Bab 3 Pengembangan Metode
Metode yang dikonstruksi adalah metode pemilihan mitra dalam rantai desain untuk kerjasama jangka panjang. Metode pemilihan mitra jangka panjang ini merupakan pengembangan dari metode Fuzzy Hybrid Decision-Aid yang dikonstruksi oleh Wang dan Lin (2006). Tahapan pengembangan metode pemilihan mitra jangka panjang diberikan dalam gambar 3.1.
Gambar 3. 1 Tahapan pengembangan metode pemilihan mitra jangka panjang dalam rantai desain
63
Langkah pertama yang dilakukan adalah mendefinisikan kriteria pemilihan mitra dalam rantai desain dengan periode kerjasama jangka panjang. Kemudian karena nilai dari kriteria pemilihan bersifat tidak pasti dan tidak tepat, teori himpunan fuzzy akan digunakan untuk mengatasi hal tersebut. Skala linguistik didefinisikan untuk menunjang penggunaan teori tersebut. Langkah selanjutnya yaitu menyusun metode penentuan nilai kriteria/subkriteria dari kandidat mitra pada tiap tahap yang bersesuaian jika informasi mengenai kandidat mitra tersedia. Kandidat-kandidat mitra untuk tahapan tertentu berbeda dengan kandidat-kandidat mitra untuk tahapan lainnya. Sebuah protokol linguistik dikembangkan sebagai panduan bagi pengambil keputusan. Langkah berikutnya adalah menyusun metode penentuan nilai kriteria/subkriteria dari kandidat mitra pada tiap tahap yang bersesuaian jika informasi mengenai kandidat mitra tidak ada atau hampir tidak ada. Hal ini berkaitan dengan kemungkinan tidak lengkapnya informasi mengenai kandidat mitra. Metode utilitas lalu dikembangkan untuk menentukan nilai kandidat mitra pada kriteria/subkriteria tertentu akibat ketidaklengkapan informasi.
Setelah nilai kriteria/subkriteria dari kandidat mitra diperoleh kemudian disusun metode untuk mengevaluasi nilai-nilai tersebut menjadi nilai kinerja kandidat mitra untuk kriteria/subkriteria. Selanjutnya metode lain disusun untuk mengevaluasi kinerja kandidat mitra secara keseluruhan. Terakhir, model optimisasi pemilihan mitra dari Wang dan Lin (2006) akan dievaluasi untuk digunakan dalam penelitian ini. 3. 1.
Kriteria Pemilihan Mitra
Kriteria pemilihan mitra rantai desain sangat penting untuk didefinisikan di awal karena akan berpengaruh kepada model yang akan dikembangkan. Dalam kaitannya dengan kemitraan jangka panjang dalam rantai desain, dasar dari pendefinisian kriteria adalah analisis terhadap studi literatur mengenai kriteria pemilihan mitra dalam rantai desain yang dikemukakan oleh McGrath (2003) dan beberapa studi literatur mengenai kriteria pemilihan mitra dalam rantai pasok, antara lain Sevkli, dkk(2007), Emden, dkk (2006), dan Jain, dkk (2005).
64
Kriteria Partner Desain
Variabel Memperbaharui Teknologi
Technology Kemampuan Inovasi
Skil yang diperlukan
Development Capabilities
Kecukupan kapasitas
Fleksibilitas
Kesesuaian kultur Kerjasama Jangka Panjang
Organizational Alignment Kesesuaian organisasi partner
Kesamaan Proses Pengembangan
Process Compatibility
Otomasi Proses Pengembangan Produk
Kesesuaian Perangkat Desain
Kesehatan Bisnis secara Fiskal Financial Viability Struktur Biaya Kompetitif
Gambar 3. 2 Kriteria Pemilihan Mitra Kerjasama Jangka Panjang dalam Rantai Desain
Gambar 3.2 memberikan informasi mengenai kriteria pemilihan dalam rantai desain yang telah didefinisikan dalam penelitian ini untuk digunakan lebih lanjut. Review mengenai kriteria pemilihan dalam studi literatur dan pembahasan mengenai kriteria pemilihan yang telah didefinisikan telah dilakukan dalam sub bab 2.3.
65
3. 2.
Skala Linguistik Nilai Fuzzy Kriteria Kandidat Mitra
Pada kenyataannya nilai kriteria kandidat mitra bersifat tidak tepat (imprecise) dan tidak pasti (uncertain). Nilainya sulit untuk ditentukan secara eksak dengan bilangan numerik. Oleh karena itu, skala linguistik akan digunakan sebagai dasar protokol/pedoman dalam menentukan nilai kandidat mitra. Skala linguistik nilai kandidat mitra berupa himpunan S yang terdiri dari : Tabel 3. 1 Skala Linguistik Rating Kriteria Kandidat Mitra [Sumber : Wang dan Lin, 2006] 1
Tidak ada
6
Medium
2
Sangat buruk sekali
7
Cukup baik
3
Sangat buruk
8
Baik
4
Buruk
9
Sangat baik
5
Cukup buruk
10
Sangat baik sekali
Nilai kinerja kandidat mitra terhadap suatu kriteria dapat dikarakterisasi dengan menggunakan possibility distribution atau bilangan fuzzy [Wang dan Lin, 2006]. Bilangan fuzzy yang digunakan dalam penelitian ini merupakan bilangan fuzzy trapezoid karena bilangan fuzzy trapezoid dapat merepresentasikan nilai linguistik yang bersifat tidak pasti dengan fungsi keanggotaan (membership function) [Zhi, dkk (2004)]. Dengan kata lain bilangan fuzzy trapezoid
memungkinkan integrasi analisis kualitatif dengan kuantitatif. Selain itu, perhitungan dengan bilangan fuzzy trapezoid lebih efisien [Wang dan Shu, 2007]. Galindo, dkk (2006) menyatakan bahwa secara umum fungsi trapezoid dapat beradaptasi secara baik dengan berbagai definisi konsep. Kelebihannya antara lain mudah didefinisikan, mudah dinyatakan dan mudah dalam hal perhitungan. Penggunaan fungsi keanggotaan lain yang lebih kompleks seringkali tidak meningkatkan kepresisian dikarenakan konsep yang didefinisikan adalah konsep yang fuzzy.
66
Bilangan fuzzy lainnya yang digunakan adalah bentuk khusus dari bilangan fuzzy trapezoid seperti bilangan fuzzy triangular, bilangan fuzzy-L, dan bilangan fuzzy gamma linear. Jenisnya disesuaikan dengan karakteristik nilai dari kriteria. Bilangan fuzzy yang dipilih mengekspresikan karakteristik meningkat, menurun atau aproksimasi . Tabel 3.2 memberikan karakteristik bilangan fuzzy dari setiap subkriteria/kriteria. Karakteristik meningkat dapat diwakili oleh bilangan fuzzy gamma linear seperti pada subkriteria finansial dan keahlian. Bilangan fuzzy trapezoid dan triangular digunakan untuk mewakili karakteristik aproksimasi dari kriteria seperti pada subkriteria memperbaharui teknologi, inovasi, fleksibilitas, kultur, organisasi dan proses. Tabel 3. 2 Karakteristik tiap subkriteria/kriteria dalam bilangan Fuzzy
SubKriteria/Kriteria
Karakteristik Fuzzy
Memperbaharui Teknologi Fuzzy trapezoid (triangular) Inovasi
Fuzzy trapezoid (triangular)
Keahlian
Fuzzy gamma linier
Fleksibilitas
Fuzzy trapezoid (triangular)
Kultur
Fuzzy trapezoid (triangular)
Organisasi
Fuzzy trapezoid (triangular)
Proses
Fuzzy trapezoid (triangular)
Finansial
Fuzzy gamma linier
Nilai kinerja kandidat mitra yang sifatnya tidak tepat (imprecise) tersebut dinyatakan dengan (s1, s2, s3, s4) , s ∈ S. Nilai di antara s2 dan s3 merupakan nilai yang paling mungkin (most possible value) dan nilai kurang dari s1 dan lebih besar dari s4 merupakan nilai yang paling kecil kemungkinannya (least possible value). Nilai yang berada dalam selang (s1, s2) dan (s3, s4) merupakan nilai diantara keduanya (most possible value dan least possible value). 3. 3.
