BAB II LANDASAN TEORI
2.1
SUPPLY CHAIN MANAGEMENT Supply chain adalah jaringan perusahaan-perusahaan yang secara bersama-
sama bekerja untuk menciptakan dan mengantar suatu produk ke tangan pemakai akhir (Pujawan, 2005). Perusahaan-perusahaan tersebut adalah supplier, pabrik, distributor, toko atau ritel, serta perusahaan-perusahaan pendukung seperti perusahaan jasa logistik. Untuk mengelola supply chain, dibutuhkan suatu alat, metode ataupun pendekatan yang tepat yang dikenal dengan istilah Supply Chain Management (SCM). Sebuah rantai pasokan terdiri dari semua pihak yang terlibat langsung maupun tidak langsung, dalam memenuhi permintaan pelanggan. Rantai pasokan tidak hanya mencakup produsen dan pemasok, tetapi juga transporter, gudang, pengecer, dan bahkan pelanggan sendiri. Dalam setiap organisasi, seperti produsen, rantai pasokan mencakup semua fungsi yang terlibat dalam menerima dan mengisi permintaan pelanggan. Fungsi ini meliputi, namun tidak terbatas
6
7
pada, pengembangan produk baru, pemasaran, operasi, distribusi, keuangan, dan layanan pelanggan (Sunil, 2007). Supply Chain Management menjadi satu solusi terbaik untuk memperbaiki tingkat produktivitas antara perusahaan-perusahaan yang berbeda. Tujuan utama dari SCM adalah: penyerahan atau pengiriman produk secara tepat waktu demi memuaskan konsumen, mengurangi biaya, meningkatkan segala hasil dari seluruh supply chain (bukan hanya satu perusahaan), mengurangi waktu, memusatkan kegiatan perencanaan dan distribusi (Eri, 2008). Tujuan dari setiap rantai pasokan harus untuk memaksimalkan nilai keseluruhan yang dihasilkan. Nilai rantai pasokan menghasilkan perbedaan antara apa produk akhir bernilai kepada pelanggan dan biaya rantai pasokan menimbulkan mengisi permintaan pelanggan. Bagi kebanyakan rantai pasokan komersial, nilai akan sangat berkorelasi dengan profitabilitas rantai pasokan (juga dikenal sebagai kelebihan supply chain), perbedaan antara pendapatan yang dihasilkan dari pelanggan dan biaya keseluruhan di seluruh rantai pasokan (Sunil, 2007). Manajemen rantai pasokan yang sukses membutuhkan banyak keputusan yang berkaitan dengan aliran informasi, produk, dan dana. Setiap keputusan harus dilakukan untuk meningkatkan pasokan rantai surplus. Keputusan ini jatuh ke dalam tiga kategori atau fase, tergantung pada frekuensi setiap keputusan dan kerangka waktu selama fase keputusan memiliki dampak. Akibatnya, setiap kategori keputusan harus mempertimbangkan ketidakpastian atas cakrawala keputusan.
8
1.
Strategi atau Desain Rantai Pasokan: Selama fase ini, mengingat rencana pemasaran dan harga untuk produk, sebuah perusahaan memutuskan bagaimana struktur rantai pasokan selama beberapa tahun ke depan. Ini memutuskan apa konfigurasi rantai akan ada, bagaimana sumber daya akan dialokasikan, dan apa proses setiap tahap akan tampil. Keputusan strategis yang dibuat oleh perusahaan termasuk apakah untuk melakukan outsourcing atau melakukan fungsi rantai pasokan di rumah, lokasi dan kapasitas fasilitas produksi dan pergudangan, produk yang akan diproduksi atau disimpan di berbagai lokasi, moda transportasi yang akan dibuat tersedia bersama yang berbeda kaki pengiriman, dan jenis sistem informasi digunakan. Sebuah perusahaan harus memastikan bahwa konfigurasi rantai pasokan mendukung tujuan strategis dan meningkatkan surplus rantai pasokan selama fase ini. Keputusan desain rantai pasokan biasanya dibuat untuk jangka panjang (hitungan tahun) dan sangat mahal untuk mengubah dalam waktu singkat. Akibatnya, ketika perusahaan membuat keputusan ini, mereka harus memperhitungkan ketidakpastian pemesanan dalam kondisi pasar yang diantisipasi selama beberapa tahun ke depan.
