PEMODELAN STRUKTURAL KETERKAITAN RISIKO RANTAI PASOK DENGAN PENDEKATAN INTERPRETIVE STRUCTURAL MODELING (ISM)

Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013

PEMODELAN STRUKTURAL KETERKAITAN RISIKO RANTAI PASOK DENGAN PENDEKATAN INTERPRETIVE STRUCTURAL MODELING (ISM) Chatarina Dian Indrawati Institut Teknologi Sepuluh Nopember (ITS) Surabaya Jurusan Teknik Industri Kampus ITS Sukolilo, Surabaya 60111 Email : [email protected] ABSTRAK Risiko merupakan salah satu faktor yang kerap muncul pada aliran bisnis proses baik di satu perusahaan maupun antar rantai pasoknya. Tingkat ketergantungan antar perusahaan yang terus meningkat mengakibatkan risiko yang ditimbulkan semakin tidak terduga dan kompleks. Timbulnya risiko yang semakin tidak pasti dan kompleks ini akan mempengaruhi kinerja dari perusahaan. Terkait munculnya kejadian risiko-risiko pada rantai pasok yang berpotensi untuk mengganggu aktivitas organisasi maka pengelolaan risiko menjadi bagian utama dari aktivitas organisasi. Dalam ranah identifikasi risiko rantai pasok, terdapat banyak literatur yg empirik mengenai risiko rantai pasok dan bagaimana mengelolanya, akan tetapi masih sedikit yang melakukan penelitian mengenai keterkaitan (interconnectedness) antara risiko pada rantai pasok. Dengan mengetahui sumber-sumber risiko dan keterkaitannya akan membantu dalam mengupayakan keseimbangan dalam strategi pengurangan risiko yang efektif. Oleh karena pentingnya studi mengenai keterkaitan risiko rantai pasok sementara belum terlalu banyak yang membahas mengenai hal ini dalam kondisi yang berbeda-beda, maka pada tujuan penelitian ini adalah menganalisa secara struktural mengenai risiko-risiko potensial dari rantai pasok dengan pendekatan Interpretive Structural Modeling (ISM). Kata kunci: Pengelolaan risiko rantai pasok, keterkaitan antar risiko rantai pasok, pembobotan keterkaitan risiko, Interpretive Structural Modeling (ISM).

PENDAHULUAN Latar Belakang Masalah Risiko merupakan salah satu faktor yang kerap muncul pada aliran bisnis proses baik di satu perusahaan maupun antar rantai pasoknya . Pada lingkup bisnis, jejaring (networking) merupakan solusi yang tak dapat dielakkan untuk membantu perusahaan merespon dengan cepat perubahan pasar (Hallikas, 2002). Identifikasi kejadian risiko akan menjadi pondasi untuk membangun langkah berikutnya yaitu analisa dan kontrol dari pengelolaan risiko. Identifikasi risiko yang tepat akan menjamin efektivitas pengelolaan risiko (Tchankova, 2002). Dalam ranah identifikasi risiko rantai pasok, terdapat banyak literatur yg empirik mengenai risiko rantai pasok dan bagaimana mengelolanya, dan juga literatur konseptual mengenai konsep baru dari manajemen risiko rantai pasok, akan tetapi masih sedikit yang melakukan penelitian mengenai keterkaitan (interconnectedness) antara risiko pada rantai pasok (Pfohl dkk., 2011). Sementara itu menurut Chopra dan Sodhi (2004) dengan mengetahui sumber-sumber risiko dan keterkaitannya akan membantu dalam mengupayakan keseimbangan dalam strategi pengurangan risiko yang efektif. Mengidentifikasikan korelasi sebab-akibat antara risiko ISBN : 978-602-97491-6-8 A-25-1


