1 PENETAPAN PENGAMBILAN KEPUTUSAN STRATEGI PENJUALAN BERBASIS ONLINE PADA PRODUK CLOTHING DENGAN MENGGUNAKAN METODE DEMATEL,
ANP DAN STEM DI SURABAYA Sugma Anugrawan,
Jurusan Teknik Industri
Udisubakti Ciptomulyono, Naning Aranti W. Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus ITS Sukolilo Surabaya 60111
Email sugma.anugrawan@gmail.com ; udisubakti@ie.its.ac.id ;wessiani@ie.its.ac.id
Abstrak
Kemajuan teknologi internet memberikan dampak signifikan terhadap dunia bisnis clothing saat ini, karena internet menyediakan fasilitas-fasilitas yang bisa dimanfaatkan untuk berbisnis. Dimana fasilitas internet bisa memberikan efisiensi biaya dalam aktifitas-aktifitas penjualan, seperti : biaya layanan terhadap pelanggan, tenaga kerja yang dipekerjakan, biaya penjualan (Avlonitis and Karayanni, 2000). Hal tersebut terasa dengan banyaknya bisnis-bisnis clothing yang menjual produk-produknya dengan membuat toko online dengan memanfaatkan fasilitas internet.
Studi kasus yang diambil dalam penelitian ini adalah produk bisnis clothing di kota Surabaya, antara lain jaket, poloshirt, tas, dan sepatu. Metode yang digunakan dalah penelitian ini antara lain : metode DEMATEL (Decision Making Trial And Evaluation Laboratory), ANP (analitic
network process) dan STEM (Step Method). Dimana DEMATEl digunakan untuk mengetahui
hubungan atau keterkaitan antar kriteria dan subkriteria. Kemudian hasil pengolahan tersebut menjadi dasar dalam pembuatan model dalam pengolahan menggunakan ANP. ANP sendiri akan menghasilkan bobot yang nantinya menjadi koefisien tujuan dari pencarian solusi kompromi optimal strategi penjualan dengan menggunakan STEM. Dan dari pengolahan STEM tersebut didapatkan solusi kompromi oprimal dari permasalahan pemilihan strategi penjualan.
Hasil dari penelitian ini menunjukan bahwa strategi penjualan yang optimal berdasarkan preferensi pengambil keputusan, antara lain : produk jaket menggunakan strategi penjualan O-MTO, produk poloshirt menggunakan strategi penjualan K-MTS, produk tas menggunakan strategi penjualan O-MTO, dan produk sepatu menggunakan strategi penjualan O-MTO
Kata kunci : Clothing, STEM, DEMATEL, ANP, MCDM, Strategi Penjualan Abstract
The progress of internet technology significantly affects nowadays clothing business due to its broad facilities. Internet facilities could give cost efficiency on many selling activities, such as: customer service cost, labor cost and selling cost. These condition become obvious as we seen many clothing business open an online shop using the internet facility.
This research took the study case about clothing business product in Surabaya city, such as jacket, polo shirt, bag and shoes. This research uses several methods, which are DEMATEL (Decision Making Trial and Evaluation Laboratory), ANP (Analytical Network Process) and STEM (Step Method). DEMATEL is used to identify the connection and correlation between criteria and sub-criteria. Thus the result becomes the baseline in creating the model using ANP. ANP will produce the weight which will be the destination coefficient of the marketing strategy optimum compromised solution generation using STEM. From the STEM method we can get the optimum compromised solution of choosing marketing strategy problem.
The result of this research shows the optimum marketing strategy according to decision maker preference for each product, which is: jacket should use O-MTO selling strategy, polo shirt should use K-MTS selling strategy, bag should use O-MTO selling strategy and shoes should use O-MTO selling strategy.