Metode Penentuan Nilai Kandidat Mitra
Nilai kinerja kandidat mitra terhadap kriteria tertentu akan ditentukan melalui proses pengambilan keputusan fuzzy kelompok (fuzzy group decision making). Tujuannya adalah untuk mengurangi unsur subjektifitas individu penilai
67
dan mempertahankan objektifitas nilai kinerja kandidat mitra. Tahapan proses pengambilan keputusan fuzzy kelompok (fuzzy group decision making) dalam metode penentuan nilai kandidat mitra dapat dilihat dalam gambar 3.3.
Proses ini diawali dengan pemilihan sekelompok panelis yang terdiri dari individu dengan latar belakang tipe keahlian yang berbeda. Para panelis tersebut akan menentukan nilai kinerja kandidat mitra pada masing-masing kriteria berdasarkan protokol linguistik atau metode utilitas. Dalam metode ini diperlukan analis atau decision manager yang akan memfasilitasi proses pengambilan keputusan tersebut. Secara umum, tahapan dari gambar 3.3 dapat dijelaskan sebagai berikut Langkah 1 : Panelis menentukan nilai kinerja kandidat mitra pada masingmasing kriteria pemilihan berdasarkan protokol linguistik atau metode utilitas. Langkah 2 : Menghitung agregasi nilai kinerja kandidat mitra untuk mengetahui nilai kelompok dengan menggunakan metode agregasi fuzzy (sub bab 3.3.2). Langkah 3 Menghitung selisih (distance) antara hasil agregasi kelompok dengan masing-masing penilaian panelis. Panelis disusun dalam sebuah urutan rangking berdasarkan selisih tersebut dari nilai terbesar sampai dengan yang terkecil. Hasil agregasi ditampilkan kepada panelis. Langkah 4 •
Jika untuk semua panelis, selisih Δr < 1 , END
•
Langkah 5
Jika terdapat sedikitnya satu panelis sehingga selisih Δr ≥ 1 maka lanjutkan ke langkah 5 Dalam decision conferencing lakukan sharing informasi dari para panelis mengenai kandidat mitra. Analis lalu memfasilitasi panelis mana yang menyepakati mengubah skor penilaiannya serta seberapa besar perubahan skor tersebut. Kembali ke langkah 1.
Iterasi terus berlangsung sampai dicapai konsensus di antara para panelis. Keluaran dari metode ini adalah nilai fuzzy kinerja kandidat mitra untuk kriteria/subkriteria tertentu.
68
Gambar 3. 3 Metode Penentuan Nilai Kandidat Mitra
3. 3. 1 Opini Panelis (Expert)
Misalkan terdapat sejumlah p panelis (expert) yang difasilitasi oleh seorang decision manager. Berdasarkan ketersediaan informasi, proses penilaian nilai kinerja kandidat mitra terhadap kriteria tertentu dilakukan melalui metode protokol linguistik atau metode utilitas. Hasil penilaian berupa opini masingmasing panelis (expert) yang menyatakan nilai kinerja kandidat mitra terhadap kriteria pemilihan dalam rantai desain.
69
3. 3. 2 Agregasi
Opini dari p panelis pada tahap sebelumnya kemudian diagregasi untuk mendapatkan opini kelompok mengenai nilai kinerja kandidat mitra terhadap masing-masing kriteria penilaian. Nilai vektor bobot yang bersesuaian dinyatakan dalam bilangan crisp (numerik).
Definisi
Operator
agregasi
F
merupakan
pemetaan
vektor
A m = (μ A ( x ),…, μ A ( x )) ke vektor berdimensi satu A. i
berdimensi
m
m
F : Am → A Vektor input agregasi A m dan vektor output agregasi A
dinyatakan dengan
bilangan fuzzy trapezoid. Selain itu terdapat vektor bobot W = (w1 , w2 , … , wm )
T
yang berasosiasi dengan A m . W bernilai numerik atau linguistik.
Vektor bobot W bernilai numerik jika nilai bobot penilai/expert dapat ditentukan secara tepat. Misalkan pada saat penilai dianggap memiliki keahlian atau kemampuan yang sama sehingga nilai bobot dari masing-masing penilai/expert sama. Jika penilai/expert memiliki keahlian atau kemampuan yang berbeda maka metode ini dapat diadopsi asalkan decision manager dapat menetapkan nilai bobot tiap-tiap penilai dengan tepat. Metode agregasi yang digunakan adalah metode agregasi linier dari Nahmias(lihat subbab 2.7). F (μ A ( x ),… , μ A ( x )) = w1 μ A ( x ) ⊕ … ⊕ wm μ A (x ) i
m
i
(3. 1)
m
μ A ( x ) menyatakan opini penilai ke-j. Vektor bobot W bernilai numerik sehingga j
[ ]
(1) wi ∈ 0,1 , 1 ≤ i ≤ m ,
m
(2)
∑w i −1
i
=1
(3. 2)
Simbol ⊕ menandakan operasi penjumlahan bilangan fuzzy dalam aritmetika fuzzy. Misalkan terdapat ~ ~ A = (a1 , a 2 , a3 , a 4 ) dan B = (b1 , b2 , b3 , b4 ) ,
dua
bilangan
fuzzy
trapezoid
maka operasi aritmetika di antara
keduanya antara lain
70
~ ~ 1. A ⊕ B = (a1 + b1 , a 2 + b2 , a 3 + b3 , a 4 + b4 )
(3. 3)
~ 2. ∀ λ ∈ R + , λ ⊗ A = (λ a1 , λ a 2 , λ a3 , λ a 4 )
(3. 4)
~ ~ 3. A ⊗ B = (a1b1 , a 2 b2 , a 3 b3 , a 4 b4 )
(3. 5)
Vektor bobot W bernilai linguistik berlaku jika nilai bobot penilai/expert secara eksak dalam bilangan crisp sulit ditentukan. Biasanya terjadi jika panelis/expert memiliki keahlian atau kemampuan yang berbeda dalam menilai. Penggunaan bobot dalam variabel linguistik menyebabkan evaluasi pengambil keputusan lebih fleksibel dan reliabel akan tetapi menyulitkan dalam hal agregasi. Agregasi
dalam
domain
fuzzy
lebih
rumit
dibandingkan
dengan
crisp[Chen(2005)]. Dalam penelitian ini vektor bobot yang digunakan adalah vektor bobot yang bernilai numerik. 3. 3. 3 Perangkingan
Rangking nilai kinerja kandidat mitra dari seluruh penilai akan didasarkan pada selisih (distance) antara output agregasi (nilai dari kelompok) dengan nilai yang berasal dari masing-masing panelis. Tahapan yang dilakukan yakni 1. Menghitung selisih (distance) Selisih (distance) dihitung berdasarkan metode Graded Mean Integration Representation (GMIR) yang dikemukakan oleh Huo-Chen dan ChungWang[2000].
