MERANCANG PENGUKURAN KINERJA RANTAI PASOK DENGAN MENGGUNAKAN METODE SCOR DAN FUZZY AHP
Dedi Purwanto Mahasiswa Sarjana S1 Teknik Industri UPI Y.A.I Jakarta NIM : 0844290043 Email :
[email protected] AL Ikbal Arbi Kepala Lab dan Studio Teknik Industri UPI Y.A.I Jakarta Email :
[email protected] ABSTRAK Penyampaian produk yang dilakukan oleh PT. Sinar Sosro selama ini berdasarkan permintaan terbesar yang diutamakan tanpa memperhatikan faktor- faktor manajemen rantai pasok sehingga produk menjadi sering kosong di kantor penjualan.Untuk menghindari terjadinya penyampaian produk kurang tepat perlu dilakukan penelitian dengan menggunakan metode SCOR, dapat diketahui faktor-faktor yang diperlukan untuk manajemen rantai pasok seperti perencanaan, pengadaan, produksi, pengiriman dan pengembalian yang akan dijadikan alat ukur membuat kuesioner. fuzzy AHP digunakan dalam menentukan kriteria terpenting.penelitian di PT. Sinar Sosro menunjukkan bahwa dkriteria perencanan memiliki bobot terbesar (0,561 ) dibandingkan kriteria lainnya .Sedangkan pada level tujuan kinerja meningkatkan kualitas produk(0,397) menjadi faktor yang sangat penting, level atribut kinerja supply chain reliability (0,387) yang menjadi faktor paling penting serta level alternatif metrik pengukuran kinerja pemenuhan pesanan sempurna (0,187) menjadi faktor yang paling penting Kata kunci : Rancangan Kinerja SCOR dan Fuzzy AHP Delivery of the product conducted by PT. Sinar Sosro been preferred by the greatest demand without taking heed of supply chain management so that the product becomes vacant in the office often penjualan.Untuk avoid incorrect product delivery needs to be done by using the method of SCOR research, can know the factors required for the management such as supply chain planning, procurement, production, delivery and returns that will be used as measurement tools to make a questionnaire. fuzzy AHP is used in determining the criteria terpenting.penelitian in PT. Sosro rays showed that dkriteria planning to have the greatest weight (0.561) than other criteria. While the level of performance goals to improve the quality of the product (0.397) becomes a very important factor, the level of supply chain performance attributes of reliability (0.387) is the most important factor as well as the level of alternative metric measurement of the performance of perfect order fulfillment (0.187) becomes the most important factor
Key words: SCOR Performance Plan and Fuzzy AHP 1
2
mengkategorikan proses-proses yang
Pendahuluan Jika dilihat secara lebih mendalam, inti dari
persaingan
perusahaan-perusahaan
sekarang ini terletak pada bagaimana sebuah perusahaan mampu menciptakan produk yang lebih murah, lebih berkualitas, dan lebih cepat dibandingkan dengan pesaing bisnisnya. Hal tersebut memaksa perusahaan untuk
meningkatkan
kinerja
bisnisnya.
Kesadaran akan pentingnya peran semua pihak dalam menciptakan produk yang murah, berkualitas, dan cepat inilah yang kemudian melahirkan konsep baru yaitu Manajemen
Kinerja
Rantai
Pasokan
( Supply Chain Management ) Sistem pengukuran kinerja diperlukan untuk
melakukan
monitoring
dan
pengendalian, mengkomunikasikan tujuan organisasi ke fungsi-fungsi pada rantai pasok, mengetahui dimana posisi suatu
membangun metrik-metrik pengukuran yang diperlukan dalam pengukuran kinerja rantai pasok. Dengan demikian akan
didapat
pengukuran
yang
terintegrasi antara supplier, internal perusahaan dan konsumen
( Supply
Chain Council, 2006). Suatu pendekatan fuzzy AHP ditujukan
untuk
menyusum
ketidakpastian dan kekaburan yang dihubungkan dengan penilaian dari penentuan bobot masing-masing metrik pengukuran
kinerja,
sebab
perbandingan berpasangan crisp dalam AHP konvensional tidak cukup dan tidak tepat untuk menangkap tingkat derajat
petingnya
pengambilan
keputusan dalam mengevaluasi metrik pengkuran kinerja.