2 1. Pendahuluan
Kemajuan teknologi internet memberikan dampak signifikan terhadap dunia bisnis clothing saat ini, karena internet menyediakan fasilitas-fasilitas yang bisa dimanfaatkan untuk berbisnis. Hal ini diperkuat dari hasil penelitian sebelumnya yang mengatakan, konsumen
e-commerce sebagian besar terkonsentrasi pada
barang-barang seperti buku, perangkat lunak, musik, perjalanan, pakaian, dan elektronik (Gould and Golob, 2002). Dimana fasilitas internet bisa memberikan kemudahan untuk melakukan penawaran, layanan terhadap pelanggan, penjualan dan promosi dengan harga yang relatif murah. Hal tersebut mulai terasa dengan banyaknya bisnis-bisnis clothing (Tas, Sepatu, Jaket, Poloshirt) berbasis internet yang menjual produk-produknya dengan membuat toko online dengan memanfaatkan fasilitas-fasilitas internet, tanpa harus menggunakan cara-cara lama yang membutuhkan biaya lebih besar, seperti promosi dengan menggunakan poster, iklan di radio atau televisi, penjualan dengan toko ritel, dan lain-lain. Bukti bahwa internet berdampak besar pada dunia bisnis diperkuat dengan hasil riset IDC (international Data
Corporation) bahwa transaksi online di Indonesia mencapai $ 34 miliar atau setara dengan Rp 35 triliun (detikINET
Pada kenyataan-nya, ada 3 (tiga) alternatif strategi bisnis menjadi pertimbangan beberapa calon pelaku bisnis clothing yang muncul akibat adanya teknologi internet ini, yaitu: strategi pemasaran online dengan strategi produksi
make-to-order, strategi pemasaran online dengan
strategi produksi make-to-stock, dan strategi pemasaran kombinasi online dan ritel dengan strategi produksi make-to-stock. Strategi pemasaran online dengan strategi produksi
make-to-order (O-MTO), adalah strategi
pemasaran dengan membuka toko online, dan produksi-nya hanya dilakukan ketika ada pesanan. Jadi pemasaran dilakukan di toko
online tersebut dengan memajang
gambar-gambar produk yang dijual, namun produk tersebut tidak siap dibeli melainkan siap dipesan. Dan ketika pelanggan berminat maka akan diproduksi oleh pelaku bisnis tersebut baru dikirim ke pelanggan. Untuk strategi bisnis kedua, strategi pemasaran online dengan strategi produksi make-to-stock (O-MTS), adalah strategi bisnis dengan membuka toko online, dan produksi-nya dilakukan sebelum memasarkan produk, produk diproduksi secara masal kemudian di-stock. Gambar-gambar produk
dipajang ditoko online untuk dipasarkan, dan ketika pelanggan berminat untuk membeli, barang sudah siap dikirim. Strategi yang ketiga, strategi bisnis kombinasi online dan ritel dengan strategi produksi make-to-stock (K-MTS), untuk strategi ini pemasaran dilakukan di 2 (dua) toko, yaitu : toko online dan toko ritel. Pada strategi ini strategi produksinya harus make-to-stock, karena dengan adanya toko ritel mengharuskan pelaku bisnis melakukan display produk dan pemenuhan terhadap permintaan pelanggan secara langsung di toko ritel.
, 2010).
Dari data survey pendapatan regional kota Surabaya untuk produk clothing pada tahun 2007-2008 menunjukan peningkatan pendapatan sebesar Rp 431.321.000.000 (BPS, 2009) dan untuk data survey mengenai perusahaan perdagangan eceran tahun 2006, diketahui bahwa di kota Surabaya ini terdapat 151 pedagang eceran atau retail yang terdata, yang menjual produk-produk clothing (BPS, 2006). Jumlah itu belum ditambah dengan perdagangan produk-produk clothing di internet (online) yang sampai saat ini belum terdata. Kedua data survey ini menunjukan bahwa pangsa pasar produk
clothing di kota Surabaya cukup baik, tetapi
untuk survive pada bisnis tersebut para pelaku bisnis harus bersaing ketat karena jumlah pelaku bisnis produk tersebut cukup banyak.
Dengan kondisi yang seperti ini, calon pelaku bisnis yang akan mendirikan sebuah bisnis menjadi ragu dalam mengambil keputusan penentuan strategi apa yang digunakan dengan kondisi yang seperti ini. Karena tiap alternatif strategi bisnis memiliki konsekuensi tersendiri terhadap keuntungan dan kerugian bagi pelaku bisnis dalam penerapan-nya. Harga jual, pemasaran, delivery time, investasi, analisa finansial, risiko ketersediaan bahan baku dan risiko ketidaksiapan produksi adalah beberapa contoh konsekuensi yang ditimbulkan akibat pemilihan alternatif strategi yang digunakan. Oleh karena itu, dibutuhkan suatu pemikiran yang komprehensif terhadap permasalahan pemilihan alternatif strategi yang akan digunakan untuk memperoleh solusi optimal yang memuaskan. Solusi memuaskan yang diperoleh melalui tahapan penentuan beberapa tujuan yang berbeda dan ada yang saling bertentangan, yang kemudian dikenali sebagai permasalahan multi objective decision making.
Menyadari akan pentingnya hal itu, penelitian tugas akhir ini akan mengkaji tentang pengambilan keputusan pemilihan strategi bisnis “O-MTO”, “O-MTS”, “K-MTS” pada
produk-3 produk tertentu, antara lain : tas, jaket, poloshirt
dan sepatu. Penelitian ini menggunakan metode pengambilan keputusan multi kriteria dengan ruang lingkup penerapan strategi bisnis yang kompetitif dan finansial yang berhubungan dengan keputusan pemilihan strategi bisnis “O-MTO”, “O-MTS”, “K-MTS”. Melalui metodologi tersebut kemudian dikembangkan suatu model yang mengakomodasi 3 kriteria secara bersama, yaitu : maksimasi performansi kompetitif strategis, meminimalkan risiko, maksimasi performansi finansial. Kriteria bersifat kualitatif dan diukur menggunakan skala pembobotan dengan menggunakan metode ANP
(analitic network process), tetapi sebelumnya
dilakukan uji DEMATEL (Decision Making
Trial And Evaluation Laboratory) terlebih
dahulu untuk mengetahui hubungan keterkaitan antar kriteria. Dan karena terdapat pertentangan satu sama lain pada beberapa kriteria yang juga merupakan fungsi tujuan, maka diperlukan adanya pertukaran (trade off) yang dilakukan secara bertahap dan berpasangan dengan menggunakan step method (STEM) yang menghasilkan suatu solusi kompromi yang optimal dari keputusan alternatif strategi bisnis “O-MTO”, “O-MTS”, “K-MTS”
2. Metodologi Penelitian
Metode penelitian ini dibagi menjadi empat tahap yaitu sebagai berikut:
Tahap Identifikasi
Merupakan tahapan mengidentifikasi atau mengangkat permasalahan yaitu pengambilan keputusan pemilihan alternatif strategi bisnis yang akan digunakan pada bisnis clothing di Surabaya. Sehingga diperoleh tujuan penelitian yaitu mencari strategi bisnis yang optimal untuk masing-masing produk yang diteliti baik itu dengan strategi pemasaran online dan strategi produksi make-to-order, strategi pemasaran
online dan strategi produksi make-to-stock, atau
dengan strategi pemasaran kombinasi online dan ritel dan strategi produksi make-to-stock.
