VI. PEMODELAN SISTEM

96

VI. PEMODELAN SISTEM

6.1. Konfigurasi Model

Model sistem penunjang pengambilan keputusan cerdas manajemen risiko rantai pasok produk/komoditi jagung dikembangkan dengan menggunakan perangkat lunak komputer yang diberi nama IDSS-SCRM (Inteligent Decision Support System Supply Chain Risk Management). Model dikembangkan dengan menggunakan pendekatan sistem yang berbasis web dengan tujuan untuk dapat membantu setiap pemangku kepentingan jaringan rantai pasok dalam melakukan pengambilan keputusan manajemen risiko rantai pasok produk/komoditi jagung. Selain itu dengan model ini diharapkan dapat diperoleh suatu mekanisme komunikasi antar tingkatan dalam jaringan rantai pasok baik langsung ataupun tidak langsung dalam melakukan pengambilan keputusan manajemen risiko rantai pasok sehingga akan tercipta suatu rantai pasok yang berkesinambungan dan dapat menyeimbangan tingkat risiko yang ditanggung antar tingkatan pelaku terutama untuk meningkatkan kemampuan pelaku di tingkat petani dalam menanggulangi atau meminimalkan risiko sebagai pelaku atau pihak yang cukup lemah dalam menghadapi risiko. Sistem penunjang pengambilan keputusan ini dikembangkan dengan menggunakan pemrograman berbasis web yaitu PHP dan menggunakan sistem manajemen basis data MySQL. Rincian detail dari kebutuhan perangkat lunak dan perangkat keras dapat dilihat pada Lampiran 13.

Sistem IDSS-SCRM merupakan suatu perangkat lunak yang dapat digunakan oleh setiap pelaku dalam setiap tingkatan rantai pasok produk/komoditi jagung yang terbagi atas dua level pengguna yaitu administrator sistem dan pengguna sistem. Administrator sistem merupakan pihak yang dapat melakukan perubahan dan manipulasi data dalam sistem yang terbagi atas tingkatan pelaku ahli (pakar) dan pelaku channel master (pemerintah). Adapun pengguna sistem merupakan pelaku yang mempunyai keterbatasan akses terhadap data sesuai dengan tingkatan dalam rantai pasok yaitu tingkat petani, tingkat pengumpul, tingkat agroindustri, tingkat distributor dan tingkat konsumen. Komponen utama dari sistem IDSS-SCRM terbagi menjadi empat komponen utama yaitu sistem manajemen basis model, sistem manajemen basis data, sistem manajemen basis

pengetahuan dan sistem manajemen dialog. Adapun konfigurasi sistem IDSS-SCM dapat diperlihatkan pada Gambar 24.

Data Model Pengetahuan

SISTEM MANAJEMEN BASIS DATA SISTEM MANAJEMEN BASIS MODEL SISTEM MANAJEMEN BASIS PENGETAHUAN

• Data pelaku dan tingkatan rantai pasok

• Data hasil identifikasi variabel dan faktor risiko setiap tingkatan

• Data hasil evaluasi variabel dan faktor risiko setiap tingkatan

• Data hasil agregasi faktor risiko dan agregasi risiko tingkatan

• Data penyeimbangan risiko rantai pasok

• Data mitigasi risiko tingkatan

• Model identifikasi variabel dan faktor risiko setiap tingkatan

• Model evaluasi variabel dan faktor risiko setiap tingkatan

• Model agregasi faktor risiko

• Model agregasi risiko tingkatan

• Model agregasi risiko rantai pasok

• Model

penyeimbangan risiko rantai pasok

• Model mitigasi risiko tingkatan

• Representasi fuzzy nilai dampak, nilai prosibilitas dan nilai paparan risiko

• Representasi fuzzy nilai output risiko FMEA

• Inferensi fuzzy evaluasi variabel risiko

• Inferensi fuzzy agregasi faktor risiko

• Inferensi IF-Then Rule mitigasi risiko

SISTEM MANAJEMEN DIALOG Sistem pengolah

terpusat

Pengguna

Gambar 24 Konfigurasi model SPK cerdas manajemen risiko rantai pasok

6.2. Sistem Manajemen Basis Model

Sistem manajemen basis model terdiri dari lima model yaitu model identifikasi risiko, model evaluasi risiko, model agregasi risiko, model penyeimbangan risiko dan model mitigasi risiko setiap tingkatan rantai pasok.

