BAB 4 HASIL DAN PEMBAHASAN

(1)

BAB 4

HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data

Data-data yang dikumpulkan berikut ini merupakan data yang diambil selama magang pada bulan Juli hingga September 2008 di PT. Bina Busana Internusa (BBI). Data dikumpulkan dari berbagai macam sumber, antara lain data primer, pengamatan, wawancara maupun mengukur secara langsung.

4.1.1 Gambaran Umum Reject Komponen

Reject komponen diambil dari kata reject (Inggris) dan component (Inggris) yang menurut kamus bahasa Inggris reject berarti ditolak, dibuang, atau tidak cukup baik untuk disimpan, sedangkan kata component berarti bagian yang melengkapi sesuatu. M aka reject komponen yang dimaksud perusahaan adalah bagian dari pakaian yang tidak dapat digunakan untuk membuat pakaian. Beberapa penyebab komponen tersebut tidak dapat digunakan biasa disebut dengan jenis reject, dimana akan dijelaskan secara lebih detail pada tabel 4.1contoh reject komponen pada perusahaan yang diamati adalah reject visual seperti terlihat pada gambar 4.1

(2)

Tabel 4.1 Karakteristik Reject Komponen

No Gambar

Jenis Reject Keterangan

1 Nep Cacat kain akibat cacat dari benang

dimana serat benang kusut membentuk bintik tidak teratur

2 Benang pecah dan pakan (rajutan) jarang

Cacat kain akibat rajutan yang terlewat sehingga terlihat ada jeda antar benang. 3 Benang timbul / Slub Cacat kain akibat cacat benang, berupa

bagian benang yang menebal, tidak teratur, karena kelompok serat yang terlilit pada benang.

4 Pakan rangkap dan salah benang

Benang yang digunakan beda warna, menimbulkan bintik-bintik kecil pada kain.

5 Benang putus Benang putus ditengah rajutan sehingga

menyebabkan timbul pada kain.

6 Kotor Akibat terkena minyak atau debu,

umumnya ada pada bahan yang berwarna putih.

Sumber : BBI

(3)

4.1.2 Gambaran Umum Inspeksi Bahan Baku

Berikut ini akan dijelaskan secara secara umum prosesur inspeksi yang dilakukan bagian pengendalian kualitas bahan baku untuk memberikan gambaran proses inspek dan standar-standar yang digunakan perusahaan dalam pemeriksaan sampel dan penetapan keputusan reject.

Prosedur Fabric Inspection yang dilakukan BBI adalah sebagai berikut :

M inimum kain yang diinspek adalah 10% dari setiap pengiriman kain dan diambil secara acak. Jika kuantitas dari 10% sampel tersebut adalah satu rol maka inspektor kain harus mencek minimal 3 rol untuk memberikan perbandingan yang lebih baik terhadap keseluruhan pengiriman. Oleh karena itu dapat ditetapkan bahwa kain yang diinspek adalah 30%.

Hal-hal yang harus diperhatikan selama proses inspek kain adalah : a. Kecepatan mesin inspeksi

Pada umumnya standar kecepatan mesin inspek adalah 20-25 meter per menit. Tetapi ketika cacat pada kain terlihat, mesin dapat diberhentikan untuk menulis jenis cacat dan pada meter ke berapa cacat ditemukan pada inspection report. b. Defect atau cacat

Semua cacat harus dicatat, hal ini sama pentingnya dengan mencatat lebar dan panjang aktual kain dengan jelas, dengan demikian nilai poin cacat dapat diketahui dengan pasti. Apabila cacat yang besar tidak dipotong oleh inspektor, cacat tersebut harus ditandai agar pada saat digelar atau spreading dapat dipotong atau mengganti komponen yang terkena cacat.

c. Nilai poin

(4)

1 poin : cacat dengan panjang antara 0 - 7,62 cm (0”- 3”) arah lebar atau panjang 2 poin : cacat dengan panjang antara 7,62 - 15,24 cm (3”- 6”) arah lebar atau panjang

3 poin : cacat dengan panjang antara 15,224 - 22,86 cm (6”- 9”) arah lebar atau panjang

4 poin : cacat dengan panjang antara 22,86 – 91,44 cm (9”- 36”) arah lebar atau panjang

Rumus perhitungan total poin : M etrik : defect/100m2 = ) m ( kain Panjang ) m ( kain Lebar 100 poin Total × ×

Inci : defect/100yard =

) yard ( kain Panjang ) (" kain Lebar 3600 poin Total × × Dengan catatan :

1. Cacat berupa bintik-bintik harus dihitung sebagai 1 poin, tetapi bila cacat tersebut berkumpul pada suatu tempat maka harus dihitung sebagai major defect.

2. Bolong atau sobek harus dihitung sebagai major defect (4 poin).

3. Standar total poin cacat biasanya 28 poin/100m per rata-rata dalam satu kali pengiriman kain.

d. Ukuran lebar kain pada poin 3 untuk mendapatkan rata-rata lebar kain yang dapat dipakai untuk pembuatan marker (pola pada kain)

(5)

e. Jumlahkan semua cacat didalam formulir fabric inspection report, termasuk dengan komentar yang ada selama inspek

f. Beri tanda ok atau reject pada fabric inspection report

g. Sebagai pendukung bagi inspektor kain, MD (bagian M erchandiser) perlu melampirkan approved fabric (jenis kain yang telah disetujui), agar ada perbandingan dalam pengecekan. Sehingga penilaian dalam menentukan mana yang termasuk tekstur kain dan mana yang termasuk cacat kain dapat disepakati bersama. Setiap hasil pengecekan yang berupa fabric inspection report harus diserahkan ke M D yang disertai dengan :

9 Contoh kain yang terdapat major defect, seperti :

Dalam report tersebut terdapat major defect berupa slub (tumpukan benang atau titik), maka kain yang akan dipotong cukup berukuran 5x5 cm (hanya untuk mewakili cacat tersebut)

9 Dalam menentukan poin cacat, tidak boleh hanya berdasarkan pada penilaian visual saja, apabila pada kain terdapat lipatan kain maka harus dicek dengan cara disetrika atau di press interlining untuk membuktikan apakah lipatan tersebut bisa hilang atau tidak. Bila tidak bisa hilang akan dimasukan sebagai poin cacat.

9 Hasil pengecekan harus melampirkan :

1. Pengecekan bowing (kemiringan kain) yang berukuran 1,5 m

2. Kain tersebut dapat digunakan bersamaan untuk tes susut, tes luntur dan pada bagian ujung kain dapat diambil untuk shade band mewakili rol no kain tersebut.

(6)

4.1.3 Data Reject Komponen Periode Juli - Agustus 2008

Data reject komponen merupakan data yang menunjukan jumlah cacat per komponen dari setiap jenis artikel yang diproduksi kedelapan merek pada periode Juli hingga Agustus 2008. Kedelapan merek yang diproduksi antara lain Arnold Palmer, C-Kent, Creative Gear, Harry M artin, Sierra M orena, Van Heusen, Valino serta Valino Donna. Data ini bersumber dari hasil pengendalian kualitas pada proses cutting, dimana pada proses ini pemeriksaan dilakukan setelah bahan kain di potong menjadi komponen-komponen pakaian. Kelima komponen-komponen utama yang diperiksa adalah badan belakang, badan kiri, badan kanan, tangan kiri dan tangan kanan. Data reject komponen dapat dilihat pada lampiran 2. dimana dari 14 kolom yang ada, yang merupakan hasil pengumpulan data adalah kolom-kolom yang disebutkan pada tabel 4.2 dibawah ini.

Tabel 4.2 Keterangan Kolom Pengumpulan Data Reject Komponen

Kolom Keterangan

A Nomor urut

B Jenis-jenis pakaian yang diproduksi C Komponen utama pakaian

D Jumlah komponen yang ditemukan reject (piece) E Panjang komponen berdasarkan pola (inci) F Lebar komponen berdasarkan pola (inci)

G Lebar bahan kain yang diperoleh dari supplier (inci) M Total panjang kain yang diperoleh dari supplier (yard) Sumber : Pengolahan Data

4.1.4 Data Fabric Inspection Report

Data Fabric Inspection Report merupakan data yang berisi keterangan-keterangan tentang kain yang dikirim oleh supplier. Data ini bersumber dari hasil inspeksi kain pada bagian gudang yang dilakukan sebelum kain diproduksi. Contoh lembar kerja Fabric Inspection Report dapat dilihat pada lampiran 5. Sedangkan

(7)

keseluruhan data yang digunakan untuk pengolahan dan analisa dapat dilihat pada lampiran 3 dimana dari 12 kolom yang terlampir, data Fabric Inspection Report merupakan kolom-kolom yang disebutkan pada tabel 4.3 dibawah ini :

Tabel 4.3 Keterangan Kolom Pengumpulan Data Fabric Inspection Report

A Jenis-jenis pakaian yang diproduksi

E Hasil inspeksi kain dari bagian pengendalian kualitas bahan baku (standar 28 poin)

F Kondisi kain yang diperoleh dari supplier S = Stock; F = Fresh

G Keterangan hasil inspeksi

Ok = tidak ada reject; Re = jumlah reject dari rol yang diinspeksi

H Nama supplier yang mengirimkan bahan I Nomor Purchase Order

J Harga kain per yard yang ditawarkan supplier Sumber : Pengolahan Data

4.1.5 Data Evaluasi Penerimaan Sampel

Evaluasi ini hanya akan dilakukan terhadap artikel di luar standar yang telah dikelompokan saat pengolahan dengan kondisi kain fresh, karena pada kondisi inilah perusahaan menerapkan pemeriksaan dengan penerimaan sampel, sedangkan apabila kondisi kain stock perusahaan menerapkan pemeriksaan 100%. M aka data yang dibutuhkan untuk evaluasi hanya terdiri dari 4 artikel dimana tabel 4.4 menunjukan data yang akan digunakan untuk mengevaluasi penerimaan sampel, yaitu nilai c, n, dan N yang diperoleh dari lembar fabric inspection report pada lampiran 5.

