Professional Documents
Culture Documents
Laporan Penelitian Fahp
Laporan Penelitian Fahp
BRANCH BANDUNG
Peneliti:
Trisha Ranita Barus
NPM : 0516101062
Dr. Arief Rahmana, M.T., CIPMP
NIDN/NIP :
FAKULTAS TEKNIK
UNIVERSITAS WIDYATAMA
2019
HALAMAN PENGESAHAN
Menyetujui,
Kepala LP2M,
i
ABSTRACK
ii
ABSTRAK
Pemilihan vendor adalah salah satu fungsi terpenting dari departemen pembelian.
Karena dengan menentukan vendor terbaik, perusahaan dapat menghemat biaya
material dan meningkatkan keunggulan kompetitif. Namun keputusan ini menjadi
rumit jika ada beberapa vendor, beberapa kriteria yang saling bertentangan, dan
parameter yang tidak tepat. Selain itu ketidakpastian dan ketidakjelasan pendapat
para ahli adalah karakteristik utama dari masalah tersebut. Oleh karena itu, alat
pengambilan keputusan multi kriteria yang banyak digunakan Fuzzy AHP dapat
digunakan sebagai pendekatan untuk masalah pemilihan vendor. Makalah ini
mengungkapkan aplikasi Fuzzy AHP dalam PT Pos Logistics Cabang Bandung
menentukan vendor terbaik sehubungan dengan kriteria yang dipilih. Jumlah
vendor yang digunakan pada penelitian ini sebanyak 5 dengan 5 kriteria,
diantaranya yaitu cara pembayaran, harga, jumlah pengiriman, biaya transportasi
dan jenis transportasi. Temuan penelitian ini dapat digunakan sebagai data
pertimbangan dalam pengambilan keputusan mengenai pemilihan vendor PT Pos
Logistics Cabang Bandung dimana kriteria terpenting merupakan.. Kontribusi
penelitian ini tidak hanya penerapan metodologi Fuzzy AHP untuk masalah
pemilihan vendor, tetapi juga merilis tinjauan literatur yang komprehensif tentang
masalah pengambilan keputusan multi kriteria. Selain itu dengan menyatakan
langkah-langkah Fuzzy AHP dengan jelas dan numerik, penelitian ini dapat
menjadi panduan metodologi yang akan diterapkan untuk masalah pengambilan
keputusan beberapa kriteria lainnya.
iii
KATA PENGANTAR
Segala syukur dan puji hanya bagi Tuhan Yesus Kristus, oleh karena anugerah
serta kasih setia dari-Nya penulis dapat menyelesaikan laporan penilitian tugas
akhir ini yang berjudul “A FUZZY ANALYTICAL HIERARCHI PROCESS
METHOD FOR VENDORS SELECTION PROBLEM Study Case: PT Pos
Logistics Branch Bandung” dengan baik.
Penulis menyadari terdapat banyak kekurangan pada laporan penelitian tugas
akhir ini, dikarenakan keterbatasan ilmu dan pengetahuan yang dimiliki serta
dikuasai oleh penulis. Penulis mengharapkan tanggapan dan saran yang bersifat
membangun untuk penyempurnaan laporan tugas akhir ini. Penulis juga
mengucapkan terima kasih yang sebesar-besarnya kepada pihak-pihak yang telah
mendukung dan sangat berperan penting dalam penyusunan laporan penelitian
tugas akhir ini. Ucapan terima kasih dan penghargaan yang setinggi-tingginya
penulis khususkan kepada:
1. Tuhan Yesus Kristus yang selalu ada dalam setiap perjalanan hidup penulis
dengan segala karunia dan perlindungan-Nya, penulis diberikan kesehatan
dalam menyelesaikan laporan penelitian ini.
2. Bapak, Mamak, dan Adik-adik yang selalu mendoakan penulis, memberikan
semangat, serta dorongan moril maupun materil sehingga penulis dapat
menyelesaikan laporan penelitian dengan baik.
3. Bapak Dr. Arief Rahmana, M.T., CIPMP, selaku dosen pembimbing sekaligus
Ketua Program Studi Teknik Industri Fakultas Teknik Universitas Widyatama
yang telah memberikan bimbingan serta pengarahan dalam membantu penulis
untuk menyelesaikan laporan penelitian tugas akhir ini.
4. Bapak Rizki Wilianda Hasibuan, S.H., selaku pembimbing dan seluruh Staf
PT Pos Logistics Branch Bandung yang selalu membimbing penulis saat
melakukan studi lapangan.
5. Kepada sahabat (Tia, Joshua, Elsya, Iqbal, Ace, Aldri) yang selalu ada disaat
susah maupun senang dan memberikan dukungan kepada penulis.
6. Teman-teman seperjuangan di Program Studi Teknik Industri angkatan 2016
yang selalu memberikan semangat.
iv
7. Jajaran Kepresidenan (Aldri, Teo, Fika, Cerry, Nisa, Abdul) dan Kabinet
(Azura, Septia, Fathi, Dinar, Gesler) Pemerintahan Mahasiswa Masa Bakti
2018-2019 yang selalu memberikan dukungan, motivasi dan semangat.
Akhir kata, penulis berharap semoga laporan penelitian tugas akhir ini dapat
memberikan manfaat, khususnya bagi penulis sendiri serta bagi para pembaca
sebagai referensi laporan penelitian tugas akhir.
