4 BAB II
LANDASAN TEORI 2.1 Peranan Supplier
Pemasok atau supplier adalah pihak atau perusahaan yang menyediakan kebutuhan dan menjual bahan mentah ke pihak atau perusahaan lain yang akan diolah menjadi produk siap jual. Supplier memiliki peranan penting seperti memastikan ketersediaan dan pengiriman bahan mentah dengan baik. Selain itu supplier juga harus mengatur proses penyimpanan bahan baku dengan baik sebelum menyalurkannya kepada pihak pembeli. Menurut (Ramayanti & Ulum, 2017) supplier mempunyai peran penting sebagai mitra bisnis yang menjamin ketersediaan barang yang dibutuhkan dalam perusahaan.
Pemilihan supplier merupakan hal yang penting dikarenakan supplier ini akan memasok bahan baku yang akan digunakan dalam jangka waktu panjang.
Kesalahan dalam pemilihan supplier dapat megakibatkan penurunan produktivitas perusahaan karena bahan baku merupakan salah satu faktor yang mempengaruhi kegiatan proses produksi. Oleh karena itu perusahaan perlu memilih supplier yang tepat dengan kriteria-kriteria yang sesuai dengan perusahaan.
2.2 Kriteria Supplier
Menurut (Dickson, 1966) terdapat dua puluh satu kriteria dalam pemilihan supplier. Keputusan penentuan kriteria supplier bergantung pada perusahaan sesuai dengan kriteria-kriteria yang dibutuhkan.
Tabel 2.1 Kriteria Pemilihan Supplier
No. Kriteria No. Kriteria
1. Quality 12. Management and organization
2. Delivery 13. Oprating controls
3. Performance history 14. Attitudes
4. Warranties and claim policies 15. Impression
5
5. Price 16. Packing ability
6. Technical capability 17. Labor relationship record 7. Financial position 18. Gegographical location 8. Procedural compliance 19. Amount of pat business
9. Communication system 20. Training aids
10. Reputation and position in
industry 21. Reciprocal arrangements 11. Desire of business
Sumber : (Dickson, 1966)
2.3 Multi Criteria Decision Making (MCDM)
Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Multi Criteria Decision Making (MCDM) didalamnya mengandung unsur attribute, objektif, dan tujuan. Kriteria merupakan ukuran, aturan-aturan ataupun standar-standar yang memandu suatu pengambilan keputusan. Pengambilan keputusan dilakukan melalui pemilihan atau memformulasikan atribut-atribut, obyektif-obyektif, maupun tujuan-tujuan yang berbeda, maka atribut, obyektif maupun tujuan dianggap sebagai kriteria. Kriteria dibangun dari kebutuhan-kebutuhan dasar manusia serta nilai-nilai yang diinginkannya. Terdapat beberapa metode dalam MCDM yang dapat digunakan dalam memproses perangkingan dan pengambilan pengambilan keputusan yaitu metode Electre (Elimination and Choise Translation Reality), Promeethe (Preference Ranking Organization Method for Enrichment Evaluation), TOPSIS (Technique for the Order of Prioritisation by Similarity to Ideal Solution), dan AHP (Analytical Hierarchy Process). Ada dua macam kategori dari Multi-criteria decision making (MCDM), yaitu:
a. Multiple Objective Decision Making (MODM)
6 MODM digunakan untuk menyelesaikan masalah-masalah pada ruang continu (seperti permasalahan pada pemrograman matematis).
b. Multiple Attribute Decision Making (MADM)
MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas 2.4 Metode AHP (Analytical Hirarchy Procces)
Metode Analytical Hierarchy Process (AHP) dikembangkan oleh Dr. Thomas L. Saaty ahli matematika dari Universitas Pittsburg pada tahun 1970-an. Metode ini adalah pengambil keputusan dengan efektif dengan persoalan yang kompleks dengan cara menyederhanakan dan mempercepat proses pengambilan keputusan.
Metode AHP ini memecahkan persoalan kompleks dengan cara menstruktur suatu hirarki kriteria pihak yang berkepentingan, mencari hasil dengan cara mengambil berbagai pertimbangan untuk menghasilkan bobot atau prioritas. Metode ini mengambil keputusan dengan membuat penilaian atau melakukan pengukuran pada pasangan elemen sehubungan dengan elemen pengontrol untuk mendapatkan skala rasio yang kemudian disintesis pada seluruh struktur untuk memilihal ternatif terbaik (Saaty, 2001).
