IMPLEMENTASI PENENTUAN SUPPLIER PENJUALAN BARANG BEKAS DENGAN METODE TOPSIS

1

IMPLEMENTASI PENENTUAN SUPPLIER PENJUALAN BARANG BEKAS DENGAN METODE TOPSIS

Alfiyan Jaelani, Prihastuti Harsani, Arie Qur’ania Program Studi Ilmu Komputer-FMIPA Universitas Pakuan

Jl. Pakuan PO BOX 452, Bogor Telp/Fax (0251) 8375 547 E-mail : alfiyan.jaelani@yahoo.com

ABSTRAK

Menentukan supplier yang tepat sangat penting, karena bisa menguntungkan pengumpul barang bekas, semua supplier bersaing dalam harga beli, pelayanan, dan fasilitas yang diberikan. Pengumpul barang bekas dalam menentukan supplier masih menggunakan perkiraan, manual, dan tidak melalui proses pertimbangan yang matang. Penentuan supplier membutuhkan suatu aplikasi yang membantu dalam memilih dan menentukan supplier yang tepat, karena dengan pemilihan supplier yang tepat pengumpul barang bekas bisa meningkatkan daya beli yang lebih tinggi dari pengumpul barang bekas yang lain. Kasus penentuan supplier penjualan barang bekas ini termasuk kasus Multiple Attribute Decision Making(MADM), dalam menyelesaikan kasus MADM dapat mengguanakan metode Simple Additive Weighting (SAW), Weighted Product (WP), Technique for Order Preference Similarity to Ideal Solution (TOPSIS) dan Analytical Hierarchy Process(AHP). Perhitungan pada kasus penentuan supplier penjualan barang bekas ini menggunakan metode Technique for Order Preference Similarity to Ideal Solution (TOPSIS). Sistem penunjang keputusan berbasis website untuk memudahkan pemilik UD Mugi Jaya dalam penentuan pelanggan yang tepat dalam memilih supplier yang paling tempat bagi UD Mugi Jaya. Sehingga UD Mugi Jaya dalam urusan pembelian barang bekas lebih baik haraganya dari pengumpul barang bekas yang lain, karena bisa menentukan supplier dari harga yang ditawarkan, mendapatkan informasi harga, tempat parkir, kemudahan pinjaman, dan kapasitas ruang tunggu.

Kata Kunci : Supplier, FMADM, TOPSIS, Pengumpul Barang Bekas.

PENDAHULUAN

UD Mugi Jaya adalah salah satu pengumpul barang bekas yang sedang berkembang di Gunung Putri. UD Mugi Jaya menjual dan membeli barang seperti kardus, besi, tembaga, duplek, plastik, kor, dan kantong semen. Alur kerja UD Mugi Jaya adalah mengumpulkan barang bekas dari penjual roda, pabrik, dan penjualan perorangan. selanjutnya dijual kembali ke pabrik yang bergerak dibidang peleburan barang bekas.ketidaktelitian tim penilai dalam melakukan perhitungannya. Adanya ketidaktepatan dan ketidaktelitian dalam proses perhitungan, berdampak kepada

hasil keputusan yang diberikan kurang tepat dan akurat.

Pabrik yang bergerak dalam pembelian barang bekas jumlahnya banyak diantaranya adalah PT Fajar Paper Tbk, PT Aspex Kumbong, PT Majestic Buana Cipta Cemerlang, CV Steelindonesia, dan PT Aneka Tambang Tbk dll. Pembayaran masing-masing pabrik peleburan barang bekas melalui supplier, supplier yang bekerjasama jumlahnya cukup banyak dan dalam pemilihannya harus mempertimbangkan banyak aspek.