organisasi relatif terhadap pesaing maupun tujuan yang hendak dicapai dan menentukan arah
perbaikan
untuk
menciptakan
keunggulan dalam bersaing.Salah satu model
Metodologi Model SCOR
pengukuran kinerja rantai pasok adalah SCOR ( Supply Chain Operation Reference ) yang dikembangkan oleh sebuah lembaga profesional yaitu Supply Chain
Council
(SCC). SCOR merupakan suatu cara untuk mengkomunikasikan sebuah kerangka yang menjelaskan mengenai rantai pasok secara mendetail,
mendefinikan
dan
SCOR
(
Supply
Chain
Operation Reference) adalah suatu model
referensi
dikembangkan Pasokan
oleh
sebagai
proses dewan alat
yang Rantai
diagnosa
manajemen Rantai Pasok. SCOR dapat digunakan untuk mengukur kinerja
3
rantai pasok., meningkatkan kinerjanya dan
berpasangan tentang proses pemilihan
merupakan alat manajemen yang mencakup
untuk
mulai
ketidakjelasan. Angka fuzzy adalah
dari
pemasoknya
hingga
kekonsumennya.
menangkap
fuzzy khusus yang di set = F ={(x,µf
Dalam SCOR proses-proses rantai pasokan tersebut didefinisikan kedlam 5 proses yang terintegrasi yaitu Perencanaan ( Plan ), Pengadaan (source), Produksi (make), Distribusi
tujuan
(Deliver)
dan
Pengembalian
(Return). Metrik - metrik penilaian dalam
(x)), x € R}, dimana x nilai digaris yang rill, R : - ~ < x < + ~ dan µf (x) adalah suatu memetakan lanjutan dari R pada interval tertutup [0,1]. Suatu triangular fuzzy number dinyatakn sebagai M = (l,m,u), dimana l ≤ m ≤ u.
SCOR dinyatakan dalam beberapa level
Triangular fuzzy number, ~1 -
tingkatan meliputi level 1, level 2, dan level
~9 digunakan untuk meningkatkan
3. Dengan demikian, selain proses rantai
rencana skala konvensional 9 poin.
pasokan yang dimodelkan kedalam bentuk
Untuk tujuan impresisi dari penilaian
hierarki proses, maka metrik penilaiannya
manusia
pun
pertimbangan,
dinyatakan
dalam
bentuk
hierarki
yang
kualitatif 5
kedalam
triangular
fuzzy
penilaian. Banyaknya metrik dan tingkatan
number digambarkan sesuai dengan
metrik yang digunakan disesuaikan dengan
fungsi keanggotaan seperti tabel 01.
jenis dan banyaknya proses, serta tingkatan proses rantai pasokanm yang diterapkan didalam
perusahaan
yang
bersangkutan
(SSC, Supply Chain Council, 2006)
Analisa fuzzy synthetic extent Analisa synthetic extent dipakai untuk memperoleh perluasan suatu objek dalam memenuhi tujuan yang
Fuzzy AHP
disebut satified extent. Jika C = { C1,
Suatu skala yang sering digunakan
C2, C3,....,Cn} merupakan sekumpulan
dalam AHP adalah titik-sembilan skla (Saaty
kriteria sebanyak n dan A = { A1, A2,
1989, Tabel 1) yang menunjukkan penilaian
A3,....,Am}
peserta atau pilihan diantara alternatif pilihan
atribut keputusan sebanyak m, maka
seperti sama penting, sedikit lebih penting,
Mci1, Mci2, Mcim adalah nilai extent
jelas lebih penting, sangat jelas lebih penting,
analysis pada i- kriteria dan m- atribut
dan mutlak lebih penting. Dalam penelitian
keputusan dimana i = 1, 2,.....n dan
ini, triangular fuzzy number, ~1 - ~9,
untuk Mcij ( j = 1,2,....m ) merupakan
digunakan untuk menunjukkan perbandingan
bilangan triangular fuzzy.
merupakan
sekumpulan
4
Langkah – langkah model extent analysis,
=(
,
,
)
yaitu : 1.