Dalam model pengambilan keputusan, AHP pada dasarnya berusaha menutupi semua kekurangan dari model-model sebelumnya. Terdapat tiga prinsip untuk memecahkan persoalan menggunakan AHP, yaitu penyusunan hirarki (Decomposition), penentuan prioritas (Comparative Judgment), dan prinsip konsistensi (Logical Consistency). Adapun prosedur dalam metode AHP meliputi:
1. Mendefinisikan masalah dalam bentuk hirarki.
Hirarki adalah suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir yaitu alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompok yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis.
7 Gambar 2.1 Hirarki Pemodelan Fuzzy AHP
2. Menentukan prioritas elemen.
Matriks perbandingan berpasangan menggunakan bilangan 1-9 untuk mempresentasikan kepentingan relatif dari suatu elemen terhadap elemen yang lainnya.
3. Sintesis
Pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas.
4. Mengukur konsistensi
Bertujuan untuk mendapatkan pertimbangan pada sebuah kriteria dengan konsistensi yang baik. Perhitungan Consistency Ratio (CR) menggunakan rumus CR = CI/IR, dimana :
CR = Consistency Ratio CI = Consistency Index,
CI= (λmaks-n)/n, Dimana n = banyaknya elemen IR = Indeks Random
Table 2.2 Nilai Random Index
Ordo matrix 1 2 3 4 5 6 7 8 9 10
RI 0 0 0.52 0.91 1.12 1.24 1.32 1.41 1.45 1.49 Sumber: Saaty dalam (Rimantho et al., 2006)
5. Memeriksa konsistensi hirarki. Jika nilainya CR <= 0,1 maka nilai konsistensi sudah baik, sedangkan jika CR > 0,1 maka penilaian data judgment harus diperbaiki.
8 2.5 Metode Fuzzy AHP (Analytical Hirarchy Procces)
Fuzzy AHP dikembangkan oleh Chang pada tahun 1996 merupakan pengembangan dari metode AHP (Analytical Hierarchy Process) yang menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki, sehingga permasalahan akan tampak lebih terstruktur dan sistematis.
Namun hasil keputusan yang didapatkan dengan menggunakan Fuzzy AHP lebih baik karena mampu meminimalisir deskripsi keputusan yang sama-samar yang di hasilkan dari metode AHP. F-AHP merupakan gabungan metode AHP dengan pendekatan konsep Fuzzy. F-AHP menutupi kelemahan yang terdapat pada AHP, yaitu permasalahan terhadap kriteria yang memiliki sifat subjektif lebih banyak.
Ketidak pastian bilangan direpresentasikan dengan urutan skala. Penentuan derajat keanggotaan Fuzzy AHP yang dikembangkan menggunakan fungsi keanggotaan segitiga (Triangular Fuzzy Number/TFN). Menurut (Chang, 1996) langkah-langkah penyelesaian Fuzzy AHP adalah sebagai berikut :
a) Membuat struktur hirarki yang akan diselesaikan dan menentukan perbandingan matriks berpasangan antar kriteria dengan skala TFN. Menurut (Gerside &
Saputro, 2017) triangular fuzzy number (TFN) digunakan dalam proses perbandingan berpasangan sebagai penilaian subyektif pada fuzzy AHP. Nilai TFN dibagi menjadi tiga yaitu lower (l) atau nilai terendah, middle (m) atau nilai tengah, dan upper (u) atau nilai tertinggi.
