PEMILIHAN SUPPLIER DAN ALOKASI ORDER DENGAN MENGGUNAKAN ATTRIBUTE BASED ANT COLONY SYSTEM DAN GOAL PROGRAMMING

Prosiding Seminar Nasional Manajemen Teknologi XV Program Studi MMT-ITS, Surabaya 4 Pebruari 2012

PEMILIHAN SUPPLIER DAN ALOKASI ORDER DENGAN MENGGUNAKAN ATTRIBUTE BASED ANT COLONY SYSTEM DAN GOAL PROGRAMMING SUPPLIER SELECTION AND ORDER ALLOCATION USING ATTRIBUTE BASED ANT COLONY SYSTEM AND GOAL PROGRAMMING Miftakhurrizal Kurniawan1), Soeparno2) dan Iwan Vanany3) 1) Magister Program of Industrial Engineering Department Sepuluh Nopember Institute of Technology Kampus ITS Keputih, Sukolilo, Surabaya, 60111, Indonesia e-mail: [email protected] 2) Computerized and Industrial Optimization Laboratory (LKOI) Industrial Engineering Department Sepuluh Nopember Institute of Technology Kampus ITS Keputih, Sukolilo, Surabaya, 60111, Indonesia e-mail: [email protected] 3) Logistitic and Supply Chain Management Laboratory (LLSCM) Industrial Engineering Department Sepuluh Nopember Institute of Technology Kampus ITS Keputih, Sukolilo, Surabaya, 60111, Indonesia e-mail: [email protected] ABSTRAK Pemilihan Pemasok dapat menjadi hal yang sangat kritis pada perusahaan dimana setiap harinya dituntut untuk berproduksi terus menerus. Kesalahan dalam pemilihan pemasok dapat menjadi satu suatu hal yang nantinya mengacaukan jadwal produksi yang sudah ada bahkan dapat membuat perusahaan berhenti beroperasi untuk sementara waktu. Metode Attribute based Ant Colony System (AACS) digunakan untuk memilih pemasok dan goal programming untuk menentukan alokasi ordernya. Tujuan dalam penelitian ini adalah agar mampu menghasilkan solusi optimal dalam pemilihan pemasok penerima order yang memenuhi beberapa fungsi objektif yang sesuai dengan kriteria perusahaan dalam mengevaluasi pemasok. Hasil dari penelitian dengan menggunakan metode AACS mampu menghasilkan solusi secara cepat dalam memilih supplier dan dengan menggunakan goal programming mampu menghasilkan alokasi order yang optimal. Kata kunci: Pemilihan supplier, Attribute based Ant Colony System, Goal Programming ABSTRACT Suppliers selection can be very critical to the company which is daily required to produce continuously. The errors at suppliers selection may become thing that will disrupt existing production schedule can even more makes companies stop operate for a while. Attribute based Ant Colony System (AACS) method is used to select suppliers and goal programming to determine the orders’s allocation. The purpose of this study is to be able to produce optimal solutions at suppliers selection receiving orders that meet some objective functions that fit to the company’s criteria to evaluated suppliers. The results of this study, ISBN : 978-602-97491-4-4

A-13-1


using AACS can make faster solution to supplier selection and goal programming can make order allocation optimally Key words: Suppliers Selection, Attribute-based Ant Colony System, Goal Programming

