PENETAPAN PENGAMBILAN KEPUTUSAN STRATEGI PENJUALAN BERBASIS ONLINE PADA PRODUK CLOTHING DENGAN MENGGUNAKAN METODE DEMATEL, ANP DAN STEM DI SURABAYA

PENETAPAN PENGAMBILAN KEPUTUSAN STRATEGI PENJUALAN BERBASIS ONLINE PADA PRODUK CLOTHING DENGAN MENGGUNAKAN METODE DEMATEL, ANP DAN STEM DI SURABAYA Sugma Anugrawan, Udisubakti Ciptomulyono, Naning Aranti W. Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111 Email [email protected] ; [email protected] ; [email protected]

Abstrak Kemajuan teknologi internet memberikan dampak signifikan terhadap dunia bisnis clothing saat ini, karena internet menyediakan fasilitas-fasilitas yang bisa dimanfaatkan untuk berbisnis. Dimana fasilitas internet bisa memberikan efisiensi biaya dalam aktifitas-aktifitas penjualan, seperti : biaya layanan terhadap pelanggan, tenaga kerja yang dipekerjakan, biaya penjualan (Avlonitis and Karayanni, 2000). Hal tersebut terasa dengan banyaknya bisnis-bisnis clothing yang menjual produkproduknya dengan membuat toko online dengan memanfaatkan fasilitas internet. Studi kasus yang diambil dalam penelitian ini adalah produk bisnis clothing di kota Surabaya, antara lain jaket, poloshirt, tas, dan sepatu. Metode yang digunakan dalah penelitian ini antara lain : metode DEMATEL (Decision Making Trial And Evaluation Laboratory), ANP (analitic network process) dan STEM (Step Method). Dimana DEMATEl digunakan untuk mengetahui hubungan atau keterkaitan antar kriteria dan subkriteria. Kemudian hasil pengolahan tersebut menjadi dasar dalam pembuatan model dalam pengolahan menggunakan ANP. ANP sendiri akan menghasilkan bobot yang nantinya menjadi koefisien tujuan dari pencarian solusi kompromi optimal strategi penjualan dengan menggunakan STEM. Dan dari pengolahan STEM tersebut didapatkan solusi kompromi oprimal dari permasalahan pemilihan strategi penjualan. Hasil dari penelitian ini menunjukan bahwa strategi penjualan yang optimal berdasarkan preferensi pengambil keputusan, antara lain : produk jaket menggunakan strategi penjualan O-MTO, produk poloshirt menggunakan strategi penjualan K-MTS, produk tas menggunakan strategi penjualan O-MTO, dan produk sepatu menggunakan strategi penjualan O-MTO Kata kunci

: Clothing, STEM, DEMATEL, ANP, MCDM, Strategi Penjualan

Abstract The progress of internet technology significantly affects nowadays clothing business due to its broad facilities. Internet facilities could give cost efficiency on many selling activities, such as: customer service cost, labor cost and selling cost. These condition become obvious as we seen many clothing business open an online shop using the internet facility. This research took the study case about clothing business product in Surabaya city, such as jacket, polo shirt, bag and shoes. This research uses several methods, which are DEMATEL (Decision Making Trial and Evaluation Laboratory), ANP (Analytical Network Process) and STEM (Step Method). DEMATEL is used to identify the connection and correlation between criteria and subcriteria. Thus the result becomes the baseline in creating the model using ANP. ANP will produce the weight which will be the destination coefficient of the marketing strategy optimum compromised solution generation using STEM. From the STEM method we can get the optimum compromised solution of choosing marketing strategy problem. The result of this research shows the optimum marketing strategy according to decision maker preference for each product, which is: jacket should use O-MTO selling strategy, polo shirt should use K-MTS selling strategy, bag should use O-MTO selling strategy and shoes should use O-MTO selling strategy. Keywords

