Bab 4 Uji dan Analisis Metode

Bab 4 Uji dan Analisis Metode

Pada bab ini akan dibahas uji metode pemilihan mitra dalam rantai desain untuk kerjasama jangka panjang yang telah dikemukakan pada bab sebelumnya berikut analisis dari metode tersebut.

4. 1.

Kasus Proyek Desain Telepon Seluler

Kasus yang digunakan adalah proyek desain telepon seluler dalam contoh kasus Wang dan Lin (2006). Sebuah perusahaan telepon seluler akan mengembangkan sebuah telepon seluler baru dengan fitur (misal kamera digital, interface, mp3 player) dan layanan baru (misal email, appointment management, internet browser, navigator dan sebagainya). Rantai desain dari proyek tersebut diberikan dalam gambar 4.1. Focal firm tidak memiliki seluruh teknologi yang diperlukan sehingga ia harus berkolaborasi dengan perusahaan lainnya agar produk tersebut dapat lebih cepat dipasarkan. Selanjutnya focal firm disebut sebagai integrator dan perusahaan lainnya yang memiliki kemungkinan dilibatkan dalam kolaborasi dinamakan kandidat mitra. Secara keseluruhan desain, semua pihak bekerja sama dalam pengembangan produk baru tersebut berdasarkan konsep concurrent engineering8.

8

Definisi Concurrent Engineering dikutip dari [http://www.esa.int/esaMI/CDF/SEM1OF1P4HD_0.html] adalah pendekatan sistematik untuk mengintegrasikan pengembangan produk dengan penekanan pada ekspektasi pengguna. CE meliputi ko-operasi tim, kepercayaan dan pembagian sedemikian rupa sehingga proses pengambilan keputusan berdasarkan konsensus melibatkan seluruh sudut pandang secara paralel dari tahap awal siklus hidup produk. Pendekatan concurrent engineering berdasarkan 5 (lima)

95

1. Tahap pertama, tim pengembangan produk integrator mengidentifikasi target pasar serta teknologi produk dan manufaktur. Tim kemudian memutuskan untuk melakukan outsourcing9 pada proses pengembangan GUI (tahap 3), desain kamera digital (tahap 5), platform manufacturing (tahap 6) dan final product manufacturing (tahap 8) kepada mitra yang memiliki kualifikasi tersebut. Proses pemilihan mitra dilakukan pada tahap pertama. 2. Tahap kedua, integrator mendefinisikan spesifikasi produk serta menghasilkan dan mengevaluasi beberapa konsep ponsel. Konsep produk yang potensial dan spesifikasi final kemudian dikirimkan kepada mitra terpilih. 3. Tahap tiga, tahap empat dan tahap lima harus dikembangkan dalam kolaborasi antara integrator dengan mitra. Desain platform ponsel (termasuk GPRS, GPR, Bluetooth, dll) dikerjakan oleh integrator pada tahap empat sedangkan pengembangan GUI(Graphical User Interface), OS(Operating Systems) dan digital kamera sebagai pendukung fasilitas multimedia dan wireless dikerjakan pada tahap tiga dan lima. 4. Tahap enam, komponen inti platform termasuk baseband signal processor, komponen RF, serta power dan memori manajemen yang terintegrasi ke dalam satu chip didesain dan diproduksi oleh mitra terpilih. Mitra tersebut juga harus menguji kualitas dan kesesuaian (compatibility) platform inti dengan OS dan komponen penting lainnya. 5. Tahap tujuh, integrator memvalidasi seluruh desain serta melakukan tes kualifikasi produk pada unit yang sudah lengkap. Maksudnya adalah memastikan apakah desain produk tersebut memenuhi spesifikasi yang diinginkan customer dan sesuai dengan quality requirement. 6. Tahap delapan, mitra terpilih melakukan pilot production dan mentransfer desain tersebut ke volume production dengan tujuan efektifitas biaya dan optimisasi dalam manufaktur produk tersebut. elemen dasar yaitu proses, tim multidisiplin, model desain terintegrasi, fasilitas dan infrastruktur software. 9

Aktivitas yang dilakukan untuk suatu perusahaan oleh orang/pihak lain di luar pegawai tetapnya[Carpenter dan Sanders].