Tabel 2.3 Skala Nilai Triangular Fuzzy Number (TFN) Saaty
AHP scale
Skala Linguistic Skala TFN Fuzzy
Invers (Nilai Kebalikan
TFN) 1 Equally important (E. Imp) (1, 1, 1) (1, 1, 1) 3 Moderately important (M. Imp) (2, 3, 4) (1/4, 1/3, 1/2) 5 Strongly important (S. Imp) (4, 5, 6) (1/6, 1/5, 1/4) 7 Very strongly important (V. Imp) (6, 7, 8) (1/8, 1/7, 1/6) 9 Absolutely important (A. Imp) (9, 9, 9) (1/9, 1/9, 1/9)
9 2
The important values between two adjacent scales
(1, 2, 3) (1/3, 1/2, 1)
4 (3, 4, 5) (1/5, 1/4, 1/3)
6 (5, 6, 7) (1/7, 1/6, 1/5)
8 (7, 8, 9) (1/9, 1/8, 1/7)
Sumber : (Chang, 1996)
b) Menentukan nilai sintetis fuzzy (Si) prioritas:
𝑆𝑖 = ∑ 𝑀𝑖𝑗 × 1
∑𝑛𝑖=1∑𝑚𝑗=1𝑀𝑔𝑖𝑗
𝑚𝑗=1 ….…….. (2.1)
Dimana :
∑𝑚𝑗=1𝑀𝑖𝑗 = (∑𝑚𝑗=1𝑙𝑗, ∑𝑚𝑗=1𝑚𝑗, ∑𝑚𝑗=1𝑢𝑗) …..……. (2.2)
Dimana l adalah batas terendah (lower), m adalah nilai yang paling menjanjikan (medium), dan u adalah nilai batas teratas (upper).
Sedangkan:
1
∑𝑛𝑖=1∑𝑚𝑗=1𝑀𝑖𝑗= 1
∑𝑛𝑖=1𝑢𝑖, ∑𝑚𝑗=1𝑚𝑖, 𝑀𝑖𝑗𝑙𝑖 …...….... (2.3)
c) Menentukan derajat kemungkinan (degree of possibility). Jika nilai 𝑀2 ≥ 𝑀1 = (𝑙2, 𝑚2, 𝑢2) ≥ (𝑙1, 𝑚1, 𝑢1) maka didefinisikan melalui persamaan berikut:
𝑉(𝑀2 ≥ 𝑀1) = ℎ𝑔𝑡 (𝑀1∩ 𝑀2) =
𝑉(𝑀2 ≥ 𝑀1) = {
1, 𝑖𝑓 𝑚2 ≥ 𝑚1 0, 𝑖𝑓 𝑙1 ≥ 𝑢2
𝑙1−𝑢2
(𝑚2−𝑚2)−(𝑚1−𝑙1), 𝑠𝑒𝑏𝑎𝑙𝑖𝑘𝑛𝑦𝑎
…...…… (2.4)
Jika nilai fuzzy lebih besar dari k, 𝑀𝑖 (I = 1, 2, 3,…, k) maka nilai vector dapat didefinisikan sebagai berikut:
𝑉(𝑀 ≥ 𝑀1, 𝑀2, … . . , 𝑀𝑘) = 𝑉(𝑀1 ≥ 𝑀2) dan
𝑉(𝑀1 ≥ 𝑀2) dan 𝑉(𝑀 ≥ 𝑀𝑘) = min 𝑉(𝑀 ≥ 𝑀𝑖) ..….…… (2.5) Asumsikan bahwa,
𝑑′ (𝐴𝑖) = min 𝑉 (𝑆𝑖 ≥ 𝑆𝑘) ………... (2.6)
Untuk k = 1, 2, 3,…, n; k ≠ i, maka diperoleh pembobotan vector sebagai berikut:
10 𝑊′ = (𝑑′(𝐴1), 𝑑′(𝐴2), 𝑑′(𝐴4), 𝑑′(𝐴5), … … . . , 𝑑′(𝐴𝑛))𝑇 …….... (2.7) Dimana 𝐴𝑖 = 1, 2,….., n adalah elemen keputusan
d) Normalisasi nilai bobot vector Fuzzy (W)
Dari persamaan 7, selanjutnya adalah perhitungan nilai bobot vektor yang ternormalisasi dengan rumus berikut:
𝑊 = (𝑑(𝐴1), 𝑑(𝐴2), 𝑑(𝐴4), 𝑑(𝐴5), … … . . , 𝑑(𝐴𝑛))𝑇 …... (2.8) Dimana, W adalah bilangan non fuzzy.
2.9 Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) Metode TOPSIS diperkenalkan pertama kali oleh Yoon dan Hwang tahun 1981 merupakan metode pengambilan keputusan multikriteria, metode ini memiliki prinsip menentukan solusi ideal positif dan solusi ideal negatif dimana alternatif yang terbaik di pilih dari yang paling dekat dengan solusi ideal positif dan yang paling jauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal.