: Clothing, STEM, DEMATEL, ANP, MCDM, Sales Strategy

1

1. Pendahuluan Kemajuan teknologi internet memberikan dampak signifikan terhadap dunia bisnis clothing saat ini, karena internet menyediakan fasilitasfasilitas yang bisa dimanfaatkan untuk berbisnis. Hal ini diperkuat dari hasil penelitian sebelumnya yang mengatakan, konsumen ecommerce sebagian besar terkonsentrasi pada barang-barang seperti buku, perangkat lunak, musik, perjalanan, pakaian, dan elektronik (Gould and Golob, 2002). Dimana fasilitas internet bisa memberikan kemudahan untuk melakukan penawaran, layanan terhadap pelanggan, penjualan dan promosi dengan harga yang relatif murah. Hal tersebut mulai terasa dengan banyaknya bisnis-bisnis clothing (Tas, Sepatu, Jaket, Poloshirt) berbasis internet yang menjual produk-produknya dengan membuat toko online dengan memanfaatkan fasilitasfasilitas internet, tanpa harus menggunakan caracara lama yang membutuhkan biaya lebih besar, seperti promosi dengan menggunakan poster, iklan di radio atau televisi, penjualan dengan toko ritel, dan lain-lain. Bukti bahwa internet berdampak besar pada dunia bisnis diperkuat dengan hasil riset IDC (international Data Corporation) bahwa transaksi online di Indonesia mencapai $ 34 miliar atau setara dengan Rp 35 triliun (detikINET, 2010). Pada kenyataan-nya, ada 3 (tiga) alternatif strategi bisnis menjadi pertimbangan beberapa calon pelaku bisnis clothing yang muncul akibat adanya teknologi internet ini, yaitu: strategi pemasaran online dengan strategi produksi make-to-order, strategi pemasaran online dengan strategi produksi make-to-stock, dan strategi pemasaran kombinasi online dan ritel dengan strategi produksi make-to-stock. Strategi pemasaran online dengan strategi produksi make-to-order (O-MTO), adalah strategi pemasaran dengan membuka toko online, dan produksi-nya hanya dilakukan ketika ada pesanan. Jadi pemasaran dilakukan di toko online tersebut dengan memajang gambargambar produk yang dijual, namun produk tersebut tidak siap dibeli melainkan siap dipesan. Dan ketika pelanggan berminat maka akan diproduksi oleh pelaku bisnis tersebut baru dikirim ke pelanggan. Untuk strategi bisnis kedua, strategi pemasaran online dengan strategi produksi make-to-stock (O-MTS), adalah strategi bisnis dengan membuka toko online, dan produksi-nya dilakukan sebelum memasarkan produk, produk diproduksi secara masal kemudian di-stock. Gambar-gambar produk

dipajang ditoko online untuk dipasarkan, dan ketika pelanggan berminat untuk membeli, barang sudah siap dikirim. Strategi yang ketiga, strategi bisnis kombinasi online dan ritel dengan strategi produksi make-to-stock (K-MTS), untuk strategi ini pemasaran dilakukan di 2 (dua) toko, yaitu : toko online dan toko ritel. Pada strategi ini strategi produksinya harus make-to-stock, karena dengan adanya toko ritel mengharuskan pelaku bisnis melakukan display produk dan pemenuhan terhadap permintaan pelanggan secara langsung di toko ritel. Dari data survey pendapatan regional kota Surabaya untuk produk clothing pada tahun 2007-2008 menunjukan peningkatan pendapatan sebesar Rp 431.321.000.000 (BPS, 2009) dan untuk data survey mengenai perusahaan perdagangan eceran tahun 2006, diketahui bahwa di kota Surabaya ini terdapat 151 pedagang eceran atau retail yang terdata, yang menjual produk-produk clothing (BPS, 2006). Jumlah itu belum ditambah dengan perdagangan produk-produk clothing di internet (online) yang sampai saat ini belum terdata. Kedua data survey ini menunjukan bahwa pangsa pasar produk clothing di kota Surabaya cukup baik, tetapi untuk survive pada bisnis tersebut para pelaku bisnis harus bersaing ketat karena jumlah pelaku bisnis produk tersebut cukup banyak. Dengan kondisi yang seperti ini, calon pelaku bisnis yang akan mendirikan sebuah bisnis menjadi ragu dalam mengambil keputusan penentuan strategi apa yang digunakan dengan kondisi yang seperti ini. Karena tiap alternatif strategi bisnis memiliki konsekuensi tersendiri terhadap keuntungan dan kerugian bagi pelaku bisnis dalam penerapan-nya. Harga jual, pemasaran, delivery time, investasi, analisa finansial, risiko ketersediaan bahan baku dan risiko ketidaksiapan produksi adalah beberapa contoh konsekuensi yang ditimbulkan akibat pemilihan alternatif strategi yang digunakan. Oleh karena itu, dibutuhkan suatu pemikiran yang komprehensif terhadap permasalahan pemilihan alternatif strategi yang akan digunakan untuk memperoleh solusi optimal yang memuaskan. Solusi memuaskan yang diperoleh melalui tahapan penentuan beberapa tujuan yang berbeda dan ada yang saling bertentangan, yang kemudian dikenali sebagai permasalahan multi objective decision making. Menyadari akan pentingnya hal itu, penelitian tugas akhir ini akan mengkaji tentang pengambilan keputusan pemilihan strategi bisnis “O-MTO”, “O-MTS”, “K-MTS” pada produk2

