideal negatif Solusi ideal positif A

dan Solusi ideal negatif A

dapat ditentukan berdasarkan rating terbobot ternormalisasi

)

( ij

y

sebagai :



₁

,

₂

,...,





;





n

y

y

y

A

(7)



₁

,

₂

,...,





;





n

y

y

y

A

(8)

















 biaya atribut adalah j jika ; keuntungan atribut adalah j jika

min

max

;

i ij y

i

y

ij

j

y

(9)

















 biaya atribut adalah j jika ; keuntungan atribut adalah j jika

max

min

;

i ij y

i

y

ij

j

y

(10)

Tabel 2.13 Solusi Ideal Tabel 2.14 Solusi Ideal

Positif Negatif

5. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matrik solusi ideal negatif. Jarak antara nilai alternatif dengan solusi ideal positif dirumuskan sebagai :



















 _  n j yi yij Di 1 2 (11)

dengan : i1,2,...,m

Tabel 2.15 Jarak Nilai Alternatif dengan Solusi Ideal Positif

Jarak antara nilai alternatif dengan solusi ideal negatif dirumuskan sebagai :



















   n j yij yi Di 1 2

(12) dengan : i1,2,...,m

Tabel 2.16 Jarak Antara Alternatif dengan Solusi Negatif

6. Menghitung nilai preferensi untuk setiap alternatif Nilai preferensi untuk setiap alternatif diberikan sebagai:

     Di Di Di V i

(13) Tabel 2.17 Nilai Preferensi Supplier Semen

C.2 Perankingan Supplier Pasir

Dengan menggunakan cara yang sama dengan perankingan supplier semen didapat nilai preferensi tiap alternatif s

sebagai berikut :

Tabel 2.18 Nilai Preferensi Supplier Pasir

C.3 Perankingan Supplier Besi

Dengan menggunakan cara yang sama dengan perankingan supplier sebelumnya didapat nilai preferensi tiap alternatif sebagai berikut :

Tabel 2.19 Nilai Preferensi Supplier Besi

C.4 Perankingan Supplier Batu Pondasi

Dengan menggunakan cara yang sama dengan perankingan supplier sebelumnya didapat nilai preferensi tiap alternatif sebagai berikut : A L T E R N A T I F

C

1

C

2

C

3

C

4

C

5

C

6

C

7

C

8

C

9

C

10

C

11

C

12

C

13 A10,0557 0,0603 0,0576 0,0495 0,0489 0,0415 0,0403 0,0498 0,0571 0,0393 0,0400 0,0360 0,0391 A20,0351 0,0319 0,0434 0,0393 0,0370 0,0356 0,0332 0,0374 0,0455 0,0341 0,0281 0,0319 0,0346 A30,0351 0,0435 0,0359 0,0328 0,0394 0,0334 0,0309 0,0374 0,0455 0,0301 0,0242 0,0300 0,0326 A40,0395 0,0323 0,0359 0,0328 0,0370 0,0356 0,0289 0,0374 0,0455 0,0301 0,0242 0,0300 0,0326  y1 0,0351  y8 0,0374  y2 0,0319  y9 0,0455  y3 0,0359  y10 0,0301  y4 0,0328  y11 0,0242  y5 0,0370  y12 0,03  y6 0,0334  y13 0,0326  y8 0,0289  y1 0,0557  y8 0,0498  y2 0,0603  y9 0,0571  y3 0,0576  y10 0,0393  y4 0,0495  y11 0,04  y5 0,0489  y12 0,036  y6 0,0415  y13 0,0391  y8 0,0403  D1 D2 D3 D4 0 0,0474 0,0489 0,0529  D1 D2 D3 D4 0,0549 0,0127 0,0120 0,0049 V1 V 2 V 3 V 4 1 0,2114 0,1975 0,0843 V1 V 2 V 3 V 4 0,3272 0,6153 0,3077 0,6298 V1 V 2 V 3 V 4 1,0000 0,4156 0,0491 0,0476

Tabel 2.20 Nilai Preferensi Supplier Batu Ponda

si

C.5 Perankingan Supplier Kayu

Dengan menggunakan cara yang sama dengan perankingan supplier sebelumnya didapat nilai preferensi tiap alternatif sebagai berikut :

