MODEL PEMILIHAN DAN ALOKASI ORDER KE PERUSAHAAN JASA LOGISTIK Pipit Sari Puspitorini1, I Nyoman Pujawan2, Suparno3 1) Jurusan Teknik Industri, Program Pascasarjana ITS Kampus Keputih Sukolilo Surabaya, 60111 Email :
[email protected] 2,3) Fakultas Teknologi Industri, Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember Kampus Keputih Sukolilo Surabaya, 60111 Email :
[email protected], dan
[email protected]
ABSTRAK Third Party Logistic (3PL) merupakan supplier luar yang melakukan kegiatan logistik untuk melayani pelanggan Beberapa penelitian menyimpulkan bahwa keuntungan dari penggunaan 3PL adalah perusahaan lebih fokus pada core business, efisiensi biaya, meningkatkan hubungan dengan supply chain, menurunkan investasi yang besar dan fokus pada pelayanan pelanggan. Tujuan penelitian ini adalah proses pengambilan keputusan pemilihan 3PL dan alokasi order. Model pengambilan keputusan terdiri dari beberapa langkah, penggunaan Fuzzy DEA dan Goal Programming (GP). Model fuzzy inference di gunakan untuk memilih kriteria dan mengeliminasi 3PL yang tidak efisien. Sedangkan model DEA di gunakan untuk menentukan variable Input Output dan meranking 3PL yang paling efisien. Alokasi order digunakan untuk pengiriman produk ke pelanggan dengan tujuan meminimalkan total biaya, meminimalkan keterlambatan pengiriman dan memaksimalkan kuantitas order dengan batasan kapasitas kontainer. Obyek penelitian dilakukan pada perusahaan textile. Hasil penelitian menunjukkan bahwa, PT Birotika Semesta merupakan salah satu Third Party Logistic (3PL) yang mempunyai performance terbaik dalam melayani pelanggan. Total supplai untuk ketiga negara tujuan sebanyak 362 produk dengan rata-rata keterlambatan selama 7 hari. Kontribusi dari penelitian ini adalah dibagian logistik dengan paradigma pengukuran kriteria terhadap Third Party Logistic (3PL). Kata Kunci: Alokasi order, Data Envelopment Analysis, Fuzzy, pelanggan, Third Party Logistic ABSTRACT Third Party Logistic (3PL) is a party that perform the logistic activity on behalf of the customer. Some previous research concluded that the advantage from 3PL use is the company can focus on core business, cost efficiency, improve relationship, reduce big investment and focus on customer. The research deals with the decision making process for selection of the third party logistics (3PLs) and order allocation. The decision making models consists of a number of step, utilizing fuzzy DEA and goal programming. Fuzzy inference model is used to choose criteria and eliminate inefficient Third Party Logistic (3PL) while DEA model is used to determine input output variable and rank the most efficient Third Party Logistic (3PL). Order allocation in used product delivery to customer which purpose to minimize total cost, minimized delivery lateness and maximize order quantity with container capacity limitation. The model was applied to a textile company. The results showed that PT Birotika is one of Third Party Logistic (3PL) that has the best performance in the service of customers. Total supplies for all three destination countries as many as 362 products with an average lateness for seven days. Finally, proposed framework will contribute to the logistic sector by demonstrating the paradigm criteria measurement of each Third Party Logistic (3PL). Keywords: Order allocation, data Envelopment Analysis, Fuzzy, customer, Third Party Logistic