produk tertentu, antara lain : tas, jaket, poloshirt dan sepatu. Penelitian ini menggunakan metode pengambilan keputusan multi kriteria dengan ruang lingkup penerapan strategi bisnis yang kompetitif dan finansial yang berhubungan dengan keputusan pemilihan strategi bisnis “OMTO”, “O-MTS”, “K-MTS”. Melalui metodologi tersebut kemudian dikembangkan suatu model yang mengakomodasi 3 kriteria secara bersama, yaitu : maksimasi performansi kompetitif strategis, meminimalkan risiko, maksimasi performansi finansial. Kriteria bersifat kualitatif dan diukur menggunakan skala pembobotan dengan menggunakan metode ANP (analitic network process), tetapi sebelumnya dilakukan uji DEMATEL (Decision Making Trial And Evaluation Laboratory) terlebih dahulu untuk mengetahui hubungan keterkaitan antar kriteria. Dan karena terdapat pertentangan satu sama lain pada beberapa kriteria yang juga merupakan fungsi tujuan, maka diperlukan adanya pertukaran (trade off) yang dilakukan secara bertahap dan berpasangan dengan menggunakan step method (STEM) yang menghasilkan suatu solusi kompromi yang optimal dari keputusan alternatif strategi bisnis “O-MTO”, “O-MTS”, “K-MTS” 2. Metodologi Penelitian Metode penelitian ini dibagi menjadi empat tahap yaitu sebagai berikut: Tahap Identifikasi Merupakan tahapan mengidentifikasi atau mengangkat permasalahan yaitu pengambilan keputusan pemilihan alternatif strategi bisnis yang akan digunakan pada bisnis clothing di Surabaya. Sehingga diperoleh tujuan penelitian yaitu mencari strategi bisnis yang optimal untuk masing-masing produk yang diteliti baik itu dengan strategi pemasaran online dan strategi produksi make-to-order, strategi pemasaran online dan strategi produksi make-to-stock, atau dengan strategi pemasaran kombinasi online dan ritel dan strategi produksi make-to-stock. Tahap Pengumpulan Data Dalam tahap ini peneliti mengumpulkan data-data yang menunjang penelitian ini. Data yang diperlukan adalah data aktual, dan data aktual didapatkan dengan melakukan survei, pengamatan secara langsung. Data yang dikumpulkan antara lain data lead time produksi, data spesifikasi produk, data biaya investasi, data biaya operasional, biaya produksi.