(8)

Tabel 4.4 Data Evaluasi Penerimaan Sampel Bulan Artikel No PO c n N Juli VH-1165 L/S X9 22870 1 3 20 VH-1185 L/S T5 23828 1 3 8 V-241 S/S S1 24706 1 3 8 Agustus CG-1125 L/S A1 24623 2 5 13 Sumber : BBI (2008) Keterangan tabel :

No PO = Nomor Purchase Order untuk mencocokan artikel dengan fabric inspection report.

n = Unit sampel

c = Cacat produk yang disyaratkan dalam satuan unit d = Jumlah cacat yang terjadi (d ≤ c) dalam satuan unit

4.1.6 Data Evaluasi Supplier

Data yang digunakan untuk mengevaluasi supplier antara lain data perbandingan berpasangan dari responden yang berkepentingan untuk menentukan bobot kriteria dan subkriteria sesuai kebutuhan perusahaan, serta data yang menunjang perbandingan masing-masing supplier terhadap setiap kriteria tersebut. Data yang dapat menunjang perbandingan antar supplier tersebut antara lain data kondisi kain yang diperoleh dari supplier, nilai pembelian, keunikan bahan, kemampuan supplier memenuhi permintaan, kualitas bahan, harga dan ketepatan waktu pengiriman (Delivery).

(9)

4.1.6.1Matriks Perbandingan Berpasangan Responden

M atriks perbandingan berpasangan untuk kriteria diperoleh dari 2 orang responden, yaitu kepala departemen factory dan kepala bagian Production Engineering. Tabel 4.5 hingga tabel 4.10 merupakan perbandingan berpasangan yang diperoleh dari responden dimana kedua matriks dari setiap kriteria akan diolah dengan perhitungan geometric average untuk mendapatkan perbandingan berpasangan yang mecakup pandangan dari kedua responden pada pengolahan data.

Tabel 4.5 M atriks Kriteria Tingkat Kepentingan M enurut Kepala Departemen Factory

Kriteria Kontribusi item

Nilai pembelian Kontribusi item 1 1 Nilai pembelian 1 1

Sumber : Responden

Tabel 4.6 M atriks Kriteria Tingkat Kepentingan M enurut Kepala Bagian Production Engineering

Kriteria Kontribusi item

Nilai pembelian Kontribusi item 1 1/5 Nilai pembelian 5 1

Tabel 4.7 M atriks Kriteria Tingkat Kesulitan M enurut Kepala Departemen Factory

Kriteria Permintaan terpenuhi Keunikan Ketidakpastian

Permintaan terpenuhi 1 1 1

Keunikan 1 1 1

Ketidakpastian 1 1 1

(10)

Tabel 4.8 M atriks Kriteria Tingkat Kesulitan M enurut Kepala Bagian Production Engineering

Kriteria Permintaan terpenuhi Keunikan Ketidakpastian Permintaan terpenuhi 1 1/7 1/7

Keunikan 7 1 1/5

Ketidakpastian 7 5 1

Tabel 4.9 M atriks Subkriteria Ketidakpastian M enurut Kepala Departemen Factory

Subkriteria Harga Delivery Kualitas

Harga 1 1 1/3

Delivery 1 1 1

Kualitas 3 1 1

Tabel 4.10 M atriks Subkriteria Ketidakpastian M enurut Kepala Bagian Production Engineering

Subkriteria Harga Delivery Kualitas

Harga 1 1 1

Delivery 1 1 1

Kualitas 1 1 1

(11)

4.1.6.2Data Pembanding antar Supplier

Data yang digunakan untuk membandingkan supplier tersedia pada tabel 4.11 – tabel 4.18 dimana isi tabel diurutkan berdasarkan peringkat kemungkinan terbaik untuk membantu memberikan referensi saat melakukan perbandingan berpasangan pada perhitungan AHP. Sehingga untuk menyederhanakannya data-data dibawah ini telah dikelompokan berdasarkan supplier yang kualitasnya pada suatu artikel melebihi standar perusahaan sebesar 3,5% pada lampiran 4 berdasarkan hasil pengolahan data.

Tabel 4.11 Nilai Kontribusi

Supplier Simbol Nilai Kontribusi

Anugerah AG 69 SanSanTex SS 46 Pratama J PJ 44 Ginza GZ 24 SejahteraTex ST 21 Naga Berlian NB 15 TevTextile TT 15 Global PS GP 5 Gossip GS 4 Abdul M AM 3 Kristako KT 3 Sumber : Pengolahan

Nilai kontribusi pada tabel 4.11 diperoleh dari jumlah dan kondisi kain yang diberikan supplier, bila kondisi kain stock maka diberi nilai 1, sedangkan bila kondisi kain fresh bernilai 2. Kondisi kain dapat dilihat pada data Fabric Inspection Report lampiran 3 kolom F.

Contoh perhitungan : Supplier AG memiliki 9 Stock dan 30 Fresh maka AG = 9(1) + 30(2) = 69

(12)

Tabel 4.12 Nilai Pembelian Periode Agustus-Juli 2008

Supplier Simbol Agustus Juli Total

Pratama J PJ Rp187.562.770 Rp1.016.547.620 Rp1.204.110.390 Anugerah AG Rp511.563.640 Rp 202.251.240 Rp 713.814.880 SanSanTex SS Rp350.556.545 Rp 242.439.500 Rp 592.996.045 Ginza GZ Rp111.297.920 Rp 110.530.600 Rp 221.828.520 TevTextile TT Rp 85.585.450 Rp 66.985.025 Rp 152.570.475 SejahterTex ST Rp 79.265.000 - Rp 79.265.000 Global PS GP Rp 2.759.000 Rp 64.216.500 Rp 66.975.500 Naga Berlian NB Rp 44.847.545 Rp 1.176.572 Rp 46.024.117 Abdul M AM Rp 17.973.400 - Rp 17.973.400 Kristako KT Rp 10.330.000 Rp 4.118.400 Rp 14.448.400 Gossip GS Rp 3.522.400 Rp 6.913.027 Rp 10.435.427 Sumber: BBI

Nilai pembelian pada tabel 4.12 telah jumlahkan menurut masing-masing supplier dari data Fabric Inspection Report pada lampiran 3 kolom L.

Tabel 4.13 Kemampuan Supplier M emenuhi Permintaan

Supplier Simbol Kekurangan Permintaan % Kekurangan

SanSanTex SS - - 0 SejahteraTex ST - - 0 Global PS GP - - 0 Naga Berlian NB - - 0 Abdul M AM - - 0 Kristako KT - - 0 Gossip GS - - 0 Anugerah AG 4 24459,3 0,016% Ginza GZ 3.7 9113,98 0,041% Pratama J PJ 13.5 26139,96 0,052% TevTextile TT 488.49 8207,8 5,952% Sumber: BBI

Kemampuan supplier memenuhi permintaan pada tabel 4.13 dinilai dari persen kekurangan jumlah rol dalam yard yang tidak sesuai dengan permintaan perusahaan.

(13)

Tabel 4.14 Poin Keunikan Item

Texture Poin Material Poin

BS=Big Stripe 2 100%C 4

SS=Small Stripe 4 A (100% COTTON) 3

BC=Big Check 5 B (55C/45P) 1

M S=Medium Stripe 2 B (CVC 5545 C/P) 1

OD=Plain Dobby 5 B (CVC 60/40 C/P) 2

OT=Plain Texture 3 B (CVC 70/30 C/P) 3

OP=Plain 1 B (CVC 8020 C/P) 4 CVC 3 CVC-B 3 CVC-B (65% CTTN 35%POLLY) 3 G (LINEN) 5 Sumber: BBI

Tabel 4.14 merupakan tabel yang berisi poin keunikan item yang akan digunakan sebagai skala perhitungan tingkat keunikan dan suatu artikel untuk kemudian diolah menjadi nilai rata-rata keunikan masing-masing supplier saperti pada tabel 4.15.

Tabel 4.15 Keunikan Item

Supp Simbol Nilai Rata-rata Keunikan Abdul M AM 3 TevTextile TT 3,33 SanSanTex SS 3,667 Naga Berlian NB 4 Pratama J PJ 4,667 Ginza GZ 5,5 Kristako KT 5,667 Anugerah AG 6 SejahteraTex ST 6 Global PS GP 7 Gossip GS 7

(14)

Nilai keunikan supplier diperoleh dari data jenis texture dan material yang pada artikel diluar standar yang disesuaikan dengan poin keunikan. Data tersebut dapat dilihat pada lampiran 4 kolom F dan G .

Contoh perhitungan : Kristako =

A (100% COTTON) + M S = 3 + 2 = 5 B (CVC 60/40 C/P) + SS = 2 + 4 = 6 B (CVC 60/40 C/P) + SS = 2 + 4 = 6 Rata-rata: 5,667 Tabel 4.16 Kualitas Produk

Supplier Simbol % Reject

Pratama J PJ 0,68% SanSanTex SS 0,99% Ginza GZ 1,11% Anugerah AG 1,24% SejahteraTex ST 1,41% Naga Berlian NB 2,02% Abdul M AM 2,51% TevTextile TT 2,52% Global PS GP 2,78% Kristako KT 8,70% Gossip GS 12,75% Sumber : Pengolahan Data

Data kualitas pada tabel 4.16 adalah rata-rata reject dari seluruh kain yang dikirim masing-masing supplier. Nilai ini baru dapat diperoleh setelah melakukan pengolahan data untuk menentukan persentase reject komponen aktual. Data asli selengkapnya dapat dilihat pada lampiran 3 kolom N atau ringkasannya pada lampiran 4 kolom D.

(15)

Tabel 4.17 Rata-rata Harga yang ditawarkan Supplier

Supplier Simbol Rata-rata Harga

Sejahtera Tex ST Rp 14.962 Global PS GP Rp 15.500 SanSanTex SS Rp 15.880 Naga Berlian NB Rp 18.913 Abdul M AM Rp 20.000 TevTextile TT Rp 21.500 Ginza GZ Rp 23.375 Pratama J PJ Rp 27.482 Anugerah AG Rp 34.610 Kristako KT Rp 40.833 Gossip GS Rp 84.264 Sumber: BBI

Data ini diperoleh dengan merata-ratakan harga yang telah ditawarkan supplier selama periode tersebut. Data asli selengkapnya dapat dilihat pada lampiran 3 kolom J.