1 Pendahuluan Third Party Logistic (3PL) adalah perusahaan luar yang melakukan aktivitas logistik di antara dua atau lebih fasilitas dalam supply chain (Hsiao, 2006). Menurut Langley, et
al. (2005) aktivitas logistik meliputi pergudangan, inbound & outbound transportation dan bea cukai. Keuntungan utama perusahaan menggunakan 3PL adalah fokus pada inti bisnis, meningkatkan efisiensi,
memperbaiki pelayanan konsumen, mengurangi biaya transportasi dan restrukturisasi supply chain. Sedangkan menurut Jharkaria dan Shankar, (2007), mengembangkan mitra kerja supply chain dan globalisasi (Hamdan, et al. 2008), dan menurunkan biaya investasi yang besar sehingga akan berpengaruh kepada turnover modal perusahaan. Hamdan dan Rogers (2007) mengadakan penelitian dibidang logistik untuk menentukan pemilihan gudang baru dengan menggunakan Data Envelopment Analysis (DEA). DEA sebagai model produktivitas multi faktor untuk mengukur efisiensi dari decision making units (DMUs) dimana, skor efisiensi dari masing-masing gudang di kalkulasikan pada input dan output. Sedangkan Liu dan Wang, (2009) mengembangkan penelitian tentang pemilihan 3PL yang menggunakan integrasi fuzzy dengan tujuan menghadapi ketidakpastian dan ketidaktepatan situasi dalam pengambilan keputusan. Integrasi fuzzy terdiri dari metode delphi (memilih kriteria dan evaluasi kriteria), model inference (memilih dan mengevaluasi 3PL) dan fuzzy linear assignment (menentukan ranking 3PL). Ghodsypour dan O’Brien, (2001) meneliti tentang total biaya logistik dan integrasi pemilihan supplier, product assignment dengan multiple produk dan multiple supplier pada proses pemilihan konsumen yang dimodelkan dalam multi objective. Aktar (2008) mengembangkan penelitian bagaimana mengoptimalkan kuantitas pada pemilihan supplier untuk memaksimalkan biaya pembelian dan meminimalkan anggaran dan rata-rata jumlah raw material yang cacat dengan alokasi order menggunakan metode Analytical Network Analysis (ANP) dan multi objective mixed integer linear programming (MOMILP). Sedangkan penelitian Woo dan Saghiri, (2011) menjelaskan tentang model penugasan order dengan menggunakan teori fuzzy dan Mixed Integer Programming Model (MIPM). Penelitian ini menggunakan metode fuzzy DEA dengan alokasi order yang di aplikasikan pada pemilihan 3PL di perusahaan tekstil. Alasan pemilihan metode fuzzy adalah fuzzy bisa menggunakan variabel yang bersifat kualitatif maupun kuantitatif untuk menghilangkan data yang vague dan untuk menghilangkan ketidakpastian dari decision makers, sedangkan metode DEA untuk menentukan analisa efisiensi input dan output dalam menentukan 3PL yang
efisien. Sedangkan alasan mengapa penelitian ini dilakukan di perusahaan tekstil karena belum ada penelitian yang menggunakan perusahaan tekstil sebagai obyek penelitian dan 3PL terbaik di Indonesia untuk kategori best fast moving consumer goods (Frost dan Sullivan, 2007). Pengertian fast moving consumer goods merupakan produk inovatif, dimana karakteristik produk inovatif mempunyai siklus hidup pendek dan selera pasar yang cepat berubah. Perusahaan tekstil merupakan perusahaan dengan produk inovatif. Sedangkan tujuan penelitian adalah menghasilkan metode yang dapat membantu membuiat keputusan alokasi order ke 3PL. 2 Metode yang diterapkan 2.1 Literatur review Fuzzy