Supplier adalah lembaga atau badan usaha yang menjembatani keperluan pembayaran, daftar harga, UD Mugi Jaya menjual barang bekas terutama kardus, duplek,

2

koran dan putihan ke PT Fajar Paper Tbk. PT Fajar Paper menjalin kerjasama dengan supplier

diantaranya adalah PD Sinar Abadi, UD Cahaya Gemilang, UD Sadam Jaya, UD Riski Maulana, UD Roni Sadar Jaya, UD Sahabat Lama, UD Alam Damai, UD Beling Utama, UD Budi Purnama, dan PT Purnama Kertasindo.

Penentuan supplier membutuhkan suatu aplikasi yang membantu dalam memilih dan menentukan supplier yang paling baik. Karena dengan pemilihan supplier yang tepat pengumpul barang bekas bisa meningkatkan daya beli yang lebih tinggi dari pengumpul barang bekas yang lain. Kasus penentuan supplier penjualan barang bekas ini termasuk kasus

Multiple Attribute Decision

Making(MADM), dalam menyelesaikan kasusMADM dapat mengguanakan metode Simple Additive Weighting (SAW), Weighted Product (WP), Technique for Order Preference Similarity to Ideal Solution (TOPSIS) dan Analytical Hierarchy Process(AHP). Perhitungan pada kasus penentuan supplier penjualan barang bekas ini menggunakan metode Technique for Order Preference Similarity to Ideal Solution (TOPSIS).

Tujuan

Tujuan penelitian ini adalah untuk membangun Sistem Penunjang Keputusan menentukan supplier kardus, duplek, koran, dan putihan yang tepat bagi UD Mugi Jaya, dengan perhitungan bobot alternatif menggunakan Logika Fuzzy dan perangkingan supplier melalui metode Technique for Order Preference Similarity to Ideal Solution (TOPSIS) berbasis website menggunakan Framework Yii.

Ruang Lingkup

Batasan-batasan yang ada pada penelitian ini diantaranya sebagai berikut :

1. Sasaran pengguna sistem ini adalah pemilik perusahaan yang bertujuan untuk membantu menentukan supplier kardus, duplek, koran, dan

putihan yang paling tepat bagi UD Mugi Jaya.

2. Tampilan aplikasi sudah responsive web design.

3. Software editor yang digunakan adalah Sublime Text2 dan MySQL sebagai DBMSnya.

4. Perhitungan bobot alternatif menggunakan Logika Fuzzy dan perangkingan supplier melalui metode Technique for Order Preference Similarity to Ideal Solution (TOPSIS) berbasis website menggunakan Framework Yii.

METODE PENELITIAN

Metode penelitian yang digunakan dalam penelitian berjudul Implementasi Penentuan Supplier Penjualan Barang Bekas Dengan Metode TOPSIS. Tahapan pengembangan sistem penunjang keputusan ini menggunakan waterfall ditunjukan pada gambar 1.

Gambar 1. Metode Waterfall ( Lestarini, 2010)

Sistem penunjang keputasan

penentuan supplier yang tepat bagi UD

Mugi Jaya ini dalam proses pemilihannya menggunakan perhitungan dengan metode TOPSIS. TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah

3

dikarenakan konsepnya sederhana dan mudah dipahami, komputasi yang efisien, dan memiliki kemampuan untuk mengukur kinerja relatif dari beberapa alternatif keputusan dalam bentuk matematis yang

sederhana. Wardhani (2012)

Secara umum proses TOPSIS mengikuti langkah - langkah sebagai berikut :

1. Membuat matriks keputusan yang

ternomalisasi,

Rumus yang digunakan untuk

menormalisasi dimana Xij adalah pengukuran pilihan dari alternatif

ke-i dalam hubungannya dengan

kriteria ke-j, ditunjukan pada

persamaan (1).

r

ij

=

∑

persamaan normalisasi (1)

2. Membuat matriks keputusan

terbobot yang ternomalisasi,

Membuat matriks keputusan

terbobot yang ternomalisasi, dengan

bobot w = {w1, w2, …., wn} maka

rating bobot ternormalisasi (yij)

yang ditunjukan pada persamaan (2).

y

ij

= w

j

r

ij persamaan pembuatan

matrik pembobotan (2)