Gambar 2.2 Jarak Solusi Ideal Positif
Solusi ideal positif (𝐴+) didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi ideal negatif (𝐴−) terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut. TOPSIS
11 mempertimbangkan keduanya, jarak terhadap solusi ideal positif (𝑆𝑖+) dan jarak terhadap solusi ideal negatif (𝑆𝑖+) dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif (Ai) bisa dicapai. Topsis memiliki kelebihan konsepnya sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana. Kekurangan metode Topsis adalah harus adanya bobot yang ditetapkan dan dihitung terlebih dahulu. Hal ini disebabkan konsep sederhana dan memiliki kemampuan mengukur kinerja relatif dari alternatif-alternatif keputusan.
Menurut Achebo,J., Omoregie,M dalam (Carla Olyvia Doaly, Parwadi Moengin, 2019) langkah penyelesaian permasalahan menggunakan metode TOPSIS adalah sebagai berikut:
1. Membangun normalisasi decicion matrix. Elemen 𝑟𝑖𝑗 hasil dari normalisasi dengan metode Euclidean length of a factor adalah :
𝑟𝑖𝑗= 𝑥𝑖𝑗
√∑𝑚𝑖=1𝑥𝑖𝑗2
…… (2.9)
𝑥𝑖𝑗 = nilai asli matriks keputusan
𝑟𝑖𝑗 = nilai ternormalisasi matriks keputusan
2. Membangun weight normalized decision matrix dengan bobot menggunakan rumus :
𝑦𝑖𝑗= 𝑤𝑖𝑟𝑖𝑗 …… (2.10)
Dengan I = 1, 2, …, m dan j = 1, 2, …., n Dimana:
𝑦𝑖𝑗 = matriks keputusan ternormalisasi berbobot 𝑤𝑖 = bobot terhadap kriteria i
3. Menentukan solusi ideal positif dan solusi ideal negative, dimana 𝐴+ adalah solusi ideal sedangkan 𝐴− dinotasikan sebagai solusi ideal negatif.
𝐴+= (𝑦1+, 𝑦2, … … 𝑦3) …… (2.11)
𝐴−= (𝑦1−, 𝑦2, … … 𝑦3) …… (2.12)
12 4. Mengukur jarak anatar nilai alternatif. Solusi ideal positif dan negatif dapat
dihitung menggunakan rumus:
𝑆𝑖+= √∑𝑛𝑗=1(𝑣𝑖𝑗− 𝑣𝑗+)2 …… (2.13)
𝑆𝑖−= √∑𝑛𝑗=1(𝑣𝑖𝑗− 𝑣𝑗−)2 …… (2.14)
5. Menghitung kedekatan relatif terhadap solusi ideal.
𝐶1∗ = 𝑠𝑖−
𝑠𝑖++𝑠𝑖−, 0 < 𝐶1+ < 1 …… (2.15) 𝐶1∗ = 1 jika 𝐴1 = 𝐴+
𝐶1∗ = 0 jika 𝐴1 = 𝐴−
6. Menyusun peringkat berdasarkan nilai 𝐶1∗. Penyusunan peringkat diurutkan berdasarkan nilai C+ dari yang terbesar hingga terkecil. Nilai C+ terbesar merupakan solusi terbaik.
2.10 Fuzzy Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
Perhitungan metode fuzzy TOPSIS berbeda dengan metode TOPSIS.
Metode F-TOPSIS menggunakan triangular fuzzy untuk mempresentasikan nilai setiap kriteria dari masing-masing alternative.
Tabel 2.4 Variabel Linguistik metode F-TOPSIS
Variabel Linguistik Bilangan Fuzzy
Sangat Tinggi (ST) (7, 9, 9)
Tinggi (T) (5, 7, 9)
Cukup (C) (3, 5, 7)
Rendah (R) (1, 3, 5)
Sangat Rendah (SR) (1, 1, 3)
Sumber : (Awasthi et al., 2011)
Menurut (Awasthi et al., 2011) langkah-langkah penyelesaian metode F- TOPSIS sebagai barikut:
13 1. Setelah mengubah variable linguistic menjadi bilangan fuzzy, selanjutnya adalah menormalisasi decicion matrix menggunakan persamaan sebagai berikut:
𝑅 = [𝑟𝑖𝑗]
𝑚𝑥𝑛, 𝑖 = 1, 2, … … . , 𝑚; 𝑗 = 1, 2, … … . , 𝑛 …… (2.18) dimana,
𝑟
𝑖𝑗= (𝑎𝑖𝑗 𝑐𝑗∗, 𝑏𝑖𝑗
𝑐𝑗∗, 𝑐𝑖𝑗
𝑐𝑗∗) dan 𝑐𝑗∗= max 𝑐𝑖𝑗 (kriteria benefit).