Sistem fuzzy di bangun dengan definisi, cara kerja, dan deskripsi yang jelas berdasar pada teori fuzzy logic (Naba, 2009). Fuzzy logic merupakan sebuah metode berhitung dengan bilangan dan kata yang di gunakan memang tidak sepresisi bilangan, namun kata-kata jauh lebih dekat dengan intuisi manusia. Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Pendekatan fungsi merupakan satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan Nilai keanggotaan suatu item x dalam suatu himpunan A (μA[x]) (Zadeh, 1965) memiliki 2 kemungkinan, yaitu bernilai 1 jika item menjadi anggota dalam suatu himpunan, dan bernilai nol jika item tidak menjadi anggota dalam suatu himpunan. Fungsi yang bisa digunakan dalam membership function adalah trapezium (Kusumadewi, 2004)
1 Derajat keanggotaan (µA)
0
a
b
c
d
Gambar 1 Kurva Trapezium
Fungsi keanggotaan :
μ[x ]
0;
x ≤ a atau x ≥ d
(x-a)/(b-a)
a≤x≤b
1;
b≤x≤c
(d-x)/(d-c)
x ≥d
Fuzzy Inference System (FIS) IF-THEN rule merupakan hasil dari pengetahuan pakar tentang cara kerja sistem sehingga pengetahuan bisa di transfer ke dalam perangkat lunak yang memetakan input menjadi output yang disebut sebagai Fuzzy Inference System (FIS) (Naba, 2009). Metode yang digunakan dalam membangun Fuzzy Inference System (FIS) yaitu metode Mamdani. Metode Mamdani merupakan metode yang paling banyak di gunakan dalam metodologi fuzzy karena merupakan metode yang pertama dalam merancang sistem. Output yang di hasilkan berupa bilangan fuzzy. Metode maksimum di gunakan untuk mendapatkan solusi kemudian di gunakan untuk memodifikasi daerah fuzzy. Input dari proses defuzifikasi adalah aturan IF-THEN rule sedangkan output berupa bilangan domain sehingga dalam range tertentu terbentuk crisp value. Fuzzy Data Envelopment Analysis (FDEA)
DEA adalah pendekatan program linear yang digunakan untuk mengevaluasi efisiensi decision making units (DMUs) dimana banyak melibatkan input dan output. DEA juga di definisikan sebagai teknik kuantitatif yang berasal dari utilitas efisiensi dari penggunaan spesifik units input (Hamdan dan Rogers, 2008). Model DEA banyak di gunakan dalam obyek penelitian. DEA sebagai tool, diaplikasikan untuk mengevaluasi grup third party logistic (3PL) dalam warehouse logistic operation yang mempunyai persamaaan input dan output (Hamdan dan Rogers, 2008). DEA merupakan model Charnes, Cooper, Rhodes (CCR) adalah model asli fraction programming untuk mendapatkan nilai pembobotan input dan output. Model Matematika : Fungsi tujuan
Maximize θ = u1 y1k + + us ysk subject to v1 x1k + + vm xmk = 1 u1 y1 j + + us ysj ≤ v1 x1 j + + vm xmj v1 , v2 , , vm ≥ 0,
u1 , u2 , , us ≥ 0
Parameter: Vi = Bobot input untuk i Ur = Bobot output untuk r Xjo= nilai output x dari DMU ke -o Yro=Nilai output y dari DMUs ke-o Variabel keputusan: = Relatif efisiensi skor (Nilai fungsi obyektif yang memaksimalkan DMUs)
Goal programming (GP) dan Alokasi Order Indeks Model Indeks model yang digunakan pada penenlitian ini adalah: i = Jenis produk ( i=1,2,3,...m) j = Nama Negara tujuan (j=1,2,3,....,n) k =Nama 3PL (p =1,2,3,....,o) Parameter Model dj Permintaan produk ke-j (tahun) = Tingkat keterlambatan pengiriman produk ke-i ke Negara ke-j oleh 3PL ke- k = Jumlah Kapasitas kontainer 3PL ke-k untuk produk ke-i ke negara tujuan ke-j = Score yang di peroleh dari Perangkingan 3PL ke-k = Biaya distribusi ke-3PL ke-k Variabel Keputusan = Jumlah volume produk ke-i yang di kirim ke negara tujuan ke-j oleh 3PL ke-k. Model Matematis Model matematis yang digunakan dalam alokasi order mengacu pada model yang di gunakan Woo, et al., (2011). Fungsi Tujuan A Memaksimalkan supplies dengan skor tertinggi dalam mengirim produk ke pelanggan n