Tahap Pengumpulan Data
Dalam tahap ini peneliti mengumpulkan data-data yang menunjang penelitian ini. Data yang diperlukan adalah data aktual, dan data aktual didapatkan dengan melakukan survei, pengamatan secara langsung. Data yang dikumpulkan antara lain data lead time produksi, data spesifikasi produk, data biaya investasi, data biaya operasional, biaya produksi.
Tahap Pengolahan Data
Data-data yang sudah dikumpulkan akan diolah dengan menggunakan metode yang sudah dikaji oleh peneliti yaitu metode decision making
trial and evaluation laboratory (DEMATEL), analytic network process (ANP) dan STEP
Method. Metode-metode tersebut akan
digunakan untuk mencari solusi memuaskan yang sesuai dengan obyektif pengambil keputusan, meliputi:
1. Identifikasi hubungan antar kriteria dengan metode metode decision making
trial and evaluation laboratory
(DEMATEL) untuk membuat model pengambilan keputusan ANP
2. Menghitung nilai bobot kriteria dan sub-kriteria dari alternatif-alterrnatif yang ada dengan menggunakan metode ANP 3. Menghitung solusi optimal dengan
metode STEP Method.
4. Melakukan Analisa sensitivitas. Tahap Analisa dan Kesimpulan
Pada tahap ini yaitu tahap terakhir setelah melakukan pengumpulan dan pengolahan data maka akan dilanjutkan dengan analisa dan interpretasi data. Setelah itu tahap paling akhir yaitu menarik kesimpulan dari penelitian ini. 3. Pengumpulan dan Pengolahan Data
Pada bagian ini dijelaskan mengenai proses dan hasil dari pengumpulan dan pengolahan data. Data yang diperlukan adalah data aktual, dan data aktual didapatkan dengan melakukan survei, pengamatan secara langsung. Dari data yang telah dikumpulkan selanjutnya diolah berdasarkan metodologi penelitian yang sudah ditetapkan sebelumnya.
3.1 Pengumpulan Data
Pada tahap pengumpulan data ini dilakukan pengumpulan data yang dilakukan dengan pengamatan langsung, brainstorm ataupun pengumpulan data-data sekunder. Diawal pengumpulan data dilakukan melalui brainstorm dengan pihak-pihak yang dianggap pakar pada bisnis clothing di Surabaya. Hal tersebut dilakukan untuk mendapatkan kriteria, subkriteria dan alternatif yang digunakan dalam penelitian ini. Selanjutnya dilakukan pengumpulan data melalui pengamatan langsung untuk mendapatkan data-data biaya dan spesifikasi produk. Untuk data-data mengenai biaya yang dikumpulkan, antara lain : data biaya
4 investasi, biaya operasional, data biaya variabel
produk dan data spesifikasi produk. Selain itu juga masi ada lagi data-data tambahan yang didapatkan melalui kuisioner sebagai data masukan untuk pengolahan pada metode DEMATEL dan ANP.
3.2 Pengolahan Data
3.2.1 DEMATEL (Decision Making Trial And Evaluation Laboratory)
Metode DEMATEL ini diaplikasikan untuk mengetahui gambaran interrelation di kriteria dan subkriteria dalam pemilihan alternatif strategi penjualan. Data yang diinputkan didapat dari kuisioner yang diisi oleh pihak yang dianggap pakar dalam bisnis clothing. Sehingga didapatkan impact-relation map (IRM) pada hasil akhirnya, yang menjadi dasar dalam pembuatan model pada ANP. Dalam pengolahan ini terdapat beberapa tahap, mulai dari mencari matrik nilai Keterkaitan langsung antar kriteria, matrik nilai keterkaitan yang telah dinormalkan, matrik keterkaitan antar kriteria secara total. Untuk membuat matrik nilai keterkaitan yang tela di normalkan digunakan rumus :
Dan pengolahan data dengan menggunakan rumus (1) dan (2) diatas, didapatkan matrik nilai keterkaitan yang telah dinormalkan.