Tahap Pengolahan Data Data-data yang sudah dikumpulkan akan diolah dengan menggunakan metode yang sudah dikaji oleh peneliti yaitu metode decision making trial and evaluation laboratory (DEMATEL), analytic network process (ANP) dan STEP Method. Metode-metode tersebut akan digunakan untuk mencari solusi memuaskan yang sesuai dengan obyektif pengambil keputusan, meliputi: 1. Identifikasi hubungan antar kriteria dengan metode metode decision making trial and evaluation laboratory (DEMATEL) untuk membuat model pengambilan keputusan ANP 2. Menghitung nilai bobot kriteria dan subkriteria dari alternatif-alterrnatif yang ada dengan menggunakan metode ANP 3. Menghitung solusi optimal dengan metode STEP Method. 4. Melakukan Analisa sensitivitas. Tahap Analisa dan Kesimpulan Pada tahap ini yaitu tahap terakhir setelah melakukan pengumpulan dan pengolahan data maka akan dilanjutkan dengan analisa dan interpretasi data. Setelah itu tahap paling akhir yaitu menarik kesimpulan dari penelitian ini. 3. Pengumpulan dan Pengolahan Data Pada bagian ini dijelaskan mengenai proses dan hasil dari pengumpulan dan pengolahan data. Data yang diperlukan adalah data aktual, dan data aktual didapatkan dengan melakukan survei, pengamatan secara langsung. Dari data yang telah dikumpulkan selanjutnya diolah berdasarkan metodologi penelitian yang sudah ditetapkan sebelumnya. 3.1 Pengumpulan Data Pada tahap pengumpulan data ini dilakukan pengumpulan data yang dilakukan dengan pengamatan langsung, brainstorm ataupun pengumpulan data-data sekunder. Diawal pengumpulan data dilakukan melalui brainstorm dengan pihak-pihak yang dianggap pakar pada bisnis clothing di Surabaya. Hal tersebut dilakukan untuk mendapatkan kriteria, subkriteria dan alternatif yang digunakan dalam penelitian ini. Selanjutnya dilakukan pengumpulan data melalui pengamatan langsung untuk mendapatkan data-data biaya dan spesifikasi produk. Untuk data-data mengenai biaya yang dikumpulkan, antara lain : data biaya 3

investasi, biaya operasional, data biaya variabel produk dan data spesifikasi produk. Selain itu juga masi ada lagi data-data tambahan yang didapatkan melalui kuisioner sebagai data masukan untuk pengolahan pada metode DEMATEL dan ANP.

3.2 Pengolahan Data 3.2.1 DEMATEL (Decision Making Trial And Evaluation Laboratory) Metode DEMATEL ini diaplikasikan untuk mengetahui gambaran interrelation di kriteria dan subkriteria dalam pemilihan alternatif strategi penjualan. Data yang diinputkan didapat dari kuisioner yang diisi oleh pihak yang dianggap pakar dalam bisnis clothing. Sehingga didapatkan impact-relation map (IRM) pada hasil akhirnya, yang menjadi dasar dalam pembuatan model pada ANP. Dalam pengolahan ini terdapat beberapa tahap, mulai dari mencari matrik nilai Keterkaitan langsung antar kriteria, matrik nilai keterkaitan yang telah dinormalkan, matrik keterkaitan antar kriteria secara total. Untuk membuat matrik nilai keterkaitan yang tela di normalkan digunakan rumus :

Tabel 3.3 Matrik Keterkaitan antar Subriteria yang Telah Dinormalkan HJ

P

DT

I

IRR

RKB

RKP

HJ

0,000 0,158 0,132 0,132 0,184 0,053 0,053

P

0,211 0,000 0,211 0,211 0,184 0,184 0,158

DT

0,132 0,158 0,000 0,079 0,079 0,026 0,026

I

0,158 0,184 0,132 0,000 0,184 0,158 0,158

IRR

0,184 0,211 0,105 0,132 0,000 0,105 0,132

RKB 0,079 0,158 0,211 0,158 0,132 0,000 0,000 RKP 0,105 0,158 0,184 0,132 0,105 0,000 0,000

Keterangan : HJ : Harga Jual P : Pemasaran DT : Delivery time I : Investasi IRR : Intern Rate of Return RKB : Risiko Ketersediaan Bahan Baku RKB : Risiko Ketidaksiapan Produksi Setelah mendapatkan matrik keterkaitan yang telah dinormalkan, maka dilanjutkan dengan pengolahan untuk mendapatkan matrik keterkaitan secara total dengan menggunakan rumus:

(1) (2)

Dan pengolahan data dengan menggunakan rumus (1) dan (2) diatas, didapatkan matrik nilai keterkaitan yang telah dinormalkan. Tabel 3.1 Matrik Keterkaitan antar Kriteria yang Telah Dinormalkan PKS RSK PF

Keterangan : PKS RSK PF

PKS 0,0000 0,2857 0,2143

RSK 0,5000 0,0000 0,1429

PF 0,5000 0,3571 0,0000

: Performa Kompetitif Strategis : Risiko : Performa Finansial

Dari pengolahan tersebut didapatkan matrik keterkaitasn secara total sebagai berikut: Tabel 3.3 Matrik Keterkaitan antar Kriteria Total PKS RSK PF R