[
M
Untuk memperoleh
M
j
j
gi
gi
]
-1
2. perbandingan tingkat kemungkinan antara bilangan fuzzy Pertimbangan
maka
perbandingan dilakukan operasi penjumlahan nilai fuzzy extent analysis (m) untuk metrik sebagian, dimana digunakan operasi penjumlahan pada tiap-tiap bilangan triangular fuzzy dalam setiap baris seperti berikut :
untuk
perkiraan
sekumpulan nilai bobot pada masingmasing kriteria. Sebagai contoh adalah 2 bilangan fuzzy M1 dan M2 dengan tingkat kemungkinan ( M1 ≥ M2 ) dapat
V (M1 ≥ M2) = [min ( µm1 (x), µm2 (y))]
(
Dimana sup adalah supremum (batas
Sedangkan untuk nilai [
himpunan yang paling kecil), jika j
M
gi
]
dapat
dijabarkan dengan rumus berikut yang operasi
penjumlahan
untuk
keseluruhan bilangan triangular fuzzy dalam metrik keputusan (n x m), perumusannya adalah : [
M
j
pasangan (x,y) dimana x ≥ y dan µm1 (x) = µm2 (y) =1 maka V (M1 ≥ M2) = 0. Apabila M1(l1, m1, u1) dan M2 (l2, m2, u2) merupakan bilangan fuzzy convex
dapat
diperoleh
=(
ketentuan
berikut : V (M1 ≥ M2) = 1 iff m1 ≥ m2
gi
] V (M1 ≥ M2) = hgt ( M1
M jgi )
Dan untuk menghitung invers dari persamaan tersebut, yaitu : [
prinsip
didefiisikan sebagai berikut :
M jg i=
merupakan
ini
dari
M2 ) =
µm1(xd) Dimana iff menyatakan “jika dan hanya jika “ dan d merupakan ordinat titik perpotongan tertinggi antara µm1
M jgi ]-1
dan
µm2. Titik dimana ordinat d berada adalah Xd dan hgt merupakan bilangan fuzzy perpotongan M1 dan M2. Tinglat
5
kemungkinan untuk bilangan fuzzy fuzzy
beberapa
konveks dapat diperoleh dengan persamaan
logaritmic least square. Normalisasi
berikut :
terdiri dari 2 cra yaitu pembagian dan
V (M1 ≥ M2) = 1 , jika M2 ≥ M1 untuk kondisi lain
metode
geometris.
Normalisasi
fuzzy convex M lebih baik dibandingkan sejumlah k bilangan fuzzy convex m1 =
metode
pembagian
menggunakan operasi penjumlahan dan pembagian.
3. Tingkat kemungkinan untuk bilangan
seperti
Sedangkan
normalisasi
geometris memakai konsep rata-rata geometris. Dari kedua cara tersebut yang lebih mudah, tepat dan banyak digunkan
adalah
normalisasi
( i = 1, 2, ....k ) dapat ditentukan dengan
pembagian. Jika vektor bobot tersebut
menggunakan
diatas normalisasi, maka definisi vektor
operasi
max
dan
min
( Dubois and Prade, 1980 ) dan dirumuskan :
bobot berikut:
V (M ≥ M1, M2,....... Mk) =
V = (d1(A1), d1(A2),.... d1(An))T
V[ (M ≥ M1) dan (M ≥ M2), ..... (M ≥ Mk)]
Perumusan normalisasi adalah:
= min V ( M ≥ Mi)
D (An) =
Dengan I = 1,2,3,.......k Normalisasi bobot ini dilakukan 1
Jika diasumsikan bahwa d ( A1) =
agar nilai dalam vektor diperbolehkan
min V ( Si ≥ Sk )untuk k=1,2,...n ; k≠i maka
menjadi analog bobot yang ditetapkan
vektor bobot didefinisikan :
dari metode AHP dan terdiri dari
W1 = (d1(A1),d1(A2),....d1(An))T
bilangan yang bukan fuzzy. Penelitian
Dimana : Ai ( i = 1,2,.....,n) adalah n elemen dan
d1 (Ai) adalah nilai yang
menggambarkan
pilihan
relatif
masing-
masing atribut keputusan. Normalisasi Normalisasi vektor bobot penting
meliputi
metode
SCOR dan fuzzy AHP meliputi analisis faktor yang mempengaruhi Supply Chain
Management.
faktor
ini
Pada
meliputi
analisis
perencanaan,
pengadaan, produksi, pengiriman dan pengembalian
dimana
faktor
ini
dilakukan tidak hanya untuk memudahkan
merupakan 5 proses dasar bisnis.
interprestasi tapi juga untuk solusi unik
Perencanaan menyeimbangkan
adalah permintaan
proses dan
6
pasokan untuk menentukan tindakan terbaik
to stock, make to order, dan engineer
dalam memenuhi kebutuhan pengadaan,
to order.
produksi dan pengiriman. Pengadaan adalah proses pengadaan barang atau jasa untuk memenuhi
permintaan.