Misalkan
terdapat
bilangan
fuzzy
trapezoid
A = (a1 , a 2 , a3 , a 4 ) , GMIR dari A dinyatakan dengan P ( A) =
a1 + 2a 2 + 2a3 + a 4 6
(3. 6)
Andaikan terdapat dua bilangan fuzzy A = (a1 , a 2 , a3 , a 4 ) menyatakan opini agregasi dan
B = (b1 , b2 , b3 , b4 )
menyatakan opini penilai,
asumsikan ri =
(a
− P( A) + bi − P(B )) , i = 1, 2, 3, 4 2 ci = P( A) − P(B ) + ri , i = 1, 2, 3, 4 i
(3. 7) (3. 8)
Selisih fuzzy (Fuzzy Distance), dituliskan sebagai
71
D( A, B ) = C = (c1 , c 2 , c3 , c 4 )
(3. 9)
2. Defuzzifikasi selisih fuzzy menjadi selisih crisp. 3. Membuat rangking selisih crisp dengan mengurutkannya dari yang terbesar sampai dengan yang terkecil. 3. 3. 4 Evaluasi
Pada tahap ini, decision manager akan mengevaluasi konsensus. Jika selisih (distance) lebih kecil dari 1 ( Δr < 1 ) maka konsensus tercapai atau nilai kinerja dinyatakan konvergen. Jika selisih (distance) lebih besar atau sama dengan 1 ( Δr ≥ 1 ) maka akan dilakukan sharing informasi antara panelis. Setelah itu decision manager akan mengarahkan proses untuk kembali ke langkah 1. Proses terus berlanjut hingga nilai kinerja kandidat mitra terhadap kriteria.subkriteria tertentu konvergen. 3. 4. Protokol Linguistik Penentuan Nilai
Protokol linguistik penentuan nilai digunakan jika informasi mengenai kandidat mitra terhadap kriteria tertentu ada atau diketahui. Protokol tersebut merupakan pedoman dalam menentukan nilai kandidat mitra sehingga setiap panelis memiliki standar yang sama dalam penilaiannya. Protokol linguistik dikembangkan berdasarkan skala linguistik untuk setiap kriteria yang telah didefinisikan pada sub bab 2.3.3.
1. Technology a. Kemampuan memperbaharui teknologi (technology advancement) Skala linguistik subkriteria ini antara lain:
1
tidak ada
Kandidat mitra tidak memiliki teknologi yang dibutuhkan focal firm.
2
sangat buruk sekali
Karakteristik teknologi kandidat mitra sangat tidak sesuai dengan kebutuhan spesifik focal firm serta tidak memiliki pengetahuan dan pengalaman mengenai karakteristik teknologi yang dibutuhkan focal firm.
72
3
sangat buruk
Karakteristik teknologi kandidat mitra sangat tidak sesuai dengan kebutuhan spesifik focal firm tetapi memiliki sedikit pengetahuan mengenai karakteristik teknologi yang dibutuhkan focal firm
4
buruk
Karakteristik teknologi kandidat mitra tidak sesuai dengan kebutuhan spesifik focal firm tetapi memiliki sedikit pengetahuan mengenai karakteristik teknologi yang dibutuhkan focal firm
5
cukup buruk
6
medium
Karakteristik teknologi kandidat mitra mencukupi kebutuhan spesifik focal firm tetapi tidak memiliki cukup pengetahuan mengenai karakteristik teknologi yang dibutuhkan focal firm Kandidat mitra memiliki karakteristik teknologi yang mencukupi kebutuhan spesifik focal firm serta memiliki cukup pengetahuan mengenai karakteristik teknologi yang dibutuhkan focal firm dan belum berpengalaman
7
cukup baik
Kandidat mitra memiliki karakteristik teknologi yang sesuai dengan kebutuhan spesifik focal firm serta memiliki cukup pengetahuan mengenai teknologi tetapi belum cukup berpengalaman.
8
baik
Kandidat mitra memiliki karakteristik teknologi yang sesuai dengan kebutuhan spesifik focal firm serta memiliki pengetahuan mengenai teknologi tetapi belum cukup berpengalaman.
9
sangat baik
Kandidat mitra berpengalaman, memiliki data karakteristik teknologi yang lengkap dan sesuai dengan kebutuhan spesifik focal firm.
10
sangat baik sekali
Kandidat mitra berpengalaman, memiliki data karakteristik teknologi yang lengkap dan sesuai dengan kebutuhan spesifik focal firm baik dalam hal teknik maupun desain.
b. Kemampuan inovasi Skala linguistik dari subkriteria inovasi yaitu 1
tidak ada
Kandidat mitra tidak memiliki properti intelektual dan tidak pernah melakukan investasi R&D
2
sangat buruk sekali
Kandidat mitra hanya memiliki satu properti intelektual tetapi tidak melakukan investasi R&D
3
sangat buruk
Kandidat mitra tidak memiliki tetapi melakukan investasi R&D
4
buruk
Kandidat mitra memiliki beberapa properti intelektual tetapi tidak melakukan investasi R&D
5
cukup buruk
Kandidat mitra memiliki banyak properti intelektual tetapi tidak melakukan investasi R&D
properti intelektual
73
6
medium
Kandidat mitra hanya memiliki satu properti intelektual dan melakukan investasi R&D walaupun jumlahnya tidak besar
7
cukup baik
Kandidat mitra hanya memiliki satu properti intelektual dan melakukan investasi R&D dengan jumlah besar
8
baik
Kandidat mitra memiliki beberapa properti intelektual dan melakukan investasi R&D
9
sangat baik
Kandidat mitra memiliki banyak properti intelektual dan melakukan investasi R&D yang cukup besar
10
sangat baik sekali
Kandidat mitra menghasilkan banyak properti intelektual dan melakukan investasi R&D yang besar
2. Development Capabilities a. Keahlian (skill) yang diperlukan Skala linguistik untuk subkriteria keahlian antara lain : 1
tidak ada
Kandidat mitra tidak memiliki staf teknik dan aktivitas pendidikan serta training keahlian yang dibutuhkan oleh focal firm.
2
sangat buruk sekali
Kandidat mitra memiliki jumlah pegawai yang tidak memadai, kekurangan staf teknik dan tidak memiliki keahlian yang diperlukan focal firm serta tidak adanya aktivitas pendidikan dan training keahlian bagi stafnya.
3
sangat buruk
Kandidat mitra memiliki jumlah pegawai yang tidak memadai, tidak memiliki staf teknik dengan keahlian yang diperlukan focal firm serta tidak adanya aktivitas pendidikan dan training keahlian bagi stafnya.
4
buruk
Kandidat mitra memiliki jumlah pegawai yang memadai, tidak memiliki staf teknik dengan keahlian yang diperlukan focal firm serta tidak adanya aktivitas pendidikan dan training keahlian bagi stafnya.
5
cukup buruk
Kandidat mitra memiliki jumlah pegawai yang memadai, kekurangan staf teknik dengan keahlian yang diperlukan focal firm serta tidak adanya aktivitas pendidikan dan training keahlian bagi stafnya.
6
medium
Kandidat mitra memiliki jumlah pegawai yang memadai, staf teknik yang cukup dengan keahlian yang diperlukan focal firm tetapi tidak memiliki aktivitas pendidikan dan training keahlian bagi stafnya.
7
cukup baik
Kandidat mitra memiliki jumlah pegawai yang memadai, kekurangan staf teknik dengan keahlian
74
yang diperlukan focal firm tetapi memiliki aktivitas pendidikan dan training keahlian bagi stafnya. 8
baik
Kandidat mitra memiliki jumlah pegawai yang memadai, staf teknik yang cukup dengan keahlian yang diperlukan focal firm serta memiliki aktivitas pendidikan dan training keahlian bagi stafnya.
9
sangat baik
Kandidat mitra memiliki jumlah pegawai yang cukup, staf teknik yang cukup dengan keahlian yang diperlukan focal firm serta melakukan aktivitas pendidikan dan training keahlian staf secara rutin.
