1
Dedi Purwanto
Mahasiswa Sarjana S1 Teknik Industri UPI Y.A.I Jakarta NIM : 0844290043
Email : [email protected]
AL Ikbal Arbi
Kepala Lab dan Studio Teknik Industri UPI Y.A.I Jakarta Email : [email protected]
ABSTRAK
Penyampaian produk yang dilakukan oleh PT. Sinar Sosro selama ini berdasarkan permintaan terbesar yang diutamakan tanpa memperhatikan faktor- faktor manajemen rantai pasok sehingga produk menjadi sering kosong di kantor penjualan.Untuk menghindari terjadinya penyampaian produk kurang tepat perlu dilakukan penelitian dengan menggunakan metode SCOR, dapat diketahui faktor-faktor yang diperlukan untuk manajemen rantai pasok seperti perencanaan, pengadaan, produksi, pengiriman dan pengembalian yang akan dijadikan alat ukur membuat kuesioner. fuzzy AHP digunakan dalam menentukan kriteria terpenting.penelitian di PT. Sinar Sosro menunjukkan bahwa dkriteria perencanan memiliki bobot terbesar (0,561 ) dibandingkan kriteria lainnya .Sedangkan pada level tujuan kinerja meningkatkan kualitas produk(0,397) menjadi faktor yang sangat penting, level atribut kinerja supply chain reliability (0,387) yang menjadi faktor paling penting serta level alternatif metrik pengukuran kinerja pemenuhan pesanan sempurna (0,187) menjadi faktor yang paling penting
Kata kunci : Rancangan Kinerja SCOR dan Fuzzy AHP
Delivery of the product conducted by PT. Sinar Sosro been preferred by the greatest demand without taking heed of supply chain management so that the product becomes vacant in the office often penjualan.Untuk avoid incorrect product delivery needs to be done by using the method of SCOR research, can know the factors required for the management such as supply chain planning, procurement, production, delivery and returns that will be used as measurement tools to make a questionnaire. fuzzy AHP is used in determining the criteria terpenting.penelitian in PT. Sosro rays showed that dkriteria planning to have the greatest weight (0.561) than other criteria. While the level of performance goals to improve the quality of the product (0.397) becomes a very important factor, the level of supply chain performance attributes of reliability (0.387) is the most important factor as well as the level of alternative metric measurement of the performance of perfect order fulfillment (0.187) becomes the most important factor
Pendahuluan
Jika dilihat secara lebih mendalam, inti dari persaingan perusahaan-perusahaan sekarang ini terletak pada bagaimana sebuah perusahaan mampu menciptakan produk yang lebih murah, lebih berkualitas, dan lebih cepat dibandingkan dengan pesaing bisnisnya. Hal tersebut memaksa perusahaan untuk meningkatkan kinerja bisnisnya. Kesadaran akan pentingnya peran semua pihak dalam menciptakan produk yang murah, berkualitas, dan cepat inilah yang kemudian melahirkan konsep baru yaitu
Manajemen Kinerja Rantai Pasokan ( Supply Chain Management )
Sistem pengukuran kinerja diperlukan untuk melakukan monitoring dan pengendalian, mengkomunikasikan tujuan organisasi ke fungsi-fungsi pada rantai pasok, mengetahui dimana posisi suatu organisasi relatif terhadap pesaing maupun tujuan yang hendak dicapai dan menentukan arah perbaikan untuk menciptakan keunggulan dalam bersaing.Salah satu model pengukuran kinerja rantai pasok adalah SCOR ( Supply Chain Operation Reference ) yang dikembangkan oleh sebuah lembaga profesional yaitu Supply Chain Council (SCC). SCOR merupakan suatu cara untuk mengkomunikasikan sebuah kerangka yang menjelaskan mengenai rantai pasok secara
mendetail, mendefinikan dan
mengkategorikan proses-proses yang membangun metrik-metrik pengukuran yang diperlukan dalam pengukuran kinerja rantai pasok. Dengan demikian akan didapat pengukuran yang terintegrasi antara supplier, internal perusahaan dan konsumen ( Supply Chain Council, 2006).