m
p
Max∑∑∑ S ijk . qijk i =1 j =1 k =1
B Meminimalkan waktu keterlambatan (lateness) pengiriman n
p
m
Min∑∑∑ lijk . qijk i =1 j =1 k =1
C Meminimalkan biaya distribusi ke 3PL n
m
p
Min∑∑∑ c . q i =1 j =1 k =1
k ij
k ij
Berikut ini adalah kendala yang harus dipenuhi dalam model ini: 1. Kendala yang menyatakan kapasitas dari Third Party Logistic (3PL) n
∑q i =1
k ij
Pemilihan DMUs
Metode Fuzzy Liu &Wang, (2009) Delphi
Inference (Mamdani 1975) Compute degree infeasible dengan aturan IF THEN
Pembobotan kriteria
Identifikasi Input & Output
Defuzzifikasi Eliminasi kriteria Eliminasi 3PL
≤.θ ijk , ∀j
2. Kendala yang menyatakan permintaan (Demand) n
Metode DEA Hamdan & Rogers, (2008)
m
qijk
∑∑ d i =1 k =1
=1
j
2.2 Metodologi penelitian Obyek penelitian ditentukan melalui survei industri dan dipilih perusahaan tekstil sebagai pilot study. Penelitian dilakukan dengan menggunakan kuisioner. Penyebaran kuisioner dilakukan pada empat responden yang memenuhi syarat dalam menjawab kuisioner. Empat responden tersebut adalah bagian ekspor import, marketing dan produksi, pergudangan. Desain kuisioner terdiri dari tiga macam yaitu kuisoner I untuk penentuan kriteria, Kuisioner II digunakan untuk memberikan pembobotan pada kriteria dan kuisioner ke III digunakan untuk pembobotan penilaian pada third party logistic (3PL) berdasarkan bahasa linguistik. Metodologi penelitian diilustrasikan pada Gambar 2.
Pemodelan Pembentukan model FDEA (Penentuan 3PL yang efisien) Pembentukan model Goal Programming (GP) (Penentuan tujuan dalam alokasi order)
Alokasi order ke Third Party Logistic (3PL) yang di piilih Gambar 2 Framework penelitian 3 Analisa dan Pembahasan Kriteria yang digunakan dalam pemilihan 3PL adalah Capability Management (CM), Financial (F), Logistic Information System, (LIS), Agility (A), Customization (C), Network Coverage (NC), Sustainble Relationship (SR). perusahaan memutuskan untuk menggunakan 10 3PL.Bilangan linguistic fuzzy number yang. digunakan dalam pemilihan kriteria Very poor : (0 0 0.1 0.2) Medium poor : (0.2 0.3 0.4 0.5) Good : (0.7 0.8 0.8 0.9) Very good : (0.8 0.9 1 1) Sedangkan bahasa linguistik yang digunakan untuk mengeliminasi perusahaan adalah: Fuzzy number bagian IF Very poor : ( 0 0 0.1 0.2) poor : (0.1 0.2 0.2 0.3) Medium poor : (0.2 0.3 0.4 0.5) Medium poor : (0.2 0.3 0.4 0.5) Fair (H) : (0.4 0.5 0.5 0.6)
Fuzzy number bagian THEN Rejected : (0.7 0.8 0.9 1) Strongly rejected : 0.9 0.95 1 1) Untuk menentukan kriteria yang akan digunakan pada pemilihan third party logistic (3PL), maka hasil pembobotan kriteria dibandingkan dengan nilai threshold dari semua pakar. Rata-rata pembobotan dicari dengan menggunakan formula 3 dibawah ini. Nilai treshold formula :
didapat dengan menggunakan
Fuzzy inference system Mamdani digunakan untuk mengeliminasi third party logistic (3PL). dengan aturan IF-THEN. Berikut adalah contoh aturan IF- THEN dengan 3 heuristik. Jika capability managemen poor (0 0.1 0.2 0.2 0.3) dan logistic information system medium poor (0.2 0.3 0.4 0.5) atau agility fair (0.4 0.5 0.5 0.6) maka 3PL strongly rejected. Dengan menggunakan software matlab fuzzy inference system mamdani akan didapatkan nilai defuzifikasi untuk masing-masing 3PL. sehingga didapatkan nilai defuzifikasi. Tabel 4 Hasil pemilihan Third party logistic (3PL) menggunakan fuzzy inference system Mamdani .