Tabel 3.1 Matrik Keterkaitan antar Kriteria yang Telah Dinormalkan PKS RSK PF PKS 0,0000 0,5000 0,5000 RSK 0,2857 0,0000 0,3571 PF 0,2143 0,1429 0,0000 Keterangan :
PKS : Performa Kompetitif Strategis RSK : Risiko
PF : Performa Finansial
Tabel 3.3 Matrik Keterkaitan antar Subriteria yang Telah Dinormalkan HJ P DT I IRR RKB RKP HJ 0,000 0,158 0,132 0,132 0,184 0,053 0,053 P 0,211 0,000 0,211 0,211 0,184 0,184 0,158 DT 0,132 0,158 0,000 0,079 0,079 0,026 0,026 I 0,158 0,184 0,132 0,000 0,184 0,158 0,158 IRR 0,184 0,211 0,105 0,132 0,000 0,105 0,132 RKB 0,079 0,158 0,211 0,158 0,132 0,000 0,000 RKP 0,105 0,158 0,184 0,132 0,105 0,000 0,000 Keterangan : HJ : Harga Jual P : Pemasaran DT : Delivery time I : Investasi
IRR : Intern Rate of Return
RKB : Risiko Ketersediaan Bahan Baku RKB : Risiko Ketidaksiapan Produksi
Setelah mendapatkan matrik keterkaitan yang telah dinormalkan, maka dilanjutkan dengan pengolahan untuk mendapatkan matrik keterkaitan secara total dengan menggunakan rumus:
Dari pengolahan tersebut didapatkan matrik keterkaitasn secara total sebagai berikut:
Tabel 3.3 Matrik Keterkaitan antar Kriteria Total PKS RSK PF D D + R D - R PKS 0,4821 0,8924 1,0598 2,4343 3,8805 0,9880 RSK 0,5657 0,3944 0,7809 1,7410 3,4183 0,0637 PF 0,3984 0,3904 0,3386 1,1275 3,3068 -1,0518
R 1,4462 1,6773 2,1793
Tabel 3.4 Matrik Keterkaitan antar Subriteria Total HJ P DT I IRR RKB RKP D HJ 0,54 0,73 0,67 0,61 0,68 0,40 0,40 3,63 P 0,96 0,88 0,99 0,91 0,92 0,66 0,64 5,32 DT 0,51 0,57 0,41 0,44 0,46 0,29 0,28 2,68 I 0,82 0,92 0,84 0,65 0,83 0,58 0,58 4,64 IRR 0,79 0,88 0,76 0,71 0,62 0,51 0,53 4,27 RKB 0,61 0,74 0,74 0,64 0,64 0,36 0,35 3,72 RKP 0,60 0,69 0,68 0,58 0,58 0,33 0,33 3,46 R 4,24 4,30 3,34 2,83 2,01 1,21 0,60 D+R 7,87 9,63 6,03 7,47 6,27 4,94 4,06 D-R -0,61 1,02 -0,66 1,81 2,26 2,51 2,86 (1) (2)
5 Nilai R adalah jumlah dari
kolom dan D adalah jumlah dari baris pada matrik keterkaitan secara total. Beberapa subkriteria dengan nilai D-R positif mempunyai pengaruh yang lebih besar dari pada subkriteria yang lainnya dan diasumsikan sebagai prioritas utama, biasa disebut dispatcher. Sedangkan subkriteria dengan nilai D-R negatif menerima pengaruh lebih besar dari subkriteria yang lainnya dan diasumsikan sebagai prioritas terakhir, biasanya disebut receiver. Sedangkan nilai D+R mengindikasikan hubungan antara subkriteria satu dengan subkriteria yang lain. Sehingga semakin besar nilai D+R dari suatu subkriteria berarti memiliki hubungan yang lebih dengan subkriteria yang lain sedangkan subkriteria dengan nilai D+R yang lebih kecil berarti memiliki hubungan dengan subkriteria yang lain lebih kecil. Berdasarkan nilai dari D-R dan D+R berikut adalah tabel yang menunjukkan kelompok dispatcher dan receiver.
Tabel 3.5 Pengelompokan Kriteria Dispatcher dan Receiver
Tabel 3.6 Pengelompokan Subkriteria Dispatcher dan
Receiver
Treshhold value untuk kriteria pada
penelitian ini adalah 0,39dan untuk subkriteria 0,57 sehingga tidak semua keterkaitan antar kriteria atau subkriteria yang ada pada matrik keterkaitan antar kriteria dan subkriteria secara total dapat dikonversikan pada peta
impact-digraph. Berikut adalah peta impact-digraph
yang merupakan dasar dalam pembuatan model ANP.
Gambar 3.1. Peta Impact-digraph Kriteria
Gambar 3.2 Peta Impact-digraph Subkriteria
3.2.2 ANP (Analytical Network Process) Model network ANP dibuat dengan
software super decision dan bedasarkan peta impact–digraph. Berikut adalah tampilan model
network ANP pada software super decision.
Gambar 3.3 Model Network ANP pada Software
Super Decision
Setelah model network telah dibuat maka selanjutnya dapat ditentukan nilai pairwise
comparison (perbandingan berpasangan) antar
kriteria dan antar alternatif atribut sistem manajemen untuk setiap kategori. Nilai pairwise
comparison tersebut didapatkan dengan
menggunakan kuisioner. Nilai bobot prioritas tiap kategori yang didapatkan berdasarkan nilai
pairwise comparison akan diperbandingkan
6 akhir. Dari pengolahan data pada software Super
decision.tersebut didapatkan nilai bobot prioritas
alternatif pemilihan strategi penjualan optimal untuk masing-masing produk, antara lain :
• Jaket
Tabel 3.7 Nilai Bobot Prioritas Alternatif Pemilihan Strategi Penjualan Optimal untuk Produk Jaket
• Poloshirt
Tabel 3.8 Nilai Bobot Prioritas Alternatif Pemilihan Strategi Penjualan Optimal untuk Produk Poloshirt
• Tas
Tabel 3.9 Nilai Bobot Prioritas Alternatif Pemilihan Strategi Penjualan Optimal untuk Produk Tas
• Sepatu
Tabel 3.10 Nilai Bobot Prioritas Alternatif Pemilihan Strategi Penjualan Optimal untuk Produk Sepatu
Dan ujuga didapatkan bobot bobot kriteria terhadap keputusan alternatif untuk masing-masing produk. Bobot ini didapatkan dari bobot supermatrik yang merupakan hasil pengolahan data pada software Super decision.