v
DAFTAR ISI
Halaman
HALAMAN PENGESAHAN.................................................................................i
ABSTRACK...........................................................................................................ii
ABSTRAK.............................................................................................................iii
KATA PENGANTAR...........................................................................................iv
DAFTAR ISI..........................................................................................................vi
DAFTAR TABEL...............................................................................................viii
DAFTAR GAMBAR.............................................................................................ix
DAFTAR LAMPIRAN..........................................................................................x
BAB 1 PENDAHULUAN......................................................................................1
vi
3.2 Manfaat Penelitian.........................................................................................9
6.1 Kesimpulan..................................................................................................19
6.2 Saran.............................................................................................................19
DAFTAR PUSTAKA...........................................................................................21
LAMPIRAN-LAMPIRAN..................................................................................22
vii
DAFTAR TABEL
Halaman
Tabel 5.1 ILO Recommended Allowances.............................................................18
viii
DAFTAR GAMBAR
Halaman
Gambar 1.1 Tingkat Kemacetan per Mobil dalam 20 detik...................................2
Gambar 4.1 Prosedur Penelitian........................................................................12Y
Gambar 5.1 Lokasi Pengamatan...........................................................................14
Gambar 5.2 Peta Kontrol......................................................................................16
Gambar 5.3 Performance Rating Table (Westinghouse).......................................1
DAFTAR LAMPIRA
ix
Halaman
Lampiran 1 Lokasi Pembayaran Tiket Parkir BEC..............................................22
Lampiran 2 Lokasi Pembayaran Tiket Parkir BEC..............................................22
x
BAB 1
PENDAHULUAN
1
banyak hal perlu dipertimbangkan untuk mendapatkan vendor yang sesuai dengan
kebutuhan perusahaan. Penelitian ini dilakukan dengan alasan ditemukannya
beberapa masalah terhadap vendor yang telah dipilih. Kinerja vendor pada tahun
2019 terdapat 20 proyek pengiriman barang 11 (sampai dengan 55%) diantaranya
mempunyai kendala, salah satunya kendala tersebut merupakan keterlambatan
barang sampai tujuan dan ketidaksesuaian kendaraan. Keterlambatan ini mencapai
64% disebabkan karena 57% pengalaman sopir kurang dalam menguasai akses
jalan, 43% disebabkan karena vendor tidak menguasai proses muat barang dan
36% ketidaksesuaian kendaraan yang disediakan oleh vendor. Hal ini disebabkan
karena dalam pemilihan vendor yang dilakukakn oleh Poslog Branch Bandung
belum berjalan dengan baik. Vendor yang bekerja sama dengan Poslog Branch
Bandung belum dilakukan dengan pertimbangan-pertimbangan objektif seperti
kinerja. Jika masalah tersebut dibiarkan, akan terdapat kemungkinan perusahaan
akan mengalami kerugian.
2
untuk meningkatkan kualitas keputusan yang akan diperoleh karena dipengaruhi
oleh ketidakpastiaan dari subjektifitas terhadap penilaian vendor.
3
BAB 2
TINJAUAN PUSTAKA
4
2. Tahap Design Tahap ini pengambil keputusan menemukan, mengembangkan
dan menganalisis semua pemecahan yang mungkin, yaitu melalui pembuatan
model yang bisa mewakili kondisi nyata masalah. Tahap ini didapatkan keluaran
berupa dokumen alternatif solusi.
3. Tahap Choice Tahap ini pengambil keputusan memilih salah satu alternatif
pemecahan yag dibuat pada tahap design yang dipadang sebagai aksi yang paling
tepat untuk mengatasi masalah yang sedang dihadapi. Tahap ini didapatkan
keluaran berupa dokumen solusi dan rencana implementasinya.
4. Tahap Implementation Tahap ini pengambil keputusan menjalankan rangkaian
aksi pemecahan yang dipilih di tahap choice. Implementasi yang sukses ditandai
dengan terjawabnya ,masalah yang dihadapi, sementara kegagalan ditandai
dengan tetap adanya masalah yang sedang dicoba untuk diatasi. Tahap ini
didapatkan keluaran berupa laporan pelaksanaan solusi dan hasilnya.
Mengetahui keempat tahap proses pengambilan keputusan di atas, dapat
mengidentifikasi secara lebih baik apa saja yang bisa didukung oleh sistem
pendukung keputusan terutama sistem pendukung keputusan yang berbasis
komputer.
2.1.2 Multi-Criteria Decision Making (MCDM)
Multi-criteria decision making (MCDM) merupakan teknik pengambilan
keputusan dari beberapa pilihan alternatif yang ada. Di dalam MCDM ini
mengandung unsur attribute, obyektif, dan tujuan (Jani Raharjo dkk, 2000)
1. Attribute menerangkan, memberi ciri kepada suatu objek. Misalnya tinggi,
panjang dan sebagainya. Objektif menyatakan arah perbaikan atau kesukaan
terhadap attribute, misalnya memaksimalkan umur, meminimalkan harga, dan
sebagainya. Objektif dapat pula berasal dari attribute yang menjadi suatu objektif
jika pada attribute tersebut diberi arah tertentu.
2. Tujuan ditentukan terlebih dahulu. Misalnya suatu proyek mempunyai obyektif
memaksimumkan profit, maka proyek tersebut mempunyai tujuan mencapai profit
10 juta/bulan.
3. Kriteria merupakan ukuran, aturan-aturan ataupun standar-standar yang
memandu suatu pengambilan keputusan. Pengambilan keputusan dilakukan
melalui pemilihan atau memformulasikan atribut-atribut, obyektif-obyektif,
5
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.
Ada dua macam kategori dari Multi-criteria decision making (MCDM), yaitu:
1. Multiple Objective Decision Making (MODM)
2. Multiple Attribute Decision Making (MADM)
Multiple Objective Decision Making (MODM) menyangkut masalah perancangan
(design), di mana teknik-teknik matematik optimasi digunakan, untuk jumlah
alternatif yang sangat besar (sampai dengan tak berhingga) dan untuk menjawab
pertanyaan apa (what) dan berapa banyak (how much). Multiple Attribute
Decision Making (MADM), menyangkut masalah pemilihan, dimana analisa
matematis tidak terlalu banyak dibutuhkan atau dapat digunakan untuk pemilihan
hanya terhadap sejumlah kecil alternatif saja.
2.2 Analytic Hierarchy Process (AHP)
Analytic Hierarchy Process (AHP) merupakan salah satu metode dalam
pengambilan keputusan multikriteria (MCDM) yang dapat digunakan untuk
mencari solusi dari suatu permasalahan yang kompleks dan dapat membantu
pengambil keputusan dalam menentukan prioritas dan memilih pilihan yang
terbaik (Biswas et al., 2018). AHP membantu menangkap aspek subjektivitas dan
objektivitas secara bersamaan dari sebuah keputusan, karena input utama dari
metode AHP adalah persepsi manusia (Permadi B., 1992). Salah satu kelebihan
metode AHP adalah kemampuannya untuk memeriksa konsistensi dari
evaluasi/penilaian yang diberikan oleh pengambil keputusan, sehingga dapat
mengurangi bias pada saat proses pengambilan keputusan (Biswas et al., 2018).