Tabel 2.21 Nilai Preferensi Supplier Kayu

D. Perankingan Supplier Bahan Baku dengan Coding Program

Setelah dilakukan tahap coding program terlihat bahwa supplier semen terbaik adalah Koperasi Semen Gresik, supplier pasir terbaik adalah UD. Lancar Jaya, supplier besi terbaik adalah Koperasi Semen Gresik, supplier batu pondasi terbaik adalah UD. Ikhwan Jaya, dan supplier kayu terbaik adalah UD. Sumber Wangi

KESIMPULAN

Berdasarkan hasil pengolahan dan analisis data secara manual serta menggunakan coding program maka dapat diambil beberapa kesimpulan sebagai berikut:

1. Untuk supplier semen terbaik adalah Koperasi Semen Gresik .

2. Untuk supplier pasir terbaik adalah UD. Lancar Jaya. 3. Untuk supplier besi terbaik adalah Koperasi Semen

Gresik

4. Untuk supplier batu pondasi terbaik adalah UD. Ikhwan Jaya .

5. Untuk supplier kayu terbaik adalah UD. Sumber Wangi.

UCAPAN TERIMA KASIH

Tugas Akhir ini dapat terselesaikan dengan baik dan lancar berkat kerja sama, bantuan, dan dukungan dari banyak pihak. Sehubungan dengan hal itu, penulis bermaksud menyampaikan ucapan terima kasih dan penghargaan kepada: 1. Allah SWT yang senantiasa melimpahkan segala rahmat,

hidayah, dan petunjuk-Nya.

2. Bapak ibu tercinta yang telah membesarkan, mendidik, merawat dan memberikan do’a yang tulus dan ikhlas serta semua keluarga besar penulis yang senantiasa memberikan motivasi dan dukungannya.

3.

Prof. DR. M. Isa Irawan, M.T dan Drs. I Gusti Ngurah Rai U., M.Si. selaku dosen pembimbing.

4. DR. Erna Apriliani, M.Si selaku Ketua Jurusan Matematika ITS.

5. Teman-teman seperjuangan khususnya KOMANDAN.

DAFTAR PUSTAKA

[1] Kusumadewi, S., Hartanti, S., Harjoko, A., Wardoyo, R. (2006).“Fuzzy Multi-Attribute Decision Making” .Yogyakarta: Graha Ilmu.

[2] Budiman, R.F. (2009). “Pemilihan Supplier dengan Metode Topsis

MCDM”. Tugas Akhir Jurusan Matematika Institut Teknologi

Sepuluh Nopember. Surabaya

[3] Nurul,B.M. (2010). “Pemilihan Supplier Menggunakan Metode

Fuzzy Data Envelopment Analysis (DEA)”. Tugas Akhir Jurusan

Matematika Institut Teknologi Sepuluh Nopember. Surabaya.

[4] Surjasa, D., Astuti, P., Nugroho, H. (2006). “Usulan Supplier

Selection dengan Analitycal Hierarchy Process dan Penerapan Sistem Informasi dengan Konsep Vendor Managed Inventory Pada PT. ABC “. Jurnal Dosen dan Alumni Teknik Industri Universitas Trisakti. Jakarta

[5] Gerdon. (2011). ”Sistem Pendukung Keputusan Untuk Menentukan

Penerimaan Beasiswa Bagi Mahasiswa STMIK AMIKOM”. Tugas

Akhir Jurusan Sistem Informasi STIMIK AMIKOM.

Yogyakarta.

[6] Lestari, S. (2011). ”Seleksi Penerimaan Calon Karyawan

Menggunakan Metode TOPSIS”. Konferensi Nasional Sistem dan

Informatika. Bali.

[7] Avianti, R.S. (2009). “Kajian Metode Electre II Pada Permasalahan

Multi-Attribute Decision Making (MADM)”. Tugas Akhir

Matematika Institut Teknologi Sepuluh Nopember. Surabaya.

[8] Irawan, M.I. (2006 ). ”Pemodelan Preferensi Fuzzy Pada Analisis

Keputusan Multiperson (Studi Kasus : Tingkat Kepentingan Atribut Kartu PrabayarMenurut Pelanggan) “. Seminar Nasional

Matematika. Bandung

V1 V 2 V 3 V 4

0,4960 0,6296 0,2666 0,1949

V1 V 2 V 3