Tabel 3.11 Bobot Kriteria terhadap Keputusan
3.2.3 STEM (Step Method)
Step Method (STEM) yang dikembangkan
oleh Benayoun, de Montgolfier, Tergny dan Laritchev menggunakan pendekatan interaktif (Tabucanon, 1988). Metode ini berisi eksplorasi solusi berderet yang dikendalikan pada beberapa tingkat oleh seorang pengambil keputusan yang menjawab pertanyaan yang diajukan melalui algoritma. Jadi, tiap iterasi disusun dari suatu tahap perhitungan dan suatu tahap pengambil keputusan. Sebelum siklus pertama, suatu payoff
matrix dibuat (Gambar 2.7). Ketika obyektif
tidak dapat dimaksimumkan pada satu titik, solusi ideal menjadi tidak layak/nonfeasible (dimana fungsi obyektif adalah seluruh “individual maximum” seperti yang ditunjukkan oleh diagonal dari matriks payoff). Pada tahap perhitungan, solusi layak (feasible solution) yang terdekat dengan solusi ideal dicari. Permasalahannya kemudian menjadi sebagai berikut : X1* X2* . . . Xh* . . . Xk* Z f1(X1*) f1(X2*) . . . f1(Xh*) . . . f1 (Xk*) 1 Z f2(X1*) f1(X2*) . . . f2(Xh*) . . . f2 (Xk*) 2 . . . . . . . . . . . . Zl f. l(X.1*) fl(X.2*) . . . f. l (X.h*) . . . f. l (X.k*) . . . . . . . . Zk fk(X1*) fk (X2*) . . . fk (Xh*) . . . fk (Xk*)
Gambar 3.4 Matriks Payoff dari STEM Sumber : Tabucanon (1988)
Xm adalah daerah layak pada siklus m dimana termasuk sekumpulan batasan origin ditambah bebetapa batasan yang ditambahkan dalam siklus (m-1) sebelumnya; sedangkan πl menunjukkan jarak kepentingan relatif menuju optimal. Hal ini dapat ditentukan melalui rumus berikut : Minimasi z = y Subject to : y ≥ [ fl(x l* ) – fl(x)] πl X € X , i = 1, ..., k y ≥ 0 m (3) (4) i = 1,2, ..., k ( )
7 Pada tahap pengambilan keputusan, solusi
yang diperoleh pada tahap perhitungan, xm, ditampilkan bagi pengambil keputusan yang membandingkan vektor obyektifnya fm (atau zm) dengan vektor idealnya f* (atau z*). Jika bebetapa obyektif memuaskan dan yang lain tidak, maka pengambil keputusan harus memberikan cukup kelonggaran terhadap suatu obyektif memuaskan untuk memenuhi suatu peningkatan dari obyektif yang tidak memuaskan pada siklus iterasi berikutnya. Jika Pengambil keputusan memberikan δf sebagai jumlah dari kelonggaran yang dapat diterima acceptable
relaxation), maka daerah layak xm+1 bagi siklus berikutnya didefinisikan oleh :
x € X f m i (x) ≥ fi (xm) – δ f f j (x) ≥ fj (x m j≠i, j = 1,2,..., k )
Bobot xi ditetapkan nol (zero) dan tahap perhitungan dari siklus m+1 dimulai. Proses berhenti ketika semua nilai yang diperoleh bagi fungsi obyektif dapat diterima oleh pengambil keputusan (decision maker).