3. Menentukan matriks solusi ideal

positif dan matriks solusi ideal negatif,

Tahap ini dapat ditentukan berdasarkan rating terbobot

ternormalisasi (yij) yang ditunjukan pada persamaan (3,4,5,6). A+ = (y₁+,y₂+,….y_n+); persamaan (3) A- = (y1-,y2-,….yn-); persamaan (4) yi+= { persamaan (5) yi -= { persamaan (6)

5. Menentukan jarak antara nilai setiap alternatif dengan metriks solusi ideal positif dan matriks solusi ideal negatif,

1. Jarak antara nilai alternative

dengan solusi ideal positif dirumuskan pada persamaan (7)

D

i + =

√∑

(

2

persamaan (7) Dengan : i = 1,2,…,m

2. Jarak antara nilai alternative

dengan solusi ideal negative dirumuskan pada persamaan (8)

D

i - =

√∑

(

2 persamaan (8) Dengan : i = 1,2,…,m

6. Menentukan nilai preferensi untuk

setiap alternatif.

Menentukan nilai preferensi untuk alternatif nilai preferensi untuk

setiap alternatif dan dapat

menentukan supplier yang tepat

bagi UD Mugi Jaya. Persamaan yang menentukan nilai preferensi ditunjukan pada persamaan (9).

Vi

=

persamaan (9)

Analisis dan Definisi Persyaratan Tahap analisis ini dimulai dengan melakukan konsultasi maupun tanya jawab langsung secara interaktif kepada pihak UD Mugi Jaya. Sistem penunjang keputusan penentuan supplier penjualan barang bekas ini mengacu pada beberapa kriteria seperti

4 waktu mendapatkan informasi harga, waktu mendapatkan pinjaman, kapasitas tempat parkir, harga yang ditawarkan, dan kapasitas ruang tunggu.

Tahapan analisis yang dilakukan adalah memahami sistem yang sedang berjalan, selanjutnya mengidentifikasi permasalahan pada sistem yang sedang berjalan, dan menarik kesimpulan dari proses analisis yang telah dilakukan selanjutnya menentukan pemecahan masalah berdasarkan analisis sitem yang sedang berjalan.

Analisis Sistem yang Berjalan

Sistem yang berjalan di UD Mugi Jaya dalam penentuan supplier masih menggunakan perkiraan. Maka dibutuhkannya sistem penunjang keputusan yang lebih teliti dengan memperhatikan kriteria-kriteria yang ada dan lebih konsisten dalam menentukan supplier yang tepat

Identifikasi Masalah

Permasalahan yang ada di sistem adalah : Proses menentukan supplier yang dilakukan UD Mugi Jaya masih menggunakan manual dan pertimbangan dalam memilih supplier sebatas perkiraan yang mengakibatkan ketidak konsistennya memilih supplier dan proses pemilihan supplier kurang mengacu pada besarnya bobot kriteria-kriteria yang seharusnya. Kesimpulan Hasil Analisis dan Solusi Pemecahan Masalah

Tahapan kesimpulan hasil analisis dan solusi pemecahan masalah diambil serta disimpulkan, setalah melakukan tahapan analisis sistem yang berjalan dan identifikasi masalah UD Mugi Jaya membutuhkan sistem penunjang keputusan penentuan supplier penjualan barang bekas

Pada tahap ini dilakukan pengumpulan data-data yang diperlukan seperti data karyawan, data kriteria, alur proses penyeleksian, dan Metode yang akan digunakan dalam proses SPK.