PKS 0,4821 0,5657 0,3984 1,4462

RSK 0,8924 0,3944 0,3904 1,6773

PF D D+R 1,0598 2,4343 3,8805 0,7809 1,7410 3,4183 0,3386 1,1275 3,3068 2,1793

D-R 0,9880 0,0637 -1,0518

Tabel 3.4 Matrik Keterkaitan antar Subriteria Total HJ

P

DT

HJ

0,54

0,73

0,67

P

0,96

0,88

DT

0,51

I

IRR RKB RKP

D

0,61 0,68

0,40

0,40

3,63

0,99

0,91 0,92

0,66

0,64

5,32

0,57

0,41

0,44 0,46

0,29

0,28

2,68

I

0,82

0,92

0,84

0,65 0,83

0,58

0,58

4,64

IRR

0,79

0,88

0,76

0,71 0,62

0,51

0,53

4,27

RKB

0,61

0,74

0,74

0,64 0,64

0,36

0,35

3,72

RKP R D+R D-R

0,60

0,69

0,68

0,58 0,58

0,33

0,33

3,46

4,24 7,87 -0,61

4,30 9,63 1,02

3,34 6,03 -0,66

2,83 2,01 7,47 6,27 1,81 2,26

1,21 4,94 2,51

0,60 4,06 2,86

4

Nilai R adalah jumlah dari kolom dan D adalah jumlah dari baris pada matrik keterkaitan secara total. Beberapa subkriteria dengan nilai D-R positif mempunyai pengaruh yang lebih besar dari pada subkriteria yang lainnya dan diasumsikan sebagai prioritas utama, biasa disebut dispatcher. Sedangkan subkriteria dengan nilai D-R negatif menerima pengaruh lebih besar dari subkriteria yang lainnya dan diasumsikan sebagai prioritas terakhir, biasanya disebut receiver. Sedangkan nilai D+R mengindikasikan hubungan antara subkriteria satu dengan subkriteria yang lain. Sehingga semakin besar nilai D+R dari suatu subkriteria berarti memiliki hubungan yang lebih dengan subkriteria yang lain sedangkan subkriteria dengan nilai D+R yang lebih kecil berarti memiliki hubungan dengan subkriteria yang lain lebih kecil. Berdasarkan nilai dari D-R dan D+R berikut adalah tabel yang menunjukkan kelompok dispatcher dan receiver.

Gambar 3.1. Peta Impact-digraph Kriteria

Tabel 3.5 Pengelompokan Kriteria Dispatcher dan Receiver

Gambar 3.2 Peta Impact-digraph Subkriteria

3.2.2 Tabel 3.6 Pengelompokan Subkriteria Dispatcher dan Receiver

Treshhold value untuk kriteria pada penelitian ini adalah 0,39dan untuk subkriteria 0,57 sehingga tidak semua keterkaitan antar kriteria atau subkriteria yang ada pada matrik keterkaitan antar kriteria dan subkriteria secara total dapat dikonversikan pada peta impactdigraph. Berikut adalah peta impact-digraph yang merupakan dasar dalam pembuatan model ANP.

ANP (Analytical Network Process)

Model network ANP dibuat dengan software super decision dan bedasarkan peta impact–digraph. Berikut adalah tampilan model network ANP pada software super decision.

Gambar 3.3 Model Network ANP pada Software Super Decision

Setelah model network telah dibuat maka selanjutnya dapat ditentukan nilai pairwise comparison (perbandingan berpasangan) antar kriteria dan antar alternatif atribut sistem manajemen untuk setiap kategori. Nilai pairwise comparison tersebut didapatkan dengan menggunakan kuisioner. Nilai bobot prioritas tiap kategori yang didapatkan berdasarkan nilai pairwise comparison akan diperbandingkan untuk mendapatkan nilai bobot prioritas yang 5

akhir. Dari pengolahan data pada software Super decision.tersebut didapatkan nilai bobot prioritas alternatif pemilihan strategi penjualan optimal untuk masing-masing produk, antara lain : •

Jaket

Tabel 3.7 Nilai Bobot Prioritas Alternatif Pemilihan Strategi Penjualan Optimal untuk Produk Jaket

• Poloshirt Tabel 3.8 Nilai Bobot Prioritas Alternatif Pemilihan Strategi Penjualan Optimal untuk Produk Poloshirt