96

Focal firm bermaksud melakukan kolaborasi dalam jangka panjang dengan mitra terpilih sehingga mereka dapat lebih cepat memasarkan inovasi produk baru, memenuhi kebutuhan konsumen dan mengurangi biaya. Untuk itu, mereka menggunakan metode pemilihan mitra kerjasama jangka panjang dalam mengevaluasi dan memilih mitra yang akan dilibatkan dalam kolaborasi yakni pada tahap 3, tahap 5, tahap 6 dan tahap 8 dari rantai desain. Proses evaluasi dan pemilihan mitra dilakukan pada tahap 1.

Gambar 4. 1 Rantai Desain [Wang dan Lin(2006)]

4. 2.

Penentuan Nilai Kinerja Kandidat Mitra

Tim pengembangan produk focal firm menilai kinerja sejumlah perusahaan yang potensial menjadi kandidat mitra. Tim terdiri dari 5 orang panelis (expert) yang akan menilai kandidat mitra secara individu untuk kemudian diagregasi ke dalam panelisan kelompok sehingga diharapkan nilai kinerja yang diberikan akan berkurang unsur subjektifitasnya. Tim tersebut difasilitasi seorang decision manager. Panelis diasumsikan memiliki kemampuan yang sama dalam menilai sehingga bobot masing-masing bernilai sama. Penilaian/pengukuran nilai kinerja kandidat mitra dilakukan berdasarkan model penentuan nilai kandidat mitra. Selain nilai kinerja berdasarkan kriteria, ditentukan pula waktu dan biaya pengembangan dari masing-masing kandidat mitra.

Misalkan banyaknya kandidat mitra untuk tahap 3, tahap 5, tahap 6 dan tahap 8 adalah 4, 4, 3 dan 6. Evaluasi dilakukan terhadap kondisi kandidat mitra yang bersesuaian dengan kriteria secara historis. Data fuzzy nilai kinerja kandidat mitra ditampilkan dalam lampiran.

97

Opini panelis berupa nilai fuzzy kinerja kandidat mitra ditentukan berdasarkan protokol linguistik penentuan nilai. Pada kondisi tidak terdapat data mengenai kandidat mitra maka fuzzy nilai kinerja ditentukan dengan menggunakan model utilitas penentuan nilai. Sebagai contoh jika model ini diaplikasikan pada data fuzzy nilai kinerja kandidat mitra 1 (KM 1) untuk tahap 3 maka proses yang terjadi adalah sebagai berikut : •

Pada iterasi pertama, opini seluruh panelis diagregasi dengan menggunakan persamaan 3.1 sebagaimana telah dijelaskan dalam subbab 3.3.2. Proses selanjutnya adalah perangkingan opini masing-masing panelis terhadap hasil agregasi dengan menggunakan metode pada sub bab 3.3.3. Kemudian decision manager melakukan evaluasi terhadap hasil rangking. Hasilnya adalah nilai kinerja kandidat mitra pada sub kriteria keahlian(skill) tahun 2003-2007, fleksibilitas tahun 2005, kultur tahun 2004, dan finansial tahun 2007 belum konvergen.

•

Sharing informasi di antara para panelis kemudian dilakukan. Para panelis lalu menentukan nilai opini yang baru secara berurut dari panelis yang memiliki distance terbesar sehingga konsensus dapat dicapai. Untuk lebih lengkapnya mengenai nilai opini kinerja baru dari kandidat mitra dapat dilihat pada bagian lampiran.

•

Pada subkriteria keahlian, panelis (expert) 2 dan 4 kemudian mengubah nilai opininya untuk tahun 2003. Panelis 2 mengubah nilai opini untuk tahun 2004. Panelis 1, 2 dan 3 mengubah nilai opini untuk tahun 2005. Panelis 2 mengubah nilai opini untuk tahun 2006. Terakhir, panelis 2 dan 4 mengubah nilai opini untuk tahun 2007.

•

Pada subkriteria fleksibilitas, panelis 2 dan 5 mengubah nilai opininya untuk tahun 2005.

•

Pada subkriteria kultur, hanya panelis 2 yang mengubah nilai opininya untuk tahun 2004.

•

Pada subkriteria finansial,

panelis 1, 2 dan 3 mengubah nilai opininya

untuk tahun 2007.

98

•

Dengan perubahan-perubahan tersebut, nilai kinerja kemudian konvergen dan diperoleh nilai kinerja kandidat mitra 1 yang akan digunakan sebagai input pada metode perangkingan multikriteria jangka panjang.

Data nilai opini kinerja baru dari seluruh kandidat mitra pada masing-masing tahap beserta nilai konsensus dapat dilihat pada bagian lampiran tesis ini.

4. 3.