2.
Perencanaan Rantai Pasokan: Untuk keputusan yang dibuat selama fase ini, kerangka waktu dipertimbangkan adalah seperempat sampai satu tahun. Oleh karena itu, konfigurasi rantai pasokan yang ditentukan dalam tahap strategis adalah tetap. Konfigurasi ini menetapkan batasan di mana perencanaan harus dilakukan. Tujuan dari perencanaan adalah untuk memaksimalkan surplus rantai pasokan yang dapat dihasilkan selama
9
horison perencanaan mengingat kendala yang ditetapkan selama fase strategis atau desain. Perusahaan mulai tahap perencanaan dengan perkiraan untuk tahun mendatang (atau jangka waktu yang sebanding) permintaan di pasar yang berbeda. Perencanaan meliputi pengambilan keputusan mengenai yang pasar akan dipasok dari mana lokasi, yang subkontrak manufaktur, kebijakan persediaan yang harus diikuti, dan waktu dan ukuran pemasaran dan harga promosi. Perencanaan menetapkan parameter di mana rantai pasokan akan berfungsi selama periode waktu tertentu. Pada tahap perencanaan, perusahaan harus menyertakan ketidakpastian permintaan, nilai tukar, dan persaingan dari waktu ke waktu ini cakrawala dalam keputusan mereka. Mengingat kerangka waktu yang lebih singkat dan lebih baik dari perkiraan tahap desain, perusahaan dalam tahap perencanaan mencoba untuk menggabungkan setiap fleksibilitas dibangun
ke
dalam
rantai
pasokan
dalam
tahap
desain
dan
memanfaatkannya untuk mengoptimalkan kinerja. Sebagai hasil dari tahap perencanaan,
perusahaan
mendefinisikan
seperangkat
kebijakan
operasional yang mengatur operasi jangka pendek. 3.
Pengoperasian Rantai Pasokan: Waktu cakrawala di sini adalah mingguan atau harian, dan selama fase ini perusahaan membuat keputusan mengenai pesanan pelanggan individu. Pada tingkat operasional, konfigurasi rantai pasokan dianggap tetap, dan kebijakan perencanaan sudah ditentukan. Tujuan dari operasi rantai suplai adalah untuk menangani pesanan pelanggan yang masuk dengan cara terbaik mungkin. Selama fase ini, perusahaan mengalokasikan persediaan atau produksi untuk pesanan
10
individu, menetapkan tanggal itu perintah untuk diisi, menghasilkan daftar pick di sebuah gudang, mengalokasikan untuk modus tertentu pengiriman dan pengiriman, mengatur jadwal pengiriman truk, dan tempat perintah pengisian. Karena keputusan operasional sedang dibuat dalam jangka pendek (menit, jam, atau hari), ada ketidakpastian kurang tentang informasi permintaan. Mengingat kendala yang ditetapkan oleh kebijakan konfigurasi dan perencanaan, tujuan pada tahap operasi adalah untuk mengeksploitasi pengurangan ketidakpastian dan mengoptimalkan kinerja. Desain, perencanaan, dan operasi dari rantai pasokan memiliki dampak yang kuat terhadap profitabilitas secara keseluruhan dan keberhasilan (Sunil, 2007).
2.2
PEMILIHAN VENDOR Supply Chain Management dan permintaan perusahaan dalam value chain
telah menyebabkan integrasi operasional pemasok dalam rantai pasokan (supply chain). Memilih pemasok yang tepat (atau vendor) antara pemasok yang lain adalah isu penting bagi top manajemen. Dalam industri yang berkaitan dengan skala besar produksi bahan baku dan bagian komponen yang bisa menyamai hingga
70%
biaya
produksi.