PENDAHULUAN Persaingan industri saat ini semakin ketat, yang diiringi oleh pesatnya perkembangan ilmu pengetahuan dan teknologi. Hanya perusahaan berdaya saing tinggi yang mampu bertahan. Seluruh aktivitas dalam perusahaan tersebut merupakan satu mata rantai yang saling terhubung dan senantiasa berupaya untuk turut serta meningkatkan kompetensi perusahaan. Salah satu caranya adalah perusahaan berupaya untuk meningkatkan performansinya dalam rangka menghasilkan suatu output yang optimal. Output yang optimal adalah output yang mampu memenuhi keinginan konsumen. Dimana untuk menghasilkan output yang optimal dipengaruhi beberapa faktor misalnya kelancaran proses produksi, peningkatan kualitas produk, sistem distribusi yang baik. Salah satu faktor yang mendorong kelancaran proses produksi adalah keberadaan pemasok, hal ini berkaitan dengan fungsi pemasok sebagai pemasok bahan baku. Menurut Tsai et al. (2010), pemilihan pemasok yang tepat dapat meningkatkan keunggulan kompetitif perusahaan. Pemasok sebagai peserta kunci dalam saluran rantai pasokan, dapat mempengaruhi kualitas dan harga barang akhir yang ditawarkan ke pelanggannya. Akibatnya, isu pemilihan pemasok telah menarik banyak perhatian dalam bidang supply chain management, dan banyak pendekatan yang mempelajari masalah berdasarkan beberapa kriteria, seperti kualitas, harga, pelayanan, kinerja dan sebagainya. Namun dalam pasar yang kompetitif secara global, penekanan pada kualitas, pengiriman tepat waktu, dan pertimbangan biaya dapat menambah tingkat kompleksitas baru untuk keputusan pemilihan pemasok. Yang dan Chen (2006), mencatat bahwa ”produsen memerlukan pemasok untuk memiliki sistem efektif dalam manajemen produksi dan quality control”. Sistem yang efektif ini diperlukan untuk mengelola kualitas dan kuantitas dari produk yang dihasilkan, perusahaan sekarang menggunakan teknologi dan diagram dalam pembuatan proses untuk manajemen produk. Lo dan Yeung (2006) mencatat bahwa manajemen mutu pemasok merupakan bagian penting dari Total Quality Management (TQM) yang dapat membuat saluran pasokan lebih efektif, peningkatan hubungan antar perusahaan-perusahaan terkait dan peningkatan kinerja mereka. Pada umumnya terdapat dua macam pemilihan pemasok, yang pertama adalah single sourcing dimana 1 pemasok mampu untuk memenuhi semua kebutuhan perusahaan sehingga manajemen hanya perlu membuat satu keputusan yang memilih pemasok yang terbaik. Sedangkan yang kedua adalah multiple sourcing, dimana disini tidak ada satu pemasok saja yang mampu memenuhi semua kebutuhan perusahaan, pada kondisi seperti ini manajemen harus memecah order pada tiap-tiap pemasok dengan berbagai pertimbangan tertentu. (Demirtas dan Ustun, 2006). Hal inilah yang nantinya akan dicoba untuk diselesaikan dalam penelitian ini. Perusahaan-perusahaan dituntut untuk terus menerus berproduksi, maka dari itu keberadaan pemasok menjadi sebuah hal yang sangat krusial, bisa jadi keteledoran pemasok berakibat langsung terhadap jalannya proses produksi. Sering kali pemasok memiliki masalah sendiri dalam perusahaannya yang menyebabkan berkurangnya kuantitas barang yang disupply pada perusahaan, apalagi jika sebagian besar tender pemasok hanya memilih satu pemasok saja. Perusahaan mencoba untuk meminimasi resiko terjadinya stock out pada bahan ISBN : 978-602-97491-4-4