Variabel Keputusan Xij didefinisikan sebagai produk ke-i yang dikerjakan melalui alternatif ke-j. Masing-masing indeks i dan j, didefinisikan sebagai berikut :
i = Produk yang merupakan objek penelitian, i = 1,2,3,4
i = 1, Jaket i = 2, Poloshirt i = 3, Tas i = 4, Sepatu
j = Alternatif strategi penjualan, j= 1,2,3 j = 1, Online make-to-order (O-MTO) j = 2, Online make-to-stock (O-MTS) j = 3, Kombinasi online dan ritel
make-to-stock (K-MTS)
4.6.1 Formulasi Fungsi Tujuan
Terdapat 3 kriteria yang menjadi fungsi tujuan pada penelitian ini, antara lain
Maksimasi Performa Kompetitif Strategis Z1 = PKSij Xij (10) Z1 = PKS11X11 + PKS12X12 + PKS13X13+ PKS21X21 + PKS22X22+ PKS23X23 + PKS31X31 + PKS32X32 + PKS33X33 + PKS41X41 + PKS42X42 + PKS43X43 Z1 = 0, 1694X11 + 0, 1497X12 + 0, 2464X13 + 0, 1253X21 +0, 1106X22+ 0,1894X23 + 0, 2107X31 + 0,2946X32 + 0,1628X33 + 0,0721X41 + 0,0734X42 + 0,0344X43 dimana :
PKSij = besarnya bobot kriteria dari performansi kompetitif strategis pada produk ke-i dan alternatif ke-j
Maksimasi Performa Finansial
Z2 = PFij Xij (11) Z2 = PF11X11 + PF12X12 + PF13X13+ PF21X21 + PF22X22 + PF23X23 + PF31X31 + PF32X32 + PF33X33 + PF41X41 + PF42X42 + PF43X43 Z2 = 0, 0891X11 + 0, 0787X12 + 0, 1296X13 + 0, 1362X21 + 0, 1202 X22 + 0, 2059X23 + 0,0683X31 + 0,0956X32 + 0,0528X33 + 0,2245X41 + 0,2283X42 + 0,1071X43 dimana :
PFij = besarnya bobot kriteria dari performansi Finansial pada produk ke-i dan alternatif ke-j Minimasi Risiko Z3 = Rij Xij (12) Z3 = R11X11 + R12X12 + R13X13 + R21X21 + R22X22 + R23X23 + R31X31 + R32X32 + R33X33 + R41X41 + R42X42 + R43X43 Z3 = -0, 0411X11 - 0, 0363X12 - 0, 0598X13 - 0, 0331X21 - 0, 0292X22 - 0, 0501X23 - 0,0363X31 - 0,0508X32 - 0,0281X33 - 0,1043X41 - 0,1061X42 - 0,0498X43 i = 1,2, ..., k (5) (6) (7) (8) (9)
8 dimana :
Rij = besarnya bobot kriteria dari Risiko pada produk ke-i dan alternatif ke-j
Pembatas Alokasi Dana Pengadaan Produk Jaket D1i X1i ≤ H D 1 11X11+ D12X12+ D13X13 ≤ H 80000X 1 11+ 650000X12 + 650000X13 dimana : ≤ 18395000
D1i = Besarnya biaya pengadaan produk-1 H1 = Alokasi dana yang disiapkan untuk pengadaan produk jaket
Pembatas Alokasi Dana Pengadaan Produk Poloshirt D2i X2i ≤ H D 2 21X21+ D22X22+ D23X23 ≤ H 600000X 2 21 + 42000X22 + 42000X23 dimana : ≤ 22176000
D2i = Besarnya biaya pengadaan produk-2 H2 = Alokasi dana yang disiapkan untuk pengadaan produk poloshirt
Pembatas Alokasi Dana untuk Pengadaan Produk Tas D3i X3i ≤ H D 3 31X31+ D32X32+ D33X33 ≤ H 90000X 3 31+ 35000X32 + 35000X33 dimana : ≤ 7035000
D3i = Besarnya biaya pengadaan produk-2 H3 = Alokasi dana yang disiapkan untuk pengadaan produk tas
Pembatas Alokasi Dana Pengadaan Produk Sepatu D4i X4i ≤ H D 4 41X41+ D42X42+ D43X43 ≤ H 2250000X 4 41 + 135000X42 + 135000X43 dimana : ≤ 11880000
D4i = Besarnya biaya pengadaan produk-4 H4 = Alokasi dana yang disiapkan untuk pengadaan produk sepatu
Pembatas Biner untuk Tiap Produk X11+X12+X13 X =1 21+X22+X23 X =1 31+X32+X33 X =1 41+X42+X43 X =1 11,X12,X13,X21,X22,X23,X31,X32,X33,X41,X42,X 43 = 0 atau 1 (Biner)
Dari hasil pengolahan model tersebut dengan menggunakan software LINDO didapatkan matrik pay off sebagai berikut :
Tabel 3.12 Matrik Pay Off Iterasi 1
Kemudian setelah itu dilakukan perhitungan fase perhitungan dengan menggunakan perumusan-perumusan yang ada pada fase perhitungan untuk mendapatkan nilai α dan π.
Melalui pengolahan data diatas dengan menggunakan software WinQsb didapatkan solusi sebagai berikut :
(13) (12)
(14)
(15)
9 X1 = (X11, X12, X13, X21, X22, X23, X31, X32,
X33, X41, X42, X43)
X1 = (1 , 0 , 0 , 0 , 0 , 1 , 1 , 0 , 0 , 0 , 0 , 1) Z1 = (0,6041 ; 0,4705 ; -0,1772)
Dengan melihat hasil dari iterasi 1 menunjukan bahwa nilai dari f1 masih belum baik, oleh karena itu maka f1 akan coba ditingkatkan lagi. Dengan memberikan kelonggaran nilai f2 dan f3 berturut-turut sebesar 10%, kemudian dilakukan iterasi kedua.
Pada iterasi 2 dengan diberikan kelonggaran berturut-turut 10%, 20%, 30%, 40%, 50%, 60% pada f3 karena f1dan f2 belum cukup memuaskan. Proses perumusan pada iterasi ini adalah :
Iterasi 2
Tabel 4.25 Solusi Tiap Iterasi ada Tiap Variabel Keputusan
4. Kesimpulan
Kesimpulan yang dapat diambil dari tugas akhir ini adalah :
1. Berdasarkan perhitungan uji kelayakan investasi yang diakukan dalam penelitian ini, dapat ditarik kesimpulan sebagai berikut : a. Untuk alternatif strategi online
make-to-order. Didapatkan nilai IRR sebesar 175%
NPV sebesar Rp 84.976.321 dan payback
periode terjadi pada bulan ke 17.
b. Untuk alternatif strategi
online-make-to-stock, didapatkan nilai IRR sebesar 237%,
NPV sebesar Rp 213.471.928 dan payback
periode terjadi pada bulan ke 12.
c. Untuk strategi yang terbaik terkait dengan uji kelayakan investasinya adalah kombinasi online dan ritel make-to-stock.