Suatu pendekatan fuzzy AHP ditujukan untuk menyusum ketidakpastian dan kekaburan yang dihubungkan dengan penilaian dari penentuan bobot masing-masing metrik pengukuran kinerja, sebab perbandingan berpasangan crisp dalam AHP konvensional tidak cukup dan tidak tepat untuk menangkap tingkat derajat petingnya pengambilan keputusan dalam mengevaluasi metrik pengkuran kinerja.
Metodologi
Model SCOR
SCOR ( Supply Chain Operation Reference) adalah suatu model referensi proses yang dikembangkan oleh dewan Rantai Pasokan sebagai alat diagnosa manajemen Rantai Pasok. SCOR dapat digunakan untuk mengukur kinerja
rantai pasok., meningkatkan kinerjanya dan merupakan alat manajemen yang mencakup mulai dari pemasoknya hingga kekonsumennya.
Dalam SCOR proses-proses rantai pasokan tersebut didefinisikan kedlam 5 proses yang terintegrasi yaitu Perencanaan ( Plan ), Pengadaan (source), Produksi (make), Distribusi (Deliver) dan Pengembalian (Return). Metrik - metrik penilaian dalam SCOR dinyatakan dalam beberapa level tingkatan meliputi level 1, level 2, dan level 3. Dengan demikian, selain proses rantai pasokan yang dimodelkan kedalam bentuk hierarki proses, maka metrik penilaiannya pun dinyatakan dalam bentuk hierarki penilaian. Banyaknya metrik dan tingkatan metrik yang digunakan disesuaikan dengan jenis dan banyaknya proses, serta tingkatan proses rantai pasokanm yang diterapkan didalam perusahaan yang bersangkutan (SSC, Supply Chain Council, 2006)
Fuzzy AHP
Suatu skala yang sering digunakan dalam AHP adalah titik-sembilan skla (Saaty 1989, Tabel 1) yang menunjukkan penilaian peserta atau pilihan diantara alternatif pilihan seperti sama penting, sedikit lebih penting, jelas lebih penting, sangat jelas lebih penting, dan mutlak lebih penting. Dalam penelitian ini, triangular fuzzy number, ~1 - ~9, digunakan untuk menunjukkan perbandingan
berpasangan tentang proses pemilihan untuk tujuan menangkap ketidakjelasan. Angka fuzzy adalah fuzzy khusus yang di set = F ={(x,µf (x)), x € R}, dimana x nilai digaris yang rill, R : - ~ < x < + ~ dan µf (x) adalah suatu memetakan lanjutan dari R pada interval tertutup [0,1]. Suatu triangular fuzzy number dinyatakn sebagai M = (l,m,u), dimana l ≤ m ≤ u.
Triangular fuzzy number, ~1 - ~9 digunakan untuk meningkatkan rencana skala konvensional 9 poin. Untuk tujuan impresisi dari penilaian manusia yang kualitatif kedalam pertimbangan, 5 triangular fuzzy number digambarkan sesuai dengan fungsi keanggotaan seperti tabel 01. Analisa fuzzy synthetic extent
Analisa synthetic extent dipakai untuk memperoleh perluasan suatu objek dalam memenuhi tujuan yang disebut satified extent. Jika C = { C1, C2, C3,....,Cn} merupakan sekumpulan kriteria sebanyak n dan A = { A1, A2, A3,....,Am} merupakan sekumpulan atribut keputusan sebanyak m, maka Mci1, Mci2, Mcim adalah nilai extent analysis pada i- kriteria dan m- atribut keputusan dimana i = 1, 2,...n dan untuk Mcij ( j = 1,2,....m ) merupakan bilangan triangular fuzzy.