6.2.1. Model Identifikasi Risiko Rantai Pasok

Model identifikasi risiko rantai pasok bertujuan untuk mengidentifikasi dan menentukan variabel-variabel dari setiap faktor risiko yang sangat berpengaruh terhadap setiap risiko tingkatan rantai pasok. Dengan model ini akan diperoleh faktor-faktor risiko setiap tingkatan rantai pasok beserta dengan variabel-variabel risikonya sehingga setiap tingkatan rantai pasok akan terfokus pada beberapa faktor risiko terpilih tersebut dalam melakukan manajemen risiko rantai pasok. Input model adalah struktur hierarki identifikasi risiko rantai pasok yang meliputi tujuan menajemen risiko rantai pasok, pelaku dan tingkatan rantai pasok, faktor risiko rantai pasok dan variabel risiko rantai pasok. Kemudian dari struktur hierarki ini akan dinilai oleh beberapa ahli (pakar) rantai pasok sehingga akan terpilih beberapa faktor utama (dominan) dari setiap tingkatan rantai pasok. Hasil penilaian pakar akan dimasukan ke dalam basis data identifikasi risiko dengan mengambil empat faktor dengan bobot tertinggi dari hasil pembobotan pakar. Disamping itu input model ini adalah hasil penilaian tingkat posibilitas, tingkat dampak dan tingkat paparan dari setiap variabel risiko untuk dapat di agregasi sehingga diperoleh tingkat risiko setiap faktor.

Model ini menggunakan motode fuzzy AHP (analytical Hierarchy Process) untuk menentukan bobot dari setiap faktor risiko dan pemilihan faktor risiko dengan bobot tertinggi dengan input penilaian ahli. Output dari model ini adalah diperolehnya faktor-faktor risiko yang sangat berpengaruh dalam setiap tingkatan rantai pasok, dan variabel-variabel risiko dari setiap faktor tersebut yang kemudian akan diinputkan ke dalam basis data. Disamping itu model ini juga akan menghasilkan bobot variabel dan bobot faktor risiko serta bobot tingkatan rantai pasok yang akan disimpan dalam basis data bobot variabel, bobot faktor dan bobot tingkatan rantai pasok dan akan digunakan sebagai pembobot untuk menghitung nilai agregasi faktor risiko, nilai agregasi risiko tingkatan rantai pasok dan nilai agregasi risiko rantai pasok secara global. Adapun tahapan proses model identifikasi risiko rantai pasok produk/komoditi jagung dapat diperlihatkan pada Gambar 25.

Mulai

Pembuatan struktur hirarki Penilaian alternatif dan

kriteria oleh pakar

Fuzzyfikasi terhadap hasil penilaian dengan TFN

Membuat matrik kriteria dan alternative

Menghitung bobot kriteria

Menghitung nilai eigen setiap alternative

Menghitung Consistency ratio

Menghitung skor akhir.

Selesai Cek konsistensi

Defuzzifikasi nilai skor fuzzy dengan rata-rata geometrik

Membuat matrik gabungan penilaian pakar

Menghitung Consistency ratio

Tidak Ya

Agregasi pendapat pakar

Pilih 4 alternatif rangking teratas dari skor akhir

6.2.2. Model Evaluasi Risiko Rantai Pasok

Model evaluasi risiko rantai pasok digunakan untuk mengukur tingkat risiko setiap variabel risiko rantai pasok dengan input nilai fuzzy posibilitas, dampak dan paparan risiko. Model menggunakan metode Fuzzy FMEA (Failure Mode and Effect Analysis) untuk menentukan nilai variabel risiko dari setiap faktor yang sudah terpilih dari pembobotan pakar dengan input tingkat posibilitas, tingkat dampak dan tingkat paparannya. Tingkat penilaian tersebut menggunakan nilai fuzzy dan direpresentasikan dengan metode TFN (Triangular Fuzzy Number) untuk setiap fungsi keanggotaannya. Kemudian untuk menilai tingkat risiko variabel digunakan fuzzy inference system mamdani, dengan input variabel linguistik fuzzy posibilitas, dampak dan paparan serta outputnya adalah linguistik

fuzzy FRPN (fuzzy risk priority number).

Linguistik fuzzy posibilitas mempunyai nilai TP (Tidak Pernah) dengan jangkauan nilai 1-2, SJ (Sangat Jarang) dengan jangkauan nilai 1-3, J (Jarang) dengan jangkauan nilai 2-5, KK (Kadang-Kadang) dengan jangkauan nilai 4-7, S (Sering) dengan jangkuan nilai 6-9, SS (Sangat Sering) dengan jangkuan nilai 8-10 dan P (Pasti) dengan jangkuan nilai 9-8-10. Adapun representasi fungsi keanggotaan TFN (Triangular Fuzzy Number) dari tingkat posibilitas dapat diperlihatkan pada Gambar 26.