Dengan
keadaan
tersebut
bagian
pembelian/pengadaan dapat memainkan peran kunci dalam pengurangan biaya, dan pemilihan supplier merupakan salah satu yang paling fungsi penting dari manajemen pembelian (Ravendra, 2012). Hal ini dapat dilihat pada gambar berikut ini (Chin-Nung Liao, 2011).
11
Gambar 2.1 Aliran Proses Supply Chain Management Sourcing adalah serangkaian proses bisnis yang diperlukan untuk membeli barang dan jasa. Manajer harus terlebih dahulu menentukan tugas akan outsourcing dan yang akan dilakukan dalam perusahaan. Untuk setiap tugas outsourcing, manajer harus memutuskan apakah sumber dari pemasok tunggal atau portofolio pemasok. Jika portofolio beberapa pemasok harus dilaksanakan, maka peran masing-masing pemasok dalam portofolio harus diperjelas. Langkah selanjutnya adalah mengidentifikasi seperangkat kriteria yang akan digunakan untuk memilih pemasok dan mengukur kinerja mereka. Manajer kemudian pilih pemasok dan menegosiasikan kontrak dengan mereka. Kontrak menentukan peran masing-masing sumber pasokan dan harus terstruktur untuk meningkatkan kinerja supply chain dan meminimalkan distorsi informasi dari satu tahap ke tahap berikutnya. Setelah pemasok dan kontrak berada di tempat, proses pengadaan yang memfasilitasi penempatan dan pengiriman pesanan memainkan peran utama. Manajer harus memutuskan jumlah pemasok mereka akan memiliki untuk kegiatan tertentu. Mereka kemudian harus mengidentifikasi kriteria bersama dimana pemasok akan dievaluasi dan bagaimana mereka akan dipilih. Untuk proses seleksi, manajer harus memutuskan apakah mereka akan menggunakan
12
negosiasi langsung atau resor untuk lelang. Jika lelang yang digunakan, maka harus disusun untuk memastikan hasil yang diinginkan (Sunil, 2007). Purchasing-Procurement-Center.com menjelaskan bahwa memilih vendor adalah kegiatan penting bisnis harus menjalankan. Vendor akan memberikan pembelian langsung yang perusahaan akan gunakan untuk menghasilkan produk yang Anda jual dan pembelian langsung Anda unutuk menjaga bisnis perusahaan berjalan secara efektif. Saat perusahaan memilih vendor yang potensial, perusahaan memilih mitra dalam bisnis dan perusahaan akan percaya vendor untuk bekerja secara profesional dan menguntungkan. Penting untuk memilih perusahaan yang dapat menyediakan kebutuhan sekarang dan masa depan. Dua belas kriteria seleksi vendor adalah sebagai berikut: 1.
Masa Bisnis Perusahaan perlu mengetahui bahwa vendor didirikan dan siap untuk melayani kebutuhan perusahaan.
2.
Kemampuan untuk terus menyediakan produk-produk atau jasa. Perusahaan membutuhkan produk dan jasa vendor secara teratur. Sebuah vendor yang memiliki masalah pasokan akan mempengaruhi kemampuan perusahaan untuk memasok pelanggan perusahaan dan ini merupakan faktor penting ketika memilih vendor.
3.
Kemampuan untuk menyediakan semua produk yang dibutuhkan atau solusi lengkap.
13
Hal ini sangat diperlukan ketika perusahaan mencari salah satu solusi bisnis seperti sistem komputer baru. Perusahaan juga mungkin mencoba untuk merasionalisasi jumlah vendor atau ingin membeli lini produk dari satu vendor saja. Ini akan sangat sulit untuk mendapatkan hal yang baik jika perusahaan perlu membeli hanya rentang kecil dari pemasok lain, karena penjual yang Anda pilih tidak dapat memasok lengkap. 4.