maka kriteria dieliminasi. Tabel 1 Rata-rata pembobotan kriteria dari pakar DMUs Input
Output
Kriteria CM
0.8
Expor-Impor 0.9 1
1
0.7
Marketing 0.8 0.8
Notasi
Nilai defuzzikasi
Keputusan
A1
0823
Diterima
0.9
A2
0.803
Diterima
0.864
Dieliminasi
F
0.4
0.4
0.5
0.6
0.7
0.8
0.8
0.9
A3
LIS
0.7
0.8
0.8
0.9
0.8
0.9
1
1
A4
0.819
Diterima
A5
0.825
Diterima
A6
0.896
Dieliminasi
A7
0.833
Dieliminasi
A
0.8
0.9
1
1
0.8
0.9
1
1
C
0.8
0.9
1
1
0.8
0.9
1
1
NC
0.7
0.8
0.8
0.9
0.8
0.9
1
1
A8
0.823
Diterima
SR
0.8
0.9
1
1
0.7
0.8
0.8
0.9
A9
0.925
Dieliminasi
Minimum bobot
0.4
0.4
0.5
0.6
0.7
0.8
0.8
0.9
A10
0.862
Dieliminasi
Rata-rata
0.7
0.8
0.9
0.9
0.8
0.9
0.9
1.0
Tabel 2 Rata-rata pembobotan kriteria dari pakar (lanjutan) DMUs Input
Kriteria CM
0.8
F
0.7
0.8
0.7
LIS
0.7
0.8
A
0.8
Output
Pergudangan 0.9 0.8 0.9
0.8
Produksi 0.9 0.8
0.9
0.8
0.7
0.8
0.7
0.8
0.7
0.8
0.7
0.8
0.7
0.8
0.9
0.8
0.9
0.8
0.9
0.8
0.9
C
0.7
0.8
0.7
0.8
0.7
0.8
0.7
0.8
NC
0.7
0.8
0.7
0.8
0.7
0.8
0.7
0.8
SR
0.7
0.8
0.7
0.8
0.7
0.8
0.7
0.8
Minimum bobot
0.4
0.7
0.8
0.7
0.8
0.7
0.8
0.7
Rata-rata
0.7
0.7
0.8
0.7
0.8
0.7
0.8
0.7
Tabel 3 Rata-rata pembobotan empat pakar DMUs
Kriteria
Input
Output
Marketing
Pergudangan
Produksi
CM F
Exporimpor 0.8 0.7
0.9 0.7
1.0 0.8
1.0 0.9
LIS
0.7
0.8
0.9
0.9
A
0.8
0.9
1.0
1.0
C
0.8
0.9
0.9
1.0
NC
0.7
0.8
0.9
0.9
SR
0.7
0.8
0.9
0.9
Setelah didapatkan nilai defuzifikasi, tim perusahaan melakukan teknik brainstorming untuk menentukan nilai threshold dalam mengevaluasi third party logistic (3PL). Jika nilai defuzzifikasi melebihi nilai threshold =0.826 maka P) akan di eliminasi, Sehingga didapat lima third party logistic (3PL). Third party logistic (3PL) yang akan digunakan adalah A1, A2, A4, A8, dan A5. Output dari FIS digunakan sebagai input untuk menentukan efisiensi skor yang memaksimalkan DMUs. Third party logistic (3PL) yang terpilih merupakan DMUs baru yang akan dicari efisiensinya.
