Analisis Pengaruh Nilai Bullwhip Effect dengan Metode Single Exponential Smoothing pada PT. XYZ
Elsya Maharani1*, Ade Momon2
1,2 Program Studi Teknik Industri, Fakultas Teknik, Universitas Singaperbangsa Karawang, Indonesia
*Koresponden email: elsyamaharani13@gmail.com
Diterima: 25 Februari 2023 Disetujui: 6 Maret 2023
Abstract
The Bullwhip Effect, or the significant difference in supply and demand, represents one of the issues that arise from the concept of supply chain management. Using a forecasting approach using the single exponential smoothing method, this research aims to evaluate the Bullwhip Effect's influence and lessen its incidence at PT. XYZ. The information used consists of requests and orders for MS Rack, Adapter AT, and Bracket products from January to December 2021. The Bullwhip Effect value for each product is calculated as part of data processing, while forecasting uses single exponential smoothing technique and recalculates the Bullwhip Effect value as part of the repair. According to the research results, a single exponential smoothing method with a = 0.9 results in the lowest MAD, MSE, and MAPE values and subsequently utilized to lower the bullwhip effect value. The calculation results show that the Bullwhip Effect has decreased for the three products, from 1.0008 to 1.0002 for MS Rack, from 0.9961 to 0.9957 for Adapter AT, and from 1.0035 to 1.0027 for Bracket. With these results, it is clear that demand is steady and that the Bullwhip Effect may be minimized using the single exponential smoothing approach.
Keywords: supply chain management, bullwhip effect, forecasting, single exponential smoothing, error
Abstrak
Bullwhip effect, atau perbedaan signifikan dalam pasokan dan permintaan, merupakan salah satu isu yang muncul dari konsep manajemen rantai pasokan. Melalui pendekatan peramalan metode single exponential smoothing, penelitian ini bertujuan untuk mengevaluasi pengaruh bullwhip effect dan mengurangi kejadiannya di PT. XYZ. Informasi yang digunakan terdiri dari permintaan dan pemesanan produk MS Rack, Adapter AT, dan Bracket dari Januari hingga Desember 2021. Nilai bullwhip effect untuk setiap produk dihitung sebagai bagian dari pengolahan data, sedangkan peramalan dengan teknik single exponential smoothing dan penghitungan ulang nilai bullwhip effect dilakukan sebagai bagian dari perbaikan. Berdasarkan hasil penelitian, melalui pendekatan single exponential smoothing dengan a = 0,9 menghasilkan nilai MAD, MSE, dan MAPE yang paling rendah dan selanjutnya digunakan untuk menurunkan nilai bullwhip effect. Hasil perhitungan menunjukkan bahwa bullwhip effect mengalami penurunan untuk ketiga produk tersebut, yang sebelumnya bernilai 1,0008 menjadi 1,0002 untuk MS Rack, dari 0,9961 menjadi 0,9957 untuk Adaptor AT, dan dari 1,0035 menjadi 1,0027 untuk Braket. Dengan hasil ini, jelas bahwa permintaan stabil dan bullwhip effect dapat diminimalkan dengan menggunakan pendekatan pemulusan eksponensial tunggal.
Kata Kunci: manajemen rantai pasokan, bullwhip effect, peramalan, eksponensial tunggal, error
1. Pendahuluan
Tantangan yang dihadapi dunia usaha di zaman modern saat ini tidak dapat dihindari. Ekspektasi pelanggan akan ketersediaan produk di pasar, harga, dan ketepatan waktu pengiriman semakin meningkat [1]. Selain itu, masuknya berbagai pesaing dari dalam maupun luar negeri yang lebih baik dalam segala hal berdampak signifikan terhadap kesuksesan suatu perusahaan. Oleh karena itu, manajemen strategis yang lebih besar perlu diterapkan oleh pelaku industri dan perusahaan untuk memastikan bahwa semua operasi berjalan efektif dan efisien. Sebuah metode untuk mencapai strategi perusahaan yang efektif dan efisien yang melibatkan pelanggan, pengecer, produsen, distributor, dan pemasok disebut dengan istilah manajemen rantai pasok atau supply chain management. Dimana produk diciptakan dengan tujuan mencapai tingkat layanan yang diinginkan dengan kuantitas yang sesuai, pada saat yang tepat, dan di area yang tepat [2]. Mengurangi inventaris komoditas menghasilkan biaya penyimpanan yang lebih rendah, aliran barang yang lebih lancar, dan jaminan kualitas. Ini adalah manfaat dari manajemen rantai pasokan [3].