10
sangat baik sekali
Kandidat mitra memiliki jumlah pegawai yang memadai, staf teknik yang cukup dengan keahlian yang diperlukan focal firm serta melakukan aktivitas pendidikan dan training keahlian staf secara rutin. Kandidat mitra pun bersedia mengalokasikan stafnya dalam kolaborasi.
b. Kecukupan kapasitas Skala linguistik untuk subkriteria kecukupan kapasitas antara lain : 1
tidak ada
Kandidat produksi.
mitra
tidak
mempunyai
kemampuan
2
sangat buruk sekali
Kandidat mitra tidak memiliki kapasitas produksi yang dibutuhkan focal firm.
3
sangat buruk
Kandidat mitra memiliki kapasitas desain dan kapasitas efektif kurang dari kebutuhan kapasitas focal firm.
4
buruk
Kandidat mitra memiliki kapasitas desain kurang dari kapasitas desain yang diperlukan focal firm tetapi kapasitas efektif sama dengan kapasitas efektif yang diperlukan focal firm.
5
cukup buruk
Kandidat mitra memiliki kapasitas desain yang sama dengan kapasitas desain yang diperlukan focal firm tetapi kapasitas efektif kurang dari kapasitas efektif yang diperlukan focal firm.
6
medium
Kandidat mitra memiliki kapasitas efektif yang sama dengan kapasitas efektif yang diperlukan focal firm serta kapasitas desain yang sama dengan kapasitas desain yang diperlukan focal firm.
7
cukup baik
Kandidat mitra memiliki kapasitas efektif yang melebihi kapasitas efektif yang diperlukan focal firm serta kapasitas desain yang sama dengan kapasitas desain yang diperlukan focal firm.
8
baik
Kandidat mitra memiliki kapasitas efektif yang sama dengan kapasitas efektif yang diperlukan focal firm serta kapasitas desain yang melebihi kapasitas desain
75
yang diperlukan focal firm. 9
sangat baik
Kandidat mitra memiliki kapasitas efektif yang melebihi kapasitas efektif yang diperlukan focal firm serta kapasitas desain yang sama dengan kapasitas desain yang diperlukan focal firm.
10
sangat baik sekali
Kandidat mitra memiliki kapasitas produksi yang melebihi kapasitas produksi yang diperlukan focal firm.
c. Fleksibilitas Skala linguistik untuk subkriteria fleksibilitas didefinisikan sebagai berikut 1
tidak ada
Kandidat mitra tidak mampu menggunakan pengetahuan teknik mitra dan mendapatkan akses terhadap teknologi baru dan inovasi mitra serta tidak bereaksi terhadap perubahan dalam kolaborasi.
2
sangat buruk sekali
Kandidat mitra tidak mampu menggunakan pengetahuan teknik mitra dan mendapatkan akses terhadap teknologi baru dan inovasi mitra serta bereaksi negatif terhadap perubahan dalam kolaborasi.
3
sangat buruk
Kandidat mitra tidak mampu menggunakan pengetahuan teknik mitra dan mendapatkan akses terhadap teknologi baru dan inovasi mitra tetapi bereaksi terhadap perubahan dalam kolaborasi.
4
buruk
Kandidat mitra tidak mampu menggunakan pengetahuan teknik mitra tetapi mampu mendapatkan akses terhadap teknologi baru dan inovasi mitra serta bereaksi terhadap perubahan dalam kolaborasi.
5
cukup buruk
6
medium
Kandidat mitra mampu menggunakan pengetahuan teknik mitra, mendapatkan akses terhadap teknologi baru dan inovasi mitra tetapi tidak bereaksi terhadap perubahan dalam kolaborasi. Kandidat mitra mampu menggunakan pengetahuan teknik mitra walaupun tidak mampu mendapatkan akses terhadap teknologi baru dan inovasi mitra serta bereaksi cukup baik terhadap perubahan dalam kolaborasi.
7
cukup baik
Kandidat mitra mampu menggunakan pengetahuan teknik mitra, mendapatkan akses terhadap teknologi baru dan inovasi mitra serta bereaksi cukup baik terhadap perubahan dalam kolaborasi.
8
baik
Kandidat mitra mampu menggunakan pengetahuan teknik mitra, mendapatkan akses terhadap teknologi baru dan inovasi mitra serta bereaksi baik terhadap perubahan dalam kolaborasi.
9
sangat baik
Kandidat mitra mau dan mampu menggunakan pengetahuan teknik mitra, mendapatkan akses terhadap teknologi baru dan inovasi mitra serta
76
bereaksi baik terhadap perubahan dalam kolaborasi. 10
sangat baik sekali
Kandidat mitra mau dan mampu menggunakan pengetahuan teknik mitra, mendapatkan akses terhadap teknologi baru dan inovasi mitra serta bereaksi sangat baik terhadap perubahan dalam kolaborasi.
3. Organizational Alignment a. Kesesuaian kultur Skala linguistik untuk subkriteria ini antara lain 1
tidak ada
Kandidat mitra tidak memiliki orientasi, komitmen, logika bisnis dan channel komunikasi yang sama dengan focal firm. Kandidat mitra tidak memiliki orientasi dan logika bisnis yang sama serta tidak memiliki komitmen terhadap kerjasama, sedangkan channel komunikasi sama dengan focal firm.
2
sangat buruk sekali
3
sangat buruk
Kandidat mitra tidak memiliki orientasi dan channel komunikasi yang sama serta tidak memiliki komitmen terhadap kerjasama, tetapi memiliki logika bisnis yang sama dengan focal firm.
4
buruk
Kandidat mitra memiliki orientasi, logika bisnis dan chanel komunikasi yang sama dengan focal firm tetapi tidak memiliki komitmen terhadap kerjasama.
5
cukup buruk
Kandidat mitra memiliki logika bisnis dan chanel komunikasi yang sama dengan focal firm, memiliki komitmen terhadap kerjasama tetapi tidak memiliki orientasi yang sama.
6
medium
Kandidat mitra memiliki orientasi yang sama dan memiliki komitmen terhadap kerjasama akan tetapi logika bisnis dan chanel komunikasinya berbeda dengan focal firm
7
cukup baik
Kandidat mitra memiliki orientasi dan channel komunikasi yang sama serta memiliki komitmen terhadap kerjasama akan tetapi logika bisnisnya berbeda dengan focal firm.
8
Baik
Kandidat mitra memiliki orientasi dan logika bisnis yang sama serta memiliki komitmen terhadap kerjasama akan tetapi channel komunikasinya berbeda dengan focal firm.
9
sangat baik
Kandidat mitra memiliki orientasi, logika bisnis dan channel komunikasi yang sama dengan focal firm serta memiliki komitmen terhadap kerjasama.
10
sangat baik sekali
Kandidat mitra memiliki orientasi, logika bisnis dan channel komunikasi yang sama dengan focal firm,
77
memiliki komitmen terhadap kerjasama baik secara short-term maupun long-term.
b. Kesesuaian organisasi Skala linguistik untuk subkriteria kesesuaian organisasi antara lain 1
tidak ada
Kandidat mitra tidak memiliki struktur organisasi, tidak adanya definisi kerja pegawai, sistem informasi dan pelaporan.
2
sangat buruk sekali
Kandidat mitra tidak memiliki struktur organisasi yang sesuai dengan focal firm, ketidakjelasan definisi kerja pegawai, serta tidak adanya sistem informasi dan pelaporan.
3
sangat buruk
Kandidat mitra tidak memiliki struktur organisasi yang sesuai dengan focal firm, ketidakjelasan definisi kerja pegawai, sistem informasi dan pelaporan.
4
buruk
Kandidat mitra tidak memiliki struktur organisasi yang sesuai dengan focal firm, ketidakjelasan definisi kerja pegawai, serta tidak jelasnya sistem informasi dan pelaporan.