Pemodelan FDEA Model ini digunakan untuk menganalisa DMUs yang efisien dikatakan efisien jika DMUs mendekati nilai 1. Hasil DMUs dijadikan untuk meranking 3PL yang mempunyai skor yang tinggi. Dengan menggunakan software Lingo didapatkan nilai untuk 3PL : A1 didapatkan V*=1.25 U*=1.11 dan θ = 1 A2 didapatkan V* = 1,11; U* = 1,11; dan θ
=1 A4 didapatkan V* = 1,25, U* = 1,43; dan θ = 1 A8 didapatkan V*=1.25 U*=1.11 dan θ = 1 A5 didapatkan V*=1.25 U*=1.11 dan θ = 1
Dengan menggunakan kelima 3PL sebagai resource dalam melakukan pengiriman serta penyelesaian diselesaikan dengan menggunakan software LINGO, maka output dari alokasi order diilustrasikan pada Tabel 4.5 sebagai berikut :
Alokasi order dengan Goal Programming (GP) Tabel 4.5 Alokasi produk oleh kelima 3PL Ke
Tujuan 1 (Asia)
Tujuan 2 (Singapore)
Tujuan 3 (Hongkong) Prod Prod Prod uk 1 uk 2 uk 3
Total supplie d
Kapas itas
Sisa kapasi tas
Dari
Prod uk 1
Prod uk 2
Produ k3
Produ k1
Prod uk 2
Prod uk 3
3PL 1
1
1
1
21
45
1
1
1
1
73
640
567
3PL 2
6
1
1
1
1
1
1
1
1
14
640
626
3PL 3
1
1
1
3
1
1
1
1
1
11
640
629
3PL 4
1
1
1
18
14
81
25
1
1
143
640
497
3PL 5
1
1
1
64
59
223
1
12
1
363
640
277
Total filled Demand
10
5
5
107
120
307
29
16
5
604
3200
2596
604
Dari hasil alokasi diatas menunjukkan bahwa pengiriman barang pada umumnya dilakukan oleh semua 3PL ke semua tujuan. Pada tujuan negara Asia total produk 1 yang dikirim adalah 9 box, dan pengirimannya dilakukan oleh 3PL1 (1 box), 3PL2 ( 6 box), 3PL3 (1 box), 3PL5 (1 box). Total produk 2 yang dikirim adalah 1 bale, dan pengirimannya hanya dilakukan oleh 3PL3 (1 bale),Total produk 3 yang dikirim adalah 3 box , dan pengirimannya hanya dilakukan oleh 3PL1 (1 box,) 3PL3 (1 box), 3PL5 (1 box). Pada tujuan negara Singapore, total produk 1 yang dikirim adalah 107 box (dikirim semua), dan pengirimannya dilakukan oleh 3PL1 (1 box), 3PL2 (1 box), 3PL3 (3 box), v (18 box) dan 3PL1 (64 box). Total produk 2 yang dikirim adalah 120 bale, dan pengirimannya dilakukan oleh 3PL1 (45 bale), 3PL2 (1 bale), 3PL3 (1 bale), 3PL4 (14 bale) dan 3PL5 (59 bale). Total produk 3 yang dikirim adalah 306 box , dan pengirimannya hanya dilakukan oleh 3PL2 (1 box,) 3PL3 (1 box), 3PL4 (81 box) dan 3PL5 (23 box). Pada tujuan negara Hongkong, Total produk 1 yang dikirim adalah 28 box (dikirim semua), dan pengirimannya dilakukan oleh 3PL1 (sebanyak 1 box), 3PL1 (1 box), 3PL3
(1 box), 3PL4 (25 box) dan 3PL5 ( box). Total produk 2 yang dikirim adalah 16 bale, dan pengirimannya dilakukan oleh 3PL1 (1 bale), 3PL4 (1 bale), dan 3PL5 (12 bale). Total produk 3 yang dikirim adalah 3 box , dan pengirimannya hanya dilakukan oleh 3PL1 (1 box), 3PL3 (1 box), dan 3PL5 (12 box). Hasil optimasi dari ketiga obyektif adalah 604 produk, 592 produk, dan Rp. 22.950.000. Analisis Sensitivitas. Pada analisa sensitivitas dapat diketahui sejauh mana perubahan kontribusi yang diijinkan tetapi, tidak mengubah solusi optimalnya. Analisa ini berkaitan dengan perubahan parameter yang digunakan. Jika kebutuhan disetiap negara ditingkatkan (pertambahan demand) menjadi 150 box,140 bale, dan 315 box maka diperoleh ketiga hasil obyektifnya adalah 612, 602 dan Rp. 24.500.000. 4 Kesimpulan dan Saran Pemilihan third party logistic (3PL) merupakan metode multi criteria decision making yang mempunyai banyak kriteria pada proses pengambilan keputusan. Untuk mendapatkan performansi yang tepat dalam pemilihan third party logistic (3PL), maka pemilihan kriteria secara tepat juga akan mendukung keputusan