Distorsi informasi dalam manajemen rantai pasokan merupakan suatu tantangan yang harus diselesaikan untuk menciptakan rantai pasokan yang sukses [4]. Fluktuasi permintaan meningkat selama proses manajemen rantai pasokan, sebuah fenomena yang dikenal sebagai bullwhip effect [5]. Fenomena bullwhip effect sangat tidak efisien pada jaringan rantai pasokan [6]. Menurut [7], ada beberapa penyebab bullwhip effect diantaranya yaitu:
a. Demand Forecast Updating
Pembaruan peramalan digunakan untuk menentukan berapa banyak permintaan yang akan ada di masa mendatang. Saat waktu yang diantisipasi semakin dekat, akurasi peramalan akan meningkat. Dan karena ada banyak pihak yang terlibat dalam rantai pasokan, yang masing-masing memperbarui prakiraan mereka, ini menghasilkan disparitas dan bullwhip effect.
b. Order Batching
Merupakan kondisi dimana jumlah pesanan yang relatif sederhana terbentuk dalam situasi ini, dan setelah beberapa waktu, penyedia menerima pesanan. Hal ini terjadi sebagai akibat dari prosedur produksi dan pengiriman yang tidak efisien, yang mengakibatkan jumlah pesanan yang sangat sedikit dan biaya pemesanan yang tinggi.
c. Price Fluctuation
Fluktuasi harga merupakan kondisi dimana terjadinya perubahan harga yang terjadi, perubahannya dapat berupa kenaikan maupun penurunan harga. Akibatnya, permintaan menjadi tidak stabil dan perubahan pembelian melebihi perubahan konsumsi yang dapat mengakibatkan bullwhip effect.
d. Rationing and Shortage Gaming
Kondisi ini adalah keadaan di mana pasokan tidak mencukupi untuk memenuhi permintaan.
Sedangkan penjual biasanya menyeimbangkan alokasi persediaan dengan permintaan pelanggan semaksimal mungkin, situasi kekurangan stok sering muncul dan sulit diperkirakan.
Bullwhip effect dapat dikurangi dengan menggunakan berbagai teknik atau strategi, namun harus selalu konsisten dengan alasan yang mendasarinya. Berbagi informasi, memangkas lead time, mengubah struktur rantai pasokan, menstabilkan harga, menurunkan biaya produksi dan pengiriman tetap, dan strategi lainnya dapat mengurangi dampak bullwhip effect.
Peramalan adalah proses penentuan jumlah permintaan untuk satu atau lebih item di berbagai periode waktu mendatang [8]. Menurut [9], peramalan sebagai seni dan ilmu membuat prediksi tentang masa depan.
Dengan bantuan data historis, ia berusaha untuk menilai kemungkinan peristiwa masa depan yang potensial [10]. Penggunaan peramalan secara khusus dimaksudkan untuk proses analisis kinerja, yang kemudian dilakukan untuk memperkirakan potensi kejadian di masa depan untuk menentukan apakah kondisinya sesuai dengan yang diantisipasi [11]. Peramalan mempunyai beberapa peran diantaranya yaitu:
a. Sebagai bahan pengkajian perusahaan terhadap sistem yang berlaku baik sekarang maupun yang akan datang.
b. Dapat dijadikan sebagai alat untuk memprediksi kebutuhan di masa mendatang.
c. Bisa digunakan sebagai tolak ukur perusahaan dalam mengambil keputusan secara efektif dan efisien.
d. Perusahaan dapat mengalokasikan dana dengan tepat
e. Setiap organisasi atau bisnis dapat menentukan sumber daya yang mereka inginkan dalam jangka panjang dengan menggunakan metode peramalan.
Terdapat beberapa macam pola peramalan, diantaranya yaitu pola data Horizontal (H) yaitu pola data yang berfluktuasi dalam kondisi stabil, Seasonality (S) yaitu pola data musiman yang datanya berulang setelah periode tertentu, Cycle (C) yaitu pola data yang terjadi di tiap beberapa periode yang dipengaruhi oleh ketidakstabilan faktor ekonomi, dan Trend (T) yang merupakan pola data yang terjadi jika adanya peningkatan atau penyusutan dari data secara gradual [13]. Adapun grafik dari pola peramalan dapat ditunjukkan pada Gambar 1.