5
cukup buruk
Kandidat mitra tidak memiliki struktur organisasi yang sesuai dengan focal firm, definisi kerja pegawai cukup jelas serta sistem informasi dan pelaporan yang tidak sesuai dengan focal firm.
6
medium
Kandidat mitra tidak memiliki struktur organisasi yang sesuai dengan focal firm tetapi memiliki definisi kerja pegawai yang cukup jelas serta sistem informasi dan pelaporan yang sesuai dengan focal firm.
7
cukup baik
Kandidat mitra memiliki struktur organisasi yang sesuai dengan focal firm, definisi kerja pegawai yang cukup jelas, tetapi sistem informasi dan pelaporan tidak sesuai dengan focal firm.
8
Baik
Kandidat mitra memiliki struktur organisasi yang sesuai dengan focal firm, definisi kerja pegawai yang kurang jelas, tetapi sistem informasi dan pelaporan sesuai dengan focal firm.
9
sangat baik
Kandidat mitra memiliki struktur organisasi yang sesuai dengan focal firm, definisi kerja pegawai yang cukup jelas, serta sistem informasi dan pelaporan yang sesuai dengan focal firm.
10
sangat baik sekali
Kandidat mitra memiliki struktur organisasi yang sesuai dengan focal firm, definisi kerja pegawai yang jelas, sistem informasi dan pelaporan yang sesuai dengan focal firm serta didukung dengan perangkat teknologi informasi.
78
4. Process Compatibility Skala linguistik untuk subkriteria kesesuaian proses (process compatibility) antara lain 1
tidak ada
Kandidat mitra tidak memiliki proses pengembangan produk.
2
sangat buruk sekali
Proses pengembangan produk kandidat mitra bersifat informal, ad hoc, terlalu birokratis , tidak ada otomasi proses dan perangkat desain yang tidak sesuai dengan perangkat desain focal firm.
3
sangat buruk
Proses pengembangan produk kandidat mitra bersifat informal, ad hoc, tidak ada otomasi proses dan perangkat desain yang tidak sesuai dengan perangkat desain focal firm.
4
Buruk
Proses pengembangan produk kandidat mitra bersifat informal dan birokratis. Kandidat mitra tidak memiliki otomasi proses tetapi perangkat desain sesuai dengan perangkat desain focal firm.
5
cukup buruk
Proses pengembangan produk kandidat mitra bersifat informal dan birokratis. Kandidat mitra memiliki otomasi proses tetapi perangkat desain tidak sesuai dengan perangkat desain focal firm.
6
Medium
Proses pengembangan produk kandidat mitra bersifat formal, ad hoc, birokratis, ada otomasi proses dan perangkat desain yang sesuai dengan perangkat desain focal firm.
7
cukup baik
8
Baik
Proses pengembangan produk kandidat mitra bersifat formal, cukup fleksibel, ada otomasi proses dan perangkat desain yang sesuai dengan perangkat desain focal firm. Proses pengembangan produk kandidat mitra bersifat formal, cepat dan fleksibel. Selain itu, kandidat mitra memiliki otomasi proses dan perangkat desain yang sesuai dengan perangkat desain focal firm.
9
sangat baik
Proses pengembangan produk kandidat mitra bersifat formal, fleksibel, dan sesuai dengan proses pengembangan produk focal firm. Kandidat mitra memiliki otomasi proses dan perangkat desain yang sesuai dengan perangkat desain focal firm.
10
sangat baik sekali
Proses pengembangan produk kandidat mitra bersifat formal, cepat, fleksibel dan sesuai dengan proses pengembangan produk focal firm. Kandidat mitra memiliki otomasi keseluruhan proses dan perangkat desain yang mendukung proses tersebut.
79
5. Financial Viability Skala linguistik untuk kriteria ini antara lain
3. 5.
1
tidak ada
Kandidat mitra memiliki Sustainable-Growth Rate sebesar 0 %.
2
sangat buruk sekali
3
sangat buruk
Kandidat mitra memiliki Sustainable-Growth Rate lebih kecil dari 1 %. Kandidat mitra memiliki Sustainable-Growth Rate antara 1-3 %.
4
Buruk
Kandidat mitra memiliki Sustainable-Growth Rate antara 2.5 -5 %.
5
cukup buruk
Kandidat mitra memiliki Sustainable-Growth Rate antara 5-10 %.
6
Medium
7
cukup baik
Kandidat mitra memiliki Sustainable-Growth Rate antara 10-15 %. Kandidat mitra memiliki Sustainable-Growth Rate antara 15-20 %.
8
Baik
Kandidat mitra memiliki Sustainable-Growth Rate antara 20-30 %.
9
sangat baik
Kandidat mitra memiliki Sustainable-Growth Rate antara 30-50 %.
10
sangat baik sekali
Kandidat mitra memiliki Sustainable-Growth Rate lebih besar dari 50 %.
Metode Utilitas Penentuan Nilai
Pada kenyataannya mungkin terjadi kondisi ketika focal firm kekurangan atau bahkan tidak memiliki informasi mengenai kandidat mitra terhadap kriteria tertentu. Kekurangan atau tidak adanya informasi ini dapat menyebabkan focal firm menjadi menganggap remeh (under estimate) atau menilai terlalu tinggi (over estimate) terhadap kandidat mitra tersebut. Akibatnya adalah focal firm dapat kehilangan mitra yang potensial jika penilaian kandidat mitra terlalu rendah atau bermitra dengan kandidat mitra yang buruk jika penilaiannya terlalu tinggi. Oleh karena itu, perlu disusun suatu metode agar kandidat mitra tersebut tetap memiliki hasil penilaian yang relatif sesuai sehingga akibat yang telah disebutkan dapat berkurang atau dihilangkan.
80
Metode yang akan digunakan dalam penentuan rating bagi kandidat mitra dalam situasi tidak adanya informasi ini adalah konsep fungsi utilitas fuzzy. Fungsi utilitas seringkali diaplikasikan dalam pengambilan keputusan pada situasi tak tentu (decision making under uncertainty). Konsep ini diadaptasi karena pada proses penilaian kandidat mitra, situasi bersifat tak tentu (uncertain) akibat tidak ada/sedikitnya informasi mengenai kandidat mitra.
Langkah – langkah dalam penentuan rating dengan metode utilitas, antara lain 1. Membuat decision tree berdasarkan alternatif keputusan k ∈ K , (K ⊂ L) yang akan diambil. L merupakan himpunan
yang menyatakan skala
linguistik. 2. Berikan possibility dari setiap alternatif keputusan untuk kandidat mitra pada kondisi under estimate dan over estimate berdasarkan prediksi pengambil keputusan. 3. Urutkan alternatif keputusan k dari skala tertinggi sampai skala terendah dan berikan utilitas 1.0 untuk nilai tertinggi dan utilitas 0 utuk nilai
( )
=0 . terendah. Dengan kata lain u⎛⎜ sup ⎞⎟ = 1.0 dan u inf k ⎝ k ⎠ 4. Tentukan utilitas alternatif keputusan k lainnya yang belum diketahui dengan cara pengambil keputusan menentukan kondisi biasa (indifferent), yaitu kondisi ketika pengambil keputusan tidak memiliki preferensi terhadap pilihan pasti dan resiko. Contoh kondisi indifferent jika utilitas 1.0 diberikan pada rating kinerja sangat baik sekali(10) dan utilitas 0 diberikan pada rating kinerja tidak ada(1) yaitu rating kinerja kandidat mitra medium (6) atau 0.5 possibility rating kinerja sangat baik sekali (10) dan 0.5 possibility tidak ada (1).