1 2 3 4 5 6 7 8 9 10

1

Kadang2 Sering SS Pasti Jarang

SJ TP

Posibilitas

Gambar 26 Fungsi keanggotaan fuzzy posibilitas risiko

Dampak dan paparan risiko direpresentasikan dengan nilai linguistik fuzzy

PR (Tidak Pernah) dengan jangkauan nilai 1-2, SR (Sangat Rendah) dengan jangkauan nilai 1-3, R (Rendah) dengan jangkauan nilai 2-5, S (Sedang) dengan jangkauan nilai 3-8, T (Tinggi) dengan jangkuan nilai 6-9, ST (Sangat Tinggi)

dengan jangkuan nilai 8-10 dan PT (Paling Tinggi) dengan jangkuan nilai 9-10. Adapun representasi fungsi keanggotaan TFN (Triangular Fuzzy Number) dari dampak risiko dapat diperlihatkan pada Gambar 27 dan Gambar 28.

1 2 3 4 5 6 7 8 9 10 1 Sedang Tinggi ST PT Rendah SR PR Dampak

Gambar 27 Fungsi keanggotaan fuzzy dampak risiko

1 2 3 4 5 6 7 8 9 10 1 Sedang Tinggi ST PT Rendah SR PR Paparan

Gambar 28 Fungsi keanggotaan fuzzy paparan risiko

Output dari penilaian input dampak, posibilitas dan paparan akan direpresentasikan dengan nilai linguistik fuzzy TA (Tidak Ada risiko) dengan jangkauan 1-50, HTA (Hampir Tidak Ada risiko) dengan jangkuan 1-100, SR (Sangat Rendah) dengan jangkauan nilai 100-250, R (Rendah) dengan jangkauan nilai 150-400, S (Sedang) dengan jangkuan nilai 250-550, HT (Hampir Tinggi) dengan jangkauan nilai 400-700, T (Tinggi) dengan jangkauan nilai 550-900, ST (Sangat Tinggi) dengan jangkauan nilai 700-100, dan PT (Paling Tinggi) dengan jangkauan nilai 900-1000. Nilai jangkauan tersebut diperoleh dari nilai RPN (Risk Priority Number) yang merupakan hasil perkalian dari nilai posibilitas, nilai

dampak dan nilai paparan dari variabel risiko. Fungsi keanggotaan fuzzy variabel risiko (FRPN) dapat diperlihatkan pada Gambar 29.

1 100 200 300 400 500 600 700 800 900 1 S HT T PT R SR TA Risiko 1000 HTA ST

Gambar 29 Fungsi keanggotaan fuzzy output risiko (FRPN)

Untuk menentukan nilai risiko (FRPN) digunakan fuzzy inference system

dengan aturan fuzzy IF-THEN. Banyaknya aturan fuzzy IF-THEN adalah 343, karena menggunakan 3 input dan setiap inputnya mempunyai 7 nilai linguistik

fuzzy. Adapun gambaran kombinasi seluruh aturan fuzzy IF-THEN dapat dijabarkan dengan menggunakan Tabel 12.

Tabel 12 Aturan fuzzy IF-THEN evaluasi risiko rantai pasok

No Posibilitas Dampak Paparan Risiko

1 TP PR PR TA 2 TP PR SR TA 3 TP PR R TA 4 TP PR S TA 5 TP PR T TA 6 TP PR ST TA 7 TP PR PT TA 8 TP SR PR TA … … … … … … … … … … … … … … … 342 P PT ST PT 343 P PT PT PT

Mulai

Pilih tingkatan rantai pasok Baca faktor risiko terpilih dari

basis data

Membuat model linguistik fuzzy variabel input dan output

Membuat model fuzzy inference

Hitung inferensi dengan fuzzy rule based mamdani

Selesai

Defuzzifikasi output nilai risiko Input variabel risiko sesuai

faktor

Input nilai dampak, prosibilitas dan paparan setiap variabel

Hitung nilai agregasi output

Tampil dan simpan nilai variabel risiko

Gambar 30 Diagram alir model evaluasi risiko rantai pasok

Nilai agregasi output dari setiap pakar dalam menilai variabel risiko dilakukan dengan menggunakan metode rata-rata geometrik. Demikian juga proses defuzzyfikasi dilakukan untuk mendapatkan nilai tunggal dari setiap variabel risiko dengan menggunakan metode rata-rata geometrik.