individual adalah menjadi penting karena terdapat pengaruh tersembunyi pada risiko tertentu sehubungan dengan risiko-risiko lainnya dan memungkinkan untuk menyebabkan kerusakan yg cukup besar (Chopra dan Sodhi, 2004). Penelitian terdahulu mengenai keterkaitan risiko-risiko pada rantai pasok diantaranyan adalah penelitian yang telah dilakukan oleh Pfohl dkk pada tahun 2011 membahas mengenai bagaimana memodelkan struktur keterkaitan antara risiko pada rantai pasok dengan menggunakan metode interpretive structural modeling (ISM) sedangkan identifikasi elemenlemen risiko menggunakan Supply Chain Management Process (SCRMP). Implementasi pada hasil penelitian dilakukan studi kasus industri di Jerman dan perusahaan perdagangan (trade company). Hasil penelitian dari kedua studi kasus tersebut telah dibuktikan bahwa ISM adalah metode yang berdaya guna untuk menstrukturkan risiko rantai pasok dengan cara yang mudah dan dengan pendekatan terdistribusi yang juga dapat dilakukan pada langkah-langkah dalam proses di beberapa tahapan dalam manufaktur. Oleh sebab itu, pada penelitian ini akan melakukan dibahas mengenai bagaimana mengidentifikasi keterkaitan antar risiko pada rantai pasok dengan melibatkan pemicu internal dalam ranah plan-sources-make -deliver-return. Tujuan Penelitian Tujuan dari penelitian ini adalah untuk 1. Melakukan identifikasi risiko pada 5 proses dalam rantai pasok yaitu plan-source-makedeliver-return 2. Mengkonstruksi model struktural keterkaitan risiko-risiko pada rantai pasok yang telah teridentifikas dengan menggunakan metode interpretive structural modeling (ISM) METODE Interpretive Structural Modeling Interpretive structural modeling (ISM) diperkenalkan pertama kali oleh J. Warfield pada tahun 1975 untuk menganalisa sistem yang kompleksitasnya cukup tinggi dan mencari solusi untuk permasalahan yang kompleks atau melibatkan banyak faktor didalamnya dan saling berinteraksi (Mohammed dkk., 2008). ISM adalah metode kualitatif dan interpretive yang menyajikan solusi untuk permasalahan yang kompleks melalui dasar wacana pada pemetaan struktural dari keterkaitan elemen-elemen yang kompleks (Malone, 1975; Watson, 1978 dalam Pfohl dkk., 2011). ISM telah diimplementasikan dalam berbagai permasalahan (Thakkar dkk., 2007;Gorvett dan Liu, 2007;Sagheer dan Yadav, 2009;Khurana dkk, 2010;Shahbandarzadeh dan Ghobanpour, 2011;Kang dkk, 2012). Sementara itu terdapat beberapa penelitian yang menggunakan ISM dalam permasalahan pengelolaan rantai pasok (Mohammed dkk, 2008;Faisal, 2010;Thakkar ddk., 2008;Grzybowska, 2012). Dalam pengelolaan risiko rantai pasok terdapat penelitian-penelitian yang juga menggunakan metode ISM (Faisal dkk., 2006a,b;Faisal dkk., 2007;Thakkar dkk.,2008;Khurana dkk.,2010;Pfhol, 2011) Metodologi dari ISM adalah proses pembelajaran yang interaktif dimana sekumpulan dari elemen-elemen yang disusun dalam model sistem yang komprehensif. ISM membantu dalam menentukan urutan dan tujuan pada hubungan yang kompleks antar elemen dalam sistem (Pfohl dkk., 2011). ISM adalah sebuah alat yang dapat menganalisa pengambilan keputusan pada pemahaman atau ide dalam situasi yang kompleks dengan cara mengelompokkan dan membuat koneksi yang tertuang dalam sebuah peta. Proses pembuatan Interpretive Structural Modeling dapat dilakukan cara mengembangkan pengetahuan perorangan terhadap suatu permasalahan secara menyeluruh yang diambil dari proses diskusi ISBN : 978-602-97491-6-8 A-25-2


atau sebuah analisa. Pengetahuan tersebut yang dibutuhkan dalam mengkomunikasikan sehingga menghasilkan sebuah keputusan yang diinginkan. Diagram Alir Penelitian Diagram alir merupakan gambaran bebereapa proses penelitian yang meliputi beberapa tahapan diantaranya : penentuan topik penelitian, perumusan masalah, pengumpulan dan pengolahan data, analisa dan pembahasan serta penarikan dan saran. A