( ( )) ( ) dengan l, k ∈ K (3. 10)
u (l ) = pos⎛⎜ u ⎛⎜ sup ⎞⎟ ⎞⎟ × u ⎛⎜ sup ⎞⎟ + pos u inf × u inf k k ⎝ ⎝ k ⎠⎠ ⎝ k ⎠
5. Hitung expected utility untuk kondisi under estimate dan over estimate E (u (k )) = posunder (u (k )) × u (k ) + pos over (u (k )) × u (k )
(3. 11)
6. Tentukan nilai keluaran dengan mengambil skala linguistik, k dengan utilitas yang mendekati preferensi expected utility.
81
3. 6. Model Perangkingan Multikriteria Jangka Panjang
Model perangkingan multikriteria dibangun oleh lima submodel yang berasal dari kriteria pemilihan mitra. Masukan dari model ini adalah nilai agregasi fuzzy kelompok yang berasal dari metode penentuan nilai. Sebagaimana telah dijelaskan pada sub bab 3.3, nilai tersebut merupakan nilai kinerja kandidat mitra berdasarkan kriteria/sub kriteria tertentu. Berdasarkan masukan dari metode penentuan nilai, model perangkingan multikriteria jangka panjang menghasilkan keluaran nilai kinerja kandidat mitra secara keseluruhan dalam bentuk bilangan crisp. Dalam model ini perlu didefinisikan terlebih dahulu bobot relatif dari kelima kriteria untuk menghitung nilai kinerja kandidat mitra secara keseluruhan. 3. 6. 1
Model Evaluasi Inovasi dan Peramalan Teknologi Mitra
Sub model ini digunakan untuk menghitung skor kinerja teknologi kandidat mitra. Input dari submodel ini adalah data nilai kinerja kandidat mitra pada tahun tertentu yang diukur dengan menggunakan protokol linguistik pengukuran kriteria yang telah dibahas dalam subbab 3.4. Berdasarkan konsep possibility dan necessity, masing-masing kandidat mitra akan diukur kemampuan memperbaharui teknologi dan inovasinya dalam jangka panjang dengan mengaplikasikan konsep peramalan linear (linear prediction). Output possibility dan necessity kedua submodel kemudian diagregasi dengan menggunakan OWA operator (lihat bab 2 persamaan 2.8) sehingga diperoleh nilai kinerja teknologi kandidat mitra dalam jangka panjang. Vektor bobot dihitung dengan menggunakan persamaan 2.10.
82
Gambar 3. 4 Model Evaluasi Inovasi dan Peramalan Teknologi Mitra
1. Kemampuan memperbaharui teknologi Kandidat mitra diharapkan memiliki nilai kriteria memperbaharui teknologi yang lebih baik setiap tahunnya. Prediksi dilakukan terhadap possibility dan necessity kemampuan memperbaharui teknologi kandidat mitra pada tahun y + 1 lebih besar dari kemampuan mitra pada tahun y . ~ ~ ~ Misalkan diberikan dua bilangan fuzzy M dan N . M menyatakan nilai ~ fuzzy kemampuan teknologi mitra pada tahun y + 1 sedangkan N menyatakan nilai fuzzy kemampuan teknologi mitra pada tahun y. Berdasarkan persamaan 2.5 dan 2.7 pada sub bab 2.4.1 maka ~ ~ ~ PosT M > N = ∏ N ,+∞ = sup uinf min (μ M~ (u ), 1 − μ N~ (v )) ;v ≥u
(
(
)
~ M
)
([
))
([
))
(3. 12)
u
~ ~ ~ NesT M > N = N M~ N ,+∞ = 1 − sup min (μ M~ (u ), μ N~ (v ))
(3. 13)
u ≤v
2. Kemampuan inovasi Kandidat mitra diharapkan memiliki nilai kriteria kemampuan inovasi yang setidaknya sama dengan tahun sebelumnya. Prediksi dilakukan terhadap
83
possibility dan necessity kemampuan inovasi kandidat mitra pada tahun y + 1 lebih besar atau sama dengan kemampuan mitra pada tahun y .
(
)
(
)
([
))
([
))
~ ~ ~ Pos I M ≥ N = ∏ N ,+∞ = sup min (μ M~ (u ), μ N~ (v )) ~ M
(3. 14)
u ;u ≥ v
~ ~ ~ Nec I M ≥ N = N M~ N ,+∞ = inf sup min (1 − μ M~ (u ), μ N~ (v )) u
(3. 15)
u ;v ≤ u
3. 6. 2 Model Evaluasi Kemampuan Pengembangan Mitra
Sub model ini digunakan untuk menghitung nilai kinerja kemampuan pengembangan kandidat mitra. Input dari model ini adalah data kinerja kandidat mitra pada tahun tertentu yang diukur dengan menggunakan protokol linguistik yang telah dibahas dalam subbab 3.4. Berdasarkan konsep possibility dan necessity, masing-masing kandidat mitra akan diukur pengembangan keahlian, pengembangan kapasitas dan fleksibilitas kandidat mitra dalam jangka panjang dengan mengaplikasikan konsep peramalan linear (linear prediction). Output possibility dan necessity kedua submodel kemudian diagregasi dengan menggunakan OWA operator sehingga diperoleh skor kinerja kemampuan pengembangan kandidat mitra dalam jangka panjang. Vektor bobot dihitung dengan menggunakan persamaan 2.10.
1. Pengembangan Keahlian (Skill) Kandidat mitra diharapkan memiliki nilai kriteria pengembangan keahlian yang lebih baik setiap tahunnya. Prediksi dilakukan terhadap possibility dan necessity pengembangan keahlian kandidat mitra pada tahun y + 1 lebih besar dari kemampuan kandidat mitra pada tahun y .
(
)
([
))
~ ~ ~ Pos S M > N = ∏ N ,+∞ = sup uinf min (μ M~ (u ), 1 − μ N~ (v )) ;v ≥u
(
~ M
)
(3. 16)
u
([
))
~ ~ ~ Nes S M > N = N M~ N ,+∞ = 1 − sup min (μ M~ (u ), μ N~ (v ))
(3. 17)
u ≤v
2. Pengembangan Kapasitas Subkriteria ini bersifat opsional. Kandidat mitra yang akan melakukan proses manufaktur perlu dievaluasi mengenai kapasitas yang dimilikinya.
84
Kandidat mitra diharapkan memiliki nilai kriteria pengembangan kapasitas yang setidaknya sama dengan tahun sebelumnya. Prediksi dilakukan terhadap possibility dan necessity pengembangan kapasitas kandidat mitra pada tahun y + 1 lebih besar atau sama dengan kemampuan mitra pada tahun y .
3. Fleksibilitas Kandidat mitra diharapkan memiliki nilai kriteria fleksibilitas
yang
setidaknya sama dengan tahun sebelumnya. Prediksi dilakukan terhadap possibility dan necessity pengembangan kapasitas kandidat mitra pada tahun y + 1 lebih besar atau sama dengan kemampuan mitra pada tahun y .
(
)
(
)
([
))
([
))
~ ~ ~ Pos F M ≥ N = ∏ N ,+∞ = sup min (μ M~ (u ), μ N~ (v )) ~ M
(3. 18)
u ;u ≥ v
~ ~ ~ NecF M ≥ N = N M~ N ,+∞ = inf sup min (1 − μ M~ (u ), μ N~ (v )) u
(3. 19)
u ;v ≤u
3. 6. 3 Model Evaluasi Kesesuaian Organisasi
Mitra yang diharapkan dalam kolaborasi adalah mitra yang memiliki kesesuaian organisasi dengan focal firm. Sub model ini digunakan untuk menghitung nilai kinerja organizational alignment kandidat mitra dengan focal firm. Input dari model ini adalah data nilai kinerja kandidat mitra pada tahun tertentu yang diukur dengan menggunakan protokol linguistik penentuan nilai kesesuaian kultur dan organisasi yang telah didefinisikan dalam sub bab 3.4.
