MODEL PENDUKUNG KEPUTUSAN PEMASARAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (STUDI KASUS: TOKO ONLINE)

MODEL PENDUKUNG KEPUTUSAN PEMASARAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (STUDI KASUS: TOKO ONLINE) Michael Setiawan1 , Triwulandari SD2, Pudji Astuti3 1

Mahasiswa Jurusan Magister Teknik Industri, Fakultas Teknologi Industri, Universitas Trisakti 2,3 Dosen Jurusan Magister Teknik Industri, Fakultas Teknologi Industri, Universitas Trisakti [email protected], [email protected], [email protected]

ABSTRAK The growth of Internet users both in the world and Asia give a big opportunities to develop Ecommerce in Indonesia, create more Online Shops. Through the early research in the form of questionaire and interview, Online Shops have many challanges not only from competitors but also from the environment condition, Rupiah to United States Dollar rates, and also the supply condition or supplier when supplying products. To support the Online Shops in making decisions, designed a model using Fuzzy Inference System with Mamdani because, it is intuitive and work well with human input, the model designed using MATLAB application, and for the inputs we will be using Stock Condition, Demand Prediction from hystorical data, Ruiah to US Dollar rates, and Supply condition, and for the outputs there will be Add stocks policy, promotional policy, contract with other supplier policy and price adaptation policy, for the rules we will be using the if the rules. The Models will be verified and validated with help from “Ikelashop” owner, the verification process will test if the rules given, give outputs as designed, for the validation will be using Extreme Combination Test, or using extreme combination between condition, face validity with help from expert to validate the outputs from Extreme Combination Test, and Turing Test with comparing between model’s output and expert decision. The result are two types of Decision Support Model for marketing, Critical Model and Non Critical Model that is not affected by Rupiah to Dollar Rates, already verified and validated. Kata Kunci : Marketing, Model Design, Decision Support System, Fuzzy Inference System

1. PENDAHULUAN 1.1. Latar Belakang Pada tahun 2015, menurut data yang dikeluarkan oleh We Are Social (2015) pengguna internet di dunia mencapai 3,17 miliar atau bertumbuh hingga 7,6 persen. Data tersebut menyatakan bahwa penyerapan internet secara global saat ini berada pada 43% naik dari 41% pada Agustus tahun 2014. Angka tersebut menunjukkan bahwa 225 juta orang diseluruh dunia menggunakan internet untuk pertama kali dalam 12 bulan terakhir, atau 600 ribu pengguna baru setiap hari dan 7 orang setiap detiknya. Di Indonesia sendiri secara khusus merupakan salah satu negara dengan pengguna internet terbanyak (Gambar 2) lebih tepatnya Indonesia pada saat ini menempati urutan keempat dari keseluruhan jumlah pengguna Internet di Asia. Indonesia menunjukkan pertumbuhan yang signifikan pada penggunaan internet lewat perangkat jaringan bergerak yaitu tiga kali lebih tinggi dari pemakaian rata-rata global, untuk penggunaan internet rumahan, dan dua kali lebih tinggi dari pemakaian rata-rata global internet bergerak. Indonesia yang merupakan salah satu negara dengan jumlah pengguna internet

Model Pendukung Kep (Michael S, dkk)

terbanyak memberikan peluang kepada segenap pelaku bisnis baik lokal maupun internasional untuk menanam modal di Indonesia.(Kasali, 2011) Salah satu peluang yang dimanfaatkan oleh para pelaku bisnis adalah Ecommerce atau perdagangan online. Sejak tahun 2012 banyak penanam modal dan pengusaha asing di bidang Ecommerce menanam modal Indonesia seperti Lazada, Zalora, FoodPanda, Qoo10, blanja.com, OLX, serta Tokopedia yang didirikan oleh pengusaha Indonesia (Rifai, 2015). Pertumbuhan Ecommerce Market Size (Ukuran pasar) di Indonesia menurut survey yang dilakukan oleh Harvard Business School, Veritrans Indonesia dan Daily Social seperti yang ditunjukkan pada Gambar 3 terlihat bahwa terjadi peningkatan 900 juta Dollar Amerika Serikat pada tahun 2011, dan diperkirakan dapat menjadi 10 Miliar Dollar Amerika Serikat pada tahun 2015.

Jurnal Teknik Industri ISSN: 1411-6340 67

Gambar 1. Pertumbuhan pengguna Internet dunia (Sumber : We Are Social, http://wearesocial.sg/blog/2015/08/globalstatshot-august-2015/ , Diunduh pada 13 Oktober 2015)

Gambar 3. Pertumbuhan pasar eCommerce Indonesia pada 2011-2015 (Sumber: Statista, http://www.statista.com/statistics/259785/b2c-ecommerce-market-size-in-indonesia/, diunduh pada 13 Oktober 2015) Perkembangan Ecommerce ini semakin terlihat melalui lalu lintas kunjungan ke beberapa situs Ecommerce yang ada di Indonesia seperti Lazada, Tokopedia, Bukalapak, Zalora dan Elevenia, ditunjukkan oleh Gambar 4 yang meningkat secara signifikan pada tahun 2015 dibandingkan dengan lalu lintas kunjungan pada tahun 2012.

Gambar 2. Negara di Asia dengan pengguna internet terbanyak (Sumber: Internet World Stats, http://www.internetworldstats.com/stats3.htm , diunduh pada 13 Oktober 2015)

Hasil kajian konsultan teknologi RedwingAsia, “Ecommerce in Indonesia – a Big Bang waiting to happen”, Indonesia dinilai dapat menjadi negara potensial dengan perkembangan eCommerce paling pesat serta mampu meraih perkiraan jumlah total pendapatan mulai dari sekitar 3 Milyar dollar AS (skenario terendah) hingga 10 Milyar dollar AS (skenario tertinggi) pada tahun 2015 (Sigma Research, 2015).


Gambar 4. Traffic kunjungan ke situs eCommerce oleh Google Trends™ (Sumber: https://www.wastrox.com/menegokpertumbuhan-ecommerce-di-indonesia.html, diunduh pada 13 Oktober 2015) Seperti dinyatakan pada Bisnis.com (Mola, 2015), Direktur PT Rakuten-MNC Mengatakan pertumbuhan penjualan Rakuten pada juni 2012 hingga juni 2013 mencapai 321%. Pertumbuhan tersebut menandakan semakin bertumbuhnya usaha kecil menengah (UKM) di Indonesia, terutama Toko Online, ditandai dengan hadirnya calon serta pemilik Toko online yang baru. Toko Online seringkali berhadapan dengan masalah yang berat apabila dibandingkan dengan

Jurnal Teknik Industri ISSN: 1411-6340

68

perusahaan besar. Toko Online ditinjau dari sisi ekonomi, memiliki lebih sedikit akses menuju sumber daya yang lebih luas sehingga Toko Online memiliki ancaman yang lebih besar terhadap faktor eksternal dibandingkan dengan perusahaan besar (Falkner, 2015) seperti faktor sering habisnya stok barang yang dijual (Rahayu, 2014), faktor naik turunnya perekonomian Indonesia (Lahagu, 2015), faktor kebijakan yang dikeluarkan pemerintah (Supriadi, 2015; Renjani, 2015) serta faktor kompetitor atau pesaing dari sesama Toko Online (Anindya, 2013). Kurangnya pengetahuan dan kesiapan dari suatu Toko Online juga menjadi faktor utama para pemilik atau calon pemilik Toko Online menghadapi kegagalan (Omar,2015). Seringkali pemilik atau calon pemilik Toko Online salah dalam membuat keputusan pemasaran, sehingga tidak hanya banyak sumber daya yang terkadang tidak terpakai dengan tepat dan pada akhirnya mengganggu operasional dari perusahaan tersebut namun faktor eksternal atau yang tidak diperkirakan sebelumnya turut mengganggu keberlangsungan dari Toko Online. Sebaliknya apabila pemilik atau calon pemilik Toko Online dapat membuat suatu keputusan yang tepat, Toko Online dapat menghasilkan keuntungan yang dapat digunakan untuk mengembangkan usaha miliknya dan dapat bertahan dari persaingan antar pelaku. Untuk menjembatani kurangnya pengetahuan pelaku Toko Online dengan kondisi sekitarnya, dalam penelitian ini menggunakan metode Fuzzy Inference System (FIS) akan dirancang sebuah model menggunakan piranti lunak MATLAB, yang bertujuan untuk membantu pemilik atau calon pemilik Toko Online dalam membuat keputusan pemasaran terkait dengan faktor eksternal yang ada. Dalam melakukan perancangan terlebih dahulu akan dilakukan penelitian pendahuluan dalam bentuk survey dan wawancara kepada pelaku Toko Online, tujuan dari penelitian pendahuluan ini adalah untuk memetakan faktor apa sajakah yang mempengaruhi dalam pembuatan keputusan oleh Toko Online. Wawancara dengan pelaku Toko Online dilakukan terlebih dahulu untuk memberikan gambaran secara umum mengenai proses yang terjadi dalam Toko Online, wawancara dilakukan pada 7-8 Desember 2015 dengan beberapa pelaku Toko Online, yaitu Laura (Ikelashop-Kosmetik), Fifi (KosmetikSuper-Kosmetik), Awan (GudGadget-Elektronik), Nori (BitemoresnacksMakanan). Hasil yang didapatkan melalui


wawancara tersebut adalah dapat diketahui bahwa tidak semua Toko Online memproduksi sendiri barang dagangan yang dijual, melainkan mendapatkan melalui supplier. Selain itu ada faktor lingkungan yang ikut mempengaruhi penjualan seperti kontinuitas supplier dalam menyediakan barang, kurs rupiah, promosi dan kondisi stok barang yang dimiliki. Dari wawancara yang telah dilakukan sebelumnya, dalam melakukan survey akan ikut dirumuskan beberapa hal terkait yang telah disampaikan oleh pakar, serta ditambahkan beberapa pendapat dari pakar lainnya melalui artikel sehingga dapat dirumuskan kuesioner dengan delapan buah faktor sebagai berikut: 1. Produk dan Cara Memperolehnya (Herlambang, 2014; Gani, 2012; Rahayu, 2012) 2. Target Pasar (Anindya, 2013; Rahayu, 2013) 3. Media (Ahmad, 2014; Herlambang, 2014; Rahayu, 2013) 4. Stok (Anindya, 2013; Rahayu, 2014; Gani,2012) 5. Transaksi (Rahayu, 2014; Setiyawan, 2011) 6. Gejolak Kurs (Lahagu, 2015) 7. Kebijakan Pemerintah (Ginanjar, 2015; Supriadi, 2015; S.Deddy, 2015; Pramita, 2015; Yusuf, 2015; Renjani, 2015) 8. Kompetitor (Anindya, 2013; Rahayu, 2014) Pelaku Toko Online di Indonesia jumlahnya sangat besar sehingga untuk dapat dirancang model yang dapat memberikan gambaran terhadap pelaku Toko Online yang sesungguhnya. Menurut Rea et al., (2014) dalam bukunya yang berjudul “Designing and Conducting Survey Research” untuk menentukan jumlah sampel terhadap populasi yang sangat besar atau tidak berhingga, dapat digunakan perhitungan sebagai berikut :

= =

.