6.2.3. Model Agregasi Risiko Rantai Pasok

Model agregasi risiko rantai pasok terdiri dari tiga model yaitu sub-model agregasi faktor risiko, sub-sub-model agregasi risiko tingkatan dan sub-sub-model agregasi risiko total rantai pasok. Input dari model ini adalah nilai variabel risiko

yang merupakan output dari model evaluasi risiko rantai pasok dan nilai bobot variabel input yang merupakan hasil output dari model identifikasi risiko rantai pasok. Output dari model ini adalah nilai agregasi variabel risiko untuk mendapatkan nilai setiap faktor risiko, nilai agregasi faktor risiko untuk mendapatkan nilai risiko setiap tingkatan dan nilai agregasi risiko tingkatan untuk mendapatkan nilai risiko total rantai pasok. Metode agregasi nilai faktor risiko menggunakan rata-rata pembobot variabel risiko dengan rumus sebagai berikut:

i n i iBB w BB

∑

= = 1 (32) i n i iBT w BT

∑

= = 1 (33) i n i iBA w BA

∑

= = 1 (34) Dimana nilai batas bawah (BBi), batas tengah (BTi) dan batas atas (BAi

1 1 =

∑

= n i i w ) dari nilai

fuzzy masing-masing variabel risiko hasil inferensi untuk mendapatkan nilai batas bawah, batas tengah dan batas atas agregasi dari nilai faktor risiko. Adapun jumlah bobot variabel risiko mempunyai nilai sama dengan satu seperti persamaan di bawah.

(35) Defuzzyfikasi merupakan suatu proses konversi output fuzzy ke output yang bernilai tunggal (crips), proses defuzzyfikasi dilakukan dengan metode rata-rata geometrik, dengan rumus:

crips

N = 3 BB*BT*BA ₍₃₆₎

Karena setiap penilaian risiko tidak hanya dilakukan oleh seorang pelaku rantai pasok, maka perlu juga dilakukan agregasi hasil penilaian dari beberapa hasil penilaian risiko sebelumnya, untuk mendapakan nilai tunggal hasil penilaian akhir. Proses agregasi penilaian risiko setiap pakar/ahli yang menilai risiko dilakukan dengan metode rata-rata geometrik dengan menggunakan rumus sebagai berikut: n n in i BB BB =

∏

1 (37)

n n in i BT BT =

∏

1 (38) in n n i BA BT =

∏

1 (39)

Secara detail sub-model agregasi faktor risiko dapat dijelaskan dengan diagram alir model pada Gambar 31.

Mulai

Pilih tingkatan rantai pasok Pilih faktor risiko sesuai

tingkatan rantai pasok

Hitung bobot variabel risiko

Hitung agregasi output penilian pakar

Selesai

Defuzzifikasi output nilai faktor risiko

Lakukan penilaian perbandingan variabel risiko

Hitung nilai agregasi faktor

Tampil dan simpan nilai faktor risiko

Baca nilai variabel risiko dari basis data

Gambar 31 Diagram alir sub-model agregasi faktor risiko rantai pasok

Dari Gambar 31 terlihat bahwa untuk melakukan proses agregasi faktor risiko tingkatan rantai pasok, maka perlu terlebih dahulu dilakukan input tingkatan rantai pasok, kemudian baru dilakukan input faktor risiko yang akan dihitung nilainya. Setelah itu maka akan dilakukan perhitungan agregasi nilai faktor risiko tersebut berdasarkan nilai variabel risiko yang sudah dihitung

sebelumnya dengan input nilai kemungkinan, dampak dan paparan dari setiap variabel dalam model evaluasi risiko. Kemudian hasil dari perhitungan faktor risiko ini akan ditampilkan nilai faktor risiko setiap tingkatan dalam bentuk grafik yang telah diurutkan secara descending. Kemudian model agregasi risko setiap tingkatan rantai pasok dapat digambarkan dengan diagram alir Gambar 32.

Mulai

Pilih tingkatan SCM Baca data faktor risiko sesuai

tingkatan SCM

Hitung agregasi output penilian pakar

Selesai

Defuzzifikasi output nilai risiko tingkatan SCM

Baca data bobot faktor risiko dari hasil penilaian fuzzy AHP

Hitung nilai agregasi tingkatan SCM

Tampil dan simpan nilai risiko tingkatan SCM

Gambar 32 Diagram alir sub-model agregasi risiko tingkatan rantai pasok

Dari Gambar 32 terlihat bahwa untuk menghitung risiko tingkatan diperlukan input bobot faktor risiko yang dihasilkan dari model identifikasi risiko rantai pasok, disamping itu model ini juga memerlukan input nilai setiap faktor risiko yang dihasilkan dari hasil model agregasi variabel risiko. Untuk menghitung nilai agregasi risiko tingkatan digunakan metode agregasi dengan pembobot, sedangkan untuk menghitung agregasi penilaian pakar digunakan metode rata-rata geometrik.