Fleksibilitas untuk memungkinkan perubahan perintah atau lini produk. Terkadang semua bisnis perlu mengubah pesanan, mungkin vendor bukan satu-satunya untuk perusahaan dan perlu memilih vendor lainnya.
5.
Katalog yang substansial dari produk atau jasa. Hal ini tidak hanya menunjukkan ukuran vendor mapan, tetapi juga berarti bahwa perusahaan memiliki fleksibilitas dalam pemesanan. Ketika bisnis perusahaan berkembang, perusahaan dapat tetap dengan vendor yang sama. Ini juga berarti bahwa perusahaan dapat meminimalkan jumlah vendor.
6.
Pasokan yang tepat dari ahli yang dapat menjawab pertanyaan-pertanyaan yang mungkin perusahaan miliki. Sekali lagi, ini sangat relevan jika perusahaan membeli layanan bernilai tinggi, tapi kita semua harus ahli di beberapa waktu atau lainnya.
7.
Testimonial dan referensi. Testimonial dan referensi tersebut berharga jika perusahaan dapat memeriksa bahwa vendor tersebut handal dan karena mereka bermaksud untuk menjadi handal.
14
8.
Keberlanjutan dan stabilitas keuangan. Hal terakhir yang perusahaan inginkan adalah harus mengganti vendor sangat cepat karena salah satu dari mereka telah keluar dari bisnis.
9.
Harga. Diskon pada daftar harga selalu dinegosiasikan, tetapi harga adalah bagian penting dari memilih vendor.
10.
Waktu pengiriman. Perusahaan perlu mengetahui bahwa pengiriman dapat dilakukan di mana dan kapan perusahaan inginkan. Jumlah pengiriman per minggu atau bulan mungkin juga penting bagi perusahaan.
11.
Syarat bisnis. Syarat pembayaran adalah sangat penting karena mereka berdampak pada arus kas perusahaan.
12.
Pelayanan pelanggan. Selalu merupakan bagian penting dari hubungan apapun. Apa ketersediaan pemesanan dan bantuan staf? Apakah mereka ramah, profesional dan mudah untuk dihubungi. Tidak ada yang suka menggantung di ujung telepon diberitahu oleh mesin, "panggilan Anda penting bagi kami". Seperti yang dapat dilihat ada cukup banyak kriteria yang perlu
dipertimbangkan ketika memilih vendor tapi kemudian itu adalah suatu usaha penting yang akan membuat dampak yang besar terhadap keberhasilan bisnis perusahaan.
15
2.3
METODE FUZZY
Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.
Fuzzy logic jika di atau dalam bahasa Indonesia logika Fuzzy adalah teknik/ metode yang dipakai untuk mengatasi hal yang tidak pasti pada masalah – masalah yang mempunyai banyak jawaban. Pada dasarnya Fuzzy logic merupakan logika bernilai banyak/ multivalued logic yang mampu mendefinisikan nilai diantara keadaan yang konvensional seperti benar atau salah, ya atau tidak, putih atau hitam dan lain-lain. Penalaran Logika Fuzzy menyediakan cara untuk memahami kinerja system dengan cara menilai input dan output system dari hasil pengamatan. Logika Fuzzy menyediakan cara untuk menggambarkan kesimpulan pasti dari informasi yang samar-samar, ambigu dan tidak tepat.
Logika fuzzy dan logika probabilitas secara matematis sama - keduanya mempunyai nilai kebenaran yang berkisar antara 0 dan 1 - namun secara konsep berbeda. Logika fuzzy berbicara mengenai "derajat kebenaran", sedangkan logika
16
probabilitas mengenai "probabilitas, kecenderungan". Karena kedua hal itu berbeda, logika fuzzy dan logika probabilitas mempunyai contoh penerapan dalam dunia nyata yang berbeda.