1−

1,96 . 0,5 1 − 0,5 0,04 = 600,25

Z = Mengacu pada nilai z (Tingkat kepercayaan), dalam penelitian ini tingkat kepercayaan


69

yang digunakan adalah sebesar 95% sehinggan nilai Z adalah 1,96 P = Proporsi sampel yang digunakan untuk melakukan Survey. Karena jumlah pasti dari proporsi ini tidak diketahui, maka akan digunakan nilai proporsi sebesar 5% atau sebesar 0.5 yang akan menghasilkan ukuran sampel terbesar (Rea, 2014). ME = Kesalahan sampel yang dikehendaki (Sampling error), dalam penelitian ini digunakan Sampling error 4% atau 0,04 Dari perhitungan yang dilakukan didapatkan bahwa jumlah sampel yang akan digunakan untuk menggambarkan pelaku Toko Online secara keseluruhan adalah sebesar 601 Responden. Setelah Kuesioner disebarkan didapatkan terdapat 642 Responden yang merupakan praktisi Toko Online di Indonesia dengan produk yang diperdagangkan bervariasi antara produk fashion, kosmetik, alat elektronik, makanan-minuman dan alat kesehatan. Data yang telah terkumpul tersebut kemudian dikelompokkan berdasarkan kategori jenis produk yang diperdagangkan. Dari setiap kategori tersebut kemudian dapat dipecahkan kembali kedalam dua kelompok besar yaitu kelompok kategori yang bergantung terhadap impor barang (Kritis terhadap nilai rupiah) dan kelompok kategori yang tidak bergantung terhadap impor barang (Tidak kritis terhadap nilai rupiah), pengelompokkan ini berdasarkan pendapat yang dikemukakan oleh Lahagu (2015) mengenai dampak gejolak ekonomi Indonesia yang sering terpaku pada nilai Kurs Rupiah terhadap dolar Amerikas Serikat (AS). Kelompok data yang dipengaruhi oleh Nilai Kurs Rupiah (Kritis terhadap nilai Kurs) terdiri dari : • Kategori Fashion • Kategori Elektronik • Kategori Kosmetik • Kategori Makanan Karena berdasarkan hasil yang didapatkan melalui survey, kategori tersebut terpengaruh oleh nilai Kurs rupiah akibat melakukan stok barang, baik bahan baku produksi ataupun stok barang untuk dijual kembali karena Supplier yang menyediakan produk tersebut berada di luar negeri.


Row Labels Sum of Jumlah Alat Elektronik (Gadget, Aksesoris Gadget, Komputer, Dll) 72 Buku 6 Home decor 6 Kosmetik 114 Makanan dan Minuman 48 Perlengkapan Fashion (Baju, Aksesoris, Dll) 372 Produk Kesehatan (Obat, Herbal, Alat-alat Kesehatan, Dll) 18 properti atribut photo & interior 6 Grand Total 642

Gambar 5. Kategori Jenis Produk yang diperdagangkan oleh Toko Online Kelompok data yang tidak dipengaruhi oleh Nilai Kurs Rupiah (Tidak Kritis terhadap nilai kurs) terdiri dari: • Kategori Makanan • Kategori Elektronik • Kategori Fashion • Kategori Kosmetik • Kategori Produk Kesehatan Terdapat beberapa kategori yang kembali berulang masuk ke dalam kelompok tidak kritis terhadap nilai kurs Rupiah, hal ini disebabkan oleh untuk beberapa kategori tersebut dapat memperoleh bahan baku maupun produk melalui Supplier yang berada di Indonesia, yang mungkin telah terlebih dahulu melakukan Import. Kemudian dari dua kelompok besar tersebut data yang didapatkan kembali dikelompokkan berdasarkan permasalahan yang akan diselesaikan, yaitu Stok Barang dan cara mendapatkannya, serta Nilai Kurs Rupiah (Untuk Model Kritis) dan Jumlah penjualan (Transaksi) harian. Data Kelompok yang kritis dan tidak kritis terhadap Nilai Kurs Rupiah kemudian akan dijadikan model pembuatan keputusan menggunakan Fuzzy Inference System (FIS) melalui piranti lunak MATLAB. Secara keseluruhan akan dirancang Model yang dapat mewakili keseluruhan Toko Online, namun Output yang dihasilkan melalui model ini perlu untuk disesuaikan dengan masing-masing kategori Toko Online, karena kebijakan antara satu kategori dengan lainnya akan berbeda.


70

1.2. PERUMUSAN MASALAH Dari latar belakang yang ada dapat dirumuskan suatu permasalahan, yaitu pemilik ataupun calon pemilik Toko Online memerlukan model yang dapat membantu dalam membuat keputusan yang tepat dalam memasarkan produk yang mencakup didalamnya adalah mengatur persediaan barang serta menghadapi faktor eksternal yang mempengaruhi operasional usaha. Faktor tersebut meliputi Kelancaran pasokan barang, Nilai Kurs Rupiah serta Prediksi permintaan yang didapatkan melalui data historis penjualan. Selain itu pelaku Toko Online perlu melakukan suatu kebijakan terkait dengan faktor eksternal tersebut. 1.3. BATASAN MASALAH Masalah yang akan dibahas pada penelitian ini akan dibatasi pada perancangan Model pembuatan keputusan pemasaran untuk Toko Online, yang mencakup didalamnya adalah perancangan input model, output model dan aturan (Rules) yang digunakan. 1.4. TUJUAN PENELITIAN Tujuan yang ingin dicapai dari penelitian ini adalah menghasilkan model pembuatan keputusan menggunakan metode Fuzzy Inference System (FIS) dengan piranti lunak MATLAB untuk membantu pemilik atau calon pemilik Toko Online dalam membuat keputusan untuk pemasaran produk. 1.5. MANFAAT PENELITIAN Manfaat dari penelitian ini adalah membantu pemilik dan calon pemilik Toko Online yang ingin mengembangkan usahanya dengan memanfaatkan media internet dalam membuat keputusan pemasaran serta melakukan manajemen resiko. Model ini dapat pula membantu pemilik merancang strategi untuk mengatur persediaan barang dan menghadapi faktor eksternal seperti gejolak nilai kurs rupiah dan kompetitor. Untuk kemajuan ilmu pengetahuan penelitian ini dapat menjadi dasar untuk penelitian selanjutnya mengenai Toko Online, baik untuk pembuatan keputusan atau untuk penelitian mengenai Fuzzy Inference System. 2. TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu Untuk mendukung penelitian yang akan dilakukan terdapat beberapa penelitian yang telah


dilakukan sebelumnya terkait dengan penggunaan metode Fuzzy Inference System (FIS) secara khusus untuk melakukan pembuatan keputusan. Pada Tahun 1970, Bellman dan Zadeh melakukan penelitian mengenai konsep pembuatan keputusan dengan kondisi lingkungan Fuzzy karena berpendapat, bahwa dalam pembuatan keputusan sehar-hari tidak terdapat kondisi yang pasti, melainkan selalu terdapat perubahan. Memanfaatkan pengetahuan mengenai Fuzzy, yang pada saat itu sedang berkembang, mereka menghasilkan model matematis untuk pembuatan keputusan dengan Fuzzy. Pada penelitian yang telah dilakukan oleh Silva-Risso, et Al. (1999) mengenai penerapan Sistem Pendukung Keputusan untuk perancangan strategi pemasaran, promosi dan penyesuaian harga. Penelitian dilakukan pada pabrik saus. Tindakan promosi yang dilakukan cenderung menghabiskan dana pemasaran milik perusahaan tanpa hasil yang memuaskan, sehingga dirancang sistem pendukung untuk membantu merancang strategi pemasaran. Hasil yang didapatkan menunjukkan bahwa perusahaan dapat meningkatkan keuntungannya apabila perusahaan menerapkan strategi yang direkomendasikan oleh model. Pada tahun 2003, Idayati melakukan penelitian menggunakan Metode Fuzzy Inference System untuk melakukan klasifikasi data hasil dari Ultrasonograf (USG) untuk mendeteksi kanker payudara. Menggunakan Rule Base Expert System atau aturan dasar menggunakan sistem pakar dengan delapan buah aturan atau Rules, penelitian tersebut menghasilkan bahwa model yang dirancang mampu menghasilkan presentase kebenaran hingga 87%. Beberapa tahun berikutnya pada Tahun 2005 Guimaraes dan Lapa menggunakan konsep Fuzzy Inference System dengan sistem kepakaran (Rule based) memodelkan sistem Nuklir. Tujuan dari model ini adalah untuk menilai tingkat resiko pada sistem nuklir. Hasil yang didapatkan dari penelitian ini adalah Model yang dihasilkan dapat memperagakan potensi terjadinya kegagalan sistem beserta dengan dampak yang ditimbulkan. Pada tahun 2005, Kusumadewi dan Guswaludin memanfaatkan teori Fuzzy dalam penelitian yang dilakukan untuk menentukan lokasi pemancar televisi. Pada penelitian ini terdapat beberapa alternatif lokasi yang akan digunakan beserta dengan berbagai macam kondisi lingkungan. Memanfaatkan teori fuzzy untuk melakukan pembuatan keputusan, pemilhan