Gambar 1. Jenis pola peramalan Sumber: [13]
Pendekatan pemulusan eksponensial tunggal atau single exponential smoothing (SES) adalah teknik peramalan yang digunakan dalam penelitian ini, dan paling cocok untuk data stasioner atau umumnya stabil.
Pendekatan ini juga bergantung pada perhitungan rata-rata data historis yang dihaluskan secara eksponensial, khususnya yang melakukannya dengan berulang kali dan menggunakan data terbaru. Secara sistematis metode single exponential smoothing (SES) dirumuskan dengan:
𝐹ₜ = 𝛼 ∗ 𝑋ₜ + (1 − 𝛼)𝐹ₜˍ₁ (1) Keterangan:
Ft = Data peramalan yang akan datang Fₜˍ₁ = Data peramalan periode sebelumnya 𝛼 = Konstanta pemulusan untuk data (0< 𝛼<1) Xt = Data permintaan aktual periode ke-t
Selain itu, ada pula tingkat kesalahan dalam peramalan. Tingkat kesalahan peramalan, juga dikenal sebagai ukuran akurasi peramalan, adalah teknik yang digunakan untuk mengukur tingkat akurasi hasil peramalan. Karena ketepatan peramalan dijadikan dasar untuk mengukur kesesuaian metode dan pemilihan metode dalam peramalan. Berikut adalah beberapa metode ukuran akurasi peramalan:
a. Mean Absolute Deviation (MAD)
Rerata kesalahan yang bersifat absolut selama periode tertentu disebut dengan MAD. Data peramalan dikurangi dari nilai data sebenarnya dan dibagi dengan jumlah keseluruhan data. Sebagaimana rumus dibawah ini.
MAD = ∑|𝐴ₜ−𝐹ₜ𝑛 | (2) b. Mean Square Error (MSE)
Rerata kesalahan nilai peramalan dengan nilai aktual disebut dengan MSE. Data peramalan dikurangi dari nilai data sebenarnya, dan hasilnya dikuadratkan sebelum dijumlahkan secara keseluruhan dan dibagi dengan jumlah keseluruhan data. Sebagaimana rumus dibawah ini.
MSE = ∑(𝐴ₜ−𝐹ₜ)²
𝑛 (3) c. Mean Absolute Percentage Error (MAPE)
Rerata persentase kesalahan yang bersifat mutlak disebut dengan MAPE, semakin kecil nilai persentase pada MAPE maka semakin akurat pula hasil peramalan tersebut. Sebagaimana rumus dibawah ini.
MAPE = (100
𝑛 ) ∑ |𝐴ₜ −𝐹ₜ
𝐴ₜ| (4)
2. Metode Penelitian
Sebuah metodologi digunakan dalam penelitian ini untuk menguraikan prosedur penelitian.
Pendekatan ini adalah ide teoretis yang mencakup banyak teknik, manfaat, atau kelemahan [14]. Adapun beberapa isi dari metode penelitian ini yaitu:
a. Objek Penelitian
Beberapa ciri, aspek, nilai, maupun manfaat dari suatu hal atau aktivitas tertentu yang dipilih sebagai subjek penelitian ini merupakan objek atau topik penelitian [15]. Objek penelitian yang diamati merupakan produk MS Rack, Adapter, dan Bracket dari PT. XYZ.
b. Proses Pengumpulan Data
Proses pengumpulan data melewati beberapa tahapan, diantaranya sebagai berikut.:
1) Observasi
Dibandingkan dengan tahapan lainnya, tahap observasi ini memiliki dan harus memenuhi sejumlah persyaratan [16]. Tahap observasi ini dilakukan dengan cara mengamati serta mencermati keadaan sebenarnya di sekitar perusahaan yang diteliti dan diselidiki
2) Wawancara
Proses wawancara melibatkan dua orang yang bertemu dan saling bertukar informasi melalui tanya jawab [16]. Biasanya peneliti mengajukan beberapa pertanyaan seputar objek yang akan diteliti dan nantinya akan dijawab oleh manajer perusahaan terkait. Dengan proses ini peneliti memperoleh informasi tentang proses kerja dan data yang dibutuhkan untuk penelitian.