AHP adalah model matematika untuk solusi praktis dari banyak masalah
peringkat di berbagai bidang kepentingan manusia (Cheng, 1997). Fokus utama
dari metodologi AHP mempertimbangkan berbagai fase proses dan menyajikan
hasil yang efisien (Mendoza, 2008). AHP menyederhanakan masalah kompleks
menjadi kriteria terukur dalam struktur hirarkis. AHP terstruktur untuk
memecahkan masalah yang tidak terstruktur dalam ilmu ekonomi, sosial dan
manajemen (Oguztimur, 2011). AHP telah diterapkan dalam bentuk konteks yang
luar biasa dari masalah pilihan sehari-hari yang sederhana dari sebuah sekolah
6
hingga merancang isu-isu rumit dari hasil masa depan yang berbeda dari negara
berkembang, mengevaluasi pencalonan politik, mengalokasikan sumber daya
energi, dan sebagainya. AHP menentukan bobot kriteria kualitatif dan kuantitatif
(Biswas et al., 2018). Pembuat keputusan menciptakan berpasangan matriks
perbandingan untuk setiap item berpasangan dinilai (Kahraman, 2003).
7
Suatu hierarki akan mempermudah pengambilan keputusan untuk menganalisis
dan mengambil keputusan dalam pemecahan masalah tersebut. Hierarki dalam
AHP merupakan kumpulan elemen-elemen yang tersusun dalam beberapa tingkat,
yang setiap tingkat mencakup beberapa elemen yang homogen. Sebuah elemen
menjadi kriteria dan patokan pembentukan elemen-elemen yang berada di
bawahnya. Contohnya, elemen volume merupakan kriteria bagi elemen panjang,
tinggi, dan lebar. Elemen berat tidak dapat diletakkan di bawah kriteria volume
karena bukan dihasilkan dari kriteria tersebut, dan lebih baik diletakkan sejajar
dengan elemen volume yang keduanya berada di bawah kriteria dimensi.
Memastikan bahwa kriteria-kriteria yang dibentuk sesuai dengan tujuan
permasalahan, maka perlu dilihat sifat-sifat berikut ini:
1. Minimum Jumlah kriteria diusahakan optimal untuk mempermudah analisis.
2. Independen Setiap kriteria tidak saling tumpang tindih dan harus dihindarkan
pengulangan kriteria untuk suatu maksud yang sama.
3. Lengkap Kriteria harus dapat mencakup seluruh aspek penting dalam persoalan.
4. Operasional Kriteria harus dapat diukur dan dianalisis, baik secara kuantitatif
maupun kualitatif, dan dapat dikomunikasikan. Menyusun suatu hierarki tidak
terdapat suatu pedoman tertentu yang harus diikuti, semuanya tergantung kepada
kemampuan dari penyusun dalam memahami masalah.
8
Menurut Hilyah (2012) Metode yang digunakan pada program Expert Choice
adalah Analytic Hierarchy Process (AHP). Expert Choice menyediakan struktur
untuk seluruh proses pengambilan keputusan, yaitu:
a. Sebuah tool yang memfasilitasi kerjasama antara beberapa pihak yang
berkepentingan
b. Analisis pengambil keputusan
c. Meningkatkan komunikasi
d. Memberi keputusan yang lebih cepat
e. Dokumentasi proses pengambilan keputusan
f. Sebuah konsensus keputusan Seminar
Keputusan akhir yang lebih baik dan dapat dibenarkan. Hasil perhitungan dengan
geometric mean tiap responden, akhirnya akan digabungkan, dan nilai hasil
penggabungan tersebut akan dihitung tingkat consistency ratio-nya (CR)
menggunakan tool Expert Choice.
2.3 Metode Fuzzy Analytical Hierarchy Process (FAHP)
Metode Fuzzy Analytical Hierarchy Process (Fuzzy AHP) sebelumnya telah
digunakan oleh Abdul Aziz dan Muhammad Misdram dalam Jurnal yang berjudul
“Kombinasi Metode F-AHP dan F-TOPSIS dengan Rasio Keuangan untuk
Menentukan Peringkat Bank Perkreditan Rakyat di Kota Malang”.
Metode AHP dikembangkan oleh Thomas L. Saaty, seorang matematikawan di
Universitas Pittsburgh Amerika Serikat sekitar tahun 1970. AHP digunakan
karena sangat penting untuk formalisasi masalah yang kompleks dengan
menggunakan struktur hirarki. Kelemahan pada Metode AHP yaitu permasalan
terhadap kriteria yang memiliki sikap subjektif yang lebih banyak oleh karena itu,
dengan menggunakan pendekatan Fuzzy maka permasalahan terhadap kriteria
bisa lebih di pandang secara objektif dan akurat. Ketidakpastian bilangan
direpresentasikan dengan urutan skala. Untuk menentukan derajat keanggotaan
pada Metode FAHP, digunakan aturan fungsi dalam bentuk bilangan Fuzzy
segitiga atau Triangular Fuzzy Number (TFN) yang disusun berdasarkan
himpunan linguistik. FAHP merupakan pendekatan sistematis untuk memilih
alternatif dan memecahkan masalah dengan menggunakan konsep teori himpunan
fuzzy dan metode AHP, yang diimplementasikan melalui penggunaan bilangan
9
fuzzy segitiga. Bilangan fuzzy segitiga diterapkan untuk menentukan prioritas
berbagai variabel keputusan, sedangkan metode AHP yang diperluas digunakan
untuk menentukan prioritas akhir bobot berdasarkan bilangan fuzzy segitiga.