Sistem fuzzy mempunyai beberapa keuntungan bila dibandingkan dengan sistem tradisional, misalkan pada jumlah aturan yang dipergunakan. Pemrosesan awal sejumlah besar nilai menjadi sebuah nilai derajat keanggotaan pada sistem fuzzy mengurangi jumlah nilai menjadi sebuah nilai derajat keanggotaan pada sistem fuzzy mengurangi jumlah nilai yang harus dipergunakan pengontrol untuk membuat suatu keputusan. Keuntungan lainnya adalah sistem fuzzy mempunyai kemampuan penalaran yang mirip dengan kemampuan penalaran manusia. Hal ini disebabkan karena sistem fuzzy mempunyai kemampuan untuk memberikan respon berdasarkan informasi yang bersifat kualitatif, tidak akurat, dan ambigu.
Ada beberapa alasan penggunaan Logika Fuzzy (Sri Kusumadwi,2002) : 1.
Logika Fuzzy sangat fleksibel.
2.
Logika Fuzzy memiliki toleransi.
3.
Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
4.
Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
5.
Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
17
6.
Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7.
Logika fuzzy didasarkan pada bahasa alami. Teori logika fuzzy yang diajukan oleh Zadeh pada pertengahan tahun
1960, memberikan suatu pemecahan masalah terhadap persoalan yang tidak pasti ini. Sehingga sistem informasi yang akan dibuat menggunakan model DBMS dan query yang berbasis fuzzy karena model DBMS konvensional, non fuzzy kurang dapat memenuhi kebutuhan sistem informasi ini. Banyak model DBMS dan query fuzzy yang ada, salah satunya adalah model Tahani yang ditemukan pada tahun 1977. Prof. Lutfi Zadeh berpendapat bahwa logika benar dan salah dari logika boolean/konvensional tidak dapat mengatasi masalah gradasi yang ada di dunia nyata. Untuk mengatasi masalah gradasi tersebut maka ia mengembangkan sebuah himpunan samar (fuzzy). Ada beberapa hal yang perlu diketahui dalam memahami sistem Fuzzy (Sri Kusumadewi, 2010), yaitu: 1.
Variable Fuzzy Variable fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: umur, temperature, permintaan, dsb.
2.
Himpunan Fuzzy Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
3.
Semesta Pembicaraan Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
18
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Ada kalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. 4.
Domain Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif dan bilangan negatif.
2.4
TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) Terkait dengan metode pengambilan keputusan yang digunakan, dikenal
dengan nama MCDM. Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuranukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan (Kahraman:2008). Multiple-Criteria Decision-Making (MDCM) atau MultipleCriteria Decision Analysis (MCDA) adalah sub-disiplin riset operasi yang secara eksplisit
menganggap
beberapa
kriteria
dalam
lingkungan
pengambilan
keputusan. Baik dalam kehidupan sehari-hari atau dalam pengaturan profesional, biasanya ada beberapa kriteria yang bertentangan yang perlu dievaluasi dalam
19
membuat keputusan. Biaya atau harga biasanya salah satu kriteria utama. Beberapa ukuran kualitas biasanya kriteria lain yang bertentangan dengan biaya. Dalam membeli mobil, biaya, kenyamanan, keamanan, dan ekonomi bahan bakar mungkin ada beberapa kriteria utama kita mempertimbangkan. Hal ini tidak biasa dengan mobil termurah adalah yang paling nyaman dan yang paling aman. Dalam manajemen portofolio, kita tertarik untuk mendapatkan keuntungan tinggi tetapi pada saat yang sama mengurangi risiko kami. Sekali lagi, saham-saham yang memiliki potensi membawa keuntungan tinggi biasanya juga membawa risiko tinggi kehilangan uang. Dalam industri jasa, kepuasan pelanggan dan biaya penyediaan layanan dua kriteria yang saling bertentangan yang akan berguna untuk
mempertimbangkan.
Dalam
kehidupan
sehari-hari,
kita
biasanya
menimbang beberapa kriteria implisit dan kita mungkin merasa nyaman dengan konsekuensi dari keputusan tersebut yang dibuat berdasarkan intuisi saja. Di sisi lain, ketika taruhannya tinggi, penting untuk benar struktur masalah dan secara eksplisit mengevaluasi beberapa kriteria. Dalam membuat keputusan apakah akan membangun pembangkit listrik tenaga nuklir atau tidak, dan di mana untuk membangun itu, ada tidak hanya masalah yang sangat kompleks yang melibatkan beberapa kriteria, tetapi ada juga beberapa pihak yang sangat terpengaruh dari konsekuensi.