Tabel 4.18 Nilai Ketepatan Waktu Pengiriman

Supplier Simbol Juli Agustus

SanSanTex SS 10 10 Gossip GS 10 10 Anugerah AG 10 10 Ginza GZ 10 10 Global PS GP 10 - Abdul M AM 10 0 SejahteraTex ST 0 0 Naga Berlian NB 0 - Kristako KT 0 - Pratama J PJ 0 - TevTextile TT 0 - Sumber: BBI

Data nilai ketepatan waktu diperoleh langsung dari bagian pengadaan perusahaan. Dimana nilai 10 berarti tepat waktu, nilai 0 berarti pengiriman tidak sampai tepat waktu, sedangkan tanda (–) berarti supplier tersebut tidak mengirimkan bahan pada bulan tersebut.

(16)

4.2 Pengolahan Data

Setelah seluruh data yang dibutuhkan terkumpul langkah berikutnya adalah pengolahan data yang dilakukan dengan beberapa tahap dimana seluruh pengolahan yang dilakukan dibantu M s Exel 2007. Urutan pengolahan data yang dilakukan adalah :

• M enentukan persentase reject komponen aktual. Caranya adalah dengan membandingkan jumlah komponen reject yang telah dikonversi ke jumlah panjang kain yang terbuang dalam satuan yard dengan total panjang rol kain yang kirim supplier.

• Dari hasil persentase aktual, supplier yang memiliki nilai kualitas kain dengan persen reject diatas 3,5% akan dianalisa lebih lanjut, dengan evaluasi penerimaan sampel evaluasi kinerja supplier dan klasifikasi supplier untuk mencari tindakan yang tepat dalam mengatasi reject tersebut.

• Evaluasi penerimaan sampel dilakukan dengan meneliti kurva OC dan kurva AOQ.

• Evaluasi kinerja supplier berdasarkan dari tingkat kepentingan item dan kesulitan memperolehnya dengan menggunakan perhitungan AHP.

• Klasifikasi supplier dilakukan dengan mengevaluasi supplier terlebih dahulu dari tingkat kepentingan sebagai sumbu x dan kesulitan sebagai sumbu y sehingga dapat dikelompokan kedalam empat kuadran portofolio supplier.

4.2.1 Menentukan Persentase Reject Komponen

Langkah pertama yang dilakukan untuk menentukan tindakan yang perlu dilakukan perusahaan dalam mengatasi reject komponen adalah dengan menentukan

(17)

persentase reject komponen aktual terlebih dahulu. Hal ini dikarenakan perusahaan belum memiliki perhitungan persentase reject komponen yang dilakukan secara kontinyu. Cara perhitungan persentase reject komponen akan dijelaskan lebih lanjut pada bagian berikutnya, sedangkan tabel pengolahannya dapat dilihat pada lampiran 2 dimana hasil pengolahannya merupakan kolom yang disebutkan pada tabel 4.19 dibawah ini.

Tabel 4.19 Keterangan Kolom Pengolahan Persentase Reject Aktual

H Kapasitas komponen berdasarkan lebar kain (pcs) I Panjang kain yang terbuang untuk mengganti sebuah

komponen (inci)

J Panjang kain yang terbuang untuk mengganti sebuah komponen (yard)

K Total panjang kain yang terbuang per komponen (yard) L Total panjang kain yang terbuang per artikel (yard) N Persentase reject aktual kain

Sumber : Pengolahan Data

4.2.1.1Langkah Perhitungan Persentase Reject

Berikut ini adalah langkah perhitungan persentase reject komponen yang dilengkapi dengan rumus yang ditulis berdasarkan inisial kolom pada tabel lampiran 2 dan disertai dengan contoh kolomnya.

1. Input seluruh data-data yang dibutuhkan dengan bantuan M s. Excel 2007, data yang dibutuhkan antara lain jumlah reject komponen Juli-Agustus 2008, no pola untuk mengecek ukuran komponen, ukuran (panjang/lebar) komponen, lebar dan panjang kain seperti pada tabel 4.2.

2. M enghitung kapasitas komponen (H) berdasarkan lebar kain dengan membagi lebar kain (G) terhadap lebar komponen (F).

(18)

Tabel 4.20 Contoh Perhitungan Kapasitas Komponen

Pola (inci)

Artikel Komponen Total

(pcs) _{P L} Lebar Bhn (inci) Kapasitas (pcs) B C D E F G H

AP-3172 S/S X1 Badan belakang 0 31,88 25,38 58 2

Badan kanan 4 31,13 24,75 58 2

Badan kiri 0 31,13 24,75 58 2

Tangan kanan 1 20,5 10,5 58 5

Tangan kiri 1 20,5 10,5 58 5

Sumber : Pengolahan Data Rumus : H = F G Contoh perhitungan : H = 38 , 25 58

= 2,285 = 2 (selalu pembulatan kebawah) 3. M enghitung panjang kain yang reject per piece (I dan J), dengan membagi

panjang komponen (E) terhadap kapasitas komponen berdasarkan lebar kain (H).

Tabel 4.21 Contoh Perhitungan Panjang Kain Reject per Piece

Pola(Inc) Panjang/pcs

(Pcs) _{P L}

Kapasitas

(pcs) _{Inc Yard}

B C D E F H I J

AP-3172 S/S X1 Badan belakang 0 31,88 25,38 2 15,94 0,44

Badan kanan 4 31,13 24,75 2 15,57 0,43

Badan kiri 0 31,13 24,75 2 15,57 0,43

Tangan kanan 1 20,5 10,5 5 4,10 0,11

Tangan kiri 1 20,5 10,5 5 4,10 0,11

Sumber : Pengolahan Data Rumus : I = H E J = 36 I

(19)

Contoh perhitungan : I = 2 88 , 31 = 15,94 inci J = 36 94 , 15 = 0,44 yard

4. M enghitung total panjang kain yang reject per komponen (K), dengan

mengkalikan jumlah reject per komponen (D) dengan panjang kain yang reject per piece (J).

Tabel 4.22 Contoh Perhitungan Total Panjang Kain Reject per Komponen

Panjang/pcs Total (yard)

(Pcs) _{Inc Yard} Per

komponen

Per artikel

B C D I J K L

AP-3172 S/S X1 Badan belakang 0 15,94 0,44 0,00

Badan kanan 4 15,57 0,43 1,73

Badan kiri 0 15,57 0,43 0,00

Tangan kanan 1 4,10 0,11 0,11

Tangan kiri 1 4,10 0,11 0,11

1,96

Sumber : Pengolahan Data Rumus : K = D×J

Contoh perhitungan : K = 4×0,43 = 1,73 yard

5. M enghitung total panjang kain yang reject per artikel (L), dengan menjumlahkan total panjang kain yang reject per komponen (K).

Tabel 4.23 Contoh Perhitungan Total Panjang Kain Reject per Artikel

Total (yard)

Artikel Komponen _Per

komponen

Per artikel

B C K L

AP-3172 S/S X1 Badan belakang 0,00

Badan kanan 1,73

Badan kiri 0,00

Tangan kanan 0,11

Tangan kiri 0,11

1,96

(20)

Rumus : L = K1 + K2 + K3 + K4 + K5

Contoh perhitungan : L = 0 + 1,73 + 0 + 0,11 + 0,11 = 1,96 yard

6. M enghitung persentase reject aktual per artikel (N), dengan membagi total panjang kain yang reject per artikel (L) terhadap total panjang kain (M ) dikali 100%.

Tabel 4.24 Contoh Perhitungan Persentase Reject Aktual per Artikel

Total (yard)

Artikel Komponen _Per

komponen Per artikel Total rol (yard) % reject aktual B C K L M N

AP-3172 S/S X1 Badan belakang 0,00

Badan kanan 1,73 Badan kiri 0,00 Tangan kanan 0,11 Tangan kiri 0,11 1,96 509,5 0,38% Sumber : Pengolahan Rumus : N = 100 M L × Contoh perhitungan : N = 100 5 , 509 96 , 1 × = 0,38%

4.2.1.2Pengelompokan Persentase di Luar S tandar

Setelah diketahui persen reject aktual bagi seluruh artikel, maka supplier yang reject aktualnya melebihi standar perusahaan yaitu 3,5% akan dikelompokan untuk dianalisa lebih lanjut. Pada lampiran 4 dapat dilihat supplier-supplier yang melebihi standar beserta keterangan yang dapat melengkapi pengolahan untuk evaluasi kinerja supplier. Tabel 4.25 akan menunjukan keterangan dari setiap kolom lampiran pengelompokan yang di luar standar.

(21)

Tabel 4.25 Keterangan Kolom Pengelompokan yang di Luar Standar

Kolom Keterangan Sumber

A Jenis-jenis pakaian yang diproduksi Formulir reject QC cutting

B Hasil Pengolahan berupa persen reject aktual Pengolahan data C Hasil inspeksi kain dari bagian pengendalian

kualitas bahan baku (standar 28 poin)

Inspection Report D Kondisi kain yang diperoleh dari supplier

S = Stock; F = Fresh

Inspection Report E Keterangan hasil inspeksi

Ok = tidak ada reject; Re = jumlah reject dari rol yang diinspeksi

Inspection Report

F Jenis material yang digunakan IO (Information Order) G Jenis tekstur kain yang digunakan IO (Information Order) H Nama supplier yang mengirimkan bahan IO (Information Order)

I Nomor Purchase Order IO (Information Order)

J Cacat yang ditemukan saat inspeksi Pengolahan Data

K Rata-rata poin hasil inspek Inspection Report

L Jumlah komponen cacat berdasarkan hasil inspek

Inspection Report M Jumlah komponen cacat berdasarkan QC

Cutting

Formulir reject QC cutting

Berikut adalah contoh perhitungan untuk pengolahan data cacat yang ditemukan saat inspeksi (kolom J). Data pada kolom J ini selanjutnya dapat digunakan dalam analisa evaluasi penerimaan sampel.