2.3.1 Triangular Fuzzy Number (TFN)
Triplet ( M1, M2, M3) dikenal sebagai Triangular Fuzzy Number, dimana mewakili
nilai terkecil yang paling mungkin, nilai yang paling mungkin, dan nilai
kemungkinan terbesar dari setiap fuzzy peristiwa. Bilangan triangular fuzzy
disimbolkan ~ dan ketentuan fungsi keanggotaan untuk 5 skala variabel linguistik
dapat dilihat pada tabel dibawah ini (Naghadehi et.al. (2009):
Tabel 2.1 Skala Fuzzy dan gambaran linguistik kepentingan relatif antara 2
kriteria
Intensitas Skala Fuzzy Kebalikan Skala Fuzzy Definisi Variabel Lingustik
1 = (1,1,3) (1/3,1/1,1,1) Dua kriteria mempunyai
kepentingan yang sama.
3 = (1,3,5) (1/5,1/3,1/1) Satu kriteria sedikit penting
dari yang lain.
5 = (3,5,7) (1/7,1/5,1/3) Satu kriteria lebih penting dari
yang lain.
7 = (5,7,9) (1/9,1/7,1/5) Satu kriteria sangat lebih
penting dari yang lain.
9 = (7,9,9) (1/9,1/9,1/7) Satu kriteria mutlak lebih
penting dari yang lain.
2 = (1,2,4) (1/4,1/2,1/1) (1/6,1/4,1/2) Nilai tengah antara dua
4 = (2,4,6) (1/8,1/6,1/4) (1/9,1/8,1/6) penilaian.
6 = (4,6,8)
8 = (6,8,9)
Sumber: Naghadehi et.al. (2009)
x
1 3 5 7 9
Ketentuan nilai-nilai intensitas skala fuzzy dapat dilihat pada tabel 2.2 dibawah
ini.
10
Tabel 2.2 Ketentuan Fungsi Keanggotaan Bilangan Fuzzy
Bilangan Fuzzy Fungsi Keanggotaan
~ (1,3,5)
1
~ (1,2,4)
2
~
x (x-2,x,x+2) = (3,5,7)
~ (6,8,9)
8
~ (7,9,9)
9
Sumber: Bellina (2009)
Si = j
∑ M ∑∑ M
j=1
gi [ i=1 j=1
j
gi ] ..............................................................(2.1)
Dimana:
Si = nilai sintensis (synthetic fuzzy).
gi = himpunan tujuan (i=1, 2, 3, 4, 5, ..., n)
m
∑ M gij= Menjumlahkan nilai sel pada kolom yang dimulai dari kolom 1 di
j=1
bilangan TFN dalam matriks keputusan (n x m), seperti yang terdapat pada
formula di bawah ini.
11
m m m m
∑ M gij=
j=1
( j=1 j=1 j=1
)
∑ l j , ∑ m j , ∑ u j ....................................................(2.2) Dimana:
m
μ M 2(d)
{0,
l 1−l 2
( m2−u 2 )−( m1−l1 )
jika m 1≥ m 2
untuk kondisi lain .......................................(2.5)
Dimana:
V(M1 ≥ M2) = nilai vector sintesis fuzzy
d = Ordinat dari titik potong tertinggi D antara μ M 2 dan μ M 2. Untuk
perbendingan dihitung keduanya V(M2 ≥ M1) dan V(M1 ≥ M2)
dan
12
c. Jika hasil nilai fuzzy lebih besar dari nilai k fuzzy, Mi , dimana i = 1, 2, ..., k,
yang dapat ditentukan dengan menggunakan operasi max dan min sebagai
berikut:
V(M ≥ M1, M2,..., Mk) = V[(M ≥ M1) dan V(M ≥ M2), ..., ) M ≥ Mk)]
= min V (M ≥ Mi)
Jika diasumsikan bahwa d 1( Ai ) = min V( Si ≥ Sk ) untuk k=1, 2, ..., n; k≠i, maka
bobot vector dapat didefinisikan:
W 1=(d 1 ( A 1 ) , d 1 ( A2 ) , … d 1 ( A n ) )T ..........................................................(2.6)
Dimana:
W 1= normalisasi vektor bobot
Seperti yang terdapat dalam formula di atas, dimana Ai (i=1, 2, ..., n) dan n
yang merupakan elemen dan d 1 ( Ai ¿ merupakan nilai yang menggambarkan
pilihan relatif masing-masing atribut keputusan.
2.3.3 Normalisasi
Normalisasi vector bobot penting untuk dilakukan, tidak hanya memudahkan
interpretasi tetapi sebagai solusi unik beberapa metode seperti logarithmic least
square. Normalisasi terdiri dari 2 cara, yaitu dengan melakukan pembagian dan
geometris. Normalisasi dengan pembagian menggunakan operasi penjumlahan
dan pembagian. Normalisasi geometris memakai konsep rata-rata geometris.
Normalisasi pembagian merupakan cara yang dianggap lebih mudah dan tepat.
Jika vector bobot di atas dilakukan normalisasi, maka akan diperoleh definisi
vector bobot seperti yang dapat dilihat pada formula di bawah ini.
T
W = (d ( A1 ) , d ( A 2 ) , … , d ( A n) ) .......................................................................(2.7)
Normalisasi nilai vektor atau nilai prioritas kriteria yang telah diperoleh pada
persamaan 2.13, perumusan normalisasinya adalah:
d' ( An)
d ( An ) = n
∑ d' ( A n)
i=1
dimana:
d ( An ) = bobot vektor
13
Tujuan dilakukan normalisasi bobot adalah agar nilai dalam vector diperbolehkan
menjadi analog bobot yang ditetapkan dari metode AHP dan terdiri dari bilangan
yang bukan merupakan bilangan fuzzy.
2.3.4 Langkah-Langkah Perhitungan Fuzzy AHP
Abdul A. et.al. (2018) menentukan bobot penilaian dengan menggunakan Fuzzy
AHP dapat dilakukan dengan langkah-langkah seperti:
1. Menyusun dan membuat suatu struktur hierarki dari permasalahan yang ada.
2. Menentukan penilaian perbandingan berpasangan antara kriteria-kriteria dan
alternatif dari tujuan hierarki.
3. Mengubah bobot penilaian perbandingan berpasangan ke dalam bilangan
triangular fuzzy seperti yang terdapat pada Tabel 2.2.