A-13-2


baku maupun bahan pendukung produksinya dengan menambah jumlah pemasoknya. Tujuannya apabila salah satu pemasok mengalami permasalahan, hal tersebut tidak berdampak langsung terhadap kelangsungan produksi perusahaan. Selain itu dengan sering adanya perubahan permintaan dapat mempengaruhi pula kebijakan dalam pemilihan pemasok sehingga perusahaan membutuhkan suatu sistem penilaian pemasok yang mampu beradaptasi dengan perubahan kebijakan secara dinamis. Oleh karena itu diperlukan sebuah pendekatan yang mampu menyelesaikan permasalahan tersebut. Pendekatan yang digunakan adalah attribute based ant colony system (AACS), dimana AACS sendiri merupakan pengembangan dari metode metaheuristik Ant Colony System (ACS). Metode ini nantinya akan menghasilkan penilaian terhadap kinerja pemasok yang saat ini dimiliki perusahaan. Keunggulan dari metode ini dibandingkan dengan metode yang lain dimana AACS mampu secara dinamis mengubah kriteria kebijakan dan atrribut pemasok. Metode AACS mampu menghasilkan solusi dengan memadukan interaksi antara prosedur pencarian lokal dan strategi yang lebih tinggi untuk menciptakan proses yang mampu keluar dari titik-titik local optima dan melakukan pencarian di ruang solusi untuk menemukan solusi global. Metode AACS dibandingkan dengan metode lainnya juga mampu melakukan perhitungan dengan waktu komputasi yang lebih cepat dengan banyak kombinasi. Selain itu juga pengembangan terhadap metode AACS adalah dengan menambahkan pengalokasian order kedalam model algoritmanya sehingga mampu menghasilkan output yang optimal. Pengalokasian order nantinya didasarkan pada kendala-kendala yang dimiliki oleh perusahaan. METODE Penelitian ini menggunakan dua kombinasi metode yaitu Attribute Based Ant Colony System (AACS) untuk pemilihan pemasoknya dan goal programming untuk alokasi ordernya. Adapun langkah-langkah dalam metode AACS antara lain : 1. Initialize Parameter Tahap ini merupakan tahap awal dalam Platform AACS. Tahap ini menentukan paramater awal yang digunakan dalam AACS. Parameter yang digunakan meliputi Q, α, β, dan ρ. Q merupakan intensitas jejak konstan. α dan β merupakan faktor heuristik. α merupakan faktor heuristik dari parameter penguapan (0<α<1). β merupakan parameter yang mengontrol bobot relatif dari pheromone terhadap jarak (β>0). Sedangkan ρ merupakan rasio penguapan pheromone. Nilai ρ adalah 0< ρ<1. 2. Construct Solution Tahap ini bertujuan untuk membangun solusi, di mana Sc adalah himpunan solusi k calon solusi optimal, dan N i adalah himpunan node calon solusi berikutnya ke i untuk k semut, dan random walk semut dibiaskan dengan jejak pheromones yang terkait dengan hubungan antara node i dan j. terdapat tiga langkah pengerjaan dalam tahap ini yaitu memberikan nilai bobot atribut, menentukan nilai bobot kriteria, dan mencocokkan nilai atribut dengan nilai kriteria. Tahap ini dimulai dengan langkah menentukan atribut yang digunakan dan mengatur bobotnya. Bobot dibagi menjadi lima bagian yaitu: very bad, bad, good, very good, dan excellent. Masing-masing memiliki bobot nilai (misalnya: very bad dengan nilai 1, bad dengan nilai 2, dan seterusnya). Selain menentukan nilai bobot atribut, pengambil keputusan perlu untuk menentukan nilai bobot setiap kriteria dan kemudian memasukkannya ke dalam policy pool. Kemudian antara bobot atribut dicocokkan dengan bobot kriterianya untuk diketahui tingkat kecocokannya. Jika antara bobot atribut dengan bobot kriteria cocok maka dilanjutkan ke langkah perhitungan selanjutnya. ISBN : 978-602-97491-4-4

A-13-3


3. Heuristic Decision Rule Tahap ini menghitung informasi heuristik dij, ηij dan rasio kecocokan MR, dimana MRKriteria adalah rasio kecocokan untuk kriteria kebijakan, dan MRweight adalah rasio kecocokan untuk bobot atribut. Ada tiga langkah pengerjaan dalam tahap ini yaitu menghitung nilai dij dan ηij, menghitung nilai rasio kecocokan (MR), dan mengurutkan nilai MRij dari terkecil hingga terbesar. Dalam AACS, nilai heuristik ηij adalah fungsi nilai ternormalisasi dari queue length qij (nilai terkecil dari atrbut yang dimiliki pemasok) pada node penghubung node i dan j tetangganya. Informasi heuristik didefinisikan sebagai berikut: η = 1− ∗ /∑ ..............................................................(1) dimana MRij adalah rasio pertandingan antara node i dengan j tetangganya. Dalam tulisan ini, kami akan mengganti informasi heuristik dengan memperpendek jarak (sesuai persamaan 1) antara node i dengan j tetangganya. Informasi heuristik baru didefinisikan sebagai berikut: = ( − ) + ( − ) + …+ ( − ) ………….………(2) ( ∗ ) η = 1− ……………………………………….…..(3) ∑ dimana ( xi1 , xi2 ,........., xin ) ε P, ( yj1 , yj2 , .......... , yjn ) ε S, ηij memberikan ukuran kuantitatif yang berhubungan dengan waktu tunggu dan jarak antar node, serta nilai ηij yang lebih tinggi berarti ada node dengan probabilitas yang lebih tinggi terpilih, dan untuk mendapatkan suplier yang optimal. MRcriteria merupakan rasio kecocokan untuk kriteria kebijakan dan atribut suplier, dan MRweight merupakan rasio kecocokan antara bobot kriteria kebijakan dan bobot atribut suplier, dan definisi dari rasio kecocokan adalah sebagai berikut: ∑∀ ∈ = ∑∀ ∈ + ∑∀ ∈ ……………….……(4) _