Perancangan Sistem dan Perangkat Lunak

Pada tahap ini dilakukan beberapa perancangan, antara lain merancang model sistem inferensi fuzzy, perancangan basis data, peraancangan sistem secara umum dan perancangan sistem secara detail. 1. Perancangan Model Sistem Inferensi

Fuzzy

Berdasarkan hasil analisis sistem yang sedang berjalan maka dapat ditentukan aturan-aturan sebagai berikut :

1. Menentukan Alternatif Ai

A1 = PD Sinar Abadi A2 = UD Budi Purnama A3 = UD Bintang Mas 2. Menentukan kriteria Ci

Waktu mendapatkan informasi harga

(IH) = C1

Waktu mendapatkan pinjaman (MP) = C2

Kapasitas tempat parkir (TPR) = C3 Harga yang ditawarkan (HR) = C4 Kapasitas ruang tunggu (RT) = C5 3. Menentukan nilai rating kecocokan setiap alternatif pada setiap kriteria, Masing - masing kriteria tersebut akan ditemukan bobot-bobotnya. Pada sistem ini bobot terdiri dari lima bilangan fuzzy, yaitu Sangat Tidak Penting (STP), Tidak Penting (TP), Cukup Penting (CP), Penting (P), Sangat Penting (SP).

4. Menentukan bobot preferensi atau tingakat kepentingan (W) pada setiap kriteria.

C1 = 35 % C3 = 10 %

C2 = 25 % C4 = 20 %

C5 = 10% Kriteria C1

Berikut interval nilai kriteria waktu mendapatkan informasi harga yang dikonversikan dengan bilangan fuzzy dapat dilihat pada table 1.

Tabel 1. Kriteria Waktu Mendapatkan Informasi Harga.

5

Kriteria mendapatkan informasi harga

Variabel Nilai

C1 ≤ 1 jam _Penting Sangat 1 1 jam < C1 ≤8

jam Penting 0,75 8 jam < C1 ≤16

jam Cukup Penting 0,5 16 jam < C1 ≤ 24

jam Tidak penting 0,25 C1 ≥24 jam Sangat Tidak _Penting 0

Kriteria C2

Berikut interval nilai kriteria waktu mendapatkan pinjaman yang dikonversikan dengan bilangan fuzzy dapat dilihat pada tabel 2.

Tabel 2. Waktu Mendapatkan Pinjaman Dana. Kriteria mendapatkan pinjaman dana Variabel Nilai C2 ≤ 1 jam Sangat Penting 1 1 jam < C2 ≤ 4 jam Penting 0,75 4 jam < C2 ≤ 7 jam Cukup Penting 0,5 7 jam < C2 ≤ 10 jam Tidak penting 0,25 C2 ≥ 10 jam Sangat Tidak

Penting

0

Kriteria C3

Berikut interval nilai kapasitas tempat parkir yang dikonversikan dengan bilangan fuzzy dapat dilihat pada tabel 3.

Tabel. 3 Kapasitas Tempat Parkir

Kriteria C4

Berikut interval harga kardus, duplek, putihan dan koran. yang ditawarkan dengan bilangan fuzzy dapat dilihat pada tabel 4. Tabel 4. Harga Kardus Perkilogram yang Ditawarkan

Kriteria harga yang ditawarkan Variabel Nilai C4 ≥ Rp 2500 Sangat Penting 1 Rp2000 < C4 ≤ Rp.2500 Penting 0,75 Rp1500 < C4 ≤ Rp.2000 Kurang Penting 0,5 Rp.1000 < C4 ≤ Rp.1500 Tidak Penting 0,25 C4 ≤ Rp.1000 Sangat Tidak Penting 0 Kriteria C5

Kriteria kapasitas ruang tunggu berdasarkan jumlah orang dalam ruang tunggu. Berikut interval kapasitas ruang tunggu dengan bilangan fuzzy dapat dilihat pada tabel 5. Tabel 5. Kapasitas Ruang Tunggu

Kriteria harga yang ditawarkan Variabel Nilai Orang = 1 Sangat Tidak Penting 0 Orang = 2 Tidak Penting 0,25 Orang = 3 Cukup Penting 0,5 Orang = 4 Penting 0,75 Orang = 5 Sangat Penting 1