3) Dokumentasi
Merupakan tahapan yang digunakan sebagai alat pelengkap untuk kegiatan observasi dan wawancara [16]. Tahap dokumentasi mencakup pencatatan data atau informasi terkait penelitian, seperti catatan demand order periode sebelumnya dan yang sedang berlangsung.
4) Studi Literatur
Dalam Studi literatur ini, referensi untuk studi penelitian dikumpulkan dan diperiksa [17]. Untuk mendapatkan temuan yang tepat, peneliti menggunakan strategi ini untuk mendukung metodologi penelitian mereka secara keseluruhan.
3. Hasil dan Pembahasan
Melalui tahap wawancara dan dokumentasi dengan staf bagian PPIC PT. XYZ didapatkan beberapa data yang dapat menunjang penelitian. Adapun data di bawah ini merupakan data historis demand dan order dari perusahaan pada periode Januari 2021 – Desember 2021.
Tabel 1. Rekapitulasi data historis demand dan order
Sumber: PT. XYZ (2021)
Setelah data dikumpulkan, kemudian langkah selanjutnya yaitu perhitungan Bullwhip Effect. Namun, nilai parameter bullwhip effect dihitung pertama kali seperti yang ditunjukkan dibawah ini, sebelum menghitung nilai bullwhip effect untuk setiap produknya.
Periode Pengamatan (P): 12 bulan = 365 hari Lead Time (L): 2 hari
Parameter bullwhip effect (BE):
1 +2𝐿
𝑃 +2𝐿²
𝑃² = 1 + 2(2)
365+2(2)²
365² =1,0167
Demand (d) Order (o) Demand (d) Order (o) Demand (d) Order (o)
Jan-21 2496 2521 8480 8565 2400 2424
Feb-21 3744 3781 7640 7716 3080 3142
Mar-21 5440 5494 6648 6714 3760 3798
Apr-21 4688 4782 10104 10205 4160 4243
May-21 2032 2073 5225 5277 2920 2949
Jun-21 3408 3442 8176 8258 3000 3030
Jul-21 2432 2456 6760 6828 2740 2767
Aug-21 3728 3803 7704 7781 3020 3050
Sep-21 5680 5737 8000 8080 2840 2897
Oct-21 4896 4994 7008 7078 4080 4121
Nov-21 2664 2691 3544 3615 2940 2969
Dec-21 3592 3628 1584 1616 3960 4000
Periode MS Rack Adapter AT Braket
Setelah memeperoleh nilai parameter bullwhip effect, selanjutnya yaitu menghitung nilai bullwhip effect untuk setiap produk yang hasilnya ditampilkan pada Tabel 2.
Tabel 2. Rekapitulasi nilai bullwhip effect sebelum peramalan
Sumber: Hasil Pengolahan Data (2022)
Selanjutnya metode single exponential smoothing yang kemudian digunakan untuk menyelesaikan perhitungan. Adapun nilai 𝛼 yang diambil seperti pada Tabel 3 ini, yang menghasilkan nilai MAD, MSE, dan MAPE terkecil.
Tabel 3. Nilai MAD, MSE, dan MAPE Peramalan
Sumber: Hasil Pengolahan Data (2022)
Seperti pada Tabel 3 yang menghasilkan bahwa nilai MAD, MSE, dan MAPE antara 0,1 sampai 0,9 yang mempunyai tingkat kesalahan paling rendah yaitu nilai 𝛼 = 0,9. Sehingga perhitungan metode single exponential smoothing dengan 𝛼 = 0,9 yang hasilnya ditampilkan pada Tabel 4.
Tabel 4. Hasil perhitungan SES dengan 𝛼 = 0,9
Sumber: Hasil pengolahan data (2022)
Selanjutnya kembali menghitung nilai bullwhip effect dengan menggunakan parameter yang telah dihitung sebelumnya, yang hasilnya ditampilkan seperti pada Tabel 5.