𝑟𝑖𝑗= (𝑎𝑗
− 𝑐𝑖𝑗, 𝑎𝑗
− 𝑏𝑖𝑗, 𝑎𝑗
−
𝑎𝑖𝑗) dan 𝑎𝑗− = min 𝑎𝑖𝑗 (kriteria cost).
2. Menghitung weighted normalized matrix. Perhitungan ini dilakukan dengan cara mengalikan bobot (𝑤𝑗) dari evaluasi kriteria dengan (𝑟𝑖𝑗).
𝑉 = [𝑣𝑖𝑗]
𝑚𝑥𝑛, 𝑖 = 1, 2, … . . 𝑚 𝑗 = 1, 2, … . . , 𝑛 …….(2.19) dimana, 𝑣𝑖𝑗 = 𝑟𝑖𝑗 × 𝑤𝑗 . ...…(2.20) 3. Menghitung fuzzy positive ideal solution (FPIS) dan fuzzy negative ideal
solution (FNIS). Dengan persamaan berikut:
𝐴+ = (𝑣1+, 𝑣2+, … . . 𝑣𝑛+)
dimana 𝑣𝑗+ = 𝑚𝑎𝑥{𝑣𝑖𝑗3}, 𝑖 = 1, 2, … . , 𝑚; 𝑗 = 1, 2, … . . , 𝑛 ……(2.21) 𝐴− = (𝑣1−, 𝑣2−, … . . 𝑣𝑛−)
dimana 𝑣𝑗− = 𝑚𝑖𝑛{𝑣𝑖𝑗1}, 𝑖 = 1, 2, … . , 𝑚; 𝑗 = 1, 2, … . . , 𝑛 ….…(2.22) 4. Menghitung jarak antar nilai alternative dari FPIS dan FNIS. Menggunakan
persamaan berikut:
𝑑𝑖+ = ∑𝑛𝑗=1𝑑𝑣(𝑣𝑖𝑗, 𝑣𝑗+), 𝑖 = 1, 2, … . , 𝑚 ....….(2.23) 𝑑𝑖− = ∑𝑛𝑗=1𝑑𝑣(𝑣𝑖𝑗, 𝑣𝑗−), 𝑖 = 1, 2, … . , 𝑚 ....….(2.24) 5. Menghitung closeness coefficient (𝐶𝐶𝑖). Menggunakan persamaan berikut :
𝐶𝐶𝑖 = 𝑑𝑖−
𝑑𝑖−+𝑑𝑖+, 𝑖 = 1, 2, … … , 𝑚. …..…(2.25)
14 6. Menyusun peringkat berdasarkan nilai 𝐶𝐶𝑖. Penyusunan peringkat diurutkan berdasarkan nilai 𝐶𝐶𝑖 dari yang terbesar hingga terkecil. Nilai 𝐶𝐶𝑖 terbesar merupakan solusi terbaik.
15 Tabel 2.5 Literatur Terdahulu
Peneliti Subjek bahasan Metode Kriteria/ Sub Kriteria
(Carla Olyvia Doaly,
Parwadi Moengin, 2019) Manufacture Fuzzy AHP dan TOPSIS
a) Delivery : lokasi geografis, ketentuan pengiriman, total order lead time.
b) Flexibility : kapasitas, inventory, availability, information sharing, negotiability, dan customization.
c) Cost : supplier selling cost, internal cost, ordering dan invoice.
d) Quality : continues improvement program, customer service, certification, dan on time shipment; reliability, feeling of trust, country’s political situation, currency exchange, dan situation warranty police.