Uji Metode Perangkingan Multi Kriteria

Bobot relatif kelima kriteria ditentukan sebesar 0.43, 0.2, 0.15, 0.12 dan 0.09. Bobot relatif ini merupakan hasil perhitungan Wang dan Lin(2006) dengan menggunakan pendekatan interval-based AHP. Kandidat mitra akan dievaluasi kinerjanya dalam jangka panjang dengan waktu estimasi 10 tahun ke depan. Situasi yang diamati dianggap normal (rata-rata) sehingga nilai α = 1.

4.3. 1.

Model Evaluasi Inovasi dan Peramalan Teknologi Mitra

Nilai kinerja kandidat mitra 1 (KM 1) untuk tahap 3 diaplikasikan dalam model evaluasi inovasi dan peramalan teknologi mitra. Possibility dan necessity dari masing-masing subkriteria dihitung dengan persamaan 3.12, 3.13, 3.14 dan 3.15. Tahun menyatakan tahun perbandingan fuzzy rating yakni 1 : 2003/2004, 2 : 2004/2005, 3 : 2005/2006, dan 4 : 2006/2007. Sebagai contoh, posibilitas memperbaharui teknologi tahun perbandingan 1 menyatakan derajat posibilitas KM 1 untuk subkritera tersebut pada tahun 2004 lebih besar dari nilai kinerja tahun 2003. Perbandingan nilai fuzzy berdasarkan persamaan 3.12 dapat dilihat pada gambar 4.2. Nilai sebesar 0,113 merupakan nilai estimasi kemungkinan maksimum rating KM 1 pada tahun 2004 lebih besar dari rating kinerja tahun 2003. Output secara lengkap dari aplikasi model terhadap KM 1 pada tahap 3 sebagai berikut

99

Tabel 4. 1 Output Model Evaluasi Inovasi dan Peramalan Teknologi Kandidat Mitra 1 Tahap 3 Technology Tahun 1 2 3 4 Possibility Memperbaharui 0,113 Teknologi 0,167 0,167 0,167 Necessity Memperbaharui Teknologi 0 0 0 0 Possibility Inovasi 1 1 1 1 Necessity Inovasi 1 1 1 1

Koefisien 0,016 0 0 0

Konstanta 0,113 0 1 1

Estimasi 0,274 0 1 1

Nilai SubKriteria 0,137 1

Nilai Kriteria 0,569

Koefisien dan konstanta yang dimaksud dalam tabel 4.1 adalah koefisien dan konstanta dari persamaan linier untuk memprediksi nilai possibility dan necessity dalam jangka panjang. Grafik dari prediksi linier ditampilkan pada gambar 4.4 sampai dengan 4.7. Estimasi merupakan nilai prediksi linier dalam jangka waktu yang telah ditetapkan. Dalam penelitian ini jangka waktu estimasi adalah 10 tahun ke depan. Jika estimasi bernilai negatif maka nilai tersebut ditetapkan sama dengan 0 karena possibility dan necesity tidak boleh lebih kecil dari 0. Fuzzy Rating Posibilitas Memperbaharui Teknologi 1 0.5 0

0

1

2 3 4 5 6 7 8 Fuzzy Rating Posibilitas Memperbaharui Teknologi

9

10

0

1


9

10

0

1


9

10

0

1

9

10

1 0.5 0 1 0.5 0 1 0.5 0

2

3

4

5

6

7

8

Gambar 4. 2 Fuzzy Rating Posibilitas Memperbaharui Teknologi untuk masing-masing Tahun Perbandingan

100

Fuzzy Rating Posibilitas Inovasi 1 0.5 0

0

1

2

3 4 5 6 7 Fuzzy Rating Posibilitas Inovasi

8

9

10

0

1

2


8

9

10

0

1

2


8

9

10

0

1

2

3

8

9

10

1 0.5 0 1 0.5 0 1 0.5 0

4

5

6

7

Gambar 4. 3 Fuzzy Rating Posibilitas Inovasi untuk masing-masing Tahun Perbandingan 0.2

Possibility

0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0

Possibility Linear (Possibility )

1

2

3

4

Tahun Perbandingan

Necessity

Gambar 4. 4 Prediksi linier Posibilitas Memperbaharui Teknologi

1 0.9 0.8 0.7 0.6

Necessity Linear (Necessity )