Berdasarkan konsep possibility dan necessity, kemudian akan diukur kesesuaian kultur dan organisasi kandidat mitra dalam jangka panjang dengan mengaplikasikan konsep peramalan linear (linear prediction). Output possibility dan necessity kedua submodel kemudian diagregasi dengan menggunakan OWA operator sehingga diperoleh skor kinerja kemampuan pengembangan kandidat mitra dalam jangka panjang. Vektor bobot dihitung dengan menggunakan persamaan 2.10.
85
Gambar 3. 5 Model Evaluasi Kemampuan Pengembangan Mitra
Gambar 3. 6 Model Evaluasi Kesesuaian Organisasi
86
a. Kesesuaian kultur Kandidat mitra diharapkan memiliki nilai kriteria kesesuaian kultur dengan focal fim yang lebih baik setiap tahunnya. Prediksi dilakukan terhadap possibility dan necessity kesesuaian kultur kandidat mitra pada tahun y + 1 lebih besar dari kemampuan kandidat mitra pada tahun y .
(
)
([
))
~ ~ ~ Pos KL M > N = ∏ N ,+∞ = sup uinf min (μ M~ (u ), 1 − μ N~ (v )) ;v ≥u
(
~ M
([
)
(3. 20)
u
))
~ ~ ~ Nes KL M > N = N M~ N ,+∞ = 1 − sup min (μ M~ (u ), μ N~ (v ))
(3. 21)
u ≤v
b. Kesesuaian organisasi Kandidat mitra diharapkan memiliki rating kriteria kesesuaian organisasi yang lebih baik dari tahun sebelumnya. Prediksi dilakukan terhadap possibility dan necessity pengembangan kapasitas kandidat mitra pada tahun y + 1 lebih besar dari kesesuaian organisasi kandidat mitra pada tahun y .
(
)
([
))
([
))
~ ~ ~ PosO M > N = ∏ N ,+∞ = sup uinf min (μ M~ (u ), 1 − μ N~ (v )) ;v ≥ u
(
)
~ M
(3. 22)
u
~ ~ ~ NesO M > N = N M~ N ,+∞ = 1 − sup min (μ M~ (u ), μ N~ (v ))
(3. 23)
u ≤v
3. 6. 4 Model Evaluasi Kesesuaian Proses
Gambar 3. 7 Model Evaluasi Kesesuaian Proses
Sub model ini digunakan untuk menghitung skor kinerja kesesuaian proses kandidat mitra dengan focal firm. Input dari submodel ini adalah data nilai kinerja kandidat mitra pada tahun tertentu yang diukur dengan menggunakan protokol linguistik pengukuran kriteria kesesuaian proses yang telah dibahas dalam subbab 3.4.
87
Mitra yang diharapkan adalah mitra dengan nilai kriteria kesesuaian proses yang lebih baik dari tahun sebelumnya. Prediksi dilakukan terhadap possibility dan necessity kesesuaian proses kandidat mitra pada tahun y + 1 lebih besar dari kesesuaian kandidat mitra pada tahun y . Hasilnya kemudian diaplikasikan pada konsep peramalan linear (linear prediction). Output possibility dan necessity kedua submodel lalu diagregasi dengan menggunakan OWA operator sehingga diperoleh skor kinerja kesesuaian proses kandidat mitra dalam jangka panjang. Vektor bobot dihitung dengan menggunakan persamaan 2.10 ~ ~ ~ Pos P M > N = ∏ N ,+∞ = sup uinf min (μ M~ (u ), 1 − μ N~ (v )) ;v ≥ u
(
(
)
)
~ M
([
))
([
))
(3. 24)
u
~ ~ ~ Nes P M > N = N M~ N ,+∞ = 1 − sup min (μ M~ (u ), μ N~ (v ))
(3. 25)
u ≤v
3. 6. 5 Model Evaluasi Ketahanan Finansial
Sustainable Growth Rate ROE dan dividend payout ratio
1. Menghitung sustainable growth rate 2. Fuzzifikasi dengan skala pengukuran kriteria financial viability (Output : Fuzzy Ratings untuk financial viability )
Kesehatan Finansial Vektor bobot
1. Menghitung posibilitas PosFS (y+1 y) dan NesFS (y+1 y) dari data historis. 2. Menghitung persamaan peramalan berdasarkan hasil langkah 1 dengan menggunakan linear prediction. 3. Melakukan peramalan posibilitas d necessity jangka panjang.
Possibility dan Necessity
Financial Viability Agregasi Possibility dan Necessity dengan OWA operator (Output : Skor Possibility dan Necessity Financial Viability)
Y = tahun
Gambar 3. 8 Model Evaluasi Financial Viability
Kesehatan finansial kandidat mitra diukur dengan menggunakan submodel sustainable growth rate (lihat bab 2) dengan input ROE dan dividend-payout ratio. Skor yang diperoleh dari submodel tersebut (dalam %) kemudian difuzzifikasi melalui protokol linguistik pengukuran kriteria financial viability yang telah didefinisikan pada subbab 3.4 sehingga didapat nilai fuzzy sebagai input bagi submodel selanjutnya.
Langkah selanjutnya yaitu menghitung
88
possibility dan necessity kesehatan finansial mitra tahun
y + 1 lebih besar dari
atau sama dengan kesehatan finansial kandidat mitra pada tahun y .
( ) ([ )) (M~ ≥ N~ ) = N ([N~ ,+∞)) = inf sup min(1 − μ
~ ~ ~ Pos FV M ≥ N = ∏ N ,+∞ = sup min (μ M~ (u ), μ N~ (v )) ~ M
Nec FV
(3. 26)
u ;u ≥ v
~ M
u
u ;v ≤ u
~ M
(u ), μ (v )) ~ N
(3. 27)
Kandidat mitra kemudian akan diukur kesehatan finansialnya dalam jangka panjang dengan mengaplikasikan konsep peramalan linear (linear prediction). Output possibility dan necessity submodel kemudian diagregasi dengan menggunakan OWA operator sehingga diperoleh skor kinerja financial viability kandidat mitra dalam jangka panjang. Vektor bobot dihitung dengan menggunakan persamaan 2.10 3. 6. 6 Metode Perangkingan
Setelah masing-masing skor kriteria dari masing-masing kandidat mitra dihitung dalam kelima submodel di atas, skor tersebut diolah dalam metode perangkingan agar diperoleh nilai kinerja kandidat mitra secara keseluruhan. 1. Concordance Index Concordance index dihitung dengan menggunakan persamaan 2.9 dengan vektor bobot yang didefinisikan pada persamaan 2.10. 2. Discordance Index Discordance index yang digunakan adalah agregasi dari skor necessity pada persamaan 2. 12. Skor necesity yang digunakan sebagai input agregasi adalah sebagai berikut : •
Kriteria Teknologi, yang digunakan adalah nilai estimasi necessity subkriteria memperbaharui teknologi.
•
Kriteria Kemampuan Pengembangan, yang digunakan adalah nilai estimasi necessity subkriteria keahlian.
•
Kriteria Kesesuaian Organisasi, yang digunakan adalah rata-rata nilai estimasi necessity subkriteria kultur dan organisasi.
•
Kriteria Kesesuaian Proses, yang digunakan adalah skor estimasi necessity subkriteria proses.
89
•
Kriteria Ketahanan Finansial, skor estimasi necessity diset sama dengan 0.