Awal

B

Menjalankan prosedur ISM: 1. Merinci risiko-risiko pada jaringan rantai pasok 2. Menentukan relasi kontekstual 3. Membuat SSIM 4. Membuat RM dan memeriksa transitivity 5. Menentukan level partitionary 6. Menggambarkan digraph dengan hubungan transitivity yang telah dihapus 7. Mengkonversi digraph ke ISM dan checking inkonsistensi secara konseptual 8. Menampilkan pernyataan relasi pada model

Studi Literatur

Identifikasi Permasalahan

Penentuan Metode

Pengumpulan Data : Data Primer (Wawancara, observasi), Data Sekunder (Data profil risiko perusahaan)

Pengolahan Data Analisa dan interpretasi Hasil A

B Penarikan kesimpulan dan saran

akhir

Gambar 1. Diagram alir penelitian

Pengumpulan Data Data Elemen Risiko Data-data yang digunakan dalam penelitian ini diperoleh dari data primer dan sekunder perusahaan. Yang merupakan data primer adalah hasil wawancara pendapat ahli yang berkecimpung pada departemen perencanaan dan gudang material (PGM), produksi dan manajemen risiko yang ada pada perusahaan PT. Petrokimia Gresik. Perusahaan ini merupakan produsen pupuk kimia maupun organik serta produk kimia di Indonesia. Dimana data yang dikumpulkan hanya fokus pada satu produk pupuk amatan, yaitu pupuk dengan merk dagang Phonska. Sedangkan data sekunder didapatkan dari laporan tahunan Profil Risiko tahun 2012 yang merupakan produk dari departemen Manajemen Risiko PT. Petrokimia Gresik. Laporan tahunan Profil Risiko ini memiliki konten risiko-risiko yang berpotensi tinggi untuk terjadi berdasar pola historis tahun-tahun sebelumnya. Data risiko yang dimasukkan pada profil risiko bersumber pada masing-masing departemen yang ada pada perusahaan PT. Petrokimia Gresik.

ISBN : 978-602-97491-6-8 A-25-3


Tabel 1. Data risiko pada jaringan rantai pasok produksi pupuk Phonska No 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32.

Jenis Risiko Risiko Pengadaan (PLAN)

Risiko PGM (SOURCE)

Risiko Distribusi (DISTRIBU TION)

Risiko Produksi (MAKE)

Return

Risiko Bahan baku, barang dagangan, dan bahan kimia/ penolong terlambat datang Barang dan spare part terlambat datang Retergantungan pada pemasok tunggal Pembelian dari banyak sumber (multi sourching) Pengiriman barang tidak aman Pengadaan jasa terlambat Keterlambatan/tdk sesuai jadwal Gudang tidak cukup Verifikasi terlambat Spesifikasi tdk sesuai Selisih stock Kompetensi SDM tidak mencukupi Penyimpanan stock pupuk di open storage Data stock gudang tidak mencerminkan kondisi riil Darang digudang penyangga rusak/ susut Sistem monitoring stock pupuk belum optimal Pupuk original kurang timbang Pupuk hilang dijalan saat pengiriman ke gudang penyangga Stock pupuk petroganik di gudang penyangga over space Penumpukan stok di gudang gresik karena pergeseran musim tanam Keterlambatan muat ke atas truk/KA di gudang gresik Kelambatan muat keatas truk EMKL/kapal di gudang gresik Kerusakan/susut pupuk di gudang gresik Stock out digudang penyangga Gangguan Proses akibat bahan baku KCl shortage Gangguan Proses akibat bahan baku urea shortage Gangguan Proses akibat bahan baku phospate rock shortage Gangguan Proses akibat bahan baku ZA shortage Kenaikan consumption rate (melebihi target) Produktivitas menurun Re-bag pupuk (akibat kantong terkoyak) Re-process pupuk (akibat pupuk menggumpal)

Pengolahan Data Structural Self-Interaction Matrix (SSIM) Data rekapitulasi keterkaitan antar elemen risiko (tabel 4.2) dimasukkan ke dalam SSIM dengan mengkonversi angka menjadi huruf yang meyatakan kategori hubungan. Konversi angka ke huruf di rinci sebagai berikut:  1 = V  adanya variabel i mencapai/memicu adanya variabel j  2 = A  adanya variabel i dicapai/dipicu dengan adanya varibael j  3 = X  variabel i dan variabel j saling memicu untuk tercapai  4 = O variabel i dan variabel i tidak berhubungan