Proses defuzzyfikasi dilakukan untuk mendapatkan nilai tunggal dari hasil perhitungan nilai risiko setiap tingkatan rantai pasok. Defuzzyfikasi dilakukan

dengan menghitung rata-rata geometrik dari nilai batas bawah, batas tengah dan batas atas dari nilai lingusitik fuzzy TFN (Triangular Fuzzy Number).

Untuk mendapatkan nilai risiko rantai pasok total dilakukan perhitungan agregasi nilai risiko setiap tingkatan rantai pasok dari hasil perhitungan model sebelumnya. Proses agregasi dilakukan dengan metode rata-rata pembobot dengan menggunakan bobot setiap tingkatan rantai pasok yang diperoleh dengan menggunakan metode fuzzy AHP dalam model identifikasi risiko.

Dengan konsep yang sama seperti dalam model agregasi sebelumnya model ini juga melakukan proses defuzzyfikasi dengan metode rata-rata geometric untuk mendapatkan nilai risiko rantai pasok tunggal (crips). Adapun langkah-langkap proses perhiutngan agregasi risiko rantai pasok total dapat diperihatkan pada Gambar 33.

Mulai

Baca data nilai risiko tingkatan SCM dari basis data

Hitung agregasi output penilaian pakar

Selesai

Defuzzifikasi output nilai risiko global

Baca data bobot tingkatan SCM dari hasil penilaian fuzzy AHP

Hitung nilai agregasi risiko global

Tampil dan simpan nilai risiko global

Gambar 33 Diagram alir sub-model agregasi risiko total rantai pasok

6.2.4. Model Penyeimbangan Risiko Rantai Pasok

Model penyeimbangan risiko rantai pasok digunakan untuk menentukan harga jagung di tingkat petani dengan memperhatikan risiko setiap tingkatan. Model ini terdiri dari tiga sub model yaitu model perkiraan harga, model

stakeholder dialog dan model interpolasi non linier. Model perkiraan harga jagung di tingkat petani berdasarkan data input harga jagung dalam dua tahun terakhir. Sub model ini menggunakan metode time series dalam memperkirakan harga jagung. Hasil dari model ini digunakan sebagai input model regresi non linier dalam model stakeholder dialog. Model stakeholder dialog merupakan model yang digunakan untuk melakukan kesepakatan harga jagung di tingkat petani dengan input nilai faktor risiko di setiap tingkatan rantai pasok berdasarkan skenario perubahan harga. Oleh karena itu input dari sub model ini adalah faktor risiko di setiap tingkatan rantai pasok, harga jagung yang diinginkan disetiap tingkatan rantai pasok dan nilai faktor risiko setiap tingkatan rantai pasok. Output sub model ini adalah harga jagung di tingkat petani sesuai dengan hasil kesepakatan dengan menggunakan interpolasi terhadap fungsi conjoint dari fungsi regresi non linier di tingkat petani dengan fungsi regresi non linier pada tingkat yang lain dalam rantai pasok. Adapun model interpolasi non linier digunakan untuk mencari nilai kesepakatan harga dengan menggunakan fungsi conjoint

dengan input harga jagung paling rendah yang diinginkan tingkatan rantai pasok dan harga paling tinggi yang diinputkan suatu tingkatan rantai pasok. Model penyeimbangan risiko untuk mendapatkan kesepakatan harga ini menggunakan asumsi bahwa risiko di tingkat petani cenderung meningkat jika terjadi penurunan harga dan cenderung menurun jika terjadi kenaikan harga. Sebaliknya terjadi pada pihak lain dalam jaringan rantai pasok seperti agroindustri, dan pengumpul akan mempunyai risiko yang cenderung turun jika harga bahan baku turun dan risiko yang cenderung naik jika harga bahan baku naik.

Metode yang digunakan dalam model penyeimbangan risiko adalah

stakeholder dialog antar pihak-pihak yang berkepentingan dalam manajemen risiko rantai pasok guna mendapatkan nilai konsensus dalam penyeimbangan risiko karena adanya konflik kepentingan yang berbeda dalam penentuan harga di tingkat petani. Konsensus dilakukan dengan melakukan pengukuran risiko dari masing-masing tingkatan rantai pasok dengan skenario perubahan harga jagung di tingkat petani. Hasil dari proses ini akan diperoleh model matematik yang dapat dimodelkan dengan pendekatan regresi non linier fungsi risiko setiap tingkatan rantai pasok dengan variabel independent harga di tingkat petani. Bentuk model

matematik regresi non linier tersebut dapat dituliskan dengan rumus sebagai berikut:

e

x

p x

U ( )=α −β( ) (40)