Penataan
masalah
yang
kompleks
dengan
baik
dan
mempertimbangkan beberapa kriteria eksplisit mengarah ke keputusan yang lebih dan lebih baik. Ada kemajuan penting di bidang ini sejak awal modern multikriteria disiplin pengambilan keputusan pada awal 1960-an. Berbagai pendekatan dan metode, banyak dilaksanakan oleh perangkat lunak pengambilan keputusan
20
khusus, telah dikembangkan untuk aplikasi mereka dalam berbagai disiplin ilmu, mulai dari politik dan bisnis untuk lingkungan dan energi. Berdasarkan tujuannya, MCDM dapat dibagi dua model: Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM). MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskrit. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang kontinyu. Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif sedangkan MODM merancang alternatif terbaik. Dengan menggunakan metode MADM maka pengambilan keputusan dalam memilih supplier tidak hanya melihat dari harga barangnya, namun dapat juga mempertimbangkan atribut-atribut lain. MADM memiliki beberapa teknik, yaitu Analytical Hierarchical Process (AHP), Analytic Network Process (ANP), Total Cost of Ownership (TCO) Models, Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), Multiple Attribute Utility Theory (MAUT) dan Outranking Methods. Metode Analytic Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty pada tahun 70-an ketika di Warston School. Metode AHP merupakan salah satu metode yang dapat digunakan dalam sistem pengambilan keputusan dengan memperhatikan faktor-faktor persepsi, preferensi, pengalaman dan intuisi. AHP menggabungkan penilaian-penilaian dan nilai-nilai pribadi ke dalam satu cara yang logis. Analytic Hierarchy Process (AHP) dapat menyelesaikan masalah multikriteria yang kompleks menjadi suatu hirarki. Masalah yang kompleks dapat
21
diartikan bahwa kriteria dari suatu masalah yang begitu banyak (multikriteria), struktur masalah yang belum jelas, ketidakpastian pendapat dari pengambil keputusan, pengambil keputusan lebih dari satu orang, serta ketidakakuratan data yang tersedia. Menurut Saaty, hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, memberi nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. Metode ini juga menggabungkan kekuatan dari perasaan dan logika yang bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang dipersentasikan pada pertimbangan yang telah dibuat. Metode Analitycal Hierarki Process (AHP) adalah metode pembobotan yang sering digunakan dalam merancang sistem pengukuran kinerja. Metode ini menggunakan asumsi bahwa strategi objektif di setiap perspektif saling independent satu sama lain yang
22
direpresentasikan sengan struktur hierarki sistem pengukuran kinerjanya. Asumsi ini secara tidak langsung mengabaikan adanya keterkaitan pada strategy map yang telah
dirancang.