Tabel 4.26 Contoh Perhitungan Cacat yang Ditemukan saat Inspeksi

Artikel No PO Defect yg di temukan o/ inspect Avg Point Defect berdasarkan Inspect Report A I J K L CG-792 L/S A1 23261 0,00% - 0 VH-1165 L/S X9 22870 2,94% 22,78 110 VD-235 S/S U1 21620 2,00% 16,44 184 VH-3167 L/S Q9 22919 2,67% 15,92 58

(22)

Rumus : J = 17 8 , 1 rol Panjang L × Contoh perhitungan : L = 17 8 , 1 396 110 × = 2,94%

Panjang rol (yard) = total panjang rol yang diinspek, sumber lembar fabric Inspection Report lampiran 5

1,8 (yard) = total panjang kain yang dibutuhkan untuk membuat sebuah pakaian 17 (pieces) = jumlah komponen pada sebuah pakaian

4.2.2 Evaluasi Penerimaan S ampel

Langkah berikutnya adalah mengevaluasi penerimaan sampel dari artikel yang diluar standar. Tabel 4.4 menunjukan data yang akan digunakan untuk mengevaluasi penerimaan sampel, nilai c, n, dan N diperoleh dari lembar fabric inspection report yang dapat dilihat pada lampiran 5.

(23)

4.2.2.1Kurva OC

Kurva OC merupakan salah satu bentuk pengukuran yang dapat dilakukan untuk mengevaluasi kinerja sampel. Perhitungan kurva OC akan menghasilkan nilai probabilitas penerimaan (Pa), dimana untuk menggambarkanya diperlukan rumus :

∑

= − = − − = = c 0 d d n d c 0 d p) (1 p d)! (n d! n! p(d) Pa Pa = Probabilitas penerimaan

P = Kesalahan prosuk yang dihasilkan n = Unit sampel

c = Cacat produk yang disyaratkan d = Jumlah cacat yang terjadi (d ≤ c)

Tabel 4.27 Perhitungan Kurva OC artikel VH-1165 d Proporsi Kesalahan np 0 1 Pa 0,1 0,3 0,729 0,243 0,972 0,2 0,6 0,512 0,384 0,896 0,3 0,9 0,343 0,441 0,784 0,4 1,2 0,216 0,432 0,648 0,5 1,5 0,125 0,375 0,5 0,6 1,8 0,064 0,288 0,352 0,7 2,1 0,027 0,189 0,216 0,8 2,4 0,008 0,096 0,104 0,9 2,7 0,001 0,027 0,028

Contoh perhitungan : 3 0 _.₀_,₁_.(₁ ₀_,₁₎3 1 )! 1 3 ( ! 1 ! 3 ) 1 , 0 1 .( 1 , 0 . ! 0 ! 3 Pa − ₋ − − + − = = 0,729 + 0,243 = 0,972

(24)

Gambar 4.2 Kurva OC Artikel VH-1165

Kurva OC menunjukan hubungan probabilitas penerimaan dengan bagian kesalahan produk yang menyatakan bahwa apabila dimisalkan dari sampel yang diperiksa ditemukan 0,3 atau 30% barang rusak maka dari keseluruhan barang atau populasi kemungkinan barang yang dapat diterima sebesar 0,784 atau 78,4%.

Tabel 4.28 Perhitungan Kurva OC artikel VH-1185 dan V-241 d Proporsi Kesalahan np 0 1 Pa 0,1 0,3 0,729 0,243 0,972 0,2 0,6 0,512 0,384 0,896 0,3 0,9 0,343 0,441 0,784 0,4 1,2 0,216 0,432 0,648 0,5 1,5 0,125 0,375 0,5 0,6 1,8 0,064 0,288 0,352 0,7 2,1 0,027 0,189 0,216 0,8 2,4 0,008 0,096 0,104 0,9 2,7 0,001 0,027 0,028 Sumber : Pengolahan Contoh perhitungan : 3 0 _.₀_,₁_.(₁ ₀_,₁₎3 1 )! 1 3 ( ! 1 ! 3 ) 1 , 0 1 .( 1 , 0 . ! 0 ! 3 Pa − ₋ − − + − = = 0,729 + 0,243 = 0,972

(25)

Gambar 4.3 Kurva OC artikel VH-1185 dan V-241

Kurva OC menunjukan hubungan probabilitas penerimaan dengan bagian kesalahan produk yang menyatakan bahwa apabila dimisalkan dari sampel yang diperiksa ditemukan 0,3 atau 30% barang rusak maka dari keseluruhan barang atau populasi kemungkinan barang yang dapat diterima sebesar 0,784 atau 78,4%. Nilai tersebut sama dengan nilai artikel VH-1165 dikarenakan secara kebetulan jumlah unit sampel yang diperiksa dan cacat yang disyaratkan sama.

Tabel 4.29 Perhitungan Kurva OC artikel CG-1125 d Proporsi Kesalahan np 0 1 2 Pa 0,1 0,5 0,590 0,328 0,073 0,991 0,2 1 0,328 0,410 0,205 0,942 0,3 1,5 0,168 0,360 0,309 0,837 0,4 2 0,078 0,259 0,346 0,683 0,5 2,5 0,031 0,156 0,313 0,500 0,6 3 0,010 0,077 0,230 0,317 0,7 3,5 0,002 0,028 0,132 0,163 0,8 4 0,000 0,006 0,051 0,058 0,9 4,5 0,000 0,000 0,008 0,009

Contoh perhitungan : 5 0 _.₀_,₁_.(₁ ₀_,₁₎5 1 )! 1 5 ( ! 1 ! 5 ) 1 , 0 1 .( 1 , 0 . ! 0 ! 5 Pa − ₋ − − + − = = 0,590 + 0,328 = 0,991

(26)

Gambar 4.4 Kurva OC Artikel CG-1125

Kurva OC menunjukan hubungan probabilitas penerimaan dengan bagian kesalahan produk yang menyatakan bahwa apabila dimisalkan dari sampel yang diperiksa ditemukan 0,3 atau 30% barang rusak maka dari keseluruhan baran g atau populasi kemungkinan barang yang dapat diterima sebesar 0,837 atau 83,7%.

4.2.2.2Kurva AOQ (Average Outgoing Quality Curve)

Berikut ini adalah perhitungan kurva AOQ untuk memperoleh tingkat kualitas output rata-rata dengan menggunakan rumus :

N ) n N ( p Pa AOQ= × −

AOQ = Tingkat kualitas rata-rata inspeksi Pa = Propabilitas penerimaan

p = Proporsi kesalahan N = Unit populasi n = Unit sampel

(27)

Tabel 4.30 Perhitungan Kurva AOQ VH-1165 Proporsi kesalahan Pa AOQ 0,1 0,972 0,083 0,2 0,896 0,152 0,3 0,784 0,200 0,4 0,648 0,220 0,5 0,5 0,213 0,6 0,352 0,180 0,7 0,216 0,129 0,8 0,104 0,071 0,9 0,028 0,021

Sumber : Pengolahan Data Contoh perhitungan : 20 ) 3 20 ( 1 , 0 972 , 0 AOQ= × − = 0,083

Gambar 4.5 Kurva AOQ VH-1165

Kurva AOQ diatas mengukur rata-rata tingkat kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p yang menyatakan bahwa apabila dimisalkan proporsi kesalahan ditemukan sebesar 0,3 atau 30% maka kualitas rata-rata atau persentase rusak yang dibuang sebesar 0,200 atau 20%.

(28)

Tabel 4.31Perhitungan Kurva AOQ VH-1185 dan V-241 Proporsi kesalahan Pa AOQ 0,1 0,972 0,061 0,2 0,896 0,112 0,3 0,784 0,147 0,4 0,648 0,162 0,5 0,5 0,156 0,6 0,352 0,132 0,7 0,216 0,095 0,8 0,104 0,052 0,9 0,028 0,016

Contoh perhitungan : 8 ) 3 8 ( 1 , 0 972 , 0 AOQ= × − = 0,061

Gambar 4.6 Kurva AOQ VH-1185 dan V-241

Kurva AOQ diatas mengukur rata-rata tingkat kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p yang menyatakan bahwa apabila dimisalkan proporsi kesalahan ditemukan sebesar 0,3 atau 30% maka kualitas rata-rata atau persentase rusak yang dibuang sebesar 0,147 atau 14,7%.

(29)

Tabel 4.32 Perhitungan Kurva AOQ VH-1125 Proporsi kesalahan Pa AOQ 0,1 0,991 0,061 0,2 0,942 0,116 0,3 0,837 0,155 0,4 0,683 0,168 0,5 0,5 0,154 0,6 0,317 0,117 0,7 0,163 0,070 0,8 0,058 0,029 0,9 0,028 0,015 Sumber : Pengolahan Contoh perhitungan : 13 ) 5 13 ( 1 , 0 991 , 0 AOQ= × − = 0,061 Sumber : Pengolahan

Gambar 4.7 Kurva AOQ VH-1125

Kurva AOQ diatas mengukur rata-rata tingkat kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p yang menyatakan bahwa apabila dimisalkan proporsi kesalahan ditemukan sebesar 0,3 atau 30% maka kualitas rata-rata atau persentase rusak yang dibuang sebesar 0,155 atau 15,5%.

(30)

4.2.3 Evaluasi Kinerja Supplier

M engevalusi atau menilai kinerja supplier juga merupakan pekerjaan yang sangat penting dilakukan untuk menciptakan daya saing yang berkelanjutan. Hasil penilaian ini dilakukan sebagai masukan bagi supplier untuk meningkatkan kinerja mereka. Bagi perusahaan pembeli, kinerja supplier dapat digunakan sebagai dasar untuk menentukan volume pembelian maupun untuk menentukan peringkat supplier.