yang tepat. Terdapat tujuh (7) kriteria dan duapuluh dua atribut pada desain awal kuisioner. Dan desain tidak berubah karena tidak ada kriteria yang dihilangkan. Berdasarkan hasil penelitian yang ada didapatkan lima 3PL dengan skor 0.2. Adanya persamaan dikarenakan bobot penilaian para pakar yang tinggi. Terdapat 5 3PL yang terpilih dan diputuskan untuk mengirimkan order ke pelanggan. Dari hasil alokasi order menggunakan software Lingo didapatkan bahwa total optimasi ketiga obyektif jumlah produk yang harus dikirim ke semua tujuan negara sebanyak 604 produk, sedangkan total permintaan buyer sebanyak 592 produk, yang dikirimkan oleh kelima 3PL sehingga semua 3PL dapat dikatakan efisien dalam mengalokasikan produk. Sesuai dengan tujuan penelitian bahwa untuk memaksimalkan order ke masing-masing Third Party Logistic (3PL) tercapai. Dari ketiga obyektif dalam pengalokasian order yang maksimal, hanya ada satu obyektif yang tidak tercapai. Obyektif pertama tercapai karena jumlah barang yang dikirim tidak melebihi 1000 produk. Obyektif kedua tercapai karena dalam pengiriman tidak melebihi lead time dan jumlah barang yang dikirim rata-rata 592 produk. Sedangkan obyektif ketiga tidak tercapai karena biaya distribusi yang terjadi melebihi batas biaya minimal yaitu sebesar Rp 22.950.000, sedangkan biaya distribusi yang diijinkan sebesar Rp 20.000.000 . Untuk penelitian selanjutnya, perlu ditambahkan jarak tempuh dalam mengirim produk (Vehicle Routing Problem), Pengembangan metode bisa dilakukan dengan menambahkan banyak konstrain dan pengembangan metode bisa dilakukan dengan menggunakan Fuzzy Principle Component Analysis ( FPCA) dan Fuzzy Clustering (FC) jika variabel dan DMUs lebih dari 100. 5. Referensi Aktar, E., D., Ustun, O., (2008). “An Integrated Multiobjective Decision Making Process For Supplier Selection and Order Allocation”, International Journal of Managemen Science.. 36. Hal. 76-90. Bhatnagar, R., Sohal, A. S., and Millen, R.,. (1999). “Third party logistics services: a Singapore perspective”, International Journal of Physical Distribution
&Logistics Management, vol. 29, no.9. Hal. 569. Buyukozkan , G., Feyyzziouglu, O., dan Erdan, N., (2008), “selection of the strategic alliance partner in logistic value chain”, International Journal Production Economics 113, Hal. 148-158. Buyukozkan , G., Feyyzziouglu, dan O., Ersoy, M.E. (2009), “Evaluation of 4PL Operating Models: A Decision Making Approach Based On 2 Additive Chouquet Integral”, International Journal Production Economics 121, Hal. 112-120. Chan, F.T.S., (2003), “ Interactive Selection Model For Supplier Selection Process : An Analytical Hierarchy Process Approach.”, International Journal Production Research 41 (15), Hal. 35493579. Chen, K..S., dan Chen, K.L.,(2003), “ Fuzzy multi Objective Approach To The Supply Chain Model”, International Journal of Fuzzy System 2 (3), Hal. 220-228. Chang, C..T., dan Chen, K.L.,(2008), “Revised multi-choice goal programming ”, International Journal of Applied Mathematical Modelling 32, Hal. 2587– 2595. Frost, Sullivant. (2007), Recognizes top 3PL Companies, A Global growth consulting company. Singapore. Ghodyspour, S.H., dan