Kebutuhan
akan
metode
pembobotan
yang
mampu
mempertimbangkan saling keterkaitan antara strategi objektif yang ditunjukkan pada strategy map menjadi penting untuk diteliti. Metode Analityc Network Process (ANP) adalah salah satu metode yang mampu
mempresentasikan
tingkat
kepentingan
berbagai
pihak
dengan
mempertimbangan saling keterkaitan antara strategi objektif yang satu dengan yang lain. Metode ini merupakan pengembangan dari metode AHP. Total cost of ownership (TCO) adalah perkiraan keuangan yang dimaksudkan untuk membantu pembeli dan pemilik menentukan biaya langsung dan tidak langsung dari produk atau sistem. Ini adalah konsep akuntansi manajemen yang dapat digunakan dalam akuntansi biaya penuh atau ekonomi bahkan ekologi di mana itu termasuk biaya sosial. Untuk manufaktur, seperti TCO biasanya dibandingkan dengan melakukan bisnis di luar negeri, melampaui awal waktu siklus manufaktur dan biaya untuk membuat bagian-bagian. TCO mencakup berbagai biaya melakukan bisnis barang-barang, misalnya, kapal dan re-kapal, dan biaya kesempatan, sementara itu juga mempertimbangkan insentif dikembangkan untuk pendekatan alternatif. Insentif dan variabel lainnya termasuk kredit pajak, bahasa umum, pengiriman dipercepat, dan kunjungan pemasok berorientasi pelanggan. Multi-Attribute Utility Theory (MAUT) terdiri dari menjumlahkan kriteria yang berbeda dalam fungsi, yang harus dimaksimalkan. Dengan demikian kondisi matematika agregasi yang diteliti. Teori ini memungkinkan kompensasi lengkap
23
antara kriteria, yaitu keuntungan pada satu kriteria dapat mengkompensasi kehilangan yang lain. Dalam sebagian besar pendekatan berbasis MAUT, bobot yang terkait dengan kriteria dengan baik dapat mencerminkan kepentingan relatif dari kriteria hanya jika nilainya adalah umum, skala berdimensi. Dasar MAUT adalah penggunaan fungsi utilitas. Fungsi utilitas dapat diterapkan untuk mengubah nilai-nilai kinerja baku alternatif terhadap kriteria yang beragam, baik faktual (tujuan, kuantitatif) dan menghakimi (subjektif, kualitatif), untuk umum, skala berdimensi. Outranking Methods (OMs) yang pertama kali dikembangkan di Perancis pada tahun enam puluhan diikuti kesulitan yang dialami dengan pendekatan fungsi nilai dalam menangani masalah-masalah praktis. Mereka terkait erat dengan nama Bernard Roy yang mengembangkan keluarga terkenal Metode ELECTRE. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) adalah
metode
analisis
keputusan
multi-kriteria,
yang
pada
awalnya
dikembangkan oleh Hwang dan Yoon pada tahun 1981 dengan perkembangan lebih lanjut oleh Yoon pada tahun 1987, dan Hwang, Lai dan Liu pada tahun 1993. TOPSIS didasarkan pada konsep bahwa alternatif yang dipilih harus memiliki jarak geometris terpendek dari solusi ideal positif dan jarak geometris terpanjang dari solusi ideal negatif . Ini adalah metode agregasi kompensasi yang membandingkan satu set alternatif dengan mengidentifikasi bobot untuk setiap kriteria, normalisasi skor untuk setiap kriteria dan menghitung jarak geometris antara masing-masing alternatif dan alternatif yang ideal, yang merupakan nilai terbaik dalam setiap kriteria. Asumsi dari TOPSIS adalah bahwa kriteria yang
24
monoton meningkat atau menurun. Normalisasi biasanya diperlukan sebagai parameter atau kriteria sering dimensi ganjil dalam masalah multi-kriteria. Metode kompensasi seperti TOPSIS memungkinkan trade-off antara kriteria, dimana hasil yang buruk dalam satu kriteria dapat dinegasikan oleh hasil yang baik dalam kriteria lain. Ini memberikan bentuk yang lebih realistis dari pemodelan daripada metode non-kompensasi, yang menyertakan atau mengecualikan solusi alternatif berdasarkan pada keputusan yang sulit. TOPSIS adalah salah satu metode pengambilan keputusan multikriteria atau alternatif pilihan yang merupakan alternatif yang mempunyai jarak terkecil dari solusi ideal positif dan jarak terbesar dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean. Namun, alternatif yang mempunyai jarak terkecil dari solusi ideal positif, tidak harus mempunyai jarak terbesar dari solusi ideal negatif. Maka dari itu, TOPSIS mempetimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif secara bersamaan. Solusi optimal dalam metode TOPSIS didapat dengan menentukan kedekatan relatif suatu alternatif terhadap solusi ideal positif. TOPSIS akan merangking alternatif berdasarkan prioritas nilai kedekatan relatif suatu alternatif terhadap solusi ideal positif. Alternatif-alternatif yang telah dirangking kemudian dijadikan sebagai referensi bagi pengambil keputusan untuk memilih solusi terbaik yang diinginkan. Kegunaan Metode TOPSIS adalah TOPSIS telah digunakan dalam banyak aplikasi termasuk keputusan investasi keuangan, perbandingan performansi dari perusahaan, perbandingan dalam suatu industri khusus, pemilihan sistem operasi, evaluasi pelanggan, dan perancangan robot.