71

lokasi dapat diakomodasi sehingga mendapatkan lokasi pemancar televisi yang optimal. Kemudian pada Tahun 2006, Chang dan Chang memanfaatkan konsep Fuzzy Inference System untuk melakukan prediksi ketinggian air pada reservoir. Tujuan yang ingin dicapai adalah prediksi ketinggian air tersebut untuk mencegah terjadinya banjir atau luapan air, metode yang digunakan adalah metode pengembangan dari Fuzzy Inference System yang disesuaikan dengan kondisi penelitian sat itu yaitu Adaptive Network based Fuzzy Inference System. Hasil yang berhasil tercapai dalam penelitian ini adalah prediksi yang dihasilkan memiliki akurasi dan tingkat kepercayaan yang tinggi untuk memprediksi ketinggian air dalam jangka waktu 3 jam kedepan. Pada tahun 2006 Dweiri dan Kablan melakukan penelitian mengenai pembuatan keputusan untuk menilai efisiensi suatu manajemen projek. Penelitian ini menggabungkan konsep pembuatan keputusan menggunakan fuzzy serta kondisi biaya, waktu dan kualitas proyek, dengan menggunakan piranti lunak MATLAB. Hasil yang dicapai dari konsep penilaian ini adalah penilaian dapat berjalan dengan baik serta terjadinya peningkatan pada kinerja dan efisiensi manajemen proyek. Wakhidiyanto (2006) menggunakan Fuzzy Inference System untuk pengenalan jenis kawanan ikan dari pendeteksian bentuk Fish Schooling yang terlihat pada Echogram Fish Finder. Metode FIS yang diterapkan pada penelitian ini adalah menggunakan aturan atau Rules “If .. Then.. Else” kemudian menggunakan fungsi keanggoaan tipe trapesium dan menggunakan fungsi keanggotaan tipe Gaussian. Hasil yang dicapai menunjukkan bahwa untuk mendeteksi kawanan ikan menggunakan metode FIS paling baik adalah menggunakan fungsi keanggotaan tipe trapesium yang memiliki akurasi pengenalan hingga mencapai 76,3%. Ariyanti et al., (2010) pada penelitian yang dilakukan olehnya menggunakan Fuzzy Inference System untuk mengevaluasi Beck Depression Inventory II Test yang digunakan untuk oleh psikolog untuk mendiagnosa tingkat depresi seorang pasien. Menggunakan metode FIS didapatkan hasil bahwa seluruh komponen yang dihasilkan pada tes BDI II tersebut dapat digunakan untuk mendiagnosa pasien sehingga dapat mendukung pembuatan keputusan untuk tindakan perawatan medis. Penelitian yang dilakukan oleh Yan Aditya Prabawa (2015) memiliki judul “Optimasi Linear Scheduling Method pada penyelidikan tanah


dengan pendekatan Fuzzy Theory (Studi Kasus Proyek Monorail)”. Tujuan penelitian ini adalah untuk mengidentifikasi kinerja waktu pelaksanaan pekerjaan penyelidikan tanah pada proyek monorail Jakarta, berdasarkan optimasi melalui Fuzzy Inference System dan kemudian mengidentifikasi kinerja biaya sebagai indikasi optimasi pada pekerjaan pelaksanaan penyelidikan tanah proyek Monorail Jakarta. Metode Fuzzy Inference System digunakan untuk menentukan waktu dan biaya dalam pengerjaan proyek Monorail agar hasil yang didapatkan efektif dan efisien. Kemudian hasil yang dicapai dalam penelitian ini adalah waktu proses untuk penyelidikan tanah dapat dipercepat sebesar 50%. Kemudian pada tahun 2016 ini, akan dilakukan penelitian menggunakan Fuzzy Inference System dengan metode Mamdani untuk membantu Toko Online dalam membuat keputusan Pemasaran. Dalam penelitian ini akan dipertimbangkan kondisi lingkungan yang terjadi serta kebijakan apa yang dapat dilakukan terkait dengan kondisi yang terjadi. Dalam penelitian ini turut dilakukan penelitian pendahuluan berupa survey untuk mengumpulkan data sebagai pengetahuan dari pakar. Kemudia model akan dirancang menggunakan piranti lunak MATLAB. Hasil yang akan dicapai pada penelitian ini adalah dihasilkan Model pembuatan keputusan pemasaran untuk Toko Online. 2.2. Teori Mengenai Fuzzy Inference System

Logika Fuzzy atau dikenal juga sebagai Fuzzy Inference System adalah suatu cara yang tepat untuk memetakan ruang input kedalm suatu cara yang tepat untuk memetakan ruang input kedalamsuatu ruang output (Kusumadewi, 2003). Konsep ini diperkenalkan dan dipublikasikan pertama kali oleh Lotfi A. Zadeh, seorang profesor dari University of California di Berkeley pada tahun 1965. Logika fuzzy menggunakan ungkapan bahasa untuk menggambarkan nilai variabel. Logika fuzzy bekerja dengan menggunakan derajat keanggotaan dari sebuah nilai yang kemudian digunakan untuk menentukan hasil yang ingin dihasilkan berdasarkan atas spesifikasi yang telah ditentukan. Telah disebutkan sebelumnya bahwa logika fuzzy memetakan ruang input ke output. Antara input dan output ada suatu kotak hitam yang harus memetakan input ke output yang sesuai (Kusumadewi, 2005). 3. METODOLOGI PENELITIAN 3.1. Pebelitian Pendahuluan


72

Tahap ini merupakan merupakan langkah awal penelitian untuk memahami proses dan kondisi dari Toko Online. Penelitian pendahuluan dilakukan dengan melakukan survey dan wawancara langsung kepada pelaku Toko Online. Untuk wawancara hanya dilakukan kepada beberapa pelaku Toko Online, tujuan dari wawancara ini adalah mendapatkan gambaran secara umum mengenai proses yang terjadi pada Toko Online dan hal apa sajakah yang mempengaruhi penjualan dan pembuatan keputusan pemasaran. Hasil yang didapatkan melalui wawancara tersebut kemudian ditambahkan pendapat pakar lainnya yang didapatkan melalui artikel serta dirumuskan menjadi sebuah kuesioner. Hasil dari kuesioner tersebut kemudian akan digunakan sebagai dasar dalam perancangan model pembuatan keputusan. 3.2. Identifikasi dan Perumusan Masalah Setelah penelitian pendahuluan dilakukan melalui wawancara dan survey, maka dapat dirumuskan faktor dan permasalahan yang dihadapi oleh pelaku Toko Online, faktor tersebut kemudian akan dijadikan dasar dalam perancangan dan pembangunan Model Pembuatan Keputusan Pemasaran untuk Toko Online. 3.3. Tinjauan Pustaka Tinjauan pustaka dilakukan untuk menambah wawasan dan pengetahuan mengenai permasalah yang akan dibahas dan menentukan metode yang sesuai untuk perancangan model. Tinjauan pustaka dilakukan dengan menggunakan literatur berupa buku teks, jurnal, artikel, serta penelitian terdahulu. Metode yang akan dikembangkan dalam penelitian ini adalah Fuzzy Inference System, namun pada penelitian ini metode tersebut akan digunakan dalam pembuatan keputusan pemasaran untuk toko online dan akan menggunakan piranti lunak MATLAB. 3.4. Perancangan dan Pembangungan Model Faktor yang telah dirumuskan menggunakan metode yang didapatkan melalui tinjauan pustaka akan dirancang menjadi sebuah model pembuatan keputusan. Model yang dirancang akan berjumlah dua buah, yaitu model kritis dan model tidak kritis. Dalam perancangan model faktor seperti kondisi stok, prediksi permintaan, kurs rupiah terhadap dollar Amerika Serikat dan kondisi pasokan akan dijadikan sebagai masukan dari model. Untuk kurs rupiah tidak akan digunakan pada model tidak kritis karena pada model


tersebut faktor nilai kurs rupiah diasumsikan tidak mempengaruhi pembuatan keputusan pemasaran Toko Online. Dari seluruh masukan yang ada akan dibuat berbagai kombinasi kondisi yang mungkin terjadi serta resiko yang dapat ditimbulkan dari kondisi tersebut. Dari resiko yang ditimbulkan tersebut akan dirancang beberapa kebijakan sebagai keluaran dari model. Dalam perancangan model Fuzzy Inference System selain masukan dan keluaran diperlukan juga aturan atau Rules yang menjembatani antara masukan dan keluaran, berdasarkan dengan masukan dan keluaran yang telah dirancang, kemudian akan dirancang aturan menggunakan aturan If Then. Model yang telah memiliki masukan, keluaran dan aturan sudah menjadi sebuah model yang lengkap. 3.5. Verifikasi dan Validasi Model Sebuah model baru dapat dikatakan sebagai model yang baik apabila telah melewati tahapan verifikasi dan validasi. Dalam melakukan verifikasi Model akan diuji menggunakan salah satu aturan yang telah dirancang untuk ditinjau apakah keluaran yang dihasilkan sudah sesuai dengan hasil perancangan, kemudian pada proses validasi akan menggunakan tiga buah pengujian yaitu Extreme Combination Test atau Uji Kombinasi Ekstrim dimana akan diberikan sebuah kombinasi kondisi ekstrim sebagai masukan dari model untuk kemudian dengan bantuan pakar atau pelaku Toko Online menilai keluaran yang dihasilkan oleh model tersebut. Pengujian kedua adalah Face Validity Test atau Pengujian validitas dengan dinilai secara langsung oleh pakar. Pengujian ketiga adalah Turing Test atau pengujian Turing, dalam pengujian ini model dan pakar akan diberikan suatu kondisi, kemudian masing-masing akan memberikan tindakan terkait dengan kondisi tersebut, apabila hasil yang didapatkan tidak terdapat perbedaan, maka model tersebut telah berhasil melewati pengujian Turing. 4. ANALISIS DAN PEMBAHASAN Dalam perancangan dan pembangunan model pembuatan keputusan ini tipe metode FIS yang digunakan adalah FIS tipe Mamdani. Alasan menggunakan tipe Mamdani adalah (Naba, 2009) 1. Tipe Mamdani bersifat Intuitif. 2. Diterima Secara luas. 3. Sangat cocok untuk diberikan Human Input. Pada model Fuzzy Inference System ini akan dirancang Input, Output, dan Rules atau aturan