Langkah – langkah model extent analysis, yaitu :
1. [ M jgi ] -1
Untuk memperoleh M j
gi maka dilakukan operasi penjumlahan nilai fuzzy extent analysis (m) untuk metrik sebagian, dimana digunakan operasi penjumlahan pada tiap-tiap bilangan triangular fuzzy dalam setiap baris seperti berikut :
Mjg i=
(
Sedangkan untuk nilai
[ M jgi ] dapat
dijabarkan dengan rumus berikut yang merupakan operasi penjumlahan untuk keseluruhan bilangan triangular fuzzy dalam metrik keputusan (n x m), perumusannya adalah :
[ M jgi ]
= ( M jgi )
Dan untuk menghitung invers dari persamaan tersebut, yaitu :
[ M jgi ]-1
=( , , )
2. perbandingan tingkat kemungkinan antara bilangan fuzzy
Pertimbangan dari prinsip perbandingan ini untuk perkiraan sekumpulan nilai bobot pada masing-masing kriteria. Sebagai contoh adalah 2 bilangan fuzzy M1 dan M2 dengan tingkat kemungkinan ( M1 ≥ M2 ) dapat didefiisikan sebagai berikut :
V (M1 ≥ M2)=
[min ( µm1 (x), µm2 (y))]
Dimana sup adalah supremum (batas himpunan yang paling kecil), jika pasangan (x,y) dimana x ≥ y dan µm1 (x) = µm2 (y) =1 maka V (M1 ≥ M2) = 0. Apabila M1(l1, m1, u1) dan M2 (l2, m2, u2) merupakan bilangan fuzzy convex dapat diperoleh ketentuan berikut :
V (M1 ≥ M2) = 1 iff m1 ≥ m2
V (M1 ≥ M2) = hgt ( M1 M2 ) = µm1(xd)
Dimana iff menyatakan “jika dan hanya jika “ dan d merupakan ordinat titik perpotongan tertinggi antara µm1 dan µm2. Titik dimana ordinat d berada adalah Xd dan hgt merupakan bilangan fuzzy perpotongan M1 dan M2. Tinglat
kemungkinan untuk bilangan fuzzy fuzzy konveks dapat diperoleh dengan persamaan berikut :
V (M1 ≥ M2) = 1 , jika M2 ≥ M1 untuk kondisi lain
3. Tingkat kemungkinan untuk bilangan fuzzy convex M lebih baik dibandingkan sejumlah k bilangan fuzzy convex m1 = ( i = 1, 2, ....k ) dapat ditentukan dengan
menggunakan operasi max dan min ( Dubois and Prade, 1980 ) dan dirumuskan :
Normalisasi vektor bobot penting dilakukan tidak hanya untuk memudahkan interprestasi tapi juga untuk solusi unik
beberapa metode seperti metode logaritmic least square. Normalisasi terdiri dari 2 cra yaitu pembagian dan geometris. Normalisasi pembagian menggunakan operasi penjumlahan dan pembagian. Sedangkan normalisasi geometris memakai konsep rata-rata geometris. Dari kedua cara tersebut yang lebih mudah, tepat dan banyak digunkan adalah normalisasi pembagian. Jika vektor bobot tersebut diatas normalisasi, maka definisi vektor bobot berikut:
V (M ≥ M1, M2,... Mk) =
V[ (M ≥ M1) dan (M ≥ M2), ... (M ≥ Mk)] = min V ( M ≥ Mi)
Dengan I = 1,2,3,...k
Jika diasumsikan bahwa d1 ( A1) = min V ( Si ≥ Sk )untuk k=1,2,...n ; k≠i maka vektor bobot didefinisikan :
W1 = (d1(A1),d1(A2),....d1(An))T
Dimana : Ai ( i = 1,2,...,n) adalah n elemen dan d1 (Ai) adalah nilai yang menggambarkan pilihan relatif masing-masing atribut keputusan.
Normalisasi
V = (d1(A1), d1(A2),.... d1(An))T Perumusan normalisasi adalah: D (An) =
Normalisasi bobot ini dilakukan agar nilai dalam vektor diperbolehkan menjadi analog bobot yang ditetapkan dari metode AHP dan terdiri dari bilangan yang bukan fuzzy.