0.5 0.4 0.3 0.2 0.1 0 1

2 3 Tahun Perbandingan

4

Gambar 4. 5 Prediksi linier Necessity Memperbaharui Teknologi

101

1 Prediksi (smooth) LinEq 1

Posibilitas

1

1

1

1

1

1

1

1.5

2

2.5 Tahun Perbandingan

3

3.5

4

Gambar 4. 6 Prediksi linier Posibilitas Inovasi


Necessity

1

1

1

1

1

1

1

1.5

2


3

3.5

4

Gambar 4. 7 Prediksi linier Necessity Inovasi

Nilai subkriteria dan nilai kriteria dihitung dengan menggunakan operator agregasi OWA. Vektor bobot diperoleh dengan menggunakan parameter α sebesar 1. Dengan demikian decision manager melakukan evaluasi dari sudut pandang situasi yang normal. 4.3. 2. Model Evaluasi Kemampuan Pengembangan Mitra

Kemampuan pengembangan kandidat mitra 1 untuk tahap 3 dievaluasi dengan menggunakan model ini. Perhitungan dilakukan berdasarkan situasi yang serupa dengan model sebelumnya. Output dari model antara lain

102

Tabel 4. 2 Output Model Evaluasi Kemampuan Pengembangan Kandidat Mitra 1 Tahap 3 Development Capabilities Tahun Possibility Skill Necessity Skill Possibility Fleksibilitas Necessity Fleksibilitas

Koefisien 0,0161494 0 0 0

1 0,112835 0 1 1

Konstanta 0,1128353 0 1 1

2 0,166667 0 1 1

3 0,166667 0 1 1

Nilai SubKriteria 0,1371647 1

Estimasi 0,2743294 0 1 1

4 0,16666667 0 1 1


Fuzzy Rating Posibilitas Skill 1 0.5 0

0

1

2

3 4 5 6 7 Fuzzy Rating Posibilitas Skill

8

9

10

0

1

2


8

9

10

0

1

2


8

9

10

0

1

2

3

8

9

10

1 0.5 0 1 0.5 0 1 0.5 0

4

5

6

7

Gambar 4. 8 Fuzzy Rating Posibilitas Skill untuk masing-masing Tahun Perbandingan Fuzzy Rating Posibilitas Fleksibilitas 1 0.5 0

0

1

2

3 4 5 6 7 Fuzzy Rating Posibilitas Fleksibilitas

8

9

10

0

1

2


8

9

10

0

1

2


8

9

10

0

1

2

8

9

10

1 0.5 0 1 0.5 0 1 0.5 0

3

4

5

6

7

Gambar 4. 9 Fuzzy Rating Posibilitas Fleksibilitas untuk masing-masing Tahun Perbandingan

103

0.2

0.14 0.12 0.1 0.08

0.02 0


1

2

3

4

Tahun Perbandingan

Gambar 4. 10 Prediksi linier Posibilitas Skill Prediksi Necessity Skill 1 Prediksi (smooth) LinEq1

0.8 0.6 0.4 0.2 Necessity

0.06 0.04

0 -0.2 -0.4 -0.6 -0.8 -1

1

1.5

2


3

3.5

4

Gambar 4. 11 Prediksi linier Necessity Skill Prediksi Posibilitas Fleksibilitas 1 Prediksi (smooth) LinEq1 1

1

Posibilitas

Possibility

0.18 0.16

1

1

1

1

1

1

1.5

2


3

3.5

4

Gambar 4. 12 Prediksi linier Posibilitas Fleksibilitas

104


Necessity

1

1

1

1

1

1

1

1.5

2


3

3.5

4

Gambar 4. 13 Prediksi linier Necessity Fleksibilitas

4.3. 3.

Model Evaluasi Kesesuaian Organisasi

Untuk kriteria kesesuaian organisasi, terdapat dua subkriteria yang akan dievaluasi yakni kultur dan organisasi. Aplikasi model pada kandidat mitra 1 tahap 3 memberikan output sebagai berikut. Tabel 4. 3 Output Model Evaluasi Kesesuaian Organisasi Kandidat Mitra 1 Tahap 3 Organizational Alignment Tahun Possibility Kultur Necessity Kultur Possibility Organisasi Necessity Organisasi

Koefisien 4,44089E-17 0 4,44089E-17 0

Konstanta 0,16666667 0 0,16666667 0

1 0,16666667 0 0,16666667 0

Estimasi 0,16666667 0 0,16666667 0

2 0,16666667 0 0,16666667 0

3 0,16666667 0 0,16666667 0

Nilai SubKriteria 0,08333333 0,08333333

4 0,16666667 0 0,16666667 0


105

Fuzzy Rating Posibilitas Kultur 1 0.5 0

0

1

2

3 4 5 6 7 Fuzzy Rating Posibilitas Kultur

8

9

10

0

1

2


8

9

10

0

1

2


8

9

10

0

1

2

3

8

9

10

1 0.5 0 1 0.5 0 1 0.5 0

4

5

6

7

Gambar 4. 14 Fuzzy Rating Posibilitas Kultur untuk masing-masing Tahun Perbandingan