73

sehingga model dapat berjalan dan bekerja dengan baik. Perancangan Input Untuk model pertama dalam perancangan ini adalah Model Kritis dan akan digunakan empat buah Input atau masukan yang terdiri dari Kondisi Stok, Prediksi Permintaan, Kurs Rupiah, dan Kondisi Supplier. Untuk model kedua yang merupakan Model Tidak Kritis akan menggunakan tiga buah masukan saja yang terdiri dari Kondisi Stok, Prediksi Permintaan, dan Kondisi Pasokan. Adapun masukan yang digunakan akan dirancang dengan ketentuan sebagai berikut:

4.1.1.

a)

Kondisi Stok Kondisi stok terkait dengan jumlah barang yang dimiliki oleh Toko Online disesuaikan dengan kapasitas penyimpanan Toko Online tersebut, dimana ketentuan yang berlaku adalah sebagai berikut: ! "

#

$ #

% 100%

[1] Kondisi Stok Rendah atau stok yang dimiliki berada dibawah Safety Stock atau stok aman untuk berjualan yang jumlahnya didapatkan melalui perbandingan stok digudang dan rata-rata penjualan bulanan.Fungsi Keanggotaannya adalah < 25 % [2] Kondisi Stok Sedang atau stok yang dimiliki berada tepat pada kondisi stok aman atau diatasnya sampai mencapai separuh rata-rata penjualan bulanan.Fungsi keanggotaannya adalah 25% ≤ x ≤ 50% [3] Kondisi Stok Tinggi atau stok yang dimiliki mendekati atau mencapai rata-rata penjualan bulanan.Fungsi keanggotaannya adalah > 50 % Perlu diperhatikan semakin tinggi kondisi stok apabila tidak diiringi dengan penjualan barang yang tinggi dapat beresiko menyebabkan Dead Stock atau stok barang yang menumpuk di Gudang.

Gambar 6. Fungsi Keanggotaan untuk Kondisi Stok b)

Kondisi Pasokan Kondisi Pasokan terkait dengan kondisi Supplier dalam menyediakan atau memproduksi barang yang akan dijual oleh Toko Online. Saat Supplier mengalami kesulitan produksi atau kondisi produksi rendah, Toko Online memiliki kecenderungan untuk kekurangan stok barang, namun pada saat kondisi produksi tinggi atau produksi supplier lancar, Toko Online yang memiliki stok barang rendah dapat dengan mudah menambah stok barang miliknya. Ketentuan yang digunakan adalah sebagai berikut: ' (# ) *!(! ) *!+ ' (# ) *!+

% 100%

[1] Pasokan Tidak Lancar adalah saat supplier tidak dapat memenuhi pesanan yang diberikan atau hanya dapat memenuhi sebagian kecil pesanan oleh Toko Online dalam jangka waktu yang Panjang. Fungsi keanggotaannya adalah < 25 % (pemenuhan/pesanan) [2] Pasokan Sedang adalah saat supplier hanya dapat memenuhi sebagian dari seluruh pesanan yang diberikan oleh Toko Online ata sedang memiliki hambatan dalam jangka waktu pendek. Fungsi keanggotaannya adalah 25 % ≤ x ≤ 50 % [3] Pasokan Lancar adalah saat supplier dapat memenuhi sebagian hingga keseluruhan pesanan dari Toko Online. Fungsi Keanggotaannya adalah > 50 %

Gambar 7. Fungsi Keanggotaan untuk Kondisi Supplier



74

c)

Nilai Kurs Rupiah Kurs rupiah yang digunakan mengacu pada data historis nilai Kurs rupiah terhadap Dollar AS selama 1 tahun (17 Januari 2015- 17 Januari 2016).

Gambar 8. Grafik Nilai Rupiah dalam 1 Tahun (Sumber : XE, http://www.xe.com/currencycharts/?from=USD &to=IDR&view=1Y diunduh pada 17 Januari 2016) Range digunakan untuk menentukan fungsi keanggotaan dari NilaiKursRupiah(Ribu) adalah Rp 12.400 – Rp 14.700 yang merupakan titik terkuat dan terlemah dalam rentang satu tahun. Berdasarkan pendapat yang dikeluarkan oleh Gubernur Bank Indonesia, Bapak Agus Martowardojo yang ditulis pada media Tempo (2015) bahwa rata pada 1 Januari – 18 September 2015 nilai rupiah terkuat adalah pada titik Rp 13.211 dan rata-rata nilai terlemah rupiah adalah pada titik Rp 13.775, kemudian dirumuskan fungsi keanggotaan sebagai berikut [1] Nilai Kurs Rupiah Kuat apabila nilai kurs Rupiah dibandingkan dengan Dollar AS memenuhi fungsi Keanggotaan < Rp 13.200 [2] Nilai Kurs Rupiah sedang apabila memenuhi fungsi keanggotaan Rp 13.200 ≤ x ≤ Rp 13.800 [3] Nilai Kurs Rupiah lemah apabila memenuhi fungsi keanggotaan > Rp 13.800

Gambar 9. Fungsi Keanggotaan untuk Nilai Kurs Rupiah


d)

Prediksi Permintaan Prediksi Permintaan Berdasarkan data yang didapatkan melalui survey untuk rata-rata transaksi harian setiap Toko Online, semakin rendah jumlah transaksi harian dari suatu Toko Online, maka resiko kecenderungan terjadinya penumpukan Stok Barang semakin Besar, sedangkan apabila saat supplier mengalami kesulitan produksi atau kondisi produksi rendah, Toko Online memiliki jumlah transaksi harian tinggi, maka Toko Online semakin beresiko mengalami kehabisan Stok Barang. Ketentuan yang digunakan untuk Prediksi Permintaan adalah: [1] Permintaan Rendah apabila transaksi harian yang didapatkan berada dibawah rata-rata minimum transaksi harian Toko Online. Fungsi Keanggotaannya adalah < 15 Transaksi [2] Permintaan Sedang apabila transaksi harian yang didapatkan berada diatas rata-rata minimum transaksi harian sampai dengan rata-rata maksimum transaksi harian. Fungsi Keanggotaannya adalah 15 Transaksi ≤ x ≤ 30 Transaksi [3] Permintaan Tinggi apabila transaksi harian yang didapatkan melebih rata-rata maksimum transaksi harian. Fungsi keanggotaannya adalah > 30 Transaksi

Gambar 10. Fungsi Keanggotaan untuk Prediksi Permintaan Perancangan Output Output atau keluaran yang diinginkan dari Model ini adalah kebijakan untuk keputusan pemasaran, maka sebelum dapat mendefinisikan Output atau keluaran langkah pertama yang harus dilakukan adalah melihat resiko yang ditimbulkan. Faktor resiko yang akan dihadapi antara lain adalah : • Kehabisan Barang • Dead Stock • Harga Barang Mahal

4.1.2.


75

Sedangkan beberapa hal yang diperlukan untuk dapat meminimalkan resiko dan meningkatkan keuntungan adalah: • Produksi Supplier Lancar • Penjualan Lancar Untuk mencapai hal tersebut maka dirancang kebijakan yang dapat dilakukan untuk mengurangi resiko dan meningkatkan keuntungan, kebijakan tersebut adalah sebagai berikut: 1. Kebijakan Menambah Barang 2. Kebijakan Promosi 3. Kebijakan Kontrak dengan Supplier lain 4. Kebijakan Penyesuaian Harga Kebijakan tersebut kemudian akan digunakan sebagai Output atau keluaran, yang akan dicapai dengan Kebijakan Menambah Barang adalah Pelaku Toko Online dapat membuat suatu keputusan terkait dengan penambahan jumlah barang sesuai dengan kondisi stok yang dimiliki, sedangkan untuk Kebijakan Promosi yang ingin dicapai adalah pelaku Toko Online dapat membuat suatu keputusan terkait dengan promosi untuk mendorong penjualan, kemudian untuk Kebijakan Kontrak dengan Supplier lain adalah suatu kebijakan yang dilakukan apabila Supplier yang mendukung usaha Toko Online saat ini tidak dapat memenuhi kebutuhan saat adanya permintaan dan kurangnya stok barang yang dimiliki oleh Toko Online untuk menjamin kontinuitas pasokan. Output yang dihasilkan melalui model ini perlu untuk disesuaikan dengan masing-masing kategori Toko Online, karena kebijakan antara satu kategori dengan lainnya akan berbeda dan pada model ini dirancang sebuah Model yang menggambarkan Toko Online secara umum. Keluaran yang digunakan dirancang dengan ketentuan sebagai berikut: a)

Kebijakan Menambah Barang Kebijakan Menambah Barang menggunakan rentang antara 0-100%, disesuaikan berdasar pada jumlah stok yang dimiliki sehingga dapat mecegah terjadinya kehabisan stok barang. Fungsi keanggotaan yang digunakan adalah sebagai berikut: ' (# ) *!+ ! " #