4. Apabila dalam menilai perbandingan berpasangan tersebut menggunakan lebih
dari satu responden, maka dilakukan penggabungan perbandingan berpasangan
tersebut dengan membuat rata-rata bilangan fuzzy untuk beberapa responden agar
diperoleh matriks berpasangan.
5. Ditentukan nilai fuzzy synthetic extent untuk setiap kriteria dan alternatif sesuai
dengan persamaan 2.1.
6. Membandingkan nilai fuzzy synthetic extent dengan persamaan 2.5.
7. Diambil nilai minimum dari hasil perbandingan nilai fuzzy synthetic extent
seperti pada persamaan 2.6.
8. Lakukan perhitungan normalisasi vector bobot dari nilai minimun pada langkah
ke-7.
2.4 Penelitian Terdahulu
Tabel 2.3 Penelitian Terdahulu
No Penelitian Studi Kasus Metode Hasil
1 Much Djunaidi, Pemilihan AHP Menghasilkan suatu
Chairul Diah Suppier usulan pendukung
Utami, Ahmad keputusan yang tepat
Kholid Alghofari, untuk menyelesaikan
Hafidh Munawir permasalahan pemilihan
(2019) pemasok
2 Wahyudi Pemilihan FAHP Menghasilkan
Setiawan dan Suppiler pengambilan keputusan
Reny Pujiastutik pemilihan supplier
(2015)
3 T. K. Biswas , S. Pemilihan FAHP Menghasilkan
14
M. Akash, S. Saha Bahan Baku pendukung keputusan
(2018) pemilihan bahan baku
pakaian
4 Mustafa Batuhan Pemilihan FAHP Menghasilkan
Ayhan (2013) Supplier pengambilan keputusan
dalam menentukan
kriteria untuk memilih
pemasok
5 Abdul A. dan Pengambilan FAHP Menghasilkan
Muhammad keputusan di dan pengambilan keputusan
Misdram. (2018) Bank FTOPSIS dalam menentukan
pringkat Bank
Perkreditan Rakyat
Berdasarkan penelitian terdahulu pada Tabel 2.3 diatas perbedaan penelitian dapat
dilihat sebagai berikut:
1. Penelitian ini dilakukan pada perusahaan bidang jasa khususnya dalam
pengiriman barang dengan pengambilan keputusan pemilihan vendor untuk
transportasi yang akan digunakan untuk mendukung aktivitas yang dilakukan
oleh perusahaan.
2. Penelitian terdahulu memperhitungkan metode AHP dengan cara manual,
sedangkan penelitian yang dilakukan menggunakan Software Expert Choise
yang memiliki tingkat ke akuratan yang tinggi untuk metode Proses Hirarki
Anatilik (AHP).
3. Perbedaan penelitian terdahulu dengan penelitian yang dilakukan yaitu tidak
memperhatikan konsistensi karena pada saat pengisian kuisioner oleh
responden tidak adanya arahan dalam pengisian, sehingga responden diberi
kebebasan untuk melakukan pengisian.
4.
15
BAB 3
TUJUAN DAN MANFAAT PENELITIAN
16
b. Penelitian ini dapat menjadi informasi dalam melaksanakan perbaikan
secara terus menerus terhadap pemilihan vendor pada perusahaan untuk
meningkatkan aktifitas kerja yang lebih baik.
c. Penelitian ini dapat menjadi awal bagi peneliti lainnya untuk melakukan
pengambilan keputusan yang lebih rinci dan akurat dengan tambahan
metode lain.
17
BAB 4
METODE PENELITIAN
18
4.3 Data dan Sumber Data
Data primer dan sekunder yang digunakan dalam penelitian ini merupakan data
aktual yang diperoleh dengan wawancara kepada pihak yang memiliki wewenang
mengambil keputusan dalam pemilihan vendor PT Pos Logistics Branch Bandung.
Data primer (karakteristik dan bobot vendor) diperoleh melalui wawancara,
sedangkan data sekunder diperoleh dari laporan bulanan pendistribusian barang.
19
Mulai
Pengumpulan Data:
Data Primer: Vendor, Kriteria, Sub kriteria, Bobot
Data Sekunder: Laporan Bulanan PT Pos Logistik
Pengolahan Data
Pembobotan
Ketergantungan antar
Kriteria
Pembobotan antar
Alternatif
Selesai
20
4.6.1 Identifikasi Masalah
Merupakan kegiatan penelitian untuk mendapatkan gambaran tentang kejadian
yang menjadi permasalahan dan mencari solusi dari permasalahan yang ada.
4.6.2 Studi Literatur
Dalam proses identifikasi permasalahan dibutuhkan literatur yang berhubungan
dengan penemuan masalah dari penelitian yang dilakukan. Dengan literatur
diharapkan dapat mengetahui teori, konsep dan metode yang mendukung dalam
penelitian.
4.6.3 Pengumpulan Data
Tahap pengumpulan data terdiri dari data primer dan data sekunder. Data primer
diperoleh dengan melakukan wawancara dan pencatatan secara langsung terhadap
hal yang dianggap berhubungan dengan objek yang dimaksudkan yakni kriteria,
subktiteria, dan bobot terhadap vendor PT Pos Logistics. Data sekunder meliputi
laporan bulanan perusahaan, laporan penelitian sebelumnya, jurnal, sumber lain
yang berkaitan dengan masalah penelitian.
4.6.4 Pengolahan Data
a. Data diolah menggunakan metode AHP terlebih dahulu menggunakan
bantuan Software Expertchoise guna memperoleh nilai Consistency Index
(CI) dan Consistency Ratio (CR). Kriteria dan vendor yang ememiliki
bobot terbesar menunjukkan kriteria dan vendor yang memiliki prioritas
tinggi.
b. Pebotan antar Kriteria dan Subkriteria
Pembobotan kriteria dilakukan dengan menggunakan data kuesioner yang
telah diisi, data tersebut diolah dengan menggunakan metode FAHP.