(Nurhasanah et al., 2013) Industry
makanan AHP dan fuzzy AHP a) Price : harga yang ditawarkan, diskon pembelian
16 b) Quality : kualitas barang, spesifikasi,
jumlah barang yang dikirim
c) Administration : kelengkapan dokumen, sertifikasi
d) Flexibility : tenggat waktu pembayaran, uang muka, penangguhan pembayaran.
(FARID & SUHENDAR, 2019)
Industri
furniture Fuzzy AHP
a) Harga : harga yang ditawarka, periode pembayaran.
b) Kualitas : kesuaian spesifikasi jenis kayu, rasio barang cacat.
c) Layanan : tanggap terhadap keluhan, respon terhadap perbaikan.
d) Pengiriman : ketepatan pengiriman, kemampuan dalam system transportasi.
e) Ketepatan jumlah : ketepatan dan kesesuaian jumlah yang dikirim, kemampuan dalam perubahan order
(Awasthi et al., 2011) Manufacturing F-TOPSIS a) Accessibility
17 b) Security
c) Connectivity to multimodal transport d) Costs
e) Environtmental impact f) Proximinity to customer g) Proximinity to supplier h) Resource availability
i) Conformance to sustainable freight regulation
j) Possibility of expansion k) Quality of servce
(Ihsan et al., 2022)
Skewers producing
company
ANP, PROMEETHE
a) Ability to provide consistent quality b) Low defect rate
c) On-time delivery
d) The suitable of the number of shipments e) Supplier location
f) Discounts
g) Rate of price increase h) Raw material prices i) Shipping cost
18 j) Warranty
k) Responsive
l) Flexibility in bidding
m) Flexibility in changing order quantity
(Cahyo & Ciptomulyono,
2016) Vessel Servicec AHP, TOPSIS
a) Quality : Product reliability, Quality system, Proactive problem solving, Internal and external audits, Number of rejection.
b) Commercial & Cost : erms and conditions acceptance, Competitive pricing, Number of claim, Total operating cost, Smooth invoicing and payment process.
c) Technical Competences: Technical support, Personnel capabilities, Procedures, Technical know how.
d) Delivery: On time delivery, Delivery commitment
e) Health Safety Environment (HSE):
Number of safety incident, Environment,
19 Safety compliance & inspection, Safety
training.
f) Service: Attitude of handling of complaints, Responsiveness, Ability to maintain the service, Flexibility, Customer Base orientation.
g) Business Overall Performance: Financial stability.
(Merry et al., 2014) Reatil Buah AHP, TOPSIS
a) Kualitas : cacat, kesesuaian spesifikasi.
b) Harga : harga produk, biaya kirim, cara pembayaran, diskon.
c) Pengiriman : waktu pengiriman, kemampuan distribusi.
d) Pelayanan : fleksibel, kemudahan dihubungi, after sale service.
e) Profil perusahaan : performance history, capability, list konsumen.
f) Resiko : keadaan lokasi, kestabilan ekonomi.
20 (Bronja & Bronja, 2015) Automobile
manufacture
Fuzzy AHP, Fuzzy TOPSIS
a) Price b) Delivery c) Payment
d) Quality of material e) Reliability
f) Flexibility g) Safety h) Location i) Relation
(Hung & Chen, 2009) Manufacturing
company F-TOPSIS
a) Profitability of supplier b) Relationship closeness c) Technological capability d) Conformance quality e) Conflict resolution
(Lukmandono et al., 2019) Industri
manufaktur AHP, TOPSIS
a) Harga : harga yang ditawarkan, diskon, cara pembayarn.
b) Kualitas : ketepatan jenis material, konsistensi kualitas material, kekuatan jenis material.
21 c) Pengiriman : ketepatan jadwal
pengiriman, ketepatan jumlah material yang dikirim, jenis moda transportasi.
d) Fleksibilitas : cepat dan tanggap, kemudahan dalam menanggapi material yang cacat, kemudahan perubahan waktu pengiriman.
e) Responsive : tanggap, kemudahan dalam menanggapi material yang cacat.
(Garside & Kritiandy, 2013)
Industry
makanan AHP, PGP
a) Kualitas : rasa buah, ketebalan daging, tingkat kematangan
b) Biaya : harga bahan baku, ongkos kirim c) Pengiriman : lead time, ketepatan waktu.