25
Kelebihan metode TOPSIS adalah sebagai berikut: 1.
Konsepnya sederhana dan mudah dipahami
2.
Komputasinya efisien; dan
3.
Memiliki kemampuan untuk mengukur kinerja relative dari alternatifalternatif keputusan dalam bentuk matematis yang sederhana. Meskipun memiliki kelebihan seperti yang telah dijelaskan pada poin
sebelumnya, TOPSIS juga memiliki kekurangan yaitu harus adanya bobot yang dihitung menggunakan AHP untuk melanjutkan hitungan data selanjutnya dengan memakai TOPSIS.
2.5
LANGKAH-LANGKAH METODE TOPSIS Proses TOPSIS pada umumnya dilakukan dengan 7 langkah berikut ini
(Pema, 2012). 1.
Membentuk matriks keputusan. Matriks keputusan D mengacu terhadap m alternatif yang akan di evaluasi berdasarkan n kriteria. Struktur dari matriks dapat digambarkan sebagai berikut.
D=
A1 A2 . . Ai . . Am
X1 X2 . . . Xj . . Xn X11X12 . . . X1j . . X1n X21X22 . . . X2j . . X2n . . . . . . . . Xi1Xi2 . . . Xij . . Xin . . . . . . . . Xm1Xm2 . . . Xmj . .Xmn
26
Dimana : Ai (i = 1,2,3,…m) adalah jumlah dari alternatif Xij adalah angka yang didapatkan dari alternatif i terhadap kriteria j 2.
Melakukan normalisasi matriks keputusan D dengan menggunakan rumus berikut: rij =
xij √∑ xij2
rij adalah elemen dari matriks keputusan yang ternormalisasi R, xij adalah elemen dari matriks keputusan X. 3.
Memberikan bobot pada matriks keputusan dengan cara mengalikan matriks keputusan yang telah dinormalisasi dengan pembobotan yang ada pada perusahaan. Nilai bobot yang telah dinormalkan dapat dihitung dengan cara sebagai berikut: vij = wirij; vij adalah
elemen dari matriks keputusan yang ternormalisasi terbobot v,
wi adalah bobot kriteria ke-i rij adalah elemen dari matriks keputusan yang ternormalisasi R. 4.
Tentukan solusi ideal positif dan solusi ideal negatif. A* = {(max vij│jєJ), (min vij│jєJ’)}
27
A- = {(min vij│jєJ), (max vij │jєJ’)} J = 1,2,3,….,n dimana J berkaitan dengan kriteria keuntungan J’ = 1,2,3,….,n dimana J’ berkaitan dengan kriteria biaya. vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot v, vj+ adalah elemen matriks solusi ideal positif vj- adalah elemen matriks solusi ideal negatif 5.
Hitung ukuran pemisahan. Pemisahan setiap alternatif ideal positif diberikan oleh : Si* = √∑ (Vij – Vj*)2 Dimana i = 1,2,….,m Sedangkan untuk pemisahan setiap alternatif ideal negatif diberikan oleh : Si- = √∑ (Vij – Vj*)2
6.
Hitung relative kedekatan dengan solusi ideal. Relatif kedekatan dari A i terhadap A* didefinisikan sebagai : Ci* = Si-/(Si* + Si-), 0 ≤ Ci* ≤ 1 Dimana i = 1,2,….,m Nilai Ci* yang paling besar adalah alternatif yang paling baik.
7.
Peringkat urutan pilihan.