Dan

_

ℎ

= ( − )/(∑∀ ∈ ( − ) + 1) ( − ) = (∑∀ ∈ ( − ) + 1)

……………….…...(5) ……………………(6)

_ = …………………………………………………..(7) _ = …………………………………………………(8) dimana X adalah bobot kriteria kebijakan saat ini, Y adalah bobot atribut suplier saat ini, U adalah kriteria kebijakan saat ini, dan V adalah atribut suplier saat ini.

4. Update Pheromones Trails Prosedur ini menghitung update pheromones umum τij setelah penguapan, di mana Δτij adalah jumlah simpanan pheromones k-semut pada arc yang telah dikunjungi. Kekuatan hubungan antara node ke-i dan node ke-j adalah intensitas jejak pheromones τij. Intensitas incremental Δτij (t) adalah sesuatu yang menempatkan nilai jejak pheromones pada waktu t, dan diperbarui dalam rumus berikut: ...............................................................(9) dimana ρ adalah rasio penguapan jejak dalam satuan waktu interval.

ISBN : 978-602-97491-4-4

A-13-4


5. Daemon Action Prosedur yang menghitung nilai update pheromones global Δτij, dimana  ijcriteria (t ) dan  ijWeight (t ) adalah jumlah variabel dari pheromones yang tersimpan dalam arc (i,j), dan ini merupakan kebijakan yang ''MATCH "dengan atribut suplier. Jika''atribut "semut telah memilih node ke-j setelah menemukan node i dan meletakkan jejak pheromones tersebut, tingkat pheromones pada node ke-j harus diperbarui dan berkontribusi terhadap semua ''atribut" semut, dan jumlah dari pheromones yang diletakkan oleh semut didefinisikan sebagai berikut, ( )= ( − 1) + ∆ . ( )+∆ . ( )………………..…..(10)

dimana  ijcriteria (t ) dan  ijWeight (t ) adalah jumlah variabel dari pheromones tersimpan dalam arc (i, j), dan ini merupakan atribut calon suplier, atribut bobot ''MATCH " atau ''Partially Match ", kebijakan kriteria dan bobot kriteria. Dengan demikian, jumlah semut atribut harus dipertimbangkan, dan solusi adaptifnya adalah sebagai berikut: . ( )=∑ ( − )∗ ∗ ∆ . ( )……………..………(11) dimana m adalah jumlah Kriteria MRijcriteria (t ) pada arc (i, j)

. . ( )=∑ ( − )∗ ∗ ∆ ( ) …………………....(12) di mana c adalah angka konstan untuk menyesuaikan situasi pencarian objek aktual pembelajaran, m adalah jumlah MRijcriteria (t ) pada arc (i, j). 6. Get Optimal Supplier Prosedur yang mendapatkan calon suplier optimal dari daftar node solusi SL, dan kemudian kembali ke sistem.