Fuzzy Rating Posibilitas Organisasi 1 0.5 0

0

1

2

3 4 5 6 7 Fuzzy Rating Posibilitas Organisasi

8

9

10

0

1

2


8

9

10

0

1

2


8

9

10

0

1

2

8

9

10

1 0.5 0 1 0.5 0 1 0.5 0

3

4

5

6

7

Gambar 4. 15 Fuzzy Rating Posibilitas Organisasi untuk masing-masing Tahun Perbandingan 0.35 Prediksi (smooth) LinEq 0.3

Posibilitas

0.25

0.2

0.15

0.1

0.05

0

1

1.5

2


3

3.5

4

Gambar 4. 16 Prediksi linear posibilitas kultur jangka panjang

106

Prediksi Necessity Kultur 1 Prediksi (smooth) LinEq1

0.8 0.6 0.4

Necessity

0.2 0 -0.2 -0.4 -0.6 -0.8 -1

1

1.5

2


3

3.5

4

Gambar 4. 17 Prediksi linear necessity kultur jangka panjang

0.35 Prediksi (smooth) LinEq 0.3

Posibilitas

0.25

0.2

0.15

0.1

0.05

0

1

1.5

2


3

3.5

4

Necessity

Gambar 4. 18 Prediksi linear posibilitas organisasi jangka panjang

1 0.9 0.8 0.7 0.6


0.5 0.4 0.3 0.2 0.1 0 1


4

Gambar 4. 19 Prediksi linear necessity organisasi jangka panjang

107

4.3. 4.

Model Evaluasi Kesesuaian Proses

Model diaplikasikan pada kriteria proses kandidat mitra 1 untuk tahap 3. Hasilnya dapat dilihat pada tabel dan gambar di bawah ini. Tabel 4. 4 Output Model Evaluasi Process Compatibility Kandidat Mitra 1 Tahap 3 Process Compatibility Tahun Possibility Process Necessity Process

1

2

3

4

0,167 0

0,167 0

0,167 0

0,167 0

Koefisien 4,44089E17 0

Konstanta

Estimasi

Nilai Kriteria

0,167

0,167

0,083

0

0

Fuzzy Rating Posibilitas Process 1 0.5 0

0

1

2

3 4 5 6 7 Fuzzy Rating Posibilitas Process

8

9

10

0

1

2


8

9

10

0

1

2


8

9

10

0

1

2

8

9

10

1 0.5 0 1 0.5 0 1 0.5 0

3

4

5

6

7

Gambar 4. 20 Fuzzy Rating Posibilitas Proses untuk masing-masing Tahun Perbandingan

0.35 Prediksi (smooth) LinEq 0.3

Posibilitas

0.25

0.2

0.15

0.1

0.05

0

1

1.5

2


3

3.5

4

Gambar 4. 21 Prediksi linear posibilitas proses jangka panjang

108

Necessity

1 0.9 0.8 0.7 0.6


0.5 0.4 0.3 0.2 0.1 0 1


4

Gambar 4. 22 Prediksi linear necessity proses jangka panjang

4.3. 5.

Model Evaluasi Financial Viability

Dalam aplikasi model ini, diasumsikan bahwa penentuan nilai fuzzy sustainable growth rate dengan input ROE dan dividend-payout ratio sudah dilakukan sehingga input model evaluasi financial viability berupa nilai ketahanan finansial.

Possibility dan necessity kemudian dihitung dengan menggunakan

persamaan 3.26 dan 3.27. Output jika model diaplikasikan pada kandidat mitra 1 untuk tahap 3 dapat dilihat pada tabel 4.5. Tahun menyatakan tahun perbandingan fuzzy rating yakni 1 : 2003/2004, 2 : 2004/2005, 3 : 2005/2006, dan 4 : 2006/2007.