Operator OWA digunakan sebagai metode untuk menghitung discordance index. 3. Aggregated Concordance Index Aggregated Concordance index dihitung dengan menggunakan persamaan 2.11 dengan vektor bobot relatif terhadap masing-masing kriteria pemlihan yang didefinisikan. 4. Aggregated Discordance Index Aggregated Discordance index dihitung dengan menggunakan persamaan 2.13 dan 2.14. 5. Fuzzy Outranking Index Fuzzy Outrangking Index dihitung dengan menggunakan persamaan 2.15. 6. Skor Kinerja Kandidat Mitra Skor kinerja kandidat mitra a pada tahap i didefinisikan sebagai fuzzy outrangking index dalam skala 100. ria = 100 × S (a, b) 3. 7.
(3. 28)
Model Optimisasi Pemilihan Mitra
Model optimasi pemilihan mitra yang digunakan merupakan evaluasi dari model yang diusulkan oleh Wang dan Lin(2006). Model Wang dan Lin tersebut telah dibahas dalam bab 2. Indeks
i, k
Tahap dalam proyek pengembangan produk, i ∈ {1, 2,…, n} n menyatakan banyaknya tahapan
J
Kandidat mitra, j ∈ Ai
Himpunan (sets)
Ai = {1, 2,…, mi }
Himpunan kandidat mitra untuk tahap i mi menyatakan banyaknya kandidat mitra pada tahap i
H X = [x1 j ,…, xnj ]
Himpunan pasangan tahapan yang menyatakan kendala berurut (precedence constraints) Vektor yang menyatakan mitra-mitra terpilih
90
Parameter Skor kinerja kandidat mitra j pada tahap i
rij ~ s (X )
Waktu mulai fuzzy tahap i untuk himpunan mitra terpilih X
i
~ f i (x )
Waktu akhir fuzzy tahap i untuk himpunan mitra terpilih X
~ d ij
Durasi fuzzy yang diperlukan untuk menyelesaikan fungsi tahap i untuk kandidat j
c~ij
Biaya fuzzy yang diperlukan untuk menyelesaikan fungsi tahap i untuk kandidat j
~ T ~ K
Preferensi waktu penyelesaian proyek fuzzy
τ ρ
Target derajat kepuasan kendala waktu penyelesaian proyek
Preferensi biaya pengembangan fuzzy untuk keseluruhan proyek
Target derajat kepuasan kendala biaya pengembangan proyek
Variabel
⎧1, jika kandidat j terpilih pada tahap i ⎨ 0, lainnya ⎩
xij
n
Fungsi tujuan :
mi
Max R = ∑∑ rij xij
(3. 29)
~ ~ ~ si (xij ) + d ij = f i (xij ) ∀ i
(3. 30)
i =1 j =1
Kendala
:
~ fi ( X ) ≤ ~ sk ( X ), ∀ (i, k ) ∈ H n
∑ c~ i =1
iji
~ = C (X ) ,
j ∈ {1, 2,…, mi }
(
)
~ ~ SAT f n ( X ), T ≥ τ
(
)
~ ~ SAT C ( X ), K ≥ ρ
(3. 31) (3. 32) (3. 33)
(3. 34)
91
3. 8.
Perbandingan Metode Pemilihan Mitra Jangka Panjang dengan Metode Fuzzy Hybrid Decision-Aid
Perbedaan metode yang dikembangkan dengan metode Fuzzy Hybrid Decision-Aid terletak pada model fuzzy multicriteria outranking, metode penentuan nilai kandidat mitra dan proses pengambilan keputusan dalam metodemetode tersebut. Model
fuzzy multicriteria outranking dibangun oleh lima
submodel yang didefinisikan dari kriteria pemilihan mitra dalam rantai desain yang dinyatakan oleh McGrath (2003). Metode penentuan nilai kandidat mitra merupakan metode tambahan pada metode Fuzzy Hybrid Decision-Aid sebagai perangkat untuk menentukan nilai yang sebelumnya ditentukan secara langsung tanpa melibatkan proses pengambilan keputusan secara kelompok. Perbedaan dari kedua metode tersebut secara lengkap dapat dilihat dalam tabel 3.3 dan tabel 3.4. Tabel 3. 3 Model/metode dalam metode pemilihan mitra jangka panjang
Tujuan
Input
Penentuan Nilai
Model/Metode
Menentukan nilai fuzzy kinerja kandidat mitra berdasarkan situasi informasi yang ada
Opini nilai fuzzy kinerja kandidat mitra terhadap kriteria tertentu
Nilai fuzzy kinerja kandidat mitra terhadap kriteria tertentu
Output
Perangkingan Multi Kriteria Jangka Panjang
Menentukan nilai kinerja kandidat mitra secara keseluruhan berdasarkan historis mitra
Nilai kinerja kandidat mitra terhadap subkriteria tertentu
Nilai kinerja kandidat mitra
Model Optimisasi Pemilihan Mitra
Memilih mitra yang terbaik untuk tiap tahap dalam rantai desain dengan periode kerjasama jangka panjang
Nilai kinerja kandidat mitra, data durasi fuzzy mitra pada tiap tahap, data biaya fuzzy mitra pada tiap tahap, derajat kepuasan waktu dan biaya yang diharapkan
Mitra terpilih untuk tiap tahap
Evaluasi Inovasi dan Peramalan Teknologi
Menentukan estimasi nilai kinerja mitra jangka panjang untuk kriteria teknologi
Nilai fuzzy kinerja kandidat mitra terhadap subkriteria teknologi
Nilai kinerja kandidat mitra terhadap kriteria teknologi
Evaluasi Kemampuan Pengembangan
Menentukan estimasi nilai kinerja mitra jangka panjang untuk kriteria kemampuan pengembangan
Nilai fuzzy kinerja kandidat mitra terhadap kriteria kemampuan pengembangan
Nilai kinerja kandidat mitra terhadap kriteria kemampuan pengembangan
92
Evaluasi Kesesuaian Organisasi
Evaluasi Kesesuaian Proses
Evaluasi Ketahanan Finansial
Menentukan estimasi nilai kinerja mitra jangka panjang untuk kriteria kesesuaian organisasi Menentukan estimasi nilai kinerja mitra jangka panjang untuk kriteria kesesuaian proses Menentukan estimasi nilai kinerja mitra jangka panjang untuk kriteria ketahanan finansia
Nilai fuzzy kinerja kandidat mitra terhadap kriteria kesesuaian organisasi
Nilai kinerja kandidat mitra terhadap kriteria kesesuaian organisasi
Nilai fuzzy kinerja kandidat mitra terhadap kriteria kesesuaian proses
Nilai kinerja kandidat mitra terhadap kriteria kesesuaian proses
Nilai fuzzy kinerja kandidat mitra terhadap kriteria ketahanan finansial
Nilai kinerja kandidat mitra terhadap kriteria ketahanan finansial
Tabel 3. 4 Model dalam Metode Fuzzy Hybrid Decision-Aid
Model/Metode
Tujuan
Input
Output
Fuzzy multicriteria outranking
Menentukan nilai kinerja kandidat mitra dibandingkan dengan kandidat mitra lainnya dalam tahapan yang sama
Nilai fuzzy kinerja kandidat mitra terhadap kriteria tertentu
Nilai kinerja kandidat mitra
Model Optimisasi Pemilihan Mitra
Memilih mitra yang terbaik untuk tiap tahap dalam rantai desain
Nilai kinerja kandidat mitra, data durasi fuzzy mitra pada tiap tahap, data biaya fuzzy mitra pada tiap tahap, derajat kepuasan waktu dan biaya yang diharapkan
Mitra terpilih untuk tiap tahap
Skema metode yang dikembangkan secara lengkap dapat dilihat pada gambar 3.6.
93
Gambar 3. 6 Metode pemilihan mitra jangka panjang dalam rantai desain
94