Tabel 6 Rating Kecocokan. Kapasitas tempat

parker

Variabel Nilai Mobil truk = 1 Sangat

Tidak Penting

0

Mobil truk = 2 Tidak Penting

0,25 Mobil truk = 3 Cukup

Penting

0,5 Mobil truk = 4 Penting 0,75 Mobil truk = 5 Sangat

Penting 1 Supplier IH MP TPR HR RT A1 SP SP SP P CP A2 SP P SP P CP A3 P SP P P TP Alternatif IH MP TPR HR RT A1 1 1 1 0,75 0,5 A2 1 0,75 1 0,75 0,5 A3 0,75 1 0,75 0,75 0,25

6 1. Matrik keputusan yang dibentuk

dari tabel ranking kecocokan :

2. Matriks Keputusan ternormalisasi √ =√ = √ = 1.601 r11 = = =0.625 r21 = = =0.625 r31 = = =0.469 √ =√ = √ = 1.601 r12 = = =0.625 r22 = = =0.469 r32 = = =0.625 √ =√ = √ = 1.601 r13 = = =0.625 r23 = = =0.625 r33 = = =0.469 √ =√ = √ = 1.299 r14 = = =0.577 r24 = = =0.577 r34 = = =0.577 √ =√ = √ = 0.750 r14 = = =0.667 r24 = = =0.667 r34 = = =0.333 Sampai didapat : R = 3. Matriks keputusan ternormalisasi terbobot didapatkan dari perkalian matriks R dengan bobot

preferensi C1, C2, C3 , C4 dan C5 = (35, 25, 10 , 20, 10) didapat : R = X (35, 25, 10 , 20, 10)

4. Solusi ideal positif

Y1+= max { ; ; } = 21.864 Y2+= max { ; ; } = Y3+= max { ; } = Y4+= max { ; ; } = Y5+= max { ; ; } =

5. Solusi ideal negatif

Y1-= min { ; ; } = Y2-= min { ; ; } = Y3-= min { ; } = Y4-= min { ; ; = Y5-= min { ; ; =

6. Jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif

√ ( ( ( ( ₍ √ = √ = 0 √( ( ( ( ₍ = √ = 3.904 1 1 1 0,75 0,5 1 0,75 1 0,75 0,5 0,75 1 0,75 0,75 0,25

7 √ ( ( ( ( ₍ =√ = 6.590

7. Jarak antara nilai terbobot setiap alternatif terhadap solusi ideal negatif √( ( ( ( ₍ √ = 7.660 √ ( ( ( ( ₍ √ 6.590 √ ( ( ( ( ₍ √ = 3.904

8. Kedekatan setiap alternatif terhadap solusi ideal V1 = 1 V2 = 0.628 V3 = 0.372 9. Solusi

Dari nilai V (setiap nilai alternatif terhadap solusi ideal) diperoleh nilai V1 memiliki nilai terbesar, sehingga yang akan dipilih sebagai Supplier kardus untuk bekerjasama adalah PD Sinar Abadi.

HASIL DAN PEMBAHASAN

Halaman Utama yang terdapat pada sistem pendukung keputusan (SPK) memiliki 3 menu, yaitu pewawancara, admin dan pemilik. Tampilan halaman utama dapat dilihat pada gambar 25 Sistem ini memiliki beberapa halaman yang diantaranya yaitu sebagai berikut :

1. Halaman Utama

Pada halaman utama ini terdapat tutorial langkah-langkah penggunaan sistem dari awal hingga selesai. Halaman utama dapat dilihat pada gambar 2.

Gambar 2. Tampilan Halaman Utama 2. Halaman Pemilik

Halaman pemilik adalah halaman yang dapat diakses oleh user dengan level pemilik. Pengaturan level user diatur oleh admin, halaman pemilik memiliki 5 menu yaitu halaman depan, supplier, pewawancara, hasil spk, dan login. Halaman utama pemilik dapat dilihat pada gambar 3 dan halaman hasil perhitungan supplier dapat dilihat pada gambar 4.