Produksi
adalah
proses untuk mentransformasikan bahan baku/komponen diinginkan
menjadi
oleh
produk
pelanggan.
yang
Pengiriman
adalah kegiatan mengirimkan produk jadi ketangan
konsumen.
Dan
Pengembalian
SCOR
Level
3
=
Mengidentifikasi kinerja rantai pasok yang berlaku perusahaan dan menilai inefisiensi diperusahaan sehingga dapat diambil strategi yang tepat untuk meningkatkan kinerja rantai pasok diperusahaan.
adalah proses pengembalian atau menerima
Melalui metode SCOR dapat
pengembalian produk karena berbagai alasan.
diketahui faktor faktor mempengaruhi
Terdapat 3 level dalam model SCOR yang
rantai pasok yang akan dijadikan
dapat
sebagai
digunakan
untuk
mengukur
dan
SCOR Level 1= Mengidentifikasi proses bisnis yang terjadi dalam manajemen pasok
di
perusahaan
kemudian
diidentifikasi tentang kompetisi dasar yang ingin dicapai dengan menganalisa ruang lingkup
rantai
performanya
pasok
dan
diukur
bagaimana dengan
mengkarakteristikan kinerja berdasarkan 2 perspektif. Perspektif pertama adalah dari sisi customer ( external ) dan perspektif kedua adalah
berdasarkan
sisi
kuesioner
yang
bertujuan untuk meneentukan tingkat
meningkatkan performa rantai pasok.
rantai
bahan
perusahaan
( internal ) yang akan dilakukan dengan menggunakan SCORcards.
kepentingan kriteria utama, subkriteria dan
alternatif
perbandingan metode
serta
pembobotan
berpasangan
fuzzy
AHP
melalui
berdasarkan
hierarki penentuan produk. Kemudain diuji
validitas
kuesioner
tersebut
dengan tujuan untuk menunjukkan sejauh mana suatu alat ukur mampu mampu mengukur apa yang ingin diukur kemudian diukur reliabilitas kuesioner tersebut dengan tujuan untuk mengetahui sejauh mana pengukuran tetap
konsisten
pengukuran
dua
apabila kali
dilakukan atau
lebih
SCOR Level 2 = Mengidentifikasikan
terhadap gejala yang sama dengan
konfigurasi dari perencanaan dalam aliran
menggunakan alat ukur yang sama
material dari perencanaaan dalam aliran
pula. Dari kuesiner tersebut dibuat data
material menggunakan kategori seperti make
perbandingan berpasangan triangular fuzzy kemudian hitung nilai fuzzy
7
synthetic extent untuk tiap kriteria utamanya kemungkinan untuk bilangan fuzzy konveks
kemudian
menghitung
niai
normalisasi vektor bobot. Bobot akhir yang paling besar merupakan kriteria terpenting dari kriteria lain.
Kesimpulan Berdasarkan tujuan penelitian yang
penulis
uraikan
pada
bab
pendahuluan dan penyelesaian masalah yang telah dilakukan pada pengolahan data, maka dapat ditarik kesimpulan yaitu ; Berdasarkan analisis pengukuran kinerja SCM dengan menggunakan
Pembahasan
model SCOR, teridentifikasi beberapa
Hasil penyelesaian masalah yang peneliti
lakukan
terhadap
merancang
inefisiensi yang terjadi baik pada aliran material maupun aliran informasi dan
pengukuran kinerja rantai pasok dengan
kerja.
menggunakan metode SCOR dan fuzzzy
manajemen distribusi masih lemah,
AHP antara lain SCORcards perusahaan serta
manajemen
peran pentingnya kriteria dalam struktur
adanya produk yang non standar dan
hierarki dalam mengambil keputusan
proses distribusi yang tidak optimal.