Demand 44800 3733,33 1219,31 0,3266
Order 45401 3783,45 1236,64 0,3269
Demand 80873 6739,42 2314,14 0,3434
Order 81733 6811,08 2329,64 0,3420
Demand 38900 3241,67 586,23 0,1808
Order 39390 3282,48 595,67 0,1815
Braket
1,0008 0,9961
1,0167 1,0167 1,0167 1,0035
Rata-rata (µ)
Standar Deviasi ( ) MS Rack
Adapter AT
Variabilitas (C)
Nilai Bullwhip
Effect ( )
Parameter PRODUK Demand/
Order Total
MS Rack Adapter AT Braket MS Rack Adapter AT Braket MS Rack Adapter AT Braket
1 0,1 1150 1682 540 1879113 5399900 551650 28% 53% 14%
2 0,2 992 1435 449 1374995 3704104 356130 26% 43% 12%
3 0,3 867 1257 415 1057424 2633053 254426 24% 36% 12%
4 0,4 738 1085 367 796004 1859121 182799 21% 30% 10%
5 0,5 607 914 312 566774 1266787 126521 18% 24% 9%
6 0,6 478 740 252 370289 808923 81733 15% 19% 7%
7 0,7 368 564 190 211755 461766 47019 11% 13% 6%
8 0,8 262 383 127 95511 212216 21699 8% 9% 4%
9 0,9 138 196 64 24253 56013 5730 4% 4% 2%
MSE MAPE
Pengujian Alpha MAD
Demand (d) Order (o) Demand (d) Order (o) Demand (d) Order (o)
Jan-21 - - - - - -
Feb-21 3619 3655 7724 7801 3012 3070
Mar-21 5258 5310 6756 6823 3685 3725
Apr-21 4745 4835 9769 9867 4113 4191
May-21 2303 2349 5679 5736 3039 3073
Jun-21 3298 3333 7926 8006 3004 3034
Jul-21 2519 2544 6877 6945 2766 2794
Aug-21 3607 3677 7621 7697 2995 3025
Sep-21 5473 5531 7962 8042 2855 2910
Oct-21 4954 5048 7103 7174 3958 4000
Nov-21 2893 2926 3900 3971 3042 3072
Dec-21 3522 3558 1816 1851 3868 3907
MS Rack Adapter AT Braket
Periode
Tabel 5. Rekapitulasi nilai bullwhip effect setelah peramalan
Sumber: Hasil pengolahan data (2022)
Berdasarkan beberapa perhitungan yang telah dilakukan sebelumnya, selanjutnya kita bandingkan nilai bullwhip effect aktual dengan nilai bullwhip effect setelah peramalan dengan metode single exponential smoothing.
Tabel 6. Perbandingan nilai bullwhip effect
Sumber: Hasil pengolahan data (2022)
Dapat diketahui bahwa nilai bullwhip effect sebelum dan setelah peramalan menunjukkan bahwa tidak terjadi amplifikasi permintaan produk atau terbilang masih stabil karena nilai BE < nilai parameter (1,067). Selain itu terjadi penurunan tingkat nilai bullwhip effect setelah dilakukan peramalan, diantaranya yaitu pada produk MS Rack dimana sebelumnya nilai BE sebesar 1,0008 menjadi 1,0002. Produk Adapter AT sebelumnya bernilai 0,9961 menjadi 0,9957. Terakhir, produk Braket sebelumnya bernilai 1,0035 menjadi 1,0027.
4. Kesimpulan
Demand forecast updating, order batching, price fluctuation, rationing and shortage gaming merupakan beberapa penyebab yang dapat mengakibatkan bullwhip effect. Akibatnya, PT. XYZ harus melakukan tindakan pencegahan untuk menghindari hal ini terjadi. Berdasarkan hasil perhitungan dapat disimpulkan bahwa tingkat nilai bullwhip effect mengalami penurunan dengan metode single exponential smoothing dan nilai eror terkecil yaitu 𝛼 = 0,9.
5. Referensi
[1] R. S. Harianja, “Analisis Perumusan Strategi Pada UKM Keripik Tempe Bu Nurdjanah Di Sanan 124 Malang,” J. Ilm. Mahsiswa FEB Univ. Brawijaya, vol. 10, no. 2, 2021.
[2] P. Levi, David Simchi; Levi, Edith Simchi; Kaminsky, Designing and Managing the Supply Chain:
Concepts, Strategies, and Case Studies, 1st ed. Singapore: McGraw-Hill International Edition, 2000.
[3] W. Wijiningsih, E. Budi Sulistiarini, and N. Tjahjono, “Identifikasi Bullwhip Effect Produk Pmi Pada Distributor Kalimantan Di PT. As Purwosari,” J. Eng. Manag. Industial Syst., vol. 2, no. 2, pp.