Tabel 4. 5 Output Model Evaluasi Financial Viability Kandidat Mitra 1 Tahap 3 Financial Viability Tahun Possibility Finance Necessity Finance

1 1 1

2 1 1

3 1 1

4 1 1

Koefisien 0 0

Konstanta 1 1

Estimasi 1 1

Nilai Kriteria 1

109

Fuzzy Rating Posibilitas Finansial 1 0.5 0

0

1

2

3 4 5 6 7 Fuzzy Rating Posibilitas Finansial

8

9

10

0

1

2


8

9

10

0

1

2


8

9

10

0

1

2

8

9

10

1 0.5 0 1 0.5 0 1 0.5 0

3

4

5

6

7

Gambar 4. 23 Fuzzy Rating Posibilitas Finansial untuk masing-masing Tahun Perbandingan

Gambar 4.23 menunjukkan nilai fuzzy untuk menghitung posibilitas finansial pada tahun perbandingan 2003/2004, 2004/2005, 2005/2006 dan 2006/2007 berdasarkan persamaan 3.26. Dari hasil perhitungan prediksi linear maka nilai kandidat mitra 1 pada tahap 3 untuk kriteria finansial adalah 1. Nilai ini merupakan hasil agregasi possibility dan necessity finansial dengan menggunakan OWA operator. 1.2

P ossibility

1 0.8 0.6 0.4 0.2


0 1

2

3

4

Tahun Perbandingan

Gambar 4. 24 Prediksi linear posibilitas finansial jangka panjang

110

Prediksi Necessity Finansial 2 1.8 1.6 1.4

Necessity

1.2 1 0.8 0.6 0.4 0.2 0

1

1.5

2


3

3.5

4

Gambar 4. 25 Prediksi linear necessity finansial jangka panjang

Dengan cara yang sama, diperoleh nilai subkriteria dan nilai kriteria masingmasing kandidat mitra pada tahap 3, 5, 6 dan 8. Output secara lengkap dapat dilihat dalam lampiran. 4.3. 6.

Concordance Index dan Discordance Index

Pada penelitian ini, concordance index merupakan nilai kriteria masingmasing kandidat mitra pada tiap tahap sehingga berdasarkan perhitungan sebelumnya concordance index untuk kandidat mitra 1 pada tahap 3 ditampilkan dalam tabel 4.6. Concordance index secara lengkap untuk tahap 5, 6 dan 8 dapat dilihat pada bagian lampiran. Tabel 4. 6 Concordance index tahap 3 Kriteria Technology Development Capabilities Organizational Alignment Process Compatibility Financial Availability

KP1

KP2

KP3

KP4

0.5 0.5686 0.0833 0.0833 1

0.525 0.518 0.061 0.422 1

0.75 0.525 0.0875 0.422 1

0.75 0.5 0.0875 0.422 1

Discordance index yang digunakan merupakan nilai pada tiap kriteria yang menyatakan necessity y + 1 > y . Dalam model ini maka discordance index terdiri dari estimasi necessity subkriteria memperbaharui teknologi untuk kriteria

111

teknologi, estimasi necessity subkriteria skill untuk kriteria kemampuan pengembangan, rata-rata estimasi necessity

subkriteria kultur dan organisasi

untuk kriteria kesesuaian organisasi, estimasi necessity subkriteria proses untuk kriteria kesesuaian proses dan 0 untuk kriteria kesehatan finansial. 4.3. 7.

Agregasi Concordance Index dan Agregasi Discordance Index

Agregasi concordance index dihitung dengan menggunakan persamaan 2.11. Bobot yang dipakai adalah bobot relatif untuk masing-masing kriteria. Agregasi discordance index dihitung dengan menggunakan persamaan 2.13. Hasilnya diperoleh untuk setiap kandidat mitra pada tiap tahap. 4.3. 8.

Nilai Kinerja Kandidat Mitra

Setelah diperoleh nilai agregasi concordance index serta agregasi discordance index setiap kandidat mitra pada tiap tahap maka nilai kinerja kandidat mitra dapat dihitung dengan persamaan 2.15. Untuk tahap 3 hasilnya diperoleh sebagai berikut. Nilai selengkapnya untuk tahap 5, 6 dan 8 ditampilkan dalam bagian lampiran. Tabel 4. 7 Nilai kinerja kandidat mitra tahap 3

Tahap 3 KP1 KP2 KP3 KP4

4. 4.