Penelitian meliputi metode SCOR dan fuzzy AHP meliputi analisis faktor yang mempengaruhi Supply Chain Management. Pada analisis faktor ini meliputi perencanaan, pengadaan, produksi, pengiriman dan pengembalian dimana faktor ini merupakan 5 proses dasar bisnis. Perencanaan adalah proses menyeimbangkan permintaan dan
pasokan untuk menentukan tindakan terbaik dalam memenuhi kebutuhan pengadaan, produksi dan pengiriman. Pengadaan adalah proses pengadaan barang atau jasa untuk memenuhi permintaan. Produksi adalah proses untuk mentransformasikan bahan baku/komponen menjadi produk yang diinginkan oleh pelanggan. Pengiriman adalah kegiatan mengirimkan produk jadi ketangan konsumen. Dan Pengembalian adalah proses pengembalian atau menerima pengembalian produk karena berbagai alasan. Terdapat 3 level dalam model SCOR yang dapat digunakan untuk mengukur dan meningkatkan performa rantai pasok.
SCOR Level 1= Mengidentifikasi proses bisnis yang terjadi dalam manajemen rantai pasok di perusahaan kemudian diidentifikasi tentang kompetisi dasar yang ingin dicapai dengan menganalisa ruang lingkup rantai pasok dan bagaimana performanya diukur dengan mengkarakteristikan kinerja berdasarkan 2
perspektif. Perspektif pertama adalah dari sisi customer ( external ) dan perspektif kedua
adalah berdasarkan sisi perusahaan ( internal ) yang akan dilakukan dengan
menggunakan SCORcards.
SCOR Level 2 = Mengidentifikasikan konfigurasi dari perencanaan dalam aliran material dari perencanaaan dalam aliran material menggunakan kategori seperti make
to stock, make to order, dan engineer to order.
SCOR Level 3 = Mengidentifikasi kinerja rantai pasok yang berlaku perusahaan dan menilai inefisiensi diperusahaan sehingga dapat diambil strategi yang tepat untuk meningkatkan kinerja rantai pasok diperusahaan.
Melalui metode SCOR dapat diketahui faktor faktor mempengaruhi rantai pasok yang akan dijadikan sebagai bahan kuesioner yang bertujuan untuk meneentukan tingkat kepentingan kriteria utama, subkriteria dan alternatif serta pembobotan perbandingan berpasangan melalui metode fuzzy AHP berdasarkan hierarki penentuan produk. Kemudain diuji validitas kuesioner tersebut dengan tujuan untuk menunjukkan sejauh mana suatu alat ukur mampu mampu mengukur apa yang ingin diukur kemudian diukur reliabilitas kuesioner tersebut dengan tujuan untuk mengetahui sejauh mana pengukuran tetap konsisten apabila dilakukan pengukuran dua kali atau lebih terhadap gejala yang sama dengan menggunakan alat ukur yang sama pula. Dari kuesiner tersebut dibuat data perbandingan berpasangan triangular fuzzy kemudian hitung nilai fuzzy
synthetic extent untuk tiap kriteria utamanya kemungkinan untuk bilangan fuzzy konveks kemudian menghitung niai normalisasi vektor bobot. Bobot akhir yang paling besar merupakan kriteria terpenting dari kriteria lain.
Pembahasan
Hasil penyelesaian masalah yang peneliti lakukan terhadap merancang pengukuran kinerja rantai pasok dengan menggunakan metode SCOR dan fuzzzy AHP antara lain SCORcards perusahaan serta peran pentingnya kriteria dalam struktur hierarki dalam mengambil keputusan
Berdasarkan pengamatan jalannya proses pendistribusian produk ke kantor penjualan wilayah ( KPW ) hanya berdasarkan permintaan terbanyak yang didahulukan tanpa mempertimbangkan faktor – faktor yang mempengaruhi kritis sukses pengukuran performa rantai pasok. Yang terdiri dari rantai pasok reliabilitas, responsiv, fleksibilitas, biaya serta aset, disini penulis melakukan penelitian pengukuran kinerja rantai pasokan terhadap 5 faktor kritis sukses pengukuran performansi rantai pasokan tersebut.