Tahap dalam melakukan perhitungan dengan FAHP terdapat beberapa
tahap seperti menentikan nilai sintesis Fuzzy dengan menggunkana
Persamaan 2.1 – 2.4, menentukan nilai vektor dengan menggunakan
Persamaan 2.5, menentukan nilai ordinat dengan menggunakan Persamaan
2.6 dan menghitung normalisasi nilai vektor dengan menggunakan
Persamaan 2.7. Subkriteria merupakan bagian yang terdiri dari kriteria
yang didapatkan dengan menggunakan data kuesioner subkriteria. Tahap
21
perhitungan pembobotan antar subkriteria sama dengan perhitungan antar
kriteria.
22
BAB 5
HASIL DAN PEMBAHASAN
23
Tabel 5.1 Kriteria dan Subkriteria Terpilih
No Kriteria Subkriteria
Memiliki Tanda Daftar Perusahaan (TDP)
1 Administrasi
Memiliki Surat Izin Usaha Perdagangan (TDP)
Fleksibilitas dalam perubahan kendaraan
2 Fleksibilitas
Fleksibilitas dalam perubahan waktu pengiriman
Sopir Berpengalaman
Pengalaman Banyaknya konsumen
3
Vendor
Tingkat keberhasilan
Memiliki modal yang cukup
4 Finansial Metode pembayaran
Kemudahan dalam bernegosiasi harga
Kecepatan dan ketepatann menanggapi permintaan
5 Pelayanan dan keluhan pelanggan
Kecepatan dan ketepatan dalam berkomunikasi
Garansi barang cacat
6 Kualitas Kesesuaian kendaraan
Ketepatan waktu pengiriman
Kriteria dan subkriteria terdiri dari 6 kriteria dan 15 subkriteria ini ditentukan
berdasarkan kebutuhan perusahaan terhadap penilaian vendor. Enam kriteria ini
terdiri dari sebagai berikut:
1. Kriteria administrasi
24
keuntungan pada perusahaan. Fleksibilitas mempermudah perusahaan karena
penyesuaian yang diberikan vendor terhadap perusahaan. Permasalahan yang
terjadi sangat sulit untuk diramalkan sehingga tingkat fleksibilitas vendor
sangat penting bagi perusahaan. Subkriteria yang dipilih pada kriteria
fleksibilitas terdiri dari Fleksibilitas dalam perubahan kendaraan dan
Fleksibilitas dalam perubahan waktu pengiriman.
3. Kriteria pengalaman vendor
Pengalaman vendor dipilih sebagai kriteria karena perusahaan melakukan
penilaian pada vendor dengan mempertimbangkan pengalaman yang dimiliki
vendor. Kriteria pengalaman vendor dipilih bertujuan untuk mengurangi
permasalahan keterlamatan yang disebabkan karena vendor tidak menguasai
proses bongkar muat barang atau kesalahan dalam pemilihan rute yang dapat
disebabkan karena kurangnya pengalaman vendor. Subkriteria yang dipilih
pafa kriteria penglaman vendor terdiri dari sopir berpegalaman, banyaknya
konsumen dan tingkat keberhasilan.
4. Finansial
Finansial dipilih sebagai kriteria karena dapat mempengaruhi kelancaran dan
batas budget yang dimiliki perusahaan dalam melakukan kerjasama degan
vendor. Terdapat subkriteria finansial yang terdiri dari memiliki modal yang
cukup, metode pembayaran dan kemudahan dalam bernegosiasi harga.
Keuntungan dan kemudahan yang diberukan vendor dalam melakuakn
transaksi menjadi bagian yang penting bagi perusahaan. Modal yang cukup
berpengaruh terhadap pemilihan vendor karena dengan modal cukup vendor
mendapat kepercayaan dari perusahaan.
5. Pelayanan
Pelayanan dipilih sebagai kriteria karena vendor yang memiliki pelayanan baik
menjadi pertimbangan yang penting untuk perusahaan. Pelayanan memiliki
subkriteria yang terdiri dari kecepatan dan ketepatann menanggapi permintaan
dan keluhan pelanggan dan kecepatan dan ketepatann dalam berkomunikasi.
Kecepatan dan ketepatan dipilih sebagai subkriteria dari pelayanan untuk
mempermudah perusahaan menilai vendor yang akan bekerja sama memiliki
kecepatan dan ketepatan yang baik untuk melayani perusahaan.
25
6. Kualitas
Kualitas dipilih sebagai kriteria agar dapat mengurangi permasalahan
keterlambatan dan ketidaksesuaian kendaraan, dengan memberikan subkriteria
sesuai dengan permasalahan sehingga penilaian pada kualitas vendor akan
dapat mempermudah perusahaan memilih vendor yang tepat. Kualitas dipilih
dengan subkriteria yang terdiri dari garansi barang cacat, Kesesuaian
kendaraan dan ketepatan waktu pengiriman.
b. Data Vendor
Data vendor diperoleh dari hasil wawancara, vendor yang dibandingkan hanya
empat perusahaan, hal ini berdasarkan data masa lalu hanya empat perusahaan
yang bekerjasama dengan PT Poslog. Berikut merupakan vendor yang dipilih
dalam melakukan perbandingan yang dapat dilihat pada Tabel 5.2:
26
Level 1 Pemilihan Vendor Truk Distribusi
Pengalaman
Level 2 Administrasi Fleksibilitas Finansial Pelayanan Kualitas
Vendor
Level 4 PT. Dapensi Dwikarya (DDK) PT. Citra Gajah Mada (CGM) PT Yosindo Kargo Jayaraya (YKJ) CV. Kharisma Rizqi Utama (KRU)
27
9 = Sangat lebih berpengaruh
Fleksibilitas Pelayanan
Fleksibilitas Kualitas
Pengalaman
Finansial
vendor
Pengalaman
Pelayanan
vendor
Pengalaman
Kualitas
vendor
Finansial Pelayanan
Finansial Kualitas
Pelayanan Kualitas
28
kepercayaan 95 persen dan ± 5 persen presisi digunakan dalam penelitian ini. Dari
tes jumlah sampel (N) = 100 lebih besar dari jumlah sampel yang harus diambil
(N') = 52. Ini berarti bahwa ukuran sampel karena cukup N'<N (52 <100)
2 2
√
40 N (∑ x 2)−( ∑ x )
N’ =
( ∑x ) Uji Kucukupan Data (1)
∑( x j− x́ )2
σ=
√ N −1
Uji Keseragaman Data (2)
σ =3,50
Dari Gambar 5.2 Peta Kontrol, nilai data setiap elemen terletak antara nilai
kontrol batas data atas dan batas kendali bawah. Nilai data tidak ada yang
outliner. Hal ini menunjukkan bahwa kondisi normal selama stopwatch time
study.