Nilai r 45.26* 44.06 42.92 42.42

Optimisasi Pemilihan Mitra Fuzzy

Nilai kandidat mitra yang dihasilkan oleh model sebelumnya kemudian digunakan sebagai input dalam model optimisasi pemilihan mitra fuzzy yang telah dievaluasi dalam bab 3. Waktu dan biaya yang diperlukan masing-masing kandidat mitra untuk menyelesaikan tahap pengembangannya diberikan dalam lampiran. Target derajat kepuasan waktu penyelesaian proyek ( τ ) ditetapkan

112

sebesar 0,9 sedangkan target derajat kepuasan biaya penyelesaian proyek ( ρ ) ditetapkan sebesar 0,7. Total waktu fuzzy yang diharapkan untuk penyelesaian proyek ditetapkan (0, 0, 80, 96) minggu dan total biaya fuzzy yang diharapkan untuk penyelesaian proyek ditetapkan (0, 0, 380, 400) juta dolar. Data-data yang digunakan sebagai input selain nilai kinerja kandidat mitra merupakan data-data dalam penelitian Wang dan Lin (2006).

Fungsi fitnes didefinisikan dalam bentuk total nilai kinerja mitra terpilih dan nilai penalti terhadap target derajat kepuasan waktu dan biaya penyelesaian proyek yang tidak terpenuhi untuk sekelompok mitra terpilih X. f ( X ) = ∑ rix − γ [Max{0, τ − SAT ( f n ( X ), T )} + Max{0, ρ − SAT (C ( X ), K )}] (4. 1) n

i =1

i

γ merupakan koefisien penalti dengan nilai yang besar agar tidak melanggar target derajat kepuasan waktu dan biaya pengembangan proyek.

Dengan menggunakan pemrograman linier untuk mendapatkan solusi model optimisasi maka kandidat mitra yang terpilih adalah kandidat mitra 2 untuk tahap 3, kandidat mitra 1 untuk tahap 5, kandidat mitra 1 untuk tahap 6 dan kandidat mitra 6 untuk tahap 8. Total nilai kinerja yang diperoleh adalah sebesar 173.9440.

Total waktu fuzzy penyelesaian proyek dan total biaya fuzzy

penyelesaian proyek yang diperoleh adalah (51, 57, 59, 67) dan (156, 167, 172, 182). Time 1 fn T

0.9 0.8 0.7

SAT

0.6 0.5 0.4 0.3 0.2 0.1 0

0

20

40

60

80 100 120 Time (W eeks)

140

160

180

200

Gambar 4. 26 Derajat Kepuasan waktu fuzzy penyelesaian proyek terhadap waktu penyelesaian proyek yang diharapkan

113

Cost 1 C K

0.9 0.8 0.7

SAT

0.6 0.5 0.4 0.3 0.2 0.1 0

0

50

100

150 200 250 Cost(million dollars)

300

350

400

Gambar 4. 27 Derajat Kepuasan biaya fuzzy penyelesaian proyek terhadap biaya penyelesaian proyek yang diharapkan

Derajat kepuasan waktu penyelesaian proyek yang diperoleh terhadap waktu penyelesaian proyek yang diharapkan adalah 1. Begitu pula dengan nilai derajat kepuasan biaya penyelesaian proyek yang diperoleh terhadap biaya penyelesaian proyek yang diharapkan adalah 1 seperti yang ditampilkan dalam gambar 4.26 dan 4.27. Dengan demikian, kendala (3.29) dan (3.30) dalam model optimisasi terpenuhi karena masing-masing bernilai lebih besar dari target derajat kepuasan yang telah ditetapkan. 4. 5.

Sensitivity Analisis

Secara langsung dari gambar 4.27 dapat dilihat bahwa total biaya pengembangan yang diharapkan masih jauh lebih besar dibandingkan dengan biaya yang diperoleh. Hal ini menyebabkan total nilai kinerja adalah nilai maksimum yang mungkin diperoleh sehingga mitra terpilih adalah kandidat mitra dengan nilai kinerja yang paling tinggi untuk setiap tahap (lihat lampiran).

Untuk menguji model, biaya penyelesaian proyek yang diharapkan (K) kemudian diubah menjadi (0, 0, 156, 175). Dengan mengaplikasikan data biaya yang baru ke dalam model diperoleh mitra yang terpilih adalah kandidat mitra 4 untuk tahap 3, kandidat mitra 1 untuk tahap 5, kandidat mitra 3 untuk tahap 6 dan kandidat mitra 1 untuk tahap 8. Total nilai kinerja yang diperoleh adalah sebesar 143,1973. Total waktu fuzzy penyelesaian proyek dan total biaya fuzzy