Didapatkan nilai IRR sebesar 337 %, NPV sebesar Rp 531.992.169 dan payback
periode terjadi pada bulan ke 10.
2. Model pengambilan keputusan strategi penjualan O-MTO, O-MTS dan K-MTS dengan menggunakan metode ANP terdiri dari 2 level. Level 1 merupakan level kriteria yang terdiri dari 3 kriteria, yaitu memaksimalkan performa kompetitif strategis, memaksimalkan performa finansial dan minimasi risiko. Level 2 merupakan level subkrieria, dimana keseluruhan subkriteria tersebut adalah pemasaran, harga jual, delivery time, IRR, investasi, ketidaksiapan produksi dan ketersediaan bahan baku. Dan level 3 adalah level alternatif, terdiri atas strategi penjualan O-MTO, OMTS, dan K-MTS. 3. Berdasarkan pengolahan data dengan
menggunakan metode DEMATEL untuk mendapatkan hubungan antar kriteria dan antar subkriteria didapatkan hubungan antar kriteria dan antar subkriteria. Model hubungan inilah yang nantinya menjadi inputan pada metode selanjutnya.
a. Dari hasil pengolahan data menggunakan metode DEMATEL didapatkan hubungan atau keterkaitan atau pengaruh antar kriteria. Dari pengolahan tersebut dapat diketahui bahwa semua kriteria saling mempengaruhi, termasuk mempenggaruhi dirinya sendiri. Kecuali pada kriteria performa finansial yang tidak mempengaruhi dirinya sendiri
b. Berdasarkan pengolahan data menggunakan metode DEMATEL untuk didapatkan hubungan atau saling keterkaitan antar subkriteria antaralain : • harga jual, memiliki pengaruh terhadap
pemasaran, investasi, IRR dan delivery
time. Dan dipengaruhi oleh semua
subkriteria kecuali delvery time dan subkriteria itu sendiri.
• Pemasaran, memiliki pengaruh dan dipengaruhi semua subkriteria yang ada termasuk subkriteria pemasaran itu sendiri
• Delivery time hanya mempengaruhi subkrieria pemasaran, namun subkriteria ini dipengaruhi oleh semua subkriteria yang ada kecuali subkririteria deivery time itu sendiri.
10 • Investasi , memiliki pengaruh pada
semua subkriteria yang ada termasuk subkriteria investasi itu sendiri.subkriteria ini juga dipengaruhi
oleh semua subkriteria yang ada kecuali subkririteria deivery time
• IRR, memiliki pengaruh pada semua subkriteria yang ada termasuk subkriteria investasi itu sendiri.subkriteria ini juga dipengaruhi
oleh semua subkriteria yang ada kecuali subkririteria deivery time
• Ketersediaan bahan baku, memiliki pengaruh pada semua subkriteria yang ada kecuali subkriteria ketidaksiapan produksi dan ketersediaan bahan baku itu sendiri. Dan subkriteria ini hanya dipengaruhi oleh subkriteria pemasaran dan investasi
• Ketidaksiapan produksi, memiliki pengaruh pada semua subkriteria yang ada kecuali subkriteria ketersediaan bahan baku dan ketidaksiapan produksi itu sendiri Dan subkriteria ini hanya dipengaruhi oleh subkriteria pemasaran dan investasi
4. Berdasarkan pembobotan menggunakan ANP diperoleh solusi awal pengambilan keputusan dengan bobot terbesar sebagai prioritas. Hasilnya adalah sebagai berikut : a. Untuk produk jaket, alternatif yang
terbaik berdasarkan bobotnya adalah alternatif K-MTS dengan nilai bobot 0,4357.
b. Untuk produk poloshirt, alternatif yang terbaik berdasarkan bobotnya adalah alternatif K-MTS dengan nilai bobot 0,4453
c. untuk produk sepatu, alternatif yang terbaik berdasarkan bobotnya adalah alternatif O-MTS dengan nilai bobot 0,4077.