$ #

% 100%


[1] Tambah Sedikit, Kebijakan untuk menambah stok barang hingga sejumlah Safety Stock atau stok aman Toko Online. Fungsi Keanggotaannya adalah < 25% [2] Tambah Sedang, Kebijakan untuk menambah stok barang hingga melebihi stok aman atau mencapai sebagian dari rata-rata penjualan bulanan Toko Online. Fungsi keanggotaannya adalah 25% ≤ x ≤ 50% [3] Tambah Banyak, Kebijakan untuk menambah stok barang hingga mencapai rata-rata penjualan bulanan Toko Online.Fungsi keanggotaannya adalah > 50%

Gambar 11. Fungsi Keanggotaan untuk Kebijakan Menambah Barang b)

Kebijakan Promosi Kebijakan Promosi adalah kebijakan yang dilakukan oleh Toko Online untuk meningkatkan penjualannya terutama saat terdapat banyak stok barang yang belum terjual atau disaat penjualan menurun. Promosi ini didapatkan dari 10% (Wijayadi, 2014) hasil penjualan, maka akan digunakan rentang 0-10%. Fungsi keanggotaan yang digunakan adalah sebagai berikut: , - * ( + . # ) + # ! " #

% 100%

[1] Promosi Rendah, Biaya promosi yang dikeluarkan oleh Toko Online hanya sebagian kecil dari alokasi 10% untuk biaya promosi. Fungsi keanggotaannya adalah < 2.5% [2] Promosi Sedang, Biaya promosi yang dikeluarkan oleh Toko Online hampir mencapai keseluruhan alokasi 10% untuk biaya promosi. Fungsi keanggotaannya adalah 2.5 % ≤ x ≤ 7.5 % [3] Promosi Tinggi, Biaya promosi yang dikeluarkan oleh Toko Online mencapai keseluruhan biaya yang dialokasikan sebagai biaya promosi. Fungsi Keanggotaannya adalah > 7.5%


76

Gambar 13. Fungsi Keanggotaan untuk Kebijakan Kontrak dengan Supplier Lain d)

Gambar 12. Fungsi Keanggotaan untuk Kebijakan Promosi c)

Kebijakan Kontrak dengan Supplier lain Kebijakan Kontrak dengan Supplier lain adalah kebijakan yang dilakukan oleh Toko Online pada saat terjadi permintaan tinggi, kondisi stok barang habis, dan produksi barang oleh supplier sedikit, maka perlu untuk mencari supplier lainnya dan melakukan kontrak untuk sementara waktu agar Toko Online dapat memenuhi permintaan yang ada serta menjaga kontinuitas pasokan barang. Ketentuan yang digunakan untuk Kebijakan Kontrak dengan Supplier lain adalah: [1] Kontrak Jangka Pendek dilakukan apabila kondisi supplier utama masih dapat menyediakan barang namun terkendala kondisi produksi yang terbatas dan dalam jangka waktu dibawah 12 bulan dapat memperbaiki kondisi tersebut. Fungsi Keanggotaannya adalah < 12 Bulan [2] Kontrak Jangka Sedang dilakukan apabila kondisi supplier utama terkendala dalam menyediakan barang dan memerlukan waktu yang cukup lama sebelum kondisi produksinya kembali normal. Fungsi Keanggotaannya adalah 12 Bulan ≤ x ≤ 36 Bulan [3] Kontrak Jangka Panjang dilakukan apabila kondisi supplier utama tidak dapat melakukan produksi barang untuk waktu yang panjang atau tidak lagi dapat menyediakan barang sampai dengan waktu yang tidak ditentukan. Fungsi Keanggotaannya adalah > 36 Bulan

Kebijakan Penyesuaian Harga Kebijakan Penyesuaian Harga adalah kebijakan untuk menyesuaikan harga terkait dengan kondisi pelemahan rupiah, prediksi permintaan serta kondisi stok barang. Untuk kondisi nilai kurs rupiah hanya mempengaruhi pada Model Kritis. Penentuan fungsi keanggotaan Kebijakan Penyesuaian Harga berdasarkan pada kenaikan rupiah dengan berpedoman pada beberapa artikel berikta terkait kenaikan harga oleh dollar (Aminudin, 2015; Washarti, 2015) yang berkisar antara 16%-30%, sehingga pada kebijakan ini akan digunakan rentang antara 20%, yang artinya penyesuaian harga yang dilakukan adalah dengan menurunkan harga, sampai dengan 20% yang artinya adalah penyesuaian harga yang dilakukan adalah dengan menaikkan harga. Maka, Fungsi keanggotaan yang digunakan adalah sebagai berikut: [1] Menurunkan Harga, Toko Online melakukan penurunan harga untuk suatu barang terkait dengan permintaan, kondisi stok dan nilai rupiah (Untuk Model Kritis) dengan besar sampai dengan 20%. Fungsi Keanggotaannya adalah < -5 % [2] Penyesuaian Tetap, Toko Online melakukan penyesuaian harga dalam rentang yang cenderung kecil baik menaikkan harga ataupun menurunkan harga. Fungsi Keanggotaannya adalah -5 % ≤ x ≤ 5 % [3] Menaikkan Harga, Toko Online melakukan kebijakan untuk menaikkan harga sampai dengan 20% dari kondisi normalnya, yang dipengaruhi oleh kondisi permintaan, stok dan nilai rupiah terhadap dollar AS (Untuk Model Kritis). Fungsi Keanggotaannya adalah > 5 %

Gambar 14. Fungsi Keanggotaan untuk Kebijakan Penyesuaian Harga Pada FIS tipe Mamdani, Rules atau aturan yang digunakan berbentuk kalimat “If...Then...” atau “Jika...Maka...”, sehingga perlu dirancangan



77

hubungan antara Input dan Output dalam bentuk kalimat.

Gambar 15. Aturan yang dimasukkan kedalam Model FIS Model kedua yang akan dirancang adalah model yang tidak kritis terhadap nilai kurs rupiah terhadap dollar AS. Sehingga untuk Input atau masukan Nilai Kurs Rupiah tidak akan digunakan pada Model kedua, selain itu kebijakan Penyesuaian Harga juga tidak digunakan karena diasumsikan bahwa model kedua tidak terpengaruh oleh Nilai Kurs Rupiah.

dengan melibatkan pengguna atau dalam hal ini adalah pelaku Toko Online untuk melakukan simulasi terhadap model sehingga dapat diputuskan validitas dari model yang dirancang, karena pelaku Toko Online adalah pakar yang memahami sistem atau alur transaksi dari sebuah Toko Online dari memperoleh barang hingga menjualnya kepada pelanggan. 5.1. Verifikasi Model Verifikasi dilakukan untuk menguji logika yang telah dirancang pada model apakah telah sesuai dengan yang diinginkan. Teknik verifikasi yang akan dilakukan adalah dengan menggunakan salah satu aturan yang digunakan. Untuk model kritis kondisi yang digunakan adalah kondisi stok sedang, permintaan sedang, kurs Rupiah sedang dan Kondisi Pasokan Sedang, berdasarkan pada rancangan aturan maka seharusnya model menghasilkan kebijakan menambah barang sedang, Kebijakan promosi sedang dan penyesuaian harga normal.

Gambar 17. Verifikasi Model Kritis

(a) (b) Gambar 16. Struktur FIS untuk (a) Model Kritis dan (b) Model Tidak Kritis

5. VERIFIKASI DAN VALIDASI Berdasarkan penelitian yang telah dilakukan oleh Sargent (2012), dalam perancangan model perlu dilakukan verifikasi dan validasi sehingga model yang dirancang tersebut dapat menggambarkan kondisi aktual atau sebenarnya dari sistem yang dimodelkan. Definisi dari Verifikasi adalah memastikan bahwa model yang telah dirancang dan implementasinya berjalan dengan benar. Validasi adalah menyatakan bahwa model dalam domain aplikasinya memiliki rentang nilai konsistensi yang mencukupi dengan aplikasi yang ingin dijalankan oleh model tersebut. Dalam melakukan validasi dari suatu model salah satu cara yang dapat dilakukan adalah


Hasil yang didapatkan adalah model menghasilkan Kebijakan menambah barang sebesar 35% (Sedang), Kebijakan Promosi 5% (Sedang) dan Penyesuaian harga 0% (Normal). Model ini telah terverifikasi menghasilkan keluaran seperti yang telah dirancang. Untuk model tidak kritis akan diberikan kondisi serupa, namun tanpa menggunakan nilai kurs rupiah, keluaran yang dihasilkan adalah Kebijakan menambah barang sedang, Kebijakan promosi sedang dan penyesuaian harga normal.

Gambar 18. Verifikasi Model Tidak Kritis Hasil yang didapatkan adalah model menghasilkan Kebijakan menambah barang sebesar 35% (Sedang), Kebijakan Promosi 5% (Sedang) dan Penyesuaian harga 0% (Normal). Model ini telah terverifikasi menghasilkan keluaran seperti yang telah dirancang.