ISBN : 978-602-97491-6-8 A-25-4


Tabel 2. Structural Self-Interaction Matrix (SSIM) keterkaitan elemen risiko rantai pasok

Digunakannya simbol V, A, X, dan O dilakukan untuk mempermudah menerjemahkan kategori keterkaitan ke dalam reachability matrix. Reachability Matrix Tahap selanjutnya adalah membuat reachability matrix, yaitu dengan mengubah SSIM menjadi matriks biner. Yang dilakukan adalah mengkonverso simbol V, A, X dan O dengan angka 0 dan 1. Aturan konversi adalah sebagai berikut: - Jika relasi (i, j) dinotasikan sebagai V maka masukan (i, j) pada RM menjadi 1 dan (j, i) menjadi 0 - Jika relasi (i, j) dinotasikan sebagai A maka masukan (i, j) pada RM menjadi 0 dan (j, i) menjadi 1 - Jika relasi (i, j) dinotasikan sebagai X maka masukan (i, j) pada RM menjadi 1 dan (j, i) menjadi 1 - Jika relasi (i, j) dinotasikan sebagai O maka masukan (i, j) pada RM menjadi 0 dan (j, i) menjadi 0 Esensi dari reachability matrix adalah menjawab pertanyaan “Ya” atau “Tidak”, apakah terdapat hubungan langsung antara varibael i dan vaiabel j. Konversi SSIM menjadi reachability matrix dapat di lihat pada tabel berikut ini.

ISBN : 978-602-97491-6-8 A-25-5


Tabel 3. Reachability Matrix keterkaitan elemen risiko rantai pasok

Menyekat Reachability Matrix Tahap selanjutnya adalah melakukan penyekatan terhadap reachability matrix, akan tetapi sebelummnya perlu dilakukan koreksi lebih lanjut sampai menjadi matriks tertutup yang memenuhi aturan transitivity. Kaidah transitivity adalah kelengkapan dari lingkaran sebab-akibat (causal-loop), sebagai misal A mempengaruhi B dan B mempengaruhi C maka dapat dikatakan bahwa A harus mempengaruhi C. Tabel 4. Final Reachability Matrix keterkaitan elemen risiko rantai pasok

Keterangan dari Tabel D: - Yang ada tanda * adalah sel yang telah mengalami revisi - D = dependence -R = ranking - DP = driver power -L = level/hirarki ISBN : 978-602-97491-6-8 A-25-6


Setelah diketahui reachability matrix yang telah di koreksi dengan kaidah transitivity, maka yang dilakukan selanjutnya adalah penyekatan reachability matrix. Pada tahapan ini reachability matrix dibagi menjadi reachability yaitu variabel i dan antecedent yaitu variabel j. Hasil penyekatan reachablity matrix diketahui bahwa dari total 32 elemen risiko rantai pasok terbagi dalam sembilan level. Rekapitulasi level yang ada keterkaitan rantai pasok dapat dilihat pada tabel F berikut ini. Tabel 5 Pelevelan keterkaitan elemen risiko rantai pasok Level 1

2

3

4

5 6

7

8

9

Elemen 25 26 27 28 30 7 24 31 32 2 13 14 15 29 1 8 9 5 3 6 10 4 11 21 23 16 17 18 22 12 19 20

Variabel Gangguan proses akibat bahan baku KCl shortage Gangguan proses akibat bahan baku urea shortage Gangguan proses akibat bahan baku phospate rock shortage Gangguan proses akibat bahan baku ZA shortage Produktivitas menurun Keterlambatan/tidak sesuai jadwal Stock out digudang penyangga Re-bag pupuk (akibat kantong terkoyak) Re-process pupuk (akibat pupuk menggumpal) Barang dan spare part terlambat datang Penyimpanan stock pupuk di open storage Data stock gudang tidak mencerminkan kondisi riil Barang digudang penyangga rusak/ susut Kenaikan consumption rate (melebihi target) Bahan baku, barang dagangan, dan bahan kimia/ penolong terlambat datang Gudang tidak cukup Verifikasi terlambat Pengiriman barang tidak aman ketergantungan pada pemasok tunggal Pengadaan jasa terlambat Spesifikasi tdk sesuai Pembelian dari banyak sumber (multi sourching) Selisih stock Keterlambatan muat ke atas truk/KA di gudang gresik Kerusakan/susut pupuk di gudang gresik Sistem monitoring stock pupuk belum optimal Pupuk original kurang timbang Pupuk hilang dijalan saat pengiriman ke gudang penyangga Kelambatan muat keatas truk EMKL/kapal di gudang gresik Kompetensi SDM tidak mencukupi Stock pupuk petroganik di gudang penyangga over space Penumpukan stok di gudang gresik karena pergeseran musim tanam