d. untuk produk tas, alternatif yang terbaik berdasarkan bobotnya adalah alternatif O-MTS dengan nilai bobot 0,4409. 5. Pada perhitungan solusi memuaskan step
method dilakukan melalui 2 iterasi. Melalui step method ini diperoleh solusi tunggal
dalam pemilihan strategi penjualan produk
clothing dengan hasil sebagai berikut :
a. Untuk produk jaket, strategi penjualan yang digunakan adalah O-MTO
b. Untuk produk poloshirt, strategi penjualan yang digunakan adalah K-MTS
c. untuk produk tas, strategi penjualan yang digunakan adalah O-MTS
d. untuk produk sepatu, strategi penjualan yang digunakan adalah O-MTS
6. Analisa sensitivitas pada koefisien fungsi tujuan dilakukan melalui melalui perubahan pada fungsi obyektif dari formulasi tiap kriteria. Dengan besar kenaikan 1%, penurunan 1%, kenaikan 10% dan penurunan 10% pada fungsi tujuan diperoleh hasil sebagai berikut :
a. Hasil output untuk formulasi dengan kriteria maksimasi performa kompetitif strategis dapat diketahui bahwa perubahan nilai koefisien fungsi tujuan tidak berpengaruh terhadap solusi ideal dari variabel keputusan
b. Hasil output untuk formulasi dengan kriteria maksimasi performa finansial dapat diketahui bahwa perubahan nilai koefisien fungsi tujuan tidak berpengaruh terhadap solusi ideal dari variabel keputusan
c. Hasil output untuk formulasi dengan kriteria minimasi risiko dapat diketahui bahwa perubahan nilai koefisien fungsi tujuan tidak berpengaruh terhadap solusi ideal dari variabel keputusan 7. Analisa sensitivitas pada koefisien ilai ruas
kanan dilakukan melalui melalui perubahan pada fungsi obyektif dari formulasi tiap kriteria. Dengan besar kenaikan 1%, penurunan 1%, kenaikan 10% dan penurunan 10% pada fungsi tujuan diperoleh hasil sebagai berikut :
d. Hasil output untuk formulasi dengan kriteria maksimasi performa kompetitif strategis dapat diketahui bahwa perubahan nilai koefisien nilai ruas kanan tidak berpengaruh terhadap solusi ideal dari variabel keputusan
e. Hasil output untuk formulasi dengan kriteria maksimasi performa finansial dapat diketahui bahwa perubahan nilai koefisien nilai ruas kanan tidak
11 berpengaruh terhadap solusi ideal dari
variabel keputusan
f. Hasil output untuk formulasi dengan kriteria minimasi risiko dapat diketahui bahwa perubahan nilai koefisien nilai ruas kanan tidak berpengaruh terhadap solusi ideal dari variabel keputusan 5. Saran
Saran yang dapat diajukan bagi pelaksanaan penelitian selanjutnya antara lain :
1. Penelitian ini dapat dilanjutkan dengan ruang lingkup yang lebih besar sampai pada level produksi.
2. Penelitian dengan ruang lingkup sampai level produuksi sebaiknya mempersiapkan objek-objek pengamatan yang bisa memberikan data-data secara detail.
6. Daftar Pustaka
Avlonitis George J., Karayanni A. Despina, 2000. The Impact of Internet Use on Business-to-Business Marketing Examples from American and European Companies Athens : Elseveir Badan Pusat Statistik Provinsi Jawa Timur.
2009. Surabaya dalam angka. Surabaya
Badan Pusat Statistik Provinsi Jawa Timur. 2006. Direktori Perusahaan Perdagangan Eceran. Surabaya
Detiknet, 2010. Transaksi Online di Indonesia Tembus Rp 35 Triliun. Jakarta
<http://www.detikinet.com> Diakses pada 29 september 2010.
Gaspersz, V., 1998. Production Planing and Inventory Control. Jakarta: Gramedia Pustaka Utama
Gould, J., Golob, T.F., 2002. Consumer e-commerce, virtual accessibility, and sustainable transport. In: Black, W.R., Nijkamp, P. (Eds.), Social Change and Sustainable Transport, Indiana University Press, Indiana, USA, pp. 279–285.
Hamzah, M., I., 2009. Penetapan Pola Sistem Pengembangan dan Pembinaan Manajemen untuk UKM dengan
Pendekatan Model MCDM Hybrid DEMATEL dan ANP. Surabaya Handayani, S., 2010. PENENTUAN LOKASI
CABANG BARU LABORATORIUM KLINIK X DENGAN
MENGGUNAKAN METODE
ANALYTIC NETWORK PROCESS(ANP) DAN KELAYAKAN INVESTASI. Surabaya
Keeney, R.L., 1999. The value of Internet commerce to the customer. Management Science 45 (4), 533–542. Kotler, P., 2005. Ten Deadly Marketing Sins.
Jakarta: Erlangga
Marlyana, N., 2002. PENERAPAN MODEL MULTI KRITERIA-METODE AHP (ANALYTIC HIERAARCHY PROCESS) & STEM (STEP
METHOD) DALAM PENGAMBILAN KEPUTUSAN
“MEMBUAT” ATAU “MEMBELI’ DI PT BOMA BISMA INDRA SURABAYA. Surabaya
Pujawan, I.N. 2003. Ekonomi Teknik. Surabaya: Guna Widya
Saaty, T. L., 1994. Fundamentals of Decision Making and Priority Theory with The Analytic Hierarchy Process. Pittsburg: RWS Publications.
Saaty, T. L., 2005. Theory and Applications of The Analytic Network Process. Pittsburg: RWS Publications.
Sudarsih, E., Nasution, A. H., Soehardjoepri, Supomo, H., Baskoro,F., Soetoyo. 2009. Technopreneurship. Surabaya: ITS Press
Tabucanon , M. T., 1988. Multiple Criteria Decision Making in Industri. Bangkok: Elseveir Science Publisher Tzeng, G. H., Chiang, C. H., & Li, C. W. (2007).
Evaluating intertwined effects in e-learning programs: A novel hybrid MCDM model based on factor analysis and DEMATEL. Expert Systems with Applications, 32(4), 1028– 1044.