114

penyelesaian proyek yang diperoleh adalah (53, 59, 60, 69) dan (151, 157, 158, 168). Derajat kepuasan waktu penyelesaian proyek yang diperoleh terhadap waktu penyelesaian proyek yang diharapkan adalah 1. Akan tetapi nilai derajat kepuasan biaya penyelesaian proyek yang diperoleh terhadap biaya penyelesaian proyek yang diharapkan menjadi turun dengan nilai 0.5895 seperti yang ditampilkan dalam gambar 4.28 dan 4.29. Dengan demikian, kendala (3.29) model optimisasi terpenuhi karena bernilai lebih besar dari target derajat kepuasan yang telah ditetapkan ( τ = 0.9 ). Kendala (3.30) dari model optimisasi tidak terpenuhi karena nilainya lebih kecil dibandingkan dengan target derajat kepuasan yang telah ditetapkan ( ρ = 0.7 ). Time 1 fn T

0.9 0.8 0.7

SAT

0.6 0.5 0.4 0.3 0.2 0.1 0

0

20

40

60

80 100 120 Time (W eeks)

140

160

180

200

Gambar 4. 28 Derajat Kepuasan waktu fuzzy penyelesaian proyek terhadap waktu penyelesaian proyek yang diharapkan Cost 1 C K

0.9 0.8 0.7

SAT

0.6 0.5 0.4 0.3 0.2 0.1 0

0

20

40

60

80 100 120 Cost (million dollars)

140

160

180

200

Gambar 4. 29 Derajat Kepuasan biaya fuzzy penyelesaian proyek terhadap biaya penyelesaian proyek yang diharapkan

115

Dalam kasus ini seluruh derajat kepuasan biaya dari kelompok mitra terpilih yang mungkin lebih kecil dari target sehingga kelompok mitra yang terpilih memiliki derajat kepuasan biaya yang paling maksimum yaitu 0.5895. Hal ini disebabkan persamaan derajat kepuasan yang digunakan adalah persamaan dalam situasi pesimis (pesimisstic criterion). Jika situasi optimis yang digunakan maka mitra yang terpilih adalah kandidat mitra 4 untuk tahap 3, kandidat mitra 1 untuk tahap 5, kandidat mitra 1 untuk tahap 6 dan kandidat mitra 1 untuk tahap 8. Total nilai kinerja yang diperoleh sebesar 171.1040. Total waktu fuzzy penyelesaian proyek dan total biaya fuzzy penyelesaian proyek yang diperoleh ~ ~ adalah (53, 59, 62, 70) dan (153, 162, 166, 176). SAT f n ( X ), T = 1 dan

(

(

)

)

~ ~ SAT C ( X ), K = 0.7842 . Dari hasil tersebut diperoleh kendala (3.30) dari model optimisasi terpenuhi karena nilainya lebih besar dibandingkan dengan target derajat kepuasan yang telah ditetapkan ( ρ = 0.7 ).

Time 1 fn T

0.9 0.8 0.7

SAT

0.6 0.5 0.4 0.3 0.2 0.1 0

0

20

40

60

80 100 120 Time (Weeks)

140

160

180

200

Gambar 4. 30 Derajat Kepuasan waktu fuzzy penyelesaian proyek terhadap waktu penyelesaian proyek yang diharapkan versi optimistik

116

Cost 1 C K

0.9 0.8 0.7

SAT

0.6 0.5 0.4 0.3 0.2 0.1 0

0

20

40

60

80 100 120 Cost (million dollars)

140

160

180

200

Gambar 4. 31 Derajat Kepuasan biaya fuzzy penyelesaian proyek terhadap biaya penyelesaian proyek yang diharapkan versi optimistik

Pada situasi pesimistik seperti yang ditampilkan dalam gambar 4.29, biaya terbesar yang mungkin (terburuk) dalam penyelesaian proyek ditunjukkan pada perpotongan antara garis paling kanan pada 1 − μ C ( x ) dengan μ K ( x ) sehingga (151, 157, 158, 168) merupakan biaya terburuk yang harus dikeluarkan untuk menyelesaikan proyek.

Pada situasi optimistik seperti yang ditampilkan dalam gambar 4.31, biaya terkecil yang mungkin (terbaik) dalam penyelesaian proyek ditunjukkan pada perpotongan antara garis paling kiri pada μ C ( x ) dengan μ K ( x ) sehingga (153, 165, 173, 183) merupakan biaya terbaik yang harus dikeluarkan untuk menyelesaikan proyek dengan mitra terpilih. Dalam situasi yang kurang kondusif (pesimis), pengambil keputusan dapat mengambil hasil mitra terpilih meskipun derajat kepuasannya kurang dari target yang telah ditetapkan.

117

Bab 4 Uji dan Analisis Metode

Recommend Documents