4.2.3.1S truktur Hierarki AHP

Dalam menilai kinerja supplier dengan metode AHP, tujuan dan faktor penilaian kinerja perlu dibuat dalam bentuk struktur hierarki untuk memudahkan dalam proses pembobotan. Struktur hierarki AHP untuk penilaian kinerja dapat dilihat pada gambar 4.8. Struktur hierarki ini terdiri dari empat level, level pertama tujuan, level kedua faktor, level ketiga subfaktor dan level ke-empat supplier yang akan di evaluasi. Tujuan dari struktur ini adalah untuk menilai kinerja supplier sehingga supplier-supplier tersebut dapat dikelompokan dalam empat kuadran portofolio hubungan supplier. sedangkan faktor dan subfaktornya disesuaikan dengan faktor yang digunakan dalam merancang hubungan supplier berdasarkan tingkat kepentingan dan tingkat kesulitan. Faktor kontribusi dan nilai pembelian adalah faktor yang digunakan untuk menilai tingkat kepentingan supplier sedangkan faktor keunikan item, kemampuan memenuhi permintaan dan ketidakpastiaan adalah faktor untuk menilai tingkat kesulitan supplier. Subfaktor kualitas, harga dan delivery merupakan subfaktor dari faktor ketidakpastian yang termasuk pada tingkat kesulitan supplier.

(31)

(32)

4.2.3.2Perhitungan AHP

Pengolahan ini bertujuan untuk memperoleh bobot atas faktor dan subfaktor penilaian kinerja. pada pengolahan ini proses dapat diringkas sebagai berikut :

1. Menentukan kriteria penilaian, kriteria yang digunakan antara lain kontribusi,

nilai pembelian, keunikan item, kemampuan memenuhi permintaan dan ketidakpastiaan yang memiliki subfaktor berupa harga, kualitas dan delivery sesuai dengan struktur hierarki AHP pada gambar 4.8.

2. Menentukan bobot masing-masing kriteria

• Matriks perbandingan berpasangan untuk kriteria

Skala dari matriks perbandingan berpasangan untuk kriteria diperoleh dari 2 orang responden yang berkepentingan, yaitu kepala departemen factory dan kepala bagian Production Engineering. Tabel 4.4 hingga tabel 4.10 merupakan perbandingan berpasangan yang diperoleh dari responden kemudian kedua matriks tersebut akan dilakukan perhitungan dengan Geometric Average untuk mendapatkan perbandingan berpasangan yang mecakup pandangan dari kedua responden pada tabel 4.33 - tabel 4.38. Perbandingan inilah yang akan digunakan untuk pengolahan AHP selanjutnya.

Tabel 4.33 M atriks Kriteria Tingkat Kepentingan dan Jumlah Kolom Kriteria Kontribusi item

Nilai pembelian Kontribusi item 1 0,447 Nilai pembelian 2,236 1

Total 3,236 1,447

(33)

Contoh perhitungan Geometric Average : n _n 2

1 k ...k

k × × = 2₁_×₅_{= 2,236}

Contoh perhitungan Jumlah kolom : 1 + 2,236 = 3,236

Tabel 4.34 M atriks Kriteria Tingkat Kesulitan dan Jumlah Kolom Kriteria Permintaan terpenuhi Keunikan Ketidakpastian Permintaan

terpenuhi 1 0,378 0,378

Keunikan 2,646 1 0,447

Ketidakpastian 2,646 2,236 1

Total 6,292 3,614 1,825

Contoh perhitungan Geometric Average : n _n 2

1 k ...k

k × × = 2₁_×₇_{= 2,646}

Contoh perhitungan Jumlah kolom : 1 + 2,646 + 2,646 = 6,292

• Normalisasi dan bobot (rata-rata) kriteria

Tabel 4.35 Hasil Normalisasi dan Bobot M atriks Kriteria Tingkat Kepentingan

Kontribusi

item Nilai pembelian Rata-rata

Kontribusi item 0,309 0,309 0,309

Nilai pembelian 0,691 0,691 0,691

Sumber : Pengolahan Data Contoh perhitungan normalisasi :

j ij SA a = 1 11 SA a = 236 , 3 1 = 0,309

aij = nilai skala pada baris i kolom j

Saj = jumlah kolom j

Contoh perhitungan rata-rata : rata-rata AM = n a n 1 i ij

∑

= = 2 309 , 0 309 , 0 + = 0,309

(34)

Tabel 4.36 Hasil Normalisasi dan Bobot M atriks Kriteria Tingkat Kesulitan Kriteria Permintaan terpenuhi Keunikan Ketidakpastian Rata-rata

Permintaan

terpenuhi 0,159 0,105 0,207 0,157

Keunikan 0,421 0,227 0,245 0,314

Ketidakpastian 0,421 0,619 0,548 0,529

Contoh perhitungan normalisasi :

j ij SA a = 1 11 SA a = 292 , 6 1 = 0,159

∑

= = 3 207 , 0 105 , 0 159 , 0 + + = 0,157

3. Menentukan bobot masing-masing subkriteria

• M atrix perbandingan berpasangan dan total untuk subkriteria

Tabel 4.37 M atriks Subkriteria Ketidakpastian dan Jumlah Kolom Subkriteria Harga Delivery Kualitas

Harga 1,000 1,000 0,577

Delivery 1,000 1,000 1,000

Kualitas 1,732 1,000 1,000

Total 3,732 3,000 2,577

Contoh perhitungan : Geometric Average : n n 2 1 k ...k k × × = 2₁_×₁_{= 1} Jumlah kolom : 1 + 1 + 1,732 = 3,732

(35)

• Normalisasi dan bobot (rata-rata) subkriteria

Tabel 4.38 Hasil Normalisasi dan Bobot M atriks Subkriteria Ketidakpastian Subkriteria Harga Delivery Kualitas Rata-rata

Harga 0,268 0,333 0,224 0,275

Delivery 0,268 0,333 0,388 0,330

Kualitas 0,464 0,333 0,388 0,395

j ij SA a = 1 11 SA a = 732 , 3 1 = 0,268

∑

= = 3 224 , 0 333 , 0 268 , 0 + + = 0,275

Hasil untuk bobot masing-masing subkriteria harus dikalikan dengan bobot induknya untuk mendapatkan bobot sebenarnya. M aka bobot untuk subkriteria ketidakpastian yang sebenarnya adalah :

Harga : 0,275 x 0,529 = 0,145

Delivery : 0,330 x 0,529 = 0,175

Kualitas : 0,395 x 0,529 = 0,209

4. Identifikasi supplier yang akan dievaluasi

supplier yang akan dievaluasi adalah supplier yang tingkat kualitasnya memiliki reject diatas 3,5%. Supplier-supplier tersebut antara lain dapat dilihat pada tabel 4.39

(36)

Tabel 4.39 Supplier yang Dievaluasi Supplier Simbol Pratama J PJ SanSanTex SS Ginza GZ Anugerah AG SejahteraTex ST Naga Berlian NB Abdul M AM TevTextile TT Global PS GP Kristako KT Gossip GS Sumber : Pengolahan Data

5. Evaluasi masing-masing supplier dengan kriteria diatas

• Matriks perbandingan berpasangan untuk kriteria kontribusi dan jumlah kolom

M asing-masing supplier dibandingkan dengan menggunakan skala pada tabel 2.4 kemudian setiap kolom dijumlahkan untuk digunakan sebagai pembagi dalam normalisasi. Tabel 4.40 – tabel 4.46 akan menujukan seluruh perbandingan berpasangan dan jumlah kolom untuk setiap kriteria.

Tabel 4.40 M atriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Kriteria Kontribusi

AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1/9 1/8 1/2 1 1 1/5 1/9 1/9 1/7 1/5 AG 9 1 3 9 9 9 5 2 2 3 5 GZ 8 1/3 1 5 6 8 2 1/2 1/2 1 2 GP 2 1/9 1/5 1 1 2 1/3 1/9 1/9 1/4 1/3 GS 1 1/9 1/6 1 1 1 1/4 1/9 1/9 1/5 1/4 KT 1 1/9 1/8 1/2 1 1 1/5 1/9 1/9 1/7 1/5 NB 5 1/5 1/2 3 4 5 1 1/3 1/3 1 1 PJ 9 1/2 2 9 9 9 3 1 1 2 3 SS 9 1/2 2 9 9 9 3 1 1 2 3 ST 7 1/3 1 4 5 7 1 1/2 1/2 1 1 TT 5 1/5 1/2 3 4 5 1 1/3 1/3 1 1 Total 57,000 3,511 10,617 45,000 50,000 57,000 16,983 6,111 6,111 11,736 16,983 Sumber : Pengolahan Data

(37)

Contoh perhitungan perbandingan berpasangan :

AG : AM = 69 : 3 dilihat dari tabel 4.11 berarti AG secara absolut lebih penting dari AM maka AG : AM = 9 sedangkan AM : AG = 1/9

Contoh perhitungan jumlah kolom :

Jumlah kolom AM = 1 + 9 + 8 + 2 + 1 + 1 + 5 + 9 + 9 + 7 + 5 = 57

Tabel 4.41 M atriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Kriteria Nilai Pembelian

AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1/9 1/9 1/4 2 1 1/3 1/9 1/9 1/4 1/8 AG 9 1 3 9 9 9 9 1/2 1 9 5 GZ 9 1/3 1 3 9 9 5 1/5 1/3 3 1 GP 4 1/9 1/3 1 6 5 1 1/9 1/9 1 1/2 GS 1/2 1/9 1/9 1/6 1 1 1/4 1/9 1/9 1/8 1/9 KT 1 1/9 1/9 1/5 1 1 1/3 1/9 1/9 1/5 1/9 NB 3 1/9 1/5 1 4 3 1 1/9 1/9 1/2 1/3 PJ 9 2 5 9 9 9 9 1 2 9 8 SS 9 1 3 9 9 9 9 1/2 1 7 4 ST 4 1/9 1/3 1 8 5 2 1/9 1/7 1 1/2 TT 8 1/5 1 2 9 9 3 1/8 1/4 2 1 Total 57,500 5,200 14,200 35,617 67,000 61,000 39,917 2,992 5,282 33,075 20,681 Sumber : Pengolahan Data