Waktu Siklus
Cycle Time =
∑x = 1924,1
19,24 detik
N 100 =
29
Gambar 5.3 Peta Kontrol
Waktu Normal
Dalam penelitian ini, waktu pengamatan diperolah dengan menghitung waktu
aktual, yang dibutuhkan untuk melakukan pekerjaan untuk operator yang bekerja
di pintu gerbang. Oleh karena itu, waktu normal perlu dihitung dengan
menggunakan faktor peringkat kinerja, hal ini berguna untuk menentukan waktu
siklus dan ambang pekerja sesuai dengan standar ILO (Cao et al, 2017; Tsang et
al, 2010). Peringkat kinerja akan dilakukan dengan menggunakan sistem
Westinghouse dengan mempertimbangkan empat faktor. Beberapa faktor terakhir
adalah faktor usaha dan perilaku keterampilan, kondisi dan konsistensi (Cao et al,
2017; Tsang et al, 2010.). Dalam metode Westinghouse, menjelaskan enam
tingkat setiap faktor seperti yang ditunjukkan pada Gambar 5.2 Waktu normal
adalah waktu yang dibutuhkan pekerja loket ketika bekerja pada kecepatan normal
(Cao et al, 2017; Tsang et al., 2010). Hal ini dihitung sebagai berikut:
Excellent Skill, B2 +0.08
Excellent Effort, B2 +0.08
Average Conditions, D 0.00
Excellent Consistency, B +0.03
Total + 0.19
Normal Time = (average element time) x (Performance Rating / 100)
= (19,24 detik) x (1,19 / 100)
= 22,90 detik
30
Waktu normal dalam operasi ini sebesar 22.90 detik.
Waktu Standar
Berdasarkan yang telah ditetapkan sasaran standar untuk setiap kendaraan yang
akan di layanan dengan jumlah kendaraan tak tentu masuk dan keluar pada hari
itu. Pengukuran langsung menggunakan sebuah penelitian yang dilakukan untuk
melihat waktu stopwatch yang akan direkomendasikan dalam pelaksanaan
layanan parkir (Cao et al, 2017. Tsang et al, 2010). Untuk menentukan kapasitas
operator, maka beberapa kendala standar ILO harus dimasukkan sebagai dasar
perhitungan. standar ILO diklasifikasikan menjadi dua jenis karakter data baik
waktu yang konstan dan gerak variabel (Cao et al, 2017. Tsang et al, 2010). Untuk
menghitung variabel pekerja. Tabel 5.1 menyajikan ILO direkomendasikan.
Berdasarkan pengamatan sebelumnya, untuk mengevaluasi operator menurut ILO,
31
Standard time = normal time x (100/(100-allowance in %))
= 22.90 detik x (100/(100 - 25))
= 30.53 detik
32
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Pengukuran kinerja operator dapat dilakukan dengan menganalisis data yang telah
diproses dalam rangka meningkatkan produktivitas kerja operator dan menjadi
acuan dalam memilih operator. Waktu siklus adalah 19,24 detik, waktu normal
adalah 22,90 detik, dan waktu standar 30,53 detik. Metode stopwatch time study
yang digunakan dalam penelitian ini adalah mudah digunakan tanpa pelatihan
ekstensif atau biaya alat berat tapi kurang akurat. Penelitian yang dilakukan
adalah studi pendahuluan untuk membantu perusahaan dalam membuat keputusan
untuk melakukan perbaikan terkait dengan kondisi pembayaran untuk parkir
mobil di BEC. Penelitian selanjutnya digunakan telah ditentukan yaitu Motion
Time Study dengan tujuan menggambarkan semua gerakan yang dibutuhkan
dalam pekerjaan sehingga menghasilkan waktu standar yang konsisten.
6.2 Saran
Penelitian ini dapat berkontribusi untuk pengelolaan tempat parkir di BEC, perlu
untuk memperkirakan parkir di wilayah tujuan pada saat kedatangan. Dalam studi
ini, kami menyajikan analisis untuk memprediksi waktu pelayanan parkir,
berdasarkan informasi yang dipertukarkan antara kendaraan. Menurut ditentukan
bahwa waktu pelayanan dari 19,24 detik adalah ambang layanan sehingga tidak
terjadi di tempat parkir dari kemacetan.
Manajemen harus melatih pelayan loket hingga mampu melakukan rekomendasi
yang telah ditentukan. Jika server tunggal tidak mungkin maka harus mencari titik
maju ke gerbang server baru yang dapat melayani sehingga ambang batas dapat
diimplementasikan. Secara khusus, analisis dalam penelitian kami dapat
dikembangkan dengan mengambil era informasi menerima parkir di tempat gratis
dan waktu yang diperlukan untuk sampai pada tempat parkir khusus untuk akun
Anda dan memperkirakan situasi parkir masa depan pada waktu kedatangan.
Hal ini didasarkan pada teori antrian di pintu keluar dari jalan kendaraan, sehingga
33
dapat dihitung presisi ketepatan waktu dalam tenaga kerja berdasarkan standar
ILO dan metode antrian jalan raya. Keterbatasan penelitian ini dapat
dikembangkan secara khusus dengan metode fuzzy logic dan mempertimbangkan
kualitas layanan.
34
DAFTAR PUSTAKA
Naghadehi, Masoud Zare., Reza Mikael., dan Ataei. (2009). “The Application of
Fuzzy Analytic Hierarchy Process (FAHP) Approach to Selection of
Optimum Underground Mining Method for Jajarm Bauxite Mine Iran”.
Expert Systems with Applications, 36, 8218-8226.
Krajewsld, L.J., and Ritzman, L.P., (1996) Operations Management Strategy and
Analysis. Addison-Wesley Publishing Co., London, UK
35
Ghodsypour, S.H., and O‟Brien, C., (1998) “A Decision Support System for
Supplier Selection Using an Integrated Analytic Hierarchy Process and
Linear Programming”, International Journal of Production Economics, Vol.