Setelah diperoleh model matematik dari masing-masing tingkatan rantai pasok kemudian dibuat fungsi conjoint antara pihak petani dengan beberapa pihak yang terlibat dalam jaringan rantai pasok. Fungsi conjoint tersebut merupakan fungsi optimasi yang akan dicari nilai penyelesaiannya dengan menggunakan interpolasi non linier. Adapun bentuk fungsi conjoint tersebut dapat dirumuskan dengan bentuk sebagai berikut:

) ( ) ( ) ( 1 x U w x U x H _i n i i p

∑

= − = (41)

Dimana Up(x) adalah fungsi regresi non linier risiko petani dan Ui(x)

adalah fungsi regresi non linier dari tingkatan lain dalam jaringan rantai pasok, sedangkan wi 1 1 =

∑

= n i i w

adalah pembobot dari tingkatan dalam jaringan rantai pasok yang nilainya diperoleh dari hasil output dari model analisis risiko tingkatan rantai pasok dengan pembatas jumlah nilainya sama dengan satu.

(42) Proses interpolasi dilakukan dalam jangkauan (range) harga tertinggi dan harga terendah yang diinginkan setiap pihak yang dalam proses stakeholder dialog sehingga diperoleh harga kesepakatan yang sudah mengakomodasi setiap kriteria risiko dari masing-masing tingkatan rantai pasok. Untuk mendapatkan nilai harga kesepakatan yang sesuai dengan kondisi dan situasi nyata di lapangan maka diperlukan harga acuan dalam melakukan skenario prubahan harga dalam pengukuran risiko. Dalam model ini harga acuan diperoleh dari hasil perkiraan harga jagung di tingkat petani dalam dua tahun terakhir. Proses perkiraan harga dilakukan dengan metode Seasonal Hold-winter’s. Alur model penyeimbangan risiko rantai pasok dapat diperlihatkan pada Gambar 34.

Mulai

Input tingkatan SCM

Baca data bobot dan faktor risiko sesuai tingkatan SCM dari basis data

Hitung nilai peramalan harga jagung

Hitung penurunan dan kenaikan harga sesuai jumlah skenario

Selesai Input Lengkap?

Hitung koefisien fungsi exponential A0 dan A1 tingkatan SCM

Tidak

Ya

Tampil harga jagung hasil kesepakatan Input fungsi keanggotaan

fuzzy perubahan harga

Input dampak, prosibilitas dan paparan faktor risiko sesuai skenario

Input harga yang diharapkan tingkatan

Proses kesepakatan stakeholder dialog dengan iterasi fungsi non linier

Tingkatan Lengkap? Ya

Tidak

Gambar 34 Diagram alir model penyeimbangan risiko rantai pasok

Dari Gambar 34 terlihat bahwa input model ini adalah tingkatan rantai pasok beserta dengan faktor risiko dalam tingkatan tersebut, nilai harga hasil

peramalan dengan metode time series, skenario perubahan harga dari nilai harga peramalan, nilai faktor risiko sesuai dengan skenario perubahan harga dan harga jagung yang inginkan oleh setiap tingkatan rantai pasok. Untuk setiap tingkatan rantai pasok dilakuan pemodelan matematik dengan variabel dependent tingkat risiko dan variabel independen harga jagung. Kemudian model tersebut dilakukan

conjoint dengan menggunakan bobot setiap tingkatan dan jangkauan harga terendah dan harga tertinggi untuk mendapatkan nilai kesepakatan. Nilai kesepakatan diperoleh dengan interpolasi dalam range harga input sehingga mendapatkan harga kesepakatan yang menghasilkan nilai mendekati nilai nol untuk fungsi conjoint yang dibentuk. Hasil nilai kesepakatan harga di tingkat petani ini dapat digunakan sebagai acuan untuk menentukan harga di masing-masing tingkatan dengan menggunakan asumsi margin tertentu.

6.2.5. Model Mitigasi Risiko setiap Tingkatan Rantai Pasok

Model mitigassi risiko tingkatan rantai pasok digunakan untuk melakukan mitigasi atau pengurangan terjadinya risiko setiap tingkatan rantai pasok sesuai dengan tingkat risiko yang diperoleh dari hasil evaluasi risiko dalam model evaluasi risiko setiap tingkatan rantai pasok. Dengan model ini akan diperoleh beberapa alternatif solusi penanganan risiko pada suatu tingkatan rantai pasok jika telah diketahui tingkat risiko dari tingkatan tersebut. Output dari model ini adalah alternatif solusi yang disarakan oleh sistem berkaitan dengan munculnya risiko dari suatu ringkatan rantai pasok. Input dari model adalah tingkatan rantai pasok dan nilai risiko setiap tingkatan yang diperoleh dari model evaluasi risiko rantai pasok. Untuk melakukan pencarian dan pemilihan alternatif solusi mitigasi risiko dilakukan dengan menggunakan inferensi fuzzy yang direpresentasikan dengan metode inferensi fuzzy sugeno. Diagram alir dari model mitigasi risiko rantai pasok dapat dijelaskan dengan menggunakan Gambar 35.