AG : AM = Rp713.814.880 : Rp17.973.400 dilihat dari tabel 4.12 berarti AG secara absolut lebih penting dari AM maka AG : AM = 9 sedangkan AM : AG = 1/9

(38)

Tabel 4.42 M atriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Kriteria Kemampuan M emenuhi Permintaan

AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1 1 1 1 1 1 1 1 1 9 AG 1 1 2 1 1 1 1 2 1 1 9 GZ 1 1/2 1 1 1 1 1 1 1 1 9 GP 1 1 1 1 1 1 1 1 1 1 9 GS 1 1 1 1 1 1 1 1 1 1 9 KT 1 1 1 1 1 1 1 1 1 1 9 NB 1 1 1 1 1 1 1 1 1 1 9 PJ 1 1/2 1 1 1 1 1 1 1 1 9 SS 1 1 1 1 1 1 1 1 1 1 9 ST 1 1 1 1 1 1 1 1 1 1 9 TT 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1 Total 10,111 9,111 11,111 10,111 10,111 10,111 10,111 11,111 10,111 10,111 91,000 Sumber : Pengolahan Data

AG : AM = 0% : 0,016% dilihat dari tabel 4.13 berarti AG sama pentingnya dengan AM maka AG : AM = 1 begitu pula dengan AM : AG = 1

Jumlah kolom AM = 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1/9 = 10,111

Tabel 4.43 M atriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Kriteria Keunikan

AM AG GZ GP GS KT NB PJ SS ST TT AM 1 2 2 2 2 2 1 1 1 2 1 AG 1/2 1 1 1 1 1 1 1 1/2 1 1/2 GZ 1/2 1 1 1 1 1 1 1 1 1 1/2 GP 1/2 1 1 1 1 1 1/2 1 1/2 1 1/2 GS 1/2 1 1 1 1 1 1/2 1 1/2 1 1/2 KT 1/2 1 1 1 1 1 1 1 1 1 1/2 NB 1 1 1 2 2 1 1 1 1 1 1 PJ 1 1 1 1 1 1 1 1 1 1 1 SS 1 2 1 2 2 1 1 1 1 2 1 ST 1/2 1 1 1 1 1 1 1 1/2 1 2 TT 1 2 2 2 2 2 1 1 1 2 1 Total 8,000 14,000 13,000 15,000 15,000 13,000 10,000 11,000 9,000 14,000 9,500 Sumber : Pengolahan Data

AG : AM = 6 : 3 dilihat dari tabel 4.15 M enunjukan bahwa AG lebih unik sehingga lebih sulit diperoleh dibandingkan AM maka perbandingan AM terhadap AG

(39)

dikatakan sama hingga sedikit lebih baik dimana AG : AM = 1/2 sedangkan AM : AG = 2

Jumlah kolom AM = 1 + 1/2 + 1/2 + 1/2 + 1/2 + 1/2 + 1 + 1 + 1 + 1/2 + 1 = 8

Tabel 4.44 M atriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Subkriteria Kualitas

AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1/2 1/2 1 5 3 1 1/4 1/3 1/2 1 AG 2 1 1 2 9 7 2 1/2 1 1 2 GZ 2 1 1 3 9 8 2 1/2 1 1 2 GP 1 1/2 1/3 1 5 3 1 1/4 1/3 1/2 1 GS 1/5 1/9 1/9 1/5 1 1 1/6 1/9 1/9 1/9 1/5 KT 1/3 1/7 1/8 1/3 1 1 1/4 1/9 1/9 1/6 1/3 NB 1 1/2 1/2 1 6 4 1 1/3 1/2 1 1 PJ 4 2 2 4 9 9 3 1 1 2 4 SS 3 1 1 3 9 9 2 1 1 1 3 ST 2 1 1 2 9 6 1 1/2 1 1 2 TT 1 1/2 1/2 1 5 3 1 1/4 1/3 1/2 1 Total 17,533 8,254 8,069 18,533 68,000 54,000 14,417 4,806 6,722 8,778 17,533 Sumber : Pengolahan Data

AG : AM = 1,24% : 2,51% dilihat dari tabel 4.16 berarti AG terhadap AM sama hingga sedikit lebih baik maka AG : AM = 2 sedangkan AM : AG = 1/2

Jumlah kolom AM = 1 + 2 + 2 + 1 + 1/5 + 1/3 + 1 + 4 + 3 + 2 + 1 = 17,533 Tabel 4.45 M atriks Perbandingan Berpasangan dan Jumlah Kolom Supplier

untuk Subkriteria Harga

AM AG GZ GP GS KT NB PJ SS ST TT AM 1 2 1 1 4 2 1 1 1 1 1 AG 1/2 1 1 1/2 2 1 1/2 1 1/2 1/2 1/2 GZ 1 1 1 1/2 4 2 1 1 1/2 1/2 1 GP 1 2 2 1 7 3 1 2 1 1 1 GS 1/4 1/2 1/4 1/7 1 1/2 1/5 1/3 1/7 1/7 1/4 KT 1/2 1 1/2 1/3 2 1 1/2 1 1/3 1/3 1/2 NB 1 2 1 1 5 2 1 2 1 1 1 PJ 1 1 1 1/2 3 1 1/2 1 1/2 1/2 1 SS 1 2 2 1 7 3 1 2 1 1 1 ST 1 2 2 1 7 3 1 2 1 1 1 TT 1 2 1 1 4 2 1 1 1 1 1 Total 9,250 16,500 12,750 7,976 46, 000 20,500 8,700 14,333 7,976 7,976 9,250

(40)

AG : AM = Rp 34.610 : Rp 20.000 dilihat dari tabel 4.17 berarti AM terhadap AG sama hingga sedikit lebih penting maka AG : AM = 1/2 sedangkan AM : AG = 2

Jumlah kolom AM = 1 + 1/2 + 1 + 1 + 1/4 + 1/2 + 1 + 1 + 1 + 1 + 1 = 9,250

Tabel 4.46 M atriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Subkriteria Delivery

AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1/5 1/5 1/3 1/5 3 3 3 1/3 3 3 AG 5 1 1 3 1 9 9 9 3 9 9 GZ 5 1 1 3 1 9 9 9 3 9 9 GP 3 1/3 1/3 1 1/3 5 5 5 1 5 5 GS 5 1 1 3 1 9 9 9 3 9 9 KT 1/3 1/9 1/9 1/5 1/9 1 1 1 1/5 1 1 NB 1/3 1/9 1/9 1/5 1/9 1 1 1 1/5 1 1 PJ 1/3 1/9 1/9 1/5 1/9 1 1 1 1/5 1 1 SS 3 1/3 1/3 1 1/3 5 5 5 1 5 5 ST 1/3 1/9 1/9 1/5 1/9 1 1 1 1/5 1 1 TT 1/3 1/9 1/9 1/5 1/9 1 1 1 1/5 1 1 Total 23,667 4,422 4,422 12,333 4,422 45,000 45,000 45,000 12,333 45,000 45,000 Sumber : Pengolahan Data

AG : AM = 5 : 1 dilihat dari tabel 4.18 berarti AG secara signifikan lebih baik dari AM sedangkan AM : AG = 1/5

Jumlah kolom AM = 1 + 5 + 5 + 3 + 5 + 1/3 + 1/3 + 1/3 + 3 + 1/3 + 1/3 = 23,667

• Normalisasi dan bobot (rata-rata) masing-masing supplier

Normalisasi dilakukan dengan membagi setiap nilai skala perbandingan dengan jumlah kolom yang ada pada tabel 4.40 - tabel 4.46. Sedangkan bobot supplier didapat dari nilai rata-rata setiap baris pada tabel 4.47 - tabel 4.53.

(41)

Tabel 4.47 Hasil Normalisasi dan Bobot untuk Kriteria Kontribusi AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,018 0,032 0,012 0,011 0,020 0,018 0,012 0,018 0,018 0,012 0,012 0,017 AG 0,158 0,285 0,283 0,200 0,180 0,158 0,294 0,327 0,327 0,256 0,294 0,251 GZ 0,140 0,095 0,094 0,111 0,120 0,140 0,118 0,082 0,082 0,085 0,118 0,108 GP 0,035 0,032 0,019 0,022 0,020 0,035 0,020 0,018 0,018 0,021 0,020 0,024 GS 0,018 0,032 0,016 0,022 0,020 0,018 0,015 0,018 0,018 0,017 0,015 0,019 KT 0,018 0,032 0,012 0,011 0,020 0,018 0,012 0,018 0,018 0,012 0,012 0,017 NB 0,088 0,057 0,047 0,067 0,080 0,088 0,059 0,055 0,055 0,085 0,059 0,067 PJ 0,158 0,142 0,188 0,200 0,180 0,158 0,177 0,164 0,164 0,170 0,177 0,171 SS 0,158 0,142 0,188 0,200 0,180 0,158 0,177 0,164 0,164 0,170 0,177 0,171 ST 0,123 0,095 0,094 0,089 0,100 0,123 0,059 0,082 0,082 0,085 0,059 0,090 TT 0,088 0,057 0,047 0,067 0,080 0,088 0,059 0,055 0,055 0,085 0,059 0,067 Sumber : Pengolahan Data

j ij SA a = 1 11 SA a = 57 1 = 0,018

∑

= ₌ 11 012 , 0 012 , 0 018 , 0 018 , 0 012 , 0 018 , 0 020 , 0 011 , 0 012 , 0 032 , 0 018 , 0 + + + + + + + + + + = 0,017