78

5.2. Teknik Validasi Dalam melakukan validasi Model pembuatan keputusan pemasaran menggunakan Fuzzy Inference System untuk Toko Online ini akan digunakan beberapa teknik, yaitu : i. Extreme combination test Struktur model dan keluaran harus masuk akal untuk setiap kombinasi ekstrim dari setiap faktor yang terlibat dalam sistem, sebagai contoh adalah apabila bahan baku produksi adalah nol “0”, maka keluaran dari produksi seharusnya adalah nol “0”. ii. Face validity Individu yang memiliki pengetahuan tentang sistem akan diminta pendapatnya mengenai model yang diuji apakah keluaran yang dihasilkan masuk akal atau sesuai dengan kondisi sebenarnya dari sistem. iii. Turing Test Individu yang memiliki pengetahuan mengenai sistem yang dimodelkan akan diminta pendapatnya untuk membedakan keluaran yang dihasilkan oleh sistem sesungguhnya dan yang dihasilkan oleh model. Dalam proses validasi model pembuatan keputusan ini akan dilibatkan pakar atau pelaku Toko Online yang dalam hal ini merupakan penjual. Pelaku Toko Online yang akan dilibatkan merupakan Penjual yang memiliki Toko Online untuk produk Kosmetik, Kesehatan dan Elektronik dengan nama Toko Online “Ikelashop”. Pelaku Toko Online akan terlibat khususnya dalam melakukan tiga buah teknik validasi, yaitu Extreme Combination Test, Face Validity, dan Turing Test terhadap Model Pembuatan Keputusan yang dirancang. Proses verifikasi dan validasi dilakukan pada tanggal 16 Januari 2016 bertempat di Toko milik ikelashop di Jl. Pondok Aren Raya Nomor 17, Tangerang Selatan, Banten. 5.3. Extreme Combination Test Pada Uji kombinasi ekstrim, setiap faktor akan diatur pada kondisi ekstrim sehingga dapat terlihat apakah keluaran yang dihasilkan sesuai dengan kondisi yang telah diatur dan apakah sesuai dengan kondisi sesungguhnya dari sistem, dalam hal ini adalah Toko Online. Model yang akan diuji adalah Model Kritis dan Model Tidak Kritis, pengujian pertama akan menguji Model Kritis dengan kondisi ekstrim rendah dan kondisi ekstrim tinggi. Faktor yang akan diuji adalah Kondisi Stok Barang akan diatur pada kondisi


rendah, Kondisi Pasokan diatur pada kondisi supply tidak lancar, Nilai Kurs Rupiah kuat, dan Prediksi Pemintaan rendah.

Gambar 19. Kondisi Ekstrim Rendah Model Kritis Pada kondisi ekstrim yang pertama dimana setiap kondisi diatur pada posisi rendah didapatkan keluaran sebagai berikut: • Kebijakan Menambah Barang 8.63%, barang yang akan ditambah jumlahnya sangat kecil atau mendekati nol “0” dibandingkan dengan rata-rata penjualan bulan sebelumnya. Kondisi ini valid. • Kebijakan Promosi 9.03%, kebijakan promosi tersebut sangat besar karena keseluruhan biaya promosi adalah 10% dari total penjualan, maka saat permintaan rendah kondisi tersebut valid. • Kebijakan Kontrak dengan supplier lain 4.25 Bulan, kontrak yang dilakukan dengan supplier lain bergantung dengan kondisi supplier utama yang apabila tidak lancar dalam menyediakan barang maka diperlukan kontrak dengan supplier lain, namun dengan kondisi permintaan yang rendah, maka kondisi kontrak dalam jangka waktu sangat pendek atau tidak sama sekali (Karena sangat jarang supplier yang menerima kontrak dibawah waktu 6 bulan atau setengah tahun) sangat mungkin untuk dilakukan. Kondisi ini valid. • Kebijakan penyesuaian harga -15.1%, karena permintaan rendah dan dibutuhkan promosi untuk meningkatkan permintaan dari pembeli, maka perlu dilakukan penyesuaian harga dengan menurunkan harga barang yang dijual. Kondisi ini valid. Kondisi ekstrim berikutnya adalah dengan mengatur setiap faktor dari model ke posisi yang paling tinggi.


79

Gambar 20. Kondisi Ekstrim Tinggi Model Kritis Pada kondisi ekstrim yang kedua dimana setiap kondisi diatur pada posisi tinggi didapatkan keluaran sebagai berikut: • Kebijakan Menambah Barang 8.63%, barang yang akan ditambah jumlahnya sangat kecil atau mendekati nol “0” dibandingkan dengan rata-rata penjualan bulan sebelumnya karena Toko Online memiliki stok barang yang banyak. Kondisi ini valid. • Kebijakan Promosi 0.97%, kebijakan promosi tersebut sangat kecil karena keseluruhan biaya promosi adalah 10% dari total penjualan, maka saat permintaan tinggi, kondisi tersebut valid. • Kebijakan Kontrak dengan supplier lain 4.25 bulan, apabila stok yang dimiliki tinggi maka kontrak dengan supplier lain tidak terlalu dibutuhkan, maka dengan kebijakan kontrak dengan supplier lain dalam jangka waktu pendek atau tidak sama sekali maka kondisi ini dapat dinyatakan valid. • Kebijakan penyesuaian harga 15.1%, karena permintaan tinggi dan nilai kurs rupiah lemah, maka apabila dilakukan penyesuaian harga dengan menaikkan harga barang yang dijual hal tersebut masih dapat diterima, sehingga kondisi ini valid.

Pada kondisi ekstrim yang pertama dimana setiap kondisi diatur pada posisi rendah didapatkan keluaran sebagai berikut: • Kebijakan Menambah Barang 8.63%, barang yang akan ditambah jumlahnya sangat kecil atau mendekati nol “0” dibandingkan dengan rata-rata penjualan bulan sebelumnya. Kondisi ini valid. • Kebijakan Promosi 9.03%, kebijakan promosi tersebut sangat besar karena keseluruhan biaya promosi adalah 10% dari total penjualan, maka saat permintaan rendah kondisi tersebut valid. • Kebijakan Kontrak dengan supplier lain 4.25 Bulan, kontrak yang dilakukan dengan supplier lain bergantung dengan kondisi supplier utama yang apabila tidak lancar dalam menyediakan barang maka diperlukan kontrak dengan supplier lain, namun dengan kondisi permintaan yang rendah, maka kondisi kontrak dalam jangka waktu sangat pendek atau tidak sama sekali (Karena sangat jarang supplier yang menerima kontrak dibawah waktu 6 bulan atau setengah tahun) sangat mungkin untuk dilakukan. Kondisi ini valid. • Kebijakan penyesuaian harga -15.1%, karena permintaan rendah dan dibutuhkan promosi untuk meningkatkan permintaan dari pembeli, maka perlu dilakukan penyesuaian harga dengan menurunkan harga barang yang dijual. Kondisi ini valid. Kondisi ekstrim berikutnya adalah dengan mengatur setiap faktor dari model ke posisi yang paling tinggi.

Pengujian berikutnya akan menggunakan Model Tidak Kritis, dimana nilai kurs rupiah tidak lagi mempengaruhi pembuatan keputusan. Pengujian yang pertama adalah dengan kondisi ekstrim rendah. Gambar 22. Kondisi Ekstrim Tinggi Model Tidak Kritis

Gambar 21. Kondisi Ekstrim Rendah Model Tidak Kritis


Pada kondisi ekstrim yang kedua dimana setiap kondisi diatur pada posisi tinggi didapatkan keluaran sebagai berikut: • Kebijakan Menambah Barang 8.63%, barang yang akan ditambah jumlahnya sangat kecil atau mendekati nol “0” dibandingkan dengan rata-rata penjualan bulan sebelumnya karena Toko Online memiliki stok barang yang banyak. Kondisi ini valid.


80

•

Kebijakan Promosi 0.967%, kebijakan promosi tersebut sangat kecil karena keseluruhan biaya promosi adalah 10% dari total penjualan, maka saat permintaan tinggi, kondisi tersebut valid. • Kebijakan Kontrak dengan supplier lain 4.25 bulan, apabila stok yang dimiliki tinggi maka kontrak dengan supplier lain tidak terlalu dibutuhkan, maka dengan kebijakan kontrak dengan supplier lain dalam jangka waktu pendek atau tidak sama sekali maka kondisi ini dapat dinyatakan valid. • Kebijakan penyesuaian harga 0%, karena nilai kurs rupiah tidak lagi mempengaruhi pada model ini sehingga pada saat stok barang banyak dan permintaan tinggi harga yang diberikan tidak akan terpengaruh, sehingga kondisi ini valid. Hasil yang dicapai dalam pengujian kombinasi ekstrim didapatkan bahwa kedua model yang telah dirancang valid. 5.4. Face Validity Pengujian yang akan dilakukan adalah Face Validity dimana pelaku Toko Online akan menilai keluaran yang dihasilkan dari kedua buah model yang telah dirancang. Pada pengujian sebelumnya telah dilakukan pengujian untuk kedua buah model dengan dua kondisi ekstrim, dan kondisi yang dihasilkan tersebut dinilai langsung oleh pelaku Toko Online dan mendapatkan hasil yang valid, maka untuk pengujian ini Model yang telah dirancang telah valid.

Kebijiakan yang dilakukan oleh pelaku Toko Online “Ikelashop” adalah sebagai berikut: • Kebijakan Menambah barang Karena stok yang dimiliki rendah namun permintaan tinggi, maka perlu dilakukan penambahan barang sampai sejumlah rata-rata penjualan bulan sebelumnya. • Kebijakan Promosi Karena permintaan saat itu sudah tinggi, promosi yang dilakukan tetap ada namun frekuensi dan jumlahnya dikurangi. • Kebijakan Kontrak dengan Supplier lain Karena supplier utama dapat memberikan barang dengan lancar, maka tidak dibutuhkan kontrak dengan supplier lain. • Kebijakan penyesuaian harga karena pada waktu diperlukan stok barang kondisi nilai kurs rupiah tidak terlalu lemah, maka nilai barang dari supplier biasanya tidak terlalu terpengaruh, maka harga jual kembali barang tersebut tidak akan berubah banyak dari harga jual biasanya atau dengan kata lain harga normal. Kebijakan yang dihasilkan oleh model untuk kondisi tersebut adalah :

Gambar 23. Pengujian Turing untuk Model Kritis 5.5. Turing Test Pada pengujian Turing, Pelaku Toko Online akan diberikan suatu kondisi untuk kemudian memberikan jawaban mengenai kebijakan apa yang akan dilakukan olehnya, kemudian kondisi yang sama akan diberikan kepada model. Kebijakan yang dihasilkan oleh Model akan dibandingkan dengan kebijakan oleh pelaku Toko Online untuk dinilai apakah terdapat perbedaan diantara keduanya. i. Turing Test untuk model kritis Kondisi yang akan diberikan kepada pelaku Toko Online adalah pada saat Stok yang dimiliki rendah, Supply barang lancar, Permintaan barang dari pelanggan tinggi, serta karena menggunakan model kritis maka terdapat kondisi nilai kurs rupiah, nilai kurs rupiah saat itu adalah sedang. Pelaku Toko Online akan memberikan kebijakan untuk menambah barang, kebijakan promosi, kebijakan untuk kontrak dengan supplier lain serta kebijakan penyesuaian harga.