Mulai

Pilih tingkatan SCM Baca data faktor risiko sesuai tingkatan SCM dari basis data

Temukan solusi mitigasi tingkatan SCM yang tepat dengan rule based

Selesai

Baca data bobot faktor risiko dari hasil penilaian fuzzy AHP

Hitung nilai agregasi tingkatan SCM

Tampil nilai risiko tingkatan SCM

Tampilkan rekomendasi solusi mitigasi risiko

Gambar 35 Diagram alir model mitigasi risiko tingkatan rantai pasok

6.3. Sistem Manajemen Basis Data

Sistem manajemen basis data digunakan untuk menginputkan, menampilkan dan mengupdate data yang digunakan dalam model sistem. Sistem basis data terdiri dari beberapa subsistem yaitu subsistem basis data identifikasi faktor risiko, subsistem basis data evaluasi risiko, subsistem basis data mitigasi risiko, subsistem basis data harga jagung ditiap tingkatan dan subsistem basis data penyeimbangan risiko rantai pasok.

6.3.1. Basis Data Identifikasi Risiko Rantai Pasok

Basis data identifikasi risiko rantai pasok digunakan untuk menginputkan, menyimpan, menampilkan dan mengupdate data yang berkaitan dan digunakan dalam model identifikasi risiko rantai pasok. Data-data yang berkaitan dengan model ini adalah data faktor dan variabel risiko tiap tingkatan, data bobot variabel dan faktor risiko tiap tingkatan serta bobot tingkatan rantai pasok yang diperoleh

dari analisis faktor risiko dengan menggunakan metode fuzzy Analytical Hierarchy Process (fuzzy AHP). Data-data ini kemudian digunakan sebagai data input dalam model evaluasi risiko tiap tingkatan rantai pasok.

6.3.2. Basis Data Evaluasi Risiko Rantai Pasok

Basis data evaluasi risiko digunakan untuk menginputkan, menyimpan, menampilkan dan mengupdate data yang berkaitan dengan model evaluasi risiko rantai pasok. Data-data yang berkaitan dengan model ini adalah data penilaian risiko variabel oleh pakar pada nilai posibilitas, nilai dampak dan nilai paparan setiap variabel risiko rantai pasok. Kemudian hasil penilaian ini diagregasi untuk mendapatkan nilai tunggal dari setiap variabel risiko, hasil dari data variabel risiko kemudian diagregasi lagi untuk mendapatkan data faktor risiko dan risiko tingkatan rantai pasok yang diperoleh dari hasil perhitungan agregasi faktor risiko. Kemudian hasil evaluasi risiko tingkatan rantai pasok diagregasi untuk mendapatkan risiko rantai pasok total. Dalam basis data ini digunakan data-data dari penilaian pakar yang direpresentaikan dalam nilai fuzzy TFN, oleh karena itu dalam basis data ini juga menyimpan nilai risiko yang direpresentaikan dengan

fuzzy TFN yang mempunyai nilai bawah, nilai tengah dan nilai atas.

6.3.3. Basis Data Penyeimbangan Risiko Rantai Pasok

Basis data penyeimbangan risiko rantai pasok digunakan untuk menyimpan, menampilkan, menginputkan dan mengupdate data-data yang berkaitan dengan model penyeimbangan risiko rantai pasok. Data-data yang berkaitan dengan model ini adalah data faktor risiko setiap tingkatan rantai pasok, data penilaian faktor risiko yang berkaitan dengan perubahan harga jagung di tingkat petani, data hasil perhitungan model stakeholder dialog dalam proses penyeimbangan risiko rantai pasok. Disamping itu data yang berkaitan dengan subsistem ini adalah data harga yang diinginkan dari setiap tingkatan rantai pasok dalam melakukan stakeholder dialog penyeimbangan risiko.