Sedangkan untuk goal programming-nya menggunakan empat kriteria performansi model yaitu: 1. Memaksimalkan jumlah produk baik 2. Meminimalkan total harga pembelian 3. Memaksimalkan on time delivery 4. Memaksimalkan pembobotan pemasok HASIL DAN DISKUSI Hasil pemilihan supplier dengan menggunakan AACS dapat dilihat pada Tabel 1. Dari tabel tersebut diketahui bahwa pemasok dengan nilai τij terbesar maka pemasok tersebut akan ditempatkan pada prioritas pertama. Sedangkan pemasok dengan nilai τij terkecil akan ditempatkan pada prioritas terakhir. Kemudian masing-masing pemasok tersebut akan diberikan order sesuai dengan urutan prioritasnya. Pemasok prioritas pertama mendapatkan order yang paling besar sedangkan pemasok dengan prioritas terakhir diberikan order yang paling kecil. Pembagian order dilakukan dengan goal programming. Hasilnya dapat dilihat pada Tabel 2.

ISBN : 978-602-97491-4-4

A-13-5


Alumunium hidroksida

sulfur

Tabel 1. Hasil Perhitungan Pemilihan Supplier dengan AACS

Supplier 1 Supplier 2 Supplier 3 Supplier 4 Supplier 5 Supplier 6

Q 3 5 5 3 3 5

H 3 3 2 5 1 2

Supplier 7 Supplier 8

3 5 1 4

Nilai Atribut Supplier K3 KW SP PP LP KJ KD PK KI KO Q H 3 1 3 3 1 2 3 1 1 1 5 2 1 1 3 5 2 5 5 2 2 2 5 2 5 2 2 5 1 5 2 1 1 1 5 2 3 1 5 1 1 1 4 1 1 1 5 2 3 1 1 4 1 4 3 1 1 1 5 2 5 2 2 4 2 2 1 2 2 2 5 2 3 1

2 5

5 4

5 1

1 1

3 4

3 3

1 1

2 1

2 1

5 2 5 2

Nilai Kriteria Perusahaan K3 KW SP PP LP KJ KD 1 3 2 3 3 4 2 1 3 2 3 3 4 2 1 3 2 3 3 4 2 1 3 2 3 3 4 2 1 3 2 3 3 4 2 1 3 2 3 3 4 2 1 1

3 3

2 2

3 3

3 3

4 4

2 2

PK 2 2 2 2 2 2 2 2

τij (t) KI KO 1 1 0.929 1 1 0.962 1 1 1.034 1 1 0.734 1 1 0.963 1 1 0.998 1 1

1 1

0.000 0.773

Alumunium hidroksida

sulfur

Tabel 2. Hasil Perhitungan Alokasi Order dengan Goal Programming

Supplier 1 Supplier 2 Supplier 3 Supplier 4

Januari Pebruari 570 920 0 0 0 0 30 30

Bulan Maret April 820 720 0 0 50 0 30 30

Mei 670 0 50 30

Juni 0 900 0 0

Supplier 5

500

500

500

500

500

500

Supplier 6 Supplier 7 Supplier 8

232 0 168

382 0 168

382 0 168

632 0 168

682 0 168

632 0 168

Berdasarkan Tabel 2 dapat dilihat bahwa order yang dilakukan perusahaan ke pemasok sudah memenuhi kebutuhan perusahaan selama enam bulan. Dan pada angka 0 menunjukkan bahwa perusahaan tidak melakukan order ke pemasok. Dari tabel juga dapat dilihat bahwa pemasok yang memiliki skor tertinggi tidak berpengaruh terhadap perolehan jumlah order. Pemasok berperingkat pertama dalam metode AACS tidak mendapatkan order yang terbanyak begitupun yang terkecil tidak mendapatkan order yang paling kecil. Hal tersebut dikarenakan dalam pengalokasian order tidak hanya mempertimbangkan nilai hasil perhitungan metode AACS saja tetapi juga mempertimbangkan beberapa fungsi tujuan lainnya. KESIMPULAN 1. Dari hasil uji menunjukkan bahwa algoritma Attribute based ant colony system (AACS) dapat digunakan untuk menentukan pemasok yang optimal. Metode ini dapat digunakan secara efektif dan efisien dalam mencari solusi pemasok yang optimal dengan banyak kriteria. Metode ini dapat diubah kriterianya dan mampu secara cepat menghasilkan keputusan terbaik. 2. Algoritma AACs juga mampu mengurutkan prioritas untuk pemasok. Urutan prioritas pemasok ditentukan dari besarnya nilai pheromone terakhir (τij). Nilai pheromone terbesar diberikan peringkat pertama, diurutkan sampai nilai pheromone terkecil diberikan peringkat terakhir. 3. Jumlah order berdasarkan goal programming didapatkan pemasok yang memiliki skor tertinggi tidak berpengaruh terhadap perolehan jumlah order. Pemasok berperingkat pertama dalam metode AACS tidak mendapatkan order yang terbanyak begitupun yang terkecil tidak mendapatkan order yang paling kecil.