•

•

•

•

Kebijakan Menambah Barang 78.4%, Model memberikan kebijakan untuk menambah sebesar 78.4% dari rata-rata penjualan bulan yang lalu untuk barang tersebut, jumlah yang diberikan tidak sepenuhnya sejumlah ratarata bulan sebelumnya, namun mendekati jumlah total penjualan sebelumnya. Kebijakan Promosi 0.967%, kebijakan promosi yang dilakukan rendah karena kondisi permintaan sudah tinggi, tapi tetap dilakukan promosi kecil. Kebijakan Kontrak dengan Supplier Lain 4.25 Bulan, karena produksi dari supplier utama lancar maka hampir tidak dibutuhkan kontrak dengan supplier lain. Kebijakan Penyesuaian Harga 0%, karena nilai kurs rupiah normal atau sedang, serta permintaan baik, maka harga yang diberikan atau tidak ada penyesuaian harga.


81

Setelah didapatkan kebijakan yang dihasilkan oleh pelaku Toko Online dan model, maka dapat disimpulkan bahwa model kritis memberikan kebijakan yang valid sesuai dengan yang diberikan oleh pelaku Toko Online. ii. Turing Test untuk model tidak kritis Kondisi yang akan diberikan kepada pelaku Toko Online adalah pada saat Stok yang dimiliki sedang, Supply barang kurang lancar, Permintaan barang dari pelanggan sedang. Pelaku Toko Online akan memberikan kebijakan untuk menambah barang, kebijakan promosi, kebijakan untuk kontrak dengan supplier lain serta kebijakan penyesuaian harga tanpa memperhitungkan faktor nilai kurs rupiah. Kebijiakan yang dilakukan oleh pelaku Toko Online “Ikelashop” adalah sebagai berikut: • Kebijakan Menambah barang Karena stok yang dimiliki sedang dan permintaan sedang, maka penambahan barang yang dilakukan tidak akan terlalu banyak untuk menjaga agar barang yang dijual tidak kehabisan stok. • Kebijakan Promosi Karena permintaan saat itu sedang, promosi yang dilakukan memiliki frekuensi yang sedang sampai cukup tinggi disesuaikan dengan kondisi penjualan setelah dilakukan promosi. • Kebijakan Kontrak dengan Supplier lain Karena supplier utama tidak dapat memberikan barang dengan lancar, maka dibutuhkan kontrak dengan supplier lain untuk mencegah kehabisan stok barang, kontrak tersebut dalam jangka menengah antara 2-3 Tahun untuk menjaga kontinuitas pasokan barang. • Kebijakan penyesuaian harga Karena perlu dilakukan kontrak dengan supplier lain serta kuantitas barang yang dipesan tidak besar, mungkin harga yang didapatkan tidak terlalu rendah seperti yang bisa didapatkan dari supplier utama, maka perlu dilakukan penyesuaian harga dengan cara menaikkan harga. Kebijakan yang dihasilkan oleh model untuk kondisi tersebut adalah :


Gambar 24. Pengujian Turing untuk Model Tidak Kritis •

•

•

•

Kebijakan Menambah Barang 35%, Model memberikan kebijakan untuk menambah sebesar 35% dari rata-rata penjualan bulan yang lalu untuk barang tersebut, jumlah yang diberikan tidak terlalu banyak dan tidak terlalu sedikit untuk menjaga agar tidak kehabisan stok. Kebijakan Promosi 5%, kebijakan promosi yang dilakukan sedang karena kondisi permintaan sedang dan Toko Online tetap membutuhkan pembeli hingga sebanyaknya, sehingga kebijakan untuk promosi tetap dilakukan meskipun intensitasnya sudah tidak setinggi pada saat permintaan rendah. Kebijakan Kontrak dengan Supplier Lain 22.8 bulan, karena produksi dari supplier utama tidak lancar maka dibutuhkan kontrak dengan supplier lain dalam jangka waktu mendekati 2 tahun atau dalam kategori kontrak jangka sedang atau menengah. Kebijakan Penyesuaian Harga 15.1%, karena harus melakukan kontrak dengan supplier lain, sehingga harga yang didapatkan memiliki kemungkinan lebih tinggi dibandingkan yang didapatkan melalui supplier utama, maka perlu penyesuaian harga dengan menaikkan harga barang.

Setelah didapatkan kebijakan yang dihasilkan oleh pelaku Toko Online dan model, maka dapat disimpulkan bahwa model tidak kritis memberikan kebijakan yang valid sesuai dengan yang diberikan oleh pelaku Toko Online. 6. KESIMPULAN DAN SARAN Dari penelitian yang telah dilakukan dihasilkan dua buah Model, yaitu Model Kritis dan Model Tidak Kritis. Model tersebut merupakan model Fuzzy Inference System (Mamdani) dan menggunakan beberapa kondisi sebagai Input atau masukannya, yaitu Kondisi Stok, Kondisi Supplier, Kondisi Prediksi Permintaan, dan Kondisi Nilai Kurs Rupiah terhadap Dollar AS untuk model Kritis. Sebagai proses digunakan aturan If Then untuk


82

menyatakan hubungan antara masukan dan keluaran, sedangkan untuk keluaran yang dihasilkan adalah berupa kebijakan menambah barang, Kebijakan Promosi, Kebijakan Kontrak dengan supplier lain dan kebijakan penyesuaian harga. Kedua Model yang dihasilkan telah melalui proses verifikasi dengan mengamati hubungan antara masukan dan keluaran menggunakan aturan yang telah dirancang dan telah memberikan hasil yang sesuai, serta telah melalui proses validasi yang dibantu oleh pelaku Toko Online “Ikelashop” yang dalam hal ini berlaku sebagai pakar, menggunakan beberapa pengujian, yaitu Extreme Combination Test menggunakan kombinasi ekstrim pada masukan serta kemudian hasil dari model dinilai oleh pakar melalui uji Face Validity mendapatkan bahwa model telah menghasilkan keluaran yang sesuai untuk kondisi yang diberikan, kemudian Turing Test dimana pakar dan model diberikan kondisi yang serupa untuk kemudian keputusan keduanya dibandingkan untuk melihat apakah terdapat perbedaan, dari pengujian Turing ini dapat terlihat bahwa antara pakar dan model memberikan keputusan yang sama atau sesuai dengan kondisi yang diberikan. Secara keseluruhan model telah tervalidasi dan hasil yang didapatkan sesuai dengan harapan bahwa model ini dapat membantu para calon Pelaku atau Pelaku Toko Online dalam membuat keputusan pengadaan barang, promosi, kontrak kerja dengan supplier untuk menjaga kontinuitas pasokan barang serta untuk membuat keputusan penyesuaian harga jual produk, karena berdasarkan beberapa pengujian hasil yang didapatkan dapat mendukung Toko Online dalam membuat keputusan pemasaran. Namun pada model ini masih terdapat kelemahan yaitu masih terbatasnya faktor-faktor yang digunakan sebagai acuan dalam pengambilan keputusan, karena pada kondisi sesungguhnya masih terdapat faktor lainnya terkait dengan rantai pasok, serta masih terdapat banyak sekali kebijakan yang dapat dilakukan oleh pelaku Toko Online untuk mengembangkan Toko Online yang dimiliki yang disesuaikan dengan kondisi masing-masing. Pola pikir, karakter dan sifat setiap individu berbeda satu dengan yang lainnya sehingga tidak ada kebijakan yang mutlak untuk suatu kondisi. Selain itu untuk model kontrak yang dilakukan hanya sebatas kontrak dengan jangka waktu, belum disertai dengan jumlah yang disepakati, lama penyedian barang, dan lainnya.


Model ini masih dapat dikembangkan lebih lanjut, dengan menambah faktor kondisi dan dengan menambah kebijakan lain terkait dengan kondisi yang ada sehingga model ini menjadi lebih presisi. Pengembangan lain dari model ini salah satunya adalah dengan menggunakan kecerdasan buatan atau Artificial Intelligence maupun model ini dapat pula dikembangkan untuk membantu Toko Online dalam mengatur rantai pasoknya. 7. REFERENSI [1] Ahmad, Fahrur. 2014. Melakukan Inovasi Sangat Penting untuk Meningkatkan Penjualan Anda (Online). Netpreneur. (URL http://netpreneur.co.id/melakukan-inovasisangat-penting-untuk-meningkatkanpenjualan-anda/#.VmURpL-_Yg7 diakses pada 7 Desember 2015) [2] Ahmad, Fahrur. 2014. Tips Promosi Produk dengan Memanfaatkan Strategi Endorsement (Online). Netpreneur. (URL http://netpreneur.co.id/tips-promosi-produkdengan-memanfaatkan-strategiendorsement/#.VmUKxb-_Yg5 diakses pada 7 Desember 2015) [3] Anindya, Mauren. 2013. 4 Strategi Bersaing dengan Kompetitor dalam Bisnis Online (Online). Netpreneur. (URL http://netpreneur.co.id/4-strategi-bersaingdengan-kompetitor-dalam-bisnisonline/#.VmUJQL-_Yg4 diakses pada 7 Desember 2015) [4] Anindya, Mauren. 2013. Strategi Memantau Ruang Gerak Kompetitor di Media Online (Online). Netpreneur. (URL http://netpreneur.co.id/strategi-memantauruang-gerak-kompetitor-di-mediaonline/#.VmUKVb-_Yg5 diakses pada 7 Desember 2015) [5] Ariyanti, Retno Dina, Sri Kusumadewi, Irving Vitra Paputungan. 2010. Beck Depression Inventory Test Assessment using Fuzzy Inference System. 2010 International Conference on Intelligent Systems, Modelling and Simulation, Hal 6-9. [6] Asia Top Internet Countries. 2015. (Online). Internet World Stats. (URL http://www.internetworldstats.com/stats3.ht m diakses pada 13 Oktober 2015). [7] B2C e-commerce market size in Indonesia in 2011 and 2015 (in billion U.S. dollars). 2015.(Online). Statista. (URL http://www.statista.com/statistics/259785/b 2c-e-commerce-market-size-in-indonesia/ diakses pada 13 Oktober 2015).