Gambar 3. Halaman Utama Pemilik Gambar 4. Halaman hasil perhitungan

Supplier 3. Halaman Pewawancara

Pewawancara ditugaskan oleh UD Mugi Jaya untuk mewawancarai pengumpul barang bekas dalam penginputan penilaian supplier diantaranya adalah tanggal mewawancarai, supplier yang bekerjasama, dan menginputkan penilaian sesuai kriteria. Penginputan penilaian supplier pada sistem ini dirancang pada form tanggal harus diisi, sedangkan

8 form nama supplier dan penilaian kriteria harus memilih karena apabila tidak dipilih akan menginputkan otomatis penilaian supplier sangat tidak penting dengan nilai 0.Tampilan penginputan penilaian supplier dapat dilihat pada gambar 5.

Gambar 5. Halaman Pewawancra Tampilan Halaman Admin

Halaman admin memiliki menu adalah pewawancara, supplier, pemilik, fuzzy, kriteria, penilaian supplier, solusi ideal, level, hasil spk, akun, dan logout. Halaman admin adalah halaman yang dapat melihat, membuat, memperbaharui, dan menghapus data pada sistem penunjang keputusan ini. Halaman admin ini dapat mengatur semua konten dalam perhitungan supplier penentuan barang bekas maka dari itu halaman ini hanya diperuntukan admin yang berkepentingan dan rahasia. Tampilan halaman admin dapat dilihat pada gambar 6.

Gambar 6. Halaman Admin Simpulan

Sistem penentuan supplier penjualan barang bekas ini telah melalui tiga rangkaian uji coba, yaitu uji coba struktural dengan hasil semua halaman tampil, uji coba fungsional dengan hasil semua link berfungsi, dan uji coba validasi. Setelah melakukan serangkaian uji coba sistem selanjutnya melakuan uji coba manual berupa perhitungan manual yang dilakukan untuk studi kasus yang sama, terlihat pada hasil pengujian kedua metode perankingan menghasilkan urutan ranking yang sama oleh karena uji coba dilakukan hanya 1 kali. Hasil ini belum dapat menunjukan tingkat sensitivitas tiap metode. Terdapat penenlitian yang telah dilakukan oleh wibowo (2010), menyatakan bahwa meotde SAW memiliki sensitivitas lebih tinggi dari pada TOPSIS dengan krakteristik data yang sama. Sistem penunjang keputusan penentuan supplier penjualan barang bekas yang tepat bagi UD Mugi Jaya ini menggunakan metode Technique for Order Preferences Similarity to Ideal Solution (TOPSIS) hal yang mendasarkannya adalah sebagai alternatif metode dalam menyelesaikan kasus Multiple Attribute Decision Making (MADM).

Saran

Sistem penunjang keputusan penentuan supplier penjualan barang bekas diharapkan memberi kemudahan bagi pemilik UD Mugi Jaya dalam pengambil keputusan dalam menentukan supplier penjualan barang bekas yang tepat. Perancangan sistem ini masih memiliki banyak kekurangan. Pengembangan sistem pada desain masih sangat sederhana dan tidak adanya grafik.

DAFTAR PUSTAKA

Eniyati S. 2011. Perancangan Sistem Pendukung Pengambilan Keputusan untuk Peneriamaan Beasiswa dengan Metode SAW (Simple Additive Weighting). Teknologi

9 Informasi DINAMIK. Vol(16) : 171-176

Kusumadewi. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.

Marimin. 2005. Tekni dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. Jakarta: Grasindo.

Qiang Xue. 2008. Tentang Framework Yii .http://www.yiiframework.com/abou t/. 20 April 2014.

Wahardi, I, K. Usadha, G, N, R & M. I. Irawan. 2012. Seleksi Supplier Bahan Baku dengan Metode TOPSIS Fuzzy MADM. Sains Dan Seni Pomits.

Vol(1) : 1-6

Supendi Usup. 2014. Mugi Jaya. http://www.mugijaya.web.id/tentang / 22 mei 2014.

Shvoong.2014. Pengertian Supplier. http://id.shvoong.com/business management/marketing/2374224-pengertian-supplier/ 22 mei 2014