56-57(20), 199-212.
Önüt, S., Kara, S.S., and Işık, E, (2009) “Long Term Supplier Selection Using a
Combined Fuzzy MCDM Approach: A Case Study for a
Telecommunication Company”, Expert Systems with Applications Vol.
36(2), 3887-3895.
Liao, C.N., and Kao, H.P., (2011) “An Integrated Fuzzy TOPSIS and MCGP
Approach to Supplier Selection in Supply Chain Management”, Expert
Systems with Application Vol.38(9), 10803-10811.
Kilic, H.S., (2013) “An integrated approach for supplier selection in multi
item/multi supplier environment”, Applied Mathematical Modelling, Vol.
37 (14-15), 7752-7763.
Caicedo, F., Blazquez, C., & Miranda, P. (2012). Prediction of Parking Space
Availability in Real Time. Expert Systems with Applications.
Caliskan, M., Barthels, A., Scheuermann, B., & Mauve, M. (2007). Predicting
Parking Lot Occupancy in Vehicular Ad Hoc Networks. IEEE Vehicular
Technology Conference.
Cao, Y., Yang, Z. Z., & Zuo, Z. Y. (2017). The Effect of Curb Parking on Road
Capacity and Traffic Safety. European Transport Research Review.
Chukwu, U. C., & Mahajan, S. M. (2014). V2G Parking Lot with PV Rooftop for
Capacity Enhancement of a Distribution System. IEEE Transactions on
Sustainable Energy.
Gong, Q., Midlam-Mohler, S., Serra, E., Marano, V., & Rizzoni, G. (2013). PEV
Charging Control for a Parking Lot Based on Queuing Theory. American
Control Conference.
Rashid, M. M., Musa, A., Rahman, M. A., Farahana, N., & Farhana, A. (2012).
Automatic Parking Management System and Parking Fee Collection Based
on Number Plate Recognition. International Journal of Machine Learning
and Computing.
Shin, J. H., & Jun, H. B. (2014). A Study on Smart Parking Guidance Algorithm.
Transportation Research Part C: Emerging Technologies.
Sutalaksana, Iftikar Z. (2006), Teknik Tata Cara Kerja. Laboratorium Tata Cara
Kerja & Ergonomi, Departemen Teknik Industri ITB, Bandung.
Tsang, F. W. K., Shalaby, A. S., & Miller, E. J. (2010). Improved Modeling of
Park-and-Ride Transfer Time: Capturing The Within-Day Dynamics.
Journal of Advanced Transportation.
Saaty, T. L. (1977). A scaling method for priorities in hierarchical structures.
Journal of mathematical psychology, 15(3), 234-281.
36
Saaty, T. L. (1994). Highlights and critical points in the theory and application of
the analytic hierarchy process. European journal of operational research,
74(3), 426-447.
Saaty, T. L. (1980). Analytic Heirarchy Process. Wiley StatsRef: Statistics
Reference Online.
Sun, C. C. (2010). A performance evaluation model by integrating fuzzy AHP and
fuzzy TOPSIS methods. Expert systems with applications, 37(12), 7745-
7754.
Yaghoobi, T. (2018). Prioritizing key success factors of software projects using
fuzzy AHP. Journal of software: Evolution and process, 30(1).
Kahraman, C., Cebeci, U., & Ruan, D. (2004). Multi-attribute comparison of
catering service companies using fuzzy AHP: The case of Turkey.
International journal of production economics, 87(2), 171-184.
Ni Made Sudri, Ch. Bendjamin Nendissa, and Sylviana Wibisono, "Perancangan
Vendor Appraisal dengan Metode Fuzzy Analytical Hierarchy Process pada
PT XYZ," Jurnal Teknik dan Ilmu Komputer, vol. 03, April-Juni 2014.
Jani Rahardjo and I Nyoman Sutapa, "Aplikasi Fuzzy Analytical Hierarchy
Process dalam Seleksi Karyawan," Jurnal Teknik Industri, vol. 4, no. 2, pp.
82-92, Desember 2002.
Cheng, C. H. (1997). Evaluating naval tactical missile systems by fuzzy AHP
based on the grade value of membership function. European journal of
operational research, 96(2), 343-350.
Mendoza, A., & Ventura, J. A. (2008). An effective method to supplier selection
and order quantity allocation. International journal of business and systems
research, 2(1), 1-15.
Saaty, T. L. (2008). Decision making with the analytic hierarchy process.
International journal of services sciences, 1(1), 83-98.
Kahraman, C., Cebeci, U., & Ulukan, Z. (2003). Multi-criteria supplier selection
using fuzzy AHP. Logistics information management, 16(6), 382-394.
Oguztimur, S. (2011). Why Fuzzy Analytic Hierarchy Process Approach For
Transport Problems? In Proceedings of 51st Congress of European Regional
Science Association - ERSA, 1-10. Barcelona, SPAIN.
Saaty, T.L., (1980) The Analytic Hierarchy Process, McGraw-Hill, New York,
USA
Kilincci, O., & Onal, S. A., (2011) “Fuzzy AHP approach for supplier selection in
a washing machine company”, Expert Systems with Applications, Vol.
38(8), 9656-9664.
Van Laarhoven, P.J.M., and Pedrycz, W., (1983) “A fuzzy extension of Saaty‟s
priority Theory”, Fuzzy Sets and Systems, Vol. 11(1-3), 199-227.
Buckley, J. J., (1985) “Fuzzy hierarchical analysis”, Fuzzy Sets Systems, Vol.17
(1), 233–247.
37
Chang, D.-Y., (1996) “Applications of the extent analysis method on fuzzy AHP”,
European Journal of Operational Research, Vol. 95(3), 649–655.
Ayhan, Mustafa batuhan., (2013) “A Fuzzy AHP Approach For Suplier Selection
Problem: A Case Study In A Gearmotor Company” International Journal of
Managing Value and Supply Chains (IJMVSC) Vol.4, No. 3.
38
LAMPIRAN-LAMPIRAN
39
Lampiran 2 Lokasi Pembayaran Tiket Parkir BEC
40