Setelah penyekatan reachability matrix telah dilakukan, maka tahap selajutnya adalah membuat conical matrix. Adapun aturan dari canonical matrix ini adalah mengurutkan reachability matrix sesuai dengan hasil penyekatan reachability matrix, dimana urutan kolom dimulai dari elemen pertama pada level.

ISBN : 978-602-97491-6-8 A-25-7


Tabel 6. Conical matrix keterkaitan risiko rantai pasok

Dari hasil hirarki yang didapatkan dari conical matrix diatas, tahap selanjutnya adalah membangun model ISM sesuai dengan varibel-variabel yang telah dipartisi. HASIL DAN PEMBAHASAN Pembangunan model ISM berdasarkan dari hirarki yang terdapat dalam conical matrix. Keterkaitan yang ada pada masing-masing rantai pasok disimbolkan dengan anak panah, dimana elemen di awal anak panah mewakili sebagai kejadian yang menyebabkan, sedangkan elemen yang diakhir anak panah mewakili sebagai kejadian yang merupakan akibat. Hasil pengolahan data telah menunjukkan bahwa keterkaitan risiko rantai pasok elemen-elemen risiko terbagi dalam sembilan level. Dari sembilan level terebut dikategorikan dalam 3 level kategori, yaitu top level, middle level dan bottom level. Analisa untuk masingmasing level adalah sebagai berikut : 1. Top level variable Variabel yang terdapat dalam top level ini merupakan variabel yang memiliki driving power yang lemah dan ketergantungan antar variabel yang kuat, artinya variabel yang berada di top level ini akan memiliki ketergantungan terhadap variabel yang berada di middle level dan bottom level. Dari jumlah total variabel risiko yang di olah dengan menggunakan metode ISM pada bab 4, dihasilkan 9 variabel yang didapatkan dari penyekatan reachability matrix, yang menjadi top level adalah level 1, 2 dan 3. 2. Middle level variable Middle level berada tepat di bawah top level, variabel-variabel yang berada di level ini akan memiliki pengaruh yang cukup besar terhadap variabel yang berhubungan dengan variabel terhubung, sesuai dengan yang telah diolah dengan menggunakan metode ISM. Perbaikan maupun peningkatan kinerja variabel pada middle level ini hanya di capai apabila dilakukan perbaikan pada bottom level terdahulu. Perbaikan pada bottom level akan memperbaiki middle level sedangkan perbaikan pada middle level akan memperbaiki top level. Pada middle level ini terdiri dari level 4,5 dan 6. ISBN : 978-602-97491-6-8 A-25-8


3. Bottom level variable Level yang terbawah pada model hirarki ISM adalah bottom level. Variabel yang berada pada bottom level memiliki sifat driver atau pengaruh yang kuat terhadap variabel yang berada di level teratasnya. Memperbaiki pada variabel bottom level ini akan mengurangi risiko-risiko yang ada pada middle level dan top level. Pada bottom level ini terdiri dari level 7,8 dan 9. 25