Tabel 4.48 Hasil Normalisasi dan Bobot untuk Kriteria Nilai Pembelian

AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,017 0,021 0,008 0,007 0,030 0,016 0,008 0,037 0,021 0,008 0,006 0,01 6 AG 0,157 0,192 0,211 0,253 0,134 0,148 0,225 0,167 0,189 0,272 0,242 0,19 9 GZ 0,157 0,064 0,070 0,084 0,134 0,148 0,125 0,067 0,063 0,091 0,048 0,09 6 GP 0,070 0,021 0,023 0,028 0,090 0,082 0,025 0,037 0,021 0,030 0,024 0,04 1 GS 0,009 0,021 0,008 0,005 0,015 0,016 0,006 0,037 0,021 0,004 0,005 0,01 3 KT 0,017 0,021 0,008 0,006 0,015 0,016 0,008 0,037 0,021 0,006 0,005 0,01 5 NB 0,052 0,021 0,014 0,028 0,060 0,049 0,025 0,037 0,021 0,015 0,016 0,03 1 PJ 0,157 0,385 0,352 0,253 0,134 0,148 0,225 0,334 0,379 0,272 0,387 0,27 5 SS 0,157 0,192 0,211 0,253 0,134 0,148 0,225 0,167 0,189 0,212 0,193 0,18 9 ST 0,070 0,021 0,023 0,028 0,119 0,082 0,050 0,037 0,027 0,030 0,024 0,04 7 TT 0,139 0,038 0,070 0,056 0,134 0,148 0,075 0,042 0,047 0,060 0,048 0,07 8 Sumber : Pengolahan Data

(42)

Contoh perhitungan normalisasi : j ij SA a = 1 11 SA a = 5 , 57 1 = 0,017

∑

= ₌ 11 006 , 0 008 , 0 021 , 0 037 , 0 008 , 0 016 , 0 030 , 0 007 , 0 008 , 0 021 , 0 017 , 0 + + + + + + + + + + = 0,016

Tabel 4.49 Hasil Normalisasi dan Bobot untuk Kriteria Kemampuan M emenuhi Permintaan AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 AG 0,099 0,110 0,180 0,099 0, 099 0,099 0,099 0,180 0,099 0,099 0,099 0, 115 GZ 0,099 0,055 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 093 GP 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 GS 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 KT 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 NB 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 PJ 0,099 0,055 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 093 SS 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 ST 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 TT 0,011 0,012 0,010 0,011 0, 011 0,011 0,011 0,010 0,011 0,011 0,011 0, 011 Sumber : Pengolahan Data

j ij SA a = 1 11 SA a = 111 , 10 1 = 0,099

∑

= ₌ 11 099 , 0 099 , 0 099 , 0 099 , 0 099 , 0 099 , 0 099 , 0 099 , 0 090 , 0 110 , 0 099 , 0 + + + + + + + + + + = 0,098

(43)

Tabel 4.50 Hasil Normalisasi dan Bobot untuk Kriteria Keunikan AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,125 0,143 0,154 0,133 0,133 0,154 0,100 0,091 0,111 0,143 0,105 0,127 AG 0,063 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,056 0,071 0,053 0,072 GZ 0,063 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,111 0,071 0,053 0,077 GP 0,063 0,071 0,077 0,067 0,067 0,077 0,050 0,091 0,056 0,071 0,053 0,067 GS 0,063 0,071 0,077 0,067 0,067 0,077 0,050 0,091 0,056 0,071 0,053 0,067 KT 0,063 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,111 0,071 0,053 0,077 NB 0,125 0,071 0,077 0,133 0,133 0,077 0,100 0,091 0,111 0,071 0,105 0,100 PJ 0,125 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,111 0,071 0,105 0,087 SS 0,125 0,143 0,077 0,133 0,133 0,077 0,100 0,091 0,111 0,143 0,105 0,113 ST 0,063 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,056 0,071 0,211 0,086 TT 0,125 0,143 0,154 0,133 0,133 0,154 0,100 0,091 0,111 0,143 0,105 0,127 Sumber : Pengolahan Data

j ij SA a = 1 11 SA a = 8 1₌_0,125 aij = nilai skala pada baris i kolom j

∑

= ₌ 11 105 , 0 143 , 0 111 , 0 091 , 0 100 , 0 154 , 0 133 , 0 133 , 0 154 , 0 143 , 0 125 , 0 + + + + + + + + + + = 0,127

Tabel 4.51 Hasil Normalisasi dan Bobot untuk Subkriteria Kualitas

AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,057 0,061 0,062 0,054 0,074 0,056 0,069 0,052 0,050 0,057 0,057 0,059 AG 0,114 0,121 0,124 0,108 0,132 0,130 0,139 0,104 0,149 0,114 0,114 0,123 GZ 0,114 0,121 0,124 0,162 0,132 0,148 0,139 0,104 0,149 0,114 0,114 0,129 GP 0,057 0,061 0,041 0,054 0,074 0,056 0,069 0,052 0,050 0,057 0,057 0,057 GS 0,011 0,013 0,014 0,011 0,015 0,019 0,012 0,023 0,017 0,013 0,011 0,014 KT 0,019 0,017 0,015 0,018 0,015 0,019 0,017 0,023 0,017 0,019 0,019 0,018 NB 0,057 0,061 0,062 0,054 0,088 0,074 0,069 0,069 0,074 0,114 0,057 0,071 PJ 0,228 0,242 0,248 0,216 0,132 0,167 0,208 0,208 0,149 0,228 0,228 0,205 SS 0,171 0,121 0,124 0,162 0,132 0,167 0,139 0,208 0,149 0,114 0,171 0,151 ST 0,114 0,121 0,124 0,108 0,132 0,111 0,069 0,104 0,149 0,114 0,114 0,115 TT 0,057 0,061 0,062 0,054 0,074 0,056 0,069 0,052 0,050 0,057 0,057 0,059 Sumber : Pengolahan Data

j ij SA a = 1 11 SA a = 8 1₌_0,125

(44)

∑

= ₌ 11 105 , 0 143 , 0 111 , 0 091 , 0 100 , 0 154 , 0 133 , 0 133 , 0 154 , 0 143 , 0 125 , 0 + + + + + + + + + + = 0,127

Tabel 4.52 Hasil Normalisasi dan Bobot untuk Subkriteria Harga

AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,108 0,121 0,078 0,125 0,087 0,098 0,115 0,070 0,125 0,125 0,108 0,106 AG 0,054 0,061 0,078 0,063 0,043 0,049 0,057 0,070 0,063 0,063 0,054 0,060 GZ 0,108 0,061 0,078 0,063 0,087 0,098 0,115 0,070 0,063 0,063 0,108 0,083 GP 0,108 0,121 0,157 0,125 0,152 0,146 0,115 0,140 0,125 0,125 0,108 0,129 GS 0,027 0,030 0,020 0,018 0,022 0,024 0,023 0,023 0,018 0,018 0,027 0,023 KT 0,054 0,061 0,039 0,042 0,043 0,049 0,057 0,070 0,042 0,042 0,054 0,050 NB 0,108 0,121 0,078 0,125 0,109 0,098 0,115 0,140 0,125 0,125 0,108 0,114 PJ 0,108 0,061 0,078 0,063 0,065 0,049 0,057 0,070 0,063 0,063 0,108 0,071 SS 0,108 0,121 0,157 0,125 0,152 0,146 0,115 0,140 0,125 0,125 0,108 0,129 ST 0,108 0,121 0,157 0,125 0,152 0,146 0,115 0,140 0,125 0,125 0,108 0,129 TT 0,108 0,121 0,078 0,125 0,087 0,098 0,115 0,070 0,125 0,125 0,108 0,106 Sumber : Pengolahan Data

j ij SA a = 1 11 SA a = 250 , 9 1 = 0,108

∑

= ₌ 11 108 , 0 125 , 0 070 , 0 115 , 0 098 , 0 087 , 0 045 , 0 125 , 0 078 , 0 121 , 0 108 , 0 + + + + + + + + + + = 0,106

(45)

Tabel 4.53 Hasil Normalisasi dan Bobot untuk Subkriteria Delivery AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,042 0,045 0,045 0,027 0,045 0,067 0,067 0,067 0,027 0,067 0,067 0,051 AG 0,211 0,226 0,226 0,243 0,226 0,200 0,200 0,200 0,243 0,200 0,200 0,216 GZ 0,211 0,226 0,226 0,243 0,226 0,200 0,200 0,200 0,243 0,200 0,200 0,216 GP 0,127 0,075 0,075 0,081 0,075 0,111 0,111 0,111 0,081 0,111 0,111 0,097 GS 0,211 0,226 0,226 0,243 0,226 0,200 0,200 0,200 0,243 0,200 0,200 0,216 KT 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 NB 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 PJ 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 SS 0,127 0,075 0,075 0,081 0,075 0,111 0,111 0,111 0,081 0,111 0,111 0,097 ST 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 TT 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 Sumber : Pengolahan Data

j ij SA a = 1 11 SA a = 667 , 23 1 = 0,042

∑

= ₌ 11 067 , 0 067 , 0 027 , 0 067 , 0 067 , 0 067 , 0 045 , 0 027 , 0 045 , 0 045 , 0 042 , 0 + + + + + + + + + + = 0,127

6. Menghitung nilai agregat masing-masing supplier

Perhitungan nilai agregat dilakukan berdasarkan kriteria yang dibagi menjadi tingkat kepentingan dan kesulitan. Berikut ini adalah perhitungan nilai agregat masing-masing supplier dimana nilai agregat diperoleh dengan mengalikan bobot masing-masing kriteria dan subkriteria dengan nilai supplier pada kriteria dan subkriteria yang bersangkutan.

(46)

Dibawah ini adalah perkalian matriks nilai bobot supplier berdasarkan tingkat kepentingan. Dengan perhitungan bobot kontribusi pada perusahaan dikalikan dengan bobot kriteria kontribusi kemudian ditambah dengan besar bobot nilai pembelian yang dikalikan dengan bobot kriteria nilai pembelian.