Berdasarkan
pengamatan
jalannya
proses pendistribusian produk ke kantor penjualan
wilayah
berdasarkan
(
KPW
permintaan
)
terbanyak
hanya yang
didahulukan tanpa mempertimbangkan faktor – faktor yang mempengaruhi kritis sukses pengukuran performa rantai pasok. Yang terdiri
dari
rantai
pasok
reliabilitas,
responsiv, fleksibilitas, biaya serta aset, disini
penulis
melakukan
penelitian
pengukuran kinerja rantai pasokan terhadap 5 faktor kritis sukses pengukuran performansi rantai pasokan tersebut.
Inefisiensi
tersebut
suplier
meliputi
lemah,
masih
Untuk mengatasi hal tersebut, maka dirumuskan beberapa praktek terbaik yang dapat diterapkan agar mampu meningkatkan
kinerja
SCM
perusahaan. Praktik terbaik tersebut meliputin
kolaborasi
planning,
membangun kemitraan, menerapkan manajemen transportasi, menerapkan custumer Relationship Management. Penerapan
best
practice
dapat
meningkatkan kinerja SCM di PT. Sinar Sosro terutama pada performa Suppy Chain Reliability, Supply hain Responsiveness, Flexibility.
Supply
chain
8
Pada pengolahan fuzzy synthetic extent
Edithtya
Putri.
2011.
Pengukuran
kriteria perencanan memiliki bobot terbesar
Kinerja Rntai Pasok dengan
dibandingkan
khusus
Metode SCOR dan Fuzzy
maka
AHP Di PT. Multi Warna,
perencanaan menjadi faktor yang sangat
Jakarta : Universitas Persada
penting karena merupakan langkah awal
Indonesia.
kreiteria
level
kriteria
lainnya
proses
bisnis
yang menentukan keberhasilan rangkaian proses dalam rantai pasok. Sedangkan pada level tujuan kinerja meningkatkan kualitas produk menjadi faktor yang sangat penting, level atribut kinerja supply chain reliability yang menjadi faktor paling penting serta leve alternatif metrik pengukuran kinerja pemenuhan pesanan sempurna mnjadi faktor yang paling penting. Dari tersebut dapat disimpulkan bahwa penlitian ini layak untuk diterapkan agar perusahaan mampu menciptakan produk yang lebih murah, lebih berkualitas dan lebih
Maghfiroh, Nurul dan Marimin. 2010. Aplikasi Pengambilan
Pasok. Bogor : PT. Penerbit IPB Press Marimin. 2004 Teknik dan Aplikasi Pengambilan Grasindo Eko Indrajit, Richrdus dan richardus
Jakarta
Anggraini, widya,2009. Pengukuran Kinerja Pengelolaan Rantai Pasokan Pada PT. LG Elektronik Indonesia, Depok. : Universitas Gunadarma. Siregar, Ir.Sofyan.,MM. 2011. Statistika Deskriptif Untuk Penelitian . Jakarta : PT. Raja Grafindo Persada Nyoman, I Pujawan. 2005. Supply Chain Management. Widya
Surabaya
:
Guna
Keputusan
Kriteria Majemuk Jakarta :
Manajemen Daftar Pustaka
Keputusan
Dalam Manajemen Rantai
Djokopranoto.
cepat.
Teknik
2006.
Konsep
Supply
Chain.
:
Grasi
9
Tabel 01 skala fuzzy dan gambaran linguistik kepentingan relatif antara 2 kriteria
Intensitas
Skala
Kebalikan Skala Fuzzy
Definisi Variabel Linguistik
1 = ( 1, 1, 3 )
( 1/3, 1/1, 1/1 )
Dua kriteria mempunyai kepentingan yang sama
3 = ( 1, 3, 5 )
( 1/5, 1/3, 1/1 )
Satu kriteria sedikit lebih penting dari yang lain
5 = ( 3, 5, 7 )
( 1/7, 1/5, 1/3 )
Satu kriteria lebih penting dari yang lain
7 = ( 5, 7, 9 )
( 1/9, 1/7, 1/5 )
Satu kriteria sangat lebih penting dari yang lain
9 = ( 7, 9, 9 )
( 1/9, 1/9, 1/7 )
Satu kriteria mutlak lebih penting dari yang lain
2 = ( 1, 2, 4 )
( ¼, ½, 1/1 )
4 = ( 2, 4, 6 )
( 1/6, ¼, ½ )
6 = ( 4, 6, 8 )
( 1/8, 1/6, ¼ )
8 = ( 6, 8, 9 )
( 1/9, 1/8, 1/6 )
Fuzzy
Nilai tengah antara 2 pilihan