26

27

30 28

32

24 31

2

7

14

29

13

15

9

1 8

5

10

3 6

4

21 11

23

22

17 16

18

12

20 19

Gambar 2. Model ISM Keterkaitan Rantai Pasok

ISBN : 978-602-97491-6-8 A-25-9


KESIMPULAN DAN SARAN Kesimpulan Pada ketiga level yang telah dijabarkan pada diatas telah dapat di simpulkan bahwa risiko yang mampu mengeliminer risiko-risiko pada middle level dan top level adalah adalah risiko yang ada pada bottom level, yaitu risiko kompetensi SDM tidak mencukupi (12), risiko stok pupuk petroganik di gudang penyangga over space (19), risiko penumpukan stok di gudang gresik karena pergeseran musim tanam (20), risiko sistem monitoring stock pupuk belum optimal (16), risiko pupuk original kurang timbang (17), risiko pupuk hilang dijalan saat pengiriman ke gudang penyangga (18), Kelambatan muat ke atas truk EMKL/kapal di gudang Gresik (22), risiko pembelian dari banyak sumber (multi sourcing) (4), risiko selisih stock (11), dan risiko keterlambatan muat ke atas truk/KA di gudang Gresik (21). Tindakan mengeliminer pada kesebelas risiko pada bottom level tersebut mampu mengeliminer risiko pada middle level dan top level dengan melihat keterkaitan risiko yang ada. Saran Pada penelitian ini belum dilakukan validasi model secara statistik sehingga pada penelitian berikutnya dapat dilakuan analisis statisistik menggunakan metode structural equation modelling (SEM). Sedangkan untuk memperkuat kontribusi metode ISM untuk identifikasi keterkaitan pada rantai pasok maka diperlukan studi kasus pada ranah industri yang berbeda DAFTAR PUSTAKA Borade, A.B., Bansod, S.V. (2007), Domain of supply chain management – a state of art, Journal of Technology & Innovation, Vol. 2 Iss. 4, pp. 109-121. Chopra, S., Sodhi, M.S. (2004), Managing Risk To Avoid Supply-Chain Breakdown, MIT Sloan Management Review, pp. 53-61 Dani, S. (2009), Predicting and Managing Supply Chain Risks, International Series in Operation Research & Management Science, Vol. 124, pp. 53-66. Faisal, M.N. (2006), Supply chain risk mitigation : modeling the enablers, Business Process Management Journal, Vol. 12 No.4, pp. 535-552. Faisal, M.N. (2010), Sustainable supply chains : a study of interaction among the enablers, Business Process Management Journal, Vol. 16 No.3, pp. 508-529. Faisal, M.N., Banwet, D.K., Shankar, R. (2006), Mapping supply chains on risk and customer sensitivity dimensions, Industrial Management & Data Systems, Vol. 106 No. 6, pp. 878-895. Faisal, M.N., Banwet, D.K., Shankar, R. (2007), Information risks management in supply chains : an assessment & mitigation framework, Journal of Enterprise Information, Vol.20 No.6, pp. 667-699. Fei, W., Shilei, W. (2010), Study on operating risk of supply chain based ISM, International Conference on E-Business and E-Government, pp. 5271-5273. Gaonkar, R. and Viswanadham, N. (2007), Analytical framework for the management of risk in supply chain, IEEE Transactions on Automation Science and Engineering, Vol. 4 No. 2, pp. 265-73 ISBN : 978-602-97491-6-8 A-25-10