83

[8] Bellman, R. E., L. A. Zadeh. 1970. DecisionMaking in A Fuzzy Environment, Management Science, Vol.17 No. 4, Hal. 141-164. [9] Chang, Fi-John, Ya-Ting Chang. 2006. Adaptive Neuro-fuzzy inference system for prediction of water level in reservoir, Advances in Water Resources, No.29, Hal. 110. [10] Darullail, Muhammad. 2003. Decision Support System (DSS) dengan Knowledge Base dalam Pengembangan Infrastruktur jalan (Studi Kasus : Propinsi Banten). Tesis tidak diterbitkan. Depok: Universitas Indonesia. [11] Eva Maria Falkner , Martin R.W. Hiebl .2015. Risk management in SMEs: a systematic review of available evidence, The Journal of Risk Finance, Vol. 16( 2), hal.122 – 144. [12] Farmita, Artika Rachmi. 2015. Bukalapak Raup Nilai Transaksi Rp 8 Miliar Setiap Hari (Online). Tempo. (URL http://bisnis.tempo.co/read/news/2015/11/0 8/090716926/bukalapak-raup-nilaitransaksi-rp-8-miliar-setiap-hari diakses pada 7 Desember 2015) [13] Gani, Sadikin. 2012. Mitos Bisnis Ecommerce Murah dan Mudah (Online). (URL http://sadikingani.com/mitos-bisnisecommerce/ diakses pada 7 Desember 2015) [14] Ginanjar, Ging. 2015. Paket Ekonomi ketiga diperkirakan tak bantu daya beli (Online). BBC. (URL http://www.bbc.com/indonesia/berita_indon esia/2015/10/151007_indonesia_paknom3_ skeptis diakses pada 7 Desember 2015) [15] Guimaraes, Antonio Cesar Ferreira, Celso Marcelo Franklin Lapa. 2007. Fuzzy inference to risk assessment on nuclear engineering systems, Applied Soft Computing No. 7, Hal. 17-28. [16] Hartawan, Tony. BI Asumsikan Nilai Tukar Rupiah 2016 Rp13.700 per Dolar (Online). Tempo. (URL http://bisnis.tempo.co/read/news/2015/09/2 2/087702732/bi-asumsikan-nilai-tukarrupiah-2016-rp13-700-per-dolar diakses pada 11 Januari 2016) [17] Herlambang, Aditya. 2014. Cara Mudah Membangun Bisnis Online di Social Media (Online). Shopious. (URL http://blog.shopious.com/tips-onlineshop/cara-mudah-membangun-bisnis-


online-di-social-media diakses pada 7 Desember 2015) [18] Herlambang, Aditya. 2014. Langkah Jitu Menambah Angka Penjualan Bisnis Online Anda (Online). Shopious. (URL http://blog.shopious.com/tips-onlineshop/langkah-jitu-menambah-angkapenjualan-bisnis-online-anda diakses pada 7 Desember 2015) [19] Idayati, Ratna. 2003. Klasifikasi Data Ultrasonografi Tumor Payudara dengan menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Tesis tidak diterbitkan. Jakarta : Universitas Indonesia. [20] Indonesia Menjadi Negara Dengan Perkembangan E-Commerce Terpesat. 2015. (Online). Sigma Research. (URL http://sigmaresearch.co.id/index.php/news/4 6-news/62-indonesia-menjadi-negaradengan-perkembangan-e-commerceterpesat.html diakses pada 13 Oktober 2015). [21] Kasali, R. 2010. Cracking Zone. Jakarta:

Gramedia Pustaka Utama. [22] Kemp, S. 2015. Global Statshot: August 2015.(Online). We Are Social. (URL http://wearesocial.sg/blog/2015/08/globalstatshot-august-2015/ diakses pada 13 Oktober 2015). [23] Kusumadewi, S. 2003. Artificial Intelligence: Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu. [24] Kusumadewi, S. dan Idham Guswaludin. 2005. Media Informatika, Vol. 3 No. 1, Juni 2005, Hal. 25-38. [25] Lahagu, Asaaro. 2015. Mereka yang Semakin Bersorak dan Menjerit jika Rupiah Menembus Level Rp 14.000-15.000 Per Dollar AS (Online). Kompasiana. (URL http://www.kompasiana.com/lahagu/mereka -yang-semakin-bersorak-dan-menjerit-jikarupiah-menembus-level-rp-14-000-15-000per-dollar-as_55d93324a2afbd510565972a diakses pada 7 Desember 2015) [26] Mola, T. 2013. Bisnis Belanja Online Rakuten Di Indonesia Tumbuh Paling Tinggi Di Dunia (Online). Bisnis.com. (URL http://industri.bisnis.com/read/20130730/10 5/154083/bisnis-belanja-online-rakuten-diindonesia-tumbuh-paling-tinggi-di-dunia Diakses pada 14 Oktober 2015). [27] Naba, Agus. 2009. Belajar Cepat FUZZY Logic Menggunakan MATLAB.Yogyakarta:Penerbit Andi.


84

[28] Prabawa, Yan Aditya. 2015. Optimasi Linear Scheduling Method pada Penyelidikan tanah dengan pendekatan Fuzzy Theory (Studi Kasus Proyek Monorail).Tesis tidak diterbitkan. Jakarta: Universitas Indonesia. [29] Pramita, Dini. 2015. Hati-hati Kosmetik ilegal dari Cina Rambah Pasar Lokal (Online). Tempo. (URL http://nasional.tempo.co/read/news/2015/06 /13/063674733/hati-hati-kosmetik-ilegaldari-cina-rambah-pasar-lokal diakses pada 7 Desember 2015) [30] Putra, Yudha Manggala P. 2015. Kiat Berjualan di Toko Online (Online). Republika. (URL http://www.republika.co.id/berita/trendtek/i nternet/15/03/11/nl0ygj-kiat-berjualan-ditoko-emonlineem diakses pada 11 Januari 2016) [31] Rahayu, Pradita Seti. 2013. Pentingnya Punya Target Pasar dalam Jualan Online (Online).Netpreneur. (URL http://netpreneur.co.id/pentingnya-punyatarget-pasar-dalam-jualanonline/#.VmULLb-_Yg7 diakses pada 7 Desember 2015) [32] Rahayu, Pradita Seti. 2014. Indriani-Miliki Sistem Agar Lapak ‘ Simply Shopee’ Semakin Profesional (Online). Netpreneur. (URL http://netpreneur.co.id/indrianimiliki-sistem-agar-lapak-simpl-shopeesemakin-profesional/#.VmQyTuN97BI diakses pada 7 Desember 2015) [33] Rea, Louis M. dan Richard A. Parker. 2014. Designing and Conducting survey research. San Fransisco: Jossey-Bass. [34] Renjani, Dwi. 2015. Tak Berizin Rumah Produksi Kosmetik Disegel Polisi (Online). Tempo. (URL http://nasional.tempo.co/read/news/2015/06 /22/063677116/tak-berizin-rumah-produksikosmetik-disegel-polisi diakses pada 7 Desember 2015) [35] Rifai, B. 2015. Menengok Pertumbuhan eCommerce di Indonesia. Wastrox. (URL https://www.wastrox.com/menegokpertumbuhan-ecommerce-di-indonesia.html diakses pada 13 Oktober 2015)


[36] S., Deddy. 2015. Indonesia Kurangi Kuota, Australia Pilih Ekspor Sapi ke China (Online). CNN Indonesia. (URL http://www.cnnindonesia.com/ekonomi/201 50810105535-92-71062/indonesia-kurangikuota-australia-pilih-ekspor-sapi-ke-china/ diakses pada 7 Desember 2015) [37] Sargent, R. G. 2012. Verification and Validation of Simulation Models. Journal of Simulation (2013). Volume 7, hal. 12-24. [38] Setiyawan, Roni. 2011. Bagaimana menghitung Omzet harian / mingguan / bulanan bagi pedagan online dengan tepat dan Mudah (Online). (URL https://ronisetiyawan.wordpress.com/2011/0 5/13/bagaimana-menghitung-omzet-harianmingguan-bulanan-bagi-pedagang-onlinedgn-tepat-dan-mudah/ diakses pada 7 Desember 2015) [39] Supriadi, Agust. 2015. Pasar Daging Bergolak, Importir Balik Salahkan Pemerintah (Online). CNN Indonesia. (URL http://www.cnnindonesia.com/ekonomi/201 50810123203-92-71093/pasar-dagingbergolak-importir-balik-salahkanpemerintah/ diakses pada 7 Desember 2015) [40] Wakhidiyanto, Irwan. 2006. Identifikasi Pola Schooling ikan dengan Analisis Echogram Fish Finder menggunakan Logika Fuzzy. Skripsi tidak diterbitkan. Depok: Universitas Indonesia. [41] Wijayadi, Hero.2014.Cara Menentukan Budget Marketing Agar Tepat Sasaran.(Online). Herosoft Media. (URL http://www.herosoftmedia.co.id/caramenentukan-budget-marketing-agar-tepatsasaran/ diakses pada 14 Januari 2015). [42] Yusuf, Hussein Abri dan Devy Ernis. 2015. Dijual Via Online dan Ilegal Makanan dan Kosmetik Disita BPOM (Online). Tempo. (URL http://nasional.tempo.co/read/news/2015/06 /18/173676188/dijual-via-online-dan-ilegalmakanan-dan-kosmetik-disita-bpom diakses pada 7 Desember 2015)


85

MODEL PENDUKUNG KEPUTUSAN PEMASARAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (STUDI KASUS: TOKO ONLINE)

Recommend Documents