6.3.4. Basis Data Harga Jagung Pada Setiap Tingkatan Rantai Pasok

Basis data harga jagung di tingkat petani merupakan basis data yang digunakan untuk menyimpan harga jagung di tingkat petani dalam dua tahun terakhir. Basis data ini akan digunakan dalam menentukan kesepakatan harga dalam model penyeimbangan risiko rantai pasok dengan menggunakan metode

stakeholder dialog. Data ini merupakan data nyata yang diperoleh di lapangan untuk dapat mensimulasikan dan menentukan harga jagung yang sesuai dengan kondisi nyata. Basis data ini terutama digunakan untuk memprediksi harga jagung di tingkat petani dengan menggunakan metode season hold winter’s.

6.3.5. Basis Data Mitigasi Risiko Rantai Pasok

Basis data mitigasi risiko rantai pasok digunakan untuk menginputkan, menyimpan, menampilkan dan mengupdate data yang berkaitan dengan model mitigasi risiko setiap tingkatan rantai pasok. Data-data yang berkaitan dengan model ini adalah data risiko setiap tingkatan dan data metode dan alternatif strategi mitigasi yang sesuasi dengan tingkat risiko dari setiap tingkatan rantai pasok. Untuk melakukan mitigasi risiko setiap tingkatan rantai pasok akan menggunakan model inferensi fuzzy yang direpresentasikan dengan menggunakan aturan inferensi fuzzy sugeno yang terdapat dalam model basis pengetahuan.

6.4. Sistem Manajemen Basis Pengetahuan

Sistem manajemen basis pengetahuan digunakan untuk mendapatkan solusi yang tepat dari permasalahan yang dihadapi sesuai dengan pendapat beberapa pakar (ahli) yang direpresentasikan dalam basis pengetahuan. Beberapa representasi pengetahuan yang digunakan dalam sistem ini adalah representasi penilaian pakar terhadap posibilitas, dampak dan paparan risiko rantai pasok yang digambarkan dengan fungsi keanggotaan fuzzy segitiga. Selain itu setiap nilai variabel input dan output dari sistem evaluasi risiko juga direpresentasikan dengan menggunakan basis pengetahuan pakar berdasarkan pendekatan logika fuzzy. Logika fuzzy juga digunakan untuk melakukan inferensi atau pengambilan solusi dalam melakukan evaluasi risiko dan mitigasi risiko setiap tingkatan rantai pasok dengan menggunakan aturan fuzzy IF-THEN.

6.5. Sistem Manajemen Dialog

Sistem manajemen dialog adalah sistem yang dirancang untuk mengatur interaksi antara penguna (user) dengan model sistem komputer (aplikasi komputer). Interaksi antara sistem dan pengguna tersebut dapat dilakukan dengan input data, pemilihan variabel input atau pemilihan skenario input sehingga mendapatkan output sistem yang diinginkan pengguna.

Untuk memudahkan pengoperasian sistem, digunakan sistem menu sebagai pilihan yang dapat dipilih oleh pengguna dalam mengoperasikan sistem aplikasi model pengambilan keputusan manajemen risiko rantai pasok komoditi/produk jagung. Selain itu sistem ini dapat digunakan oleh banyak pengguna dengan tampilan yang berbeda berdasarkan tingkatan pengguna sistem. Tingkatan pengguna dalam aplikasi ini dibagi menjadi dua yaitu pengguna biasa dan pengguna admin. Pengguna biasa terbagi menjadi lima kategori yaitu pengguna pada tingkat petani, pengguna pada tingkat pengepul, pengguna pada tingkat agroindustri, pengguna pada tingkat distributor dan pengguna pada tingkat konsumen, sedangkan pengguna admin terbagi dua kategori yaitu pengguna admin channel master dan pengguna admin ahli. Pengguna biasa dapat melakukan operasi sistem manajemen risiko sesuai dengan tingkatan pengguna, artinya data pada tingkatan yang satu tidak dapat diakses oleh pengguna pada tingkatan yang lain, sedangkan pengguna admin dapat melakukan update seluruh data pada setiap tingkatan rantai pasok, karena pengguna admin merupakan pengguna yang mempunyai hak untuk menjaga dan memelihara fungsionalitas data dan sistem.

Asumsi-asumsi yang digunakan dalam pemodelan sistem manajemen risiko rantai pasok produk/komoditas jagung adalah: kondisi cuaca atau iklim terjadi secara normal dan setiap pelaku rantai pasok sadar akan pentingnya manajemen risiko rantai pasok untuk dapat mengendalikan kemungkinan risiko yang tidak diinginkan. Rantai pasok jagung yang digunakan dalam model ini adalah rantai pasok yang berorintasi pemenuhan kebutuhan jagung untuk pakan ternak sehingga perlu adanya kebutuhan nilai kualitas jagung yang harus dipenuhi ssesuai dengan kriteria untuk bahan baku industri pakan ternak unggas.