Gaudenzi, B. (2009), Assessing risks in projects and processes, International Series in Operations Research & Management Science, Vol. 124, pp. 67-82. Gaudenzi, B., Borghesi, A. (2006), Managing risks in the supply chain using the AHP method, The International Journal of Logistics Management, Vol. 17, pp. 114-36. Gorvett, R., Liu, N. (2007), Using interpretative structural modeling to identify and quantify interactive risks, 2007 ASTIN Colloquium Call For Papers. Hallikas, J., Virolainen, V.M. and Tuominen, M. (2002), Risk analysis and assessment in network environment: a dyadic case study, International Journal of Production Economics, Vol. 78, pp. 45-55. Hallikas, J., Karvonen, I., Pulkkinen, U., Virolainen, V.-M. and Tuominen, M. (2004), Risk management processes in supplier networks, International Journal of Production Economics, Vol. 90, pp. 47-58. Jutner, U., Peck, H., Christopher, M. (2003), Supply chain risk management : outlining an agenda for future research, International Journal of Logistics : Research & Applications, Vol. 6 No.4, pp. 197-210. Kayis, B., Karningsih, P.D., (2012), SCRIS: A knowledge-based system tool for assisting manufacturing organizations in identifying supply chain risks, Journal of Manufacturing Technology Management, Vol. 23 Iss: 7, pp. 834 – 852. Khurana, M.K., Mishra, P.K., Jain, R., Singh, A.R. (2010), Modeling of information sharing enablers for building trust in Indian manufacturing industry : an integrated ISM and fuzzy Micmac approach, Journal of Engineering Science and Technology, Vol. 2 No. 6, pp. 1651-1669. Malone, D.W. (1975), An introduction to the application of interpretive structural modeling, Proceedings of the IEEE, Vol.63 Iss: 3, pp. 397-404. March, J.G., Shapira, Z. (1987), Managerial perspectives on risk and risk taking, Management science, Vol. 33 No. 11, pp. 1404-1418. Mohammed, I.R., Shankar, R., Banwet, D.K. (2008), Creating flex-lean-agile value bhain by outsourcing, Business Process Management Jornal, Vol. 14 No. 3, pp. 338-389. Neiger, D., Rotaru, K., Churilov, L. (2009), Supply chain risk identification with valuefocused process engineering, Journal of Operations Management, Vol. 27, pp. 154-68. Pfohl, H.C., Kohler, H, Thomas, D. (2010). State of the art in supply chain risk management research : empirical and conceptual findings and a roadmap for the implementation in practice, Logistics Research, Vol. 2 Iss: 1, pp. 33-44. Pfohl, H.C., Gallus, P., Thomas, D. (2011), Interpretive structural modeling of supply chain risks, International Journal of Physical Distribution & Logistics Management, Vol. 41 Iss: 9, pp. 839 – 859. Ramesh, A., Banwet, D.K., Shankar, R. (2010), Modeling the barriers of supply chain collaboration, Journal of Modelling in Management, Vol. 5 No. 2, pp. 176-193. Saaty, T.L. (2001), Decision Making with Dependece and Feedback : The Analytic Network Process, RWS Publications, Pittsburgh. ISBN : 978-602-97491-6-8 A-25-11


Sagheer, S., Yadav, S.S., Deshmukh S.G. (2009), An application of interpretative structural modeling of the structural modeling of the compliance to food standards, International Journal of Productivity, Vol. 58 No. 2, pp. 136-159 Shahabadkar, P., Hebbal, S.S., (2012), Deployment of Interpretive Structural Modeling Methodology in Supply Chain Management – An overview, International Journal of Industrial Engineering & Production Research, Vol. 23 No. 3, pp. 195-205 Shahbandarzadeh, H., Ghorbanpour, A. (2011), The applying ISM/FANP approach for appropriate location selection of health centers, Iranian journal of management studies (IJMS), Vo. 4 No. 2, pp. 5-28. Singhal, P., Agarwal, G., Mittal, M.L. (2011). Supply chain risk management : review, classification and future research directions, International Journal of Business Science and Applied Management, Vol. 6 Iss : 3, pp. 16-42. Tang, C.S. (2006), Perspectives in supply chain risk management, International Journal of Production Economics, Vol. 103, pp. 451-488. Tchankova, L. (2002), Risk identification – basic stage in risk managemen, Environmental Management ang Health, Vol. 13 No. 3, pp. 290-297. Thakkar, J, Deshmukh, S.G., Gupta, A.D., Shankar, R. (2007), Development of a balanced An integrated approach of Interpretive Structural Modeling (ISM) and Analytic Network Process (ANP), International Journal of Productivity and Performance Management, Vol. 56 No. 1, pp. 25-59. Thakkar, J., Kanda, A., Deshmukh, S.G. (2008), Interpretive structural modeling (ISM) of ITenablers for Indian manufacturing SMEs, Information Management & Computer Security, Vol. 16 Iss: 2, pp. 113 – 136. Vanany, I., Zailani, S., Pujawan, N. (2009), Supply chain risk management : literature review and future research, International Journal of Information Sstem and Supply Chain Management, Vol. 2 No. 1, pp. 16-33. Waters, D. (2007), Supply Chain Risk Management : Vulnerability and Resilience in Logistics, Kogan Page, London and Philadelphia. Zsidisin, G.A., Ritchie, B. (2009), Supply chain risk management – developments, issues and challenges, International Series in Operations Research & Management Science, Vol. 124, pp. 1-12.

ISBN : 978-602-97491-6-8 A-25-12

PEMODELAN STRUKTURAL KETERKAITAN RISIKO RANTAI PASOK DENGAN PENDEKATAN INTERPRETIVE STRUCTURAL MODELING (ISM)

Recommend Documents