O’Brien. C.,(2001) “The Total Cost Of Logistic In Supplier Selection Under Constraints Of Multiple Sourcing, Multiple Criteria And Capacity Constraint”, International Journal Of Production Economic 113, Hal. 235-244. Ghodyspour, S.H., dan O’Brien. C.,(1998) “A decision support system for supplier selection using an integrated analytic hierarchy process and linear programming”, 56International Journal Of Production Econonic 56, Hal. 199212. Hamdan, A., dan Rogers, K. J., (2008) “Evaluating the efficiency of 3PL logistic operations”, International Journal Production Economic 113, Hal. 235-244. Hsiao, H. I., van der Vorst, J.G.A.J., dan Omta, S.W.F. (2006) “ Logistics Outsourcing in Food Supply Chain Networks: Theory and Practices”, the 7th International
Conference on Management in AgriFood Chains and Networks,Netherland. Hertz, S. dan Afredsson, M. (2003) “ Strategic Development Of The Third Party Logistics Providers”. Industrial Marketing Management 32, Hal. 139179. Jharkharia, S., dan Shankar, R., (2007) “Selection Of Logistics Service Provider An Analytic Network Process (ANP) Approach”, International Journal Management Science 35, Hal. 274-289. Kusumadewi, S., dan Purnomo, H, (2010). “Aplikasi Logika Fuzzy : Sistem Pendukung Keputusan”, Edisi kedua. Kabnurkar A., (2001), Matematical Modeling For Data Envelopment Analysis (DEA) with Fuzzy Restriction on Weigh,Thesis Master. Virginia politecnic Institute and State University, USA. Langley, C. J., Dort, V., E., ANG, A. and Sykes, S. R., (2005) “Third-Party Logistics Results and Findings of the 10th Annual Study”, Capgemini, Georgia Institute of Technology, SAP, DHL. Liu, H., T., dan Wang, W., K., (2009), “An integrated fuzzy approach for provider evaluation and selection in third party logistic”, Expert System with Application 36, Hal. 4387-4398. Liang, T., F., (2009) “Fuzzy multi-objective project management decisions using two-phase fuzzy goal programming approach”, International Journal Computers & Industrial Engineering 57, Hal. 1407-1416 Mafakheri, F., Breton, M., dan Ghoniem, A., (2011), “Supplier selection order allocation A two stage multiple criteria dynamic programming approach”, International journal production economic 132, Hal. 52-57 Media Indonesia group (2011), Industri logistic diperkirakan tumbuh 8.3%. Naba, A., (2009). “Belajar Cepat Fuzzy Logic Menggunakan Matlab”, Edisi pertama. Pujawan, I.N., (2005). “Supply Chain Management” Edisi pertama, Penerbit PT Gunawidya Surabaya. Podevin, Oliver., (2003), PASS LogiConsult: Logistic Chain networking and information with the CSL-DB Siswanto, (2006). “Operation Research” Jilid I, Penerbit Airlangga Jakarta
Tabucanon, Mario T. (1988). Multiple Criteria Decision Making in Industry. Division of Industrial Engineering and Management, Asian Institute of Technology, Bangkok, Thailand Wen, M.,dan Li, H., (2009), “Fuzzy data Envelopment analysis (DEA): Model and Ranking method”, Journal of computational and Applied Mathemathic 223, Hal. 872-878. Woo, H., S., dan Shagiri, S.., (2011) “Order assignment considering buyer, third party logistic provider, and supplier”, International Journal Production Economic 130, Hal. 144-152 Zadeh, L.A. (1965). Fuzzy sets. Information and Control 8, 338-353. Internet news (2011), Peti kemas., www.wikipedia. org/wiki/Peti_kemas ,