Kesimpulan
Berdasarkan tujuan penelitian yang penulis uraikan pada bab pendahuluan dan penyelesaian masalah yang telah dilakukan pada pengolahan data, maka dapat ditarik kesimpulan yaitu ;
Berdasarkan analisis pengukuran kinerja SCM dengan menggunakan model SCOR, teridentifikasi beberapa inefisiensi yang terjadi baik pada aliran material maupun aliran informasi dan kerja. Inefisiensi tersebut meliputi manajemen distribusi masih lemah, manajemen suplier lemah, masih adanya produk yang non standar dan proses distribusi yang tidak optimal. Untuk mengatasi hal tersebut, maka dirumuskan beberapa praktek terbaik yang dapat diterapkan agar mampu meningkatkan kinerja SCM perusahaan. Praktik terbaik tersebut meliputin kolaborasi planning, membangun kemitraan, menerapkan manajemen transportasi, menerapkan custumer Relationship Management. Penerapan best practice dapat meningkatkan kinerja SCM di PT. Sinar Sosro terutama pada performa Suppy Chain Reliability, Supply hain Responsiveness, Supply chain Flexibility.
Pada pengolahan fuzzy synthetic extent kriteria perencanan memiliki bobot terbesar dibandingkan kriteria lainnya khusus kreiteria level proses bisnis maka perencanaan menjadi faktor yang sangat penting karena merupakan langkah awal yang menentukan keberhasilan rangkaian proses dalam rantai pasok.
Sedangkan pada level tujuan kinerja meningkatkan kualitas produk menjadi faktor yang sangat penting, level atribut kinerja supply chain reliability yang menjadi faktor paling penting serta leve alternatif metrik pengukuran kinerja pemenuhan pesanan sempurna mnjadi faktor yang paling penting.
Dari tersebut dapat disimpulkan bahwa penlitian ini layak untuk diterapkan agar perusahaan mampu menciptakan produk yang lebih murah, lebih berkualitas dan lebih cepat.
Daftar Pustaka
Anggraini, widya,2009. Pengukuran Kinerja Pengelolaan Rantai Pasokan Pada PT. LG Elektronik Indonesia, Depok. : Universitas Gunadarma. Siregar, Ir.Sofyan.,MM. 2011. Statistika
Deskriptif Untuk Penelitian . Jakarta : PT. Raja Grafindo Persada
Nyoman, I Pujawan. 2005. Supply Chain Management. Surabaya : Guna Widya
Edithtya Putri. 2011. Pengukuran Kinerja Rntai Pasok dengan Metode SCOR dan Fuzzy AHP Di PT. Multi Warna, Jakarta : Universitas Persada Indonesia.
Maghfiroh, Nurul dan Marimin. 2010.
Aplikasi Teknik Pengambilan Keputusan
Dalam Manajemen Rantai Pasok. Bogor : PT. Penerbit IPB Press
Marimin. 2004 Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk Jakarta : Grasindo
Eko Indrajit, Richrdus dan richardus Djokopranoto. 2006. Konsep Manajemen Supply Chain. Jakarta : Grasi
Tabel 01 skala fuzzy dan gambaran linguistik kepentingan relatif antara 2 kriteria
Intensitas Skala Fuzzy
Kebalikan Skala Fuzzy Definisi Variabel Linguistik
1 = ( 1, 1, 3 ) ( 1/3, 1/1, 1/1 ) Dua kriteria mempunyai kepentingan yang sama 3 = ( 1, 3, 5 ) ( 1/5, 1/3, 1/1 ) Satu kriteria sedikit lebih penting dari yang lain 5 = ( 3, 5, 7 ) ( 1/7, 1/5, 1/3 ) Satu kriteria lebih penting dari yang lain 7 = ( 5, 7, 9 ) ( 1/9, 1/7, 1/5 ) Satu kriteria sangat lebih penting dari yang lain 9 = ( 7, 9, 9 ) ( 1/9, 1/9, 1/7 ) Satu kriteria mutlak lebih penting dari yang lain 2 = ( 1, 2, 4 ) 4 = ( 2, 4, 6 ) 6 = ( 4, 6, 8 ) 8 = ( 6, 8, 9 ) ( ¼, ½, 1/1 ) ( 1/6, ¼, ½ ) ( 1/8, 1/6, ¼ ) ( 1/9, 1/8, 1/6 )