ISBN : 978-602-97491-4-4

A-13-6


DAFTAR PUSTAKA Bevilacqua, M. Ciarapica, F, E. dan Giacchetta, G. (2006). A Fuzzy-QFD Approach to Supplier Selection. Journal of Purchasing & Supply Management 12, 14-27. Ciptomulyono, U. (1996), “Model Fuzzy Goal Programming Untuk Perencanaan Produksi Terpadu”, IPTEK, November, hal 116-127. Demirtas, Ezgi, A. dan Ustun, Ozden.(2006). An integrated multiobjective Decision Making Processfor Supplier Selection and order allocation. Omega, The International Journal Of Management Science 36, 76-90 Dorigo, M. dan Gambardella, L.M. (1997). Ant Colony System : A Cooperative Learning Approach to the Travelling Salesmen Problem. IEEE Transaction in Evolutionary Computation 1(1), 53-66. Ghodyspour, S.H. (1998). A Decision support System for supplier Selection Using an Integrated Analytic Hierarchy Process and Linear Programming. International Journal Of Production Economics, vol 56-57, 199-212 Lieberman, G.J. dan Hillier, F.S. (1990). Introduction to Operations Research. McGraw-Hill, Singapore. Lo, V.H.Y., dan Yeung, A. (2006). Managing Quality Effectively in Supply Chain; A Preliminary Study. Supply Chain Management: An International Journal, 11(3), 208-215 Muflih (2005). Alokasi Order pada Supplier dengan Pendekatan Metode Quality Function Deployment dan Linear Programming. Thesis. ITS, Surabaya. Papandreou, V. dan Shang, Z. (2008),”Multi Criteria Optimation Approach for the design of sustainable Utility System”, Computer and Chemical Engineering, vol 32, 1589-1602. Santosa, Budi dan Willy, Paul. (2011). Metoda Metahuiristik: Konsep Dan Implementasi. Guna Widya, Surabaya. Suhartini, 2010. Pendekatan Fuzzy-QFD dan Goal Programming dalam Menentukan Alokasi Order ke Supplier. Thesis. ITS, Surabaya. Tsai, Ya Ling. Yang, Yao jung. Dan Lin Chi-Hsiang. (2010). A dynamic Decision Approach for Supplier Selection Using Ant- Colony System. Expert System with Applications 37, 83138321 Wang, Ge. (2005). Product Driven Supply Chain Selection Using Integrated Multi Criteria Decision Making Mthodology. International Journal Of Production Economics, vol 91, 1-15 Weber, C., Current, J.R. dan Benton, W.C. (1991). Vendor Selection Criteria and Methods. European Journal of Operational Research 50, 2–18.

ISBN : 978-602-97491-4-4

A-13-7


Yang, C.C dan Chen, B. S.(2006). Supplier Selection Using Combined Analytical Hierarchy Process and Grey Relational Analysis, journal of Manufacturing Technology Management, 17(7), 926-941. Yogi, K.N. (2005). Evaluasi Kinerja Pemasok dan Alokasi Volume Pembelian di PT. NE. Tugas Akhir. ITS, Surabaya.

ISBN : 978-602-97491-4-4

A-13-8

PEMILIHAN SUPPLIER DAN ALOKASI ORDER DENGAN MENGGUNAKAN ATTRIBUTE BASED ANT COLONY SYSTEM DAN GOAL PROGRAMMING

Recommend Documents