1–4, 2014, doi: 10.21776/ub.jemis.2014.002.02.1.
[4] M. Maserih, “Analisis Bullwhip Effect Dan Day of Inventory (Doi) Serta Implikasinya Terhadap Supply Chain Management,” J. STEI Ekon., vol. 26, no. 01, pp. 123–135, 2017, doi:
10.36406/jemi.v26i01.199.
[5] I. Parwati, P. Andrianto, and J. T. Industri, “Metode Supply Chain Management Untuk Menganalisis Bullwhip Effect Guna Meningkatkan Efektivitas Sistem Distribusi Produk,” J. Teknol., vol. 2, pp.
47–52, 2009.
[6] W. Latuny and W. M. S. Picauly, “Analisis Bullwhip Effect Dengan Menggunakan Metode Peramalan Pada Supply Chain Di Distributor PT. Semen Tonasa (Studi Kasus: Distributor PT.
Semen Tonasa),” Arika, vol. 13, no. 2, pp. 113–126, 2019, doi: 10.30598/arika.2019.13.2.113.
Demand 42190 3835,45 1106,26 0,2884
Order 42765 3887,75 1121,58 0,2885
Demand 73133 6648,50 2175,34 0,3272
Order 73914 6719,47 2189,20 0,3258
Demand 36337 3303,35 494,42 0,1497
Order 36801 3345,55 502,09 0,1501
Braket
1,0002
0,9957
1,0167
1,0167
1,0167 1,0027
Rata-rata (µ)
Standar Deviasi ( )
MS Rack
Adapter AT
Variabilitas (C)
Nilai Bullwhip
Effect ( )
Parameter PRODUK Demand/
Order Total
MS Rack 1,0008 1,0002 1,0167
Adapter AT 0,9961 0,9957 1,0167
Braket 1,0035 1,0027 1,0167
BE Aktual (Sebelum Peramalan)
BE Forecast
(Setelah Peramalan) Parameter Produk
[7] G. G. Aji and A. M. Yaqoub, “Identifikasi Penyebab Bullwhip Effect Pada Distribusi PT Alfian Jaya Di Bali,” J. Manaj. Teor. dan Ter. J. Theory Appl. Manag., vol. 8, no. 2, pp. 115–130, 2016, doi: 10.20473/jmtt.v8i2.2729.
[8] Noviyasari, C. (2011). Simulasi Sistem Perencanaan Dan Pengendalian Produksi Pada Perusahaan Manufaktur. Jurnal Manajemen Informatika (JAMIKA), 1(2)
[9] H. Barry, Render; Jay, Manajemen Operasi: Manajemen Keberlangsungan dan Rantai Pasokan, 11th ed. Jakarta: Salemba Empat, 2015.
[10] N. L. A. K. Yuniastari and I. W. W. Wirawan, “Peramalan Permintaan Produk Perak Menggunakan Metode Simple Moving Average Dan Exponential Smoothing,” J. Sist. dan Inf., vol. 9, no. 1, pp.
97–106, 2014.
[11] Aden and A. Supriyanti, “Prediksi Jumlah Calon Peserta Didik Baru Menggunakan Metode Double Exponential Smoothing Dari Brown (Study Kasus : SD Islam Al-Musyarrofah Jakarta ),” J. Ilm.
Pendidik. Mat. Mat. dan Stat., vol. 1, no. 1, pp. 56–62, 2020.
[12] M. H. Kurniawan and D. Herwanto, “Penerapan Metode Double Exponential Smoothing dan Moving Average pada Peramalan Permintaan Produk Gasket Cap di PT. Nesinak Industries,”
Serambi Eng., vol. VII, no. 1, 2022.
[13] A. Lusiana and P. Yuliarty, “Penerapan Metode Peramalan (Forecasting) Pada Permintaan Atap di PT. X,” J. Tek. Ind. ITN Malang, vol. 10, no. 1, 2020.
[14] Sugiyono, Metode penelitian pendidikan pendekatan kuantitatif, kualitatif dan R&D. Bandung:
Alfabeta, 2014.
[15] Sugiyono, Metode Penelitian Kombinasi (Mix Methods). Bandung: Alfabeta, 2015.
[16] Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta, 2014.
[17] M. Kasiram, Metodologi Penelitian Kuantitatif-Kualitatif. Malang: UIN Maliki Press, 2010.