Kontribusi Nilai Pembelian AM 0,017 0,016 AG 0,251 0,199 GZ 0,108 0,096 GP 0,024 0,041 0,309 GS 0,019 0,013 x 0,691 KT 0,017 0,015 NB 0,067 0,031 PJ 0,171 0,275 SS 0,171 0,189 ST 0,09 0,047 TT 0,067 0,078

Dibawah ini adalah hasil perkalian matriks nilai bobot supplier berdasarkan tingkat kepentingan. AM = 0,005 + 0,011 = 0,016 AG = 0,078 + 0,138 = 0,215 GZ = 0,033 + 0,066 = 0,100 GP = 0,007 + 0,028 = 0,036 GS = 0,006 + 0,009 = 0,015 KT = 0,005 + 0,010 = 0,016 NB = 0,021 + 0,021 = 0,042 PJ = 0,053 + 0,190 = 0,243 SS = 0,053 + 0,131 = 0,183 ST = 0,028 + 0,032 = 0,060 TT = 0,021 + 0,054 = 0,075

(47)

Dibawah ini adalah perkalian matriks nilai bobot supplier berdasarkan tingkat kesulitan

Kuantitas Keunikan Kualitas Harga Waktu

AM _{0,098 0,127 0,059 0,106 0,051} AG 0,115 0,072 0,123 0,06 0,216 GZ 0,093 0,077 0,129 0,083 0,216 GP 0,098 0,067 0,057 0,129 0,097 0,157 GS 0,098 0,067 0,014 0,023 0,216 x 0,314 KT 0,098 0,077 0,018 0,05 0,021 0,209 NB 0,098 0,100 0,071 0,114 0,021 0,145 PJ 0,093 0,087 0,205 0,071 0,021 0,175 SS 0,098 0,113 0,151 0,129 0,097 ST 0,098 0,086 0,115 0,129 0,021 TT 0,011 0,127 0,059 0,106 0,021

Dibawah ini adalah hasil perkalian matriks nilai bobot supplier berdasarkan tingkat kesulitan. AM = 0,015 + 0,040 + 0,012 + 0,015 + 0,009 = 0,092 AG = 0,018 + 0,023 + 0,026 + 0,009 + 0,038 = 0,113 GZ = 0,015 + 0,024 + 0,027 + 0,012 + 0,038 = 0,116 GP = 0,015 + 0,021 + 0,012 + 0,019 + 0,017 = 0,084 GS = 0,015 + 0,021 + 0,003 + 0,003 + 0,038 = 0,081 KT = 0,015 + 0,024 + 0,004 + 0,007 + 0,004 = 0,054 NB = 0,015 + 0,031 + 0,015 + 0,017 + 0,004 = 0,082 PJ = 0,015 + 0,027 + 0,043 + 0,010 + 0,004 = 0,099 SS = 0,015 + 0,035 + 0,032 + 0,019 + 0,017 = 0,118 ST = 0,015 + 0,027 + 0,024 + 0,019 + 0,004 = 0,089 TT = 0,002 + 0,040 + 0,012 + 0,015 + 0,004 = 0,073

4.2.3.3Uji Konsistensi AHP

konsistensi AHP digunakan untuk menguji kekonsistenan jawaban atau nilai skala dari perbandingan berpasangan maka seluruh perbandingan berpasangan perlu diuji konsistensinya. Langkah pengujian konsistensi dimulai dengan mengkalikan martiks kriteria yang akan diuji dengan rata-rata hasil normalisasinya.

(48)

Berikut adalah langkah dan contoh perhitungan uji konsistensi pada matriks perbandingan berpasangan kriteria tingkat kesulitan dengan menghitung perbandingan berpasangan kriteria dikalikan dengan bobot kriterianya dan hasil perkalian matriks tersebut dapat dilihat pada tabel 4.54.

1 0,378 0,378 0,378

2,646 1 0,447 x 0,724

2,646 2,236 1 1,618

Tabel 4.54 Hasil Perkalian M atriks Uji Konsistensi Kriteria Tingkat Kesulitan Kriteria Permintaan terpenuhi Keunikan Ketidakpastian Jumlah

Permintaan

terpenuhi 0,157 0,119 0,200 0,476

Keunikan 0,415 0,314 0,237 0,966

Ketidakpastian 0,415 0,702 0,529 1,646

Kemudian dilanjutkan dengan membagi kolom jumlah dengan bobot masing-masing faktor. 0,476 0,157 3,031 0,966 _: 0,314 = 3,075 1,646 0,529 3,112 Rata-rata = 3,073 CI= = 0,036 CR= = 0,063 Contoh perhitungan : CI = 1 n n − − λ = 1 3 3 073 , 3 − − = 0,036 CR = RI CI = 58 , 0 036 , 0 = 0,063 n = jumlah item yang dibandingkan

λ = nilai rata-rata yang dihitung sebelumnya RI = kontanta Random Index sesuai jumlah n

(49)

Tabel 4.55 Hasil Uji Konsistensi M atriks perbandingan Kriteria dan Subkriteria

Nilai konsistensi rasio lebih kecil daripada 0,1 berarti perbandingan konsistensi pada matriks dinyatakan konsisten dan hasil yang diperoleh dapat dipercaya.

Berikut adalah langkah dan contoh perhitungan uji konsistensi pada matriks perbandingan berpasangan supplier untuk kriteria kontribusi

1 1/9 1/8 1/2 1 1 1/5 1/9 1/9 1/7 1/5 9 1 3 9 9 9 5 2 2 3 5 8 1/3 1 5 6 8 2 1/2 1/2 1 2 2 1/9 1/5 1 1 2 1/3 1/9 1/9 1/4 1/3 1 1/9 1/6 1 1 1 1/4 1/9 1/9 1/5 1/4 1 1/9 1/8 1/2 1 1 1/5 1/9 1/9 1/7 1/5 5 1/5 1/2 3 4 5 1 1/3 1/3 1 1 9 1/2 2 9 9 9 3 1 1 2 3 9 1/2 2 9 9 9 3 1 1 2 3 7 1/3 1 4 5 7 1 1/2 1/2 1 1 5 1/5 1/2 3 4 5 1 1/3 1/3 1 1 0,017 0,251 0,108 0,024 0,019 0,017 0,067 0,171 0,171 0,090 0,067

Tabel 4.56 Hasil Perkalian M atriks Uji Konsistensi Perbandingan Supplier

Tingkat kepentingan Tingkat Kesulitan Subkriteria Ketidakpastian CI 0 0,036 0,017 CR 0 0,063 0,029 AM AG GZ GS GP KT NB PJ SS S T TT Jumlah AM 0,017 0,028 0,013 0,012 0,019 0,017 0,013 0,019 0,019 0,013 0,013 0,183 AG 0,149 0,251 0,323 0,213 0,170 0,149 0,336 0,341 0,341 0,270 0,336 2,878 GZ 0,132 0,084 0,108 0,118 0,113 0,132 0,134 0,085 0,085 0,090 0,134 1,216 GP 0,033 0,028 0,022 0,024 0,019 0,033 0,022 0,019 0,019 0,023 0,022 0,263 GS 0,017 0,028 0,018 0,024 0,019 0,017 0,017 0,019 0,019 0,018 0,017 0,211 KT 0,017 0,028 0,013 0,012 0,019 0,017 0,013 0,019 0,019 0,013 0,013 0,183 NB 0,083 0,050 0,054 0,071 0,075 0,083 0,067 0,057 0,057 0,090 0,067 0,754 PJ 0,149 0,126 0,216 0,213 0,170 0,149 0,201 0,171 0,171 0,180 0,201 1,945 SS 0,149 0,126 0,216 0,213 0,170 0,149 0,201 0,171 0,171 0,180 0,201 1,945 S T 0,116 0,084 0,108 0,094 0,094 0,116 0,067 0,085 0,085 0,090 0,067 1,006 TT 0,083 0,050 0,054 0,071 0,075 0,083 0,067 0,057 0,057 0,090 0,067 0,754 x

(50)

Kemudian dilanjutkan dengan membagi kolom jumlah dengan bobot masing-masing faktor 0,183 _0,017 _11,061 2,878 0,251 11,461 1,216 0,108 11,287 0,263 0,024 11,143 0,211 : 0,019 = 11,179 0,183 0,017 11,061 0,754 0,067 11,230 1,945 0,171 11,394 1,945 0,171 11,394 1,006 0,090 11,180 0,754 0,067 11,230 Average = 11,238 CI = 0,024 CR = 0,016 Contoh perhitungan : CI = 1 n n − − λ = 1 11 11 238 , 11 − − = 0,024 CR = RI CI = 51 , 1 024 , 0 = 0,016

Hasil pengujian konsistensi AHP secara keseluruhan atas perbandingan berpasangan supplier dapat dilihat pada tabel 4.57.

tabel 4.57 Hasil Uji Konsistensi M atriks Perbandingan Supplier

Nilai konsistensi rasio seluruhnya lebih kecil daripada 0,1 berarti konsistensi pada seluruh matriks perbandingan tersebut dinyatakan konsisten dan hasil yang diperoleh dapat dipercaya.

Kontribusi Nilai Pembelian Permintaan Terpenuhi Keunikan

Item Kualitas Harga Delivery

CI 0,024 0,109 0,007 0,042 0,014 0,017 0,015

(51)

4.2.4 Pengelompokan Portofolio Hubungan Supplier

M erancang hubungan yang tepat dengan supplier juga merupakan hal yang penting dalam rantai pasok. Hubungan dengan supplier bisa bersifat kemitraan jangka panjang maupun hubungan transaksional jangka pendek. M odel hubungan mana yang tepat tentunya tergantung pada banyak hal, diantara berdasarkan tingkat kepentingan dan kesulitan. M aka portfolio hubungan supplier dibagi menjadi empat kelompok, yaitu bottleneck supplier, critical strategic supplier, non strategic supplier dan leverage supplier. Ke-empat kelompok tersebut terbentuk dalam suatu kuadran sesuai dengan sumbu x yang merupakan tingkat kepentingan dan sumbu y yang merupakan tingkat kesulitan pada tabel 4.58 dan pemetaannya dapat dilihat pada gambar 4.9.

Tabel 4.58 Pemetaan Portfolio Hubungan Supplier

Supplier Sumbu X Sumbu Y

AM 0,016 0,092 AG 0,215 0,113 GZ 0,100 0,116 GP 0,036 0,084 GS 0,015 0,081 KT 0,016 0,054 NB 0,042 0,082 PJ 0,243 0,099 SS 0,183 0,118 ST 0,060 0,089 TT 0,075 0,073 Sumber : Pengolahan Data