• Tas Tabel 3.9 Nilai Bobot Prioritas Alternatif Pemilihan Strategi Penjualan Optimal untuk Produk Tas

3.2.3

STEM (Step Method)

Step Method (STEM) yang dikembangkan oleh Benayoun, de Montgolfier, Tergny dan Laritchev menggunakan pendekatan interaktif (Tabucanon, 1988). Metode ini berisi eksplorasi solusi berderet yang dikendalikan pada beberapa tingkat oleh seorang pengambil keputusan yang menjawab pertanyaan yang diajukan melalui algoritma. Jadi, tiap iterasi disusun dari suatu tahap perhitungan dan suatu tahap pengambil keputusan. Sebelum siklus pertama, suatu payoff matrix dibuat (Gambar 2.7). Ketika obyektif tidak dapat dimaksimumkan pada satu titik, solusi ideal menjadi tidak layak/nonfeasible (dimana fungsi obyektif adalah seluruh “individual maximum” seperti yang ditunjukkan oleh diagonal dari matriks payoff). Pada tahap perhitungan, solusi layak (feasible solution) yang terdekat dengan solusi ideal dicari. Permasalahannya kemudian menjadi sebagai berikut : X1* X2* . . . Xh* . . . Xk* Z f 1 (X1*) f 1(X2*) . . . f 1(Xh*) . . . f 1 (Xk*) 1

Z f 2(X1*) f 1(X2*) . . . f 2(Xh*) . . . f 2 (Xk*) 2

• Sepatu Tabel 3.10 Nilai Bobot Prioritas Alternatif Pemilihan Strategi Penjualan Optimal untuk Produk Sepatu

Dan ujuga didapatkan bobot bobot kriteria terhadap keputusan alternatif untuk masing-masing produk. Bobot ini didapatkan dari bobot supermatrik yang merupakan hasil pengolahan data pada software Super decision. Tabel 3.11 Bobot Kriteria terhadap Keputusan

. . . . . . . . . . . . . . . . . . . . . 2* h* 1* Zl f l(X ) f l(X ) . . . f l (X ) . . . f l (Xk*) . . . . . . . . . . . . . . . . . . . . . h* 1* 2* Zk f k (X ) f k (X ) . . . f k (X ) . . . f k (Xk*) Gambar 3.4 Matriks Payoff dari STEM Sumber : Tabucanon (1988)

Xm adalah daerah layak pada siklus m dimana termasuk sekumpulan batasan origin ditambah bebetapa batasan yang ditambahkan dalam siklus (m-1) sebelumnya; sedangkan π l menunjukkan jarak kepentingan relatif menuju optimal. Hal ini dapat ditentukan melalui rumus berikut : Minimasi z = y Subject to : y ≥ [ f l (xl*) – f l (x)] π l , i = 1, ..., k (3) X € Xm y≥0 i = 1,2, ..., k

(4)

6

i = 1,2, ..., k

(5)

Pada tahap pengambilan keputusan, solusi yang diperoleh pada tahap perhitungan, xm, ditampilkan bagi pengambil keputusan yang membandingkan vektor obyektifnya fm (atau zm) dengan vektor idealnya f* (atau z*). Jika bebetapa obyektif memuaskan dan yang lain tidak, maka pengambil keputusan harus memberikan cukup kelonggaran terhadap suatu obyektif memuaskan untuk memenuhi suatu peningkatan dari obyektif yang tidak memuaskan pada siklus iterasi berikutnya. Jika Pengambil keputusan memberikan δ f sebagai jumlah dari kelonggaran yang dapat diterima acceptable relaxation), maka daerah layak xm+1 bagi siklus berikutnya didefinisikan oleh :

4.6.1

Formulasi Fungsi Tujuan Terdapat 3 kriteria yang menjadi fungsi tujuan pada penelitian ini, antara lain Maksimasi Performa Kompetitif Strategis Z1 =

PKS ij X ij

(10)

Z1 = PKS 11 X 11 + PKS 12 X 12 + PKS 13 X 13 + PKS 21 X 21 + PKS 22 X 22 + PKS 23 X 23 + PKS 31 X 31 + PKS 32 X 32 + PKS 33 X 33 + PKS 41 X 41 + PKS 42 X 42 + PKS 43 X 43 Z1 = 0, 1694X 11 + 0, 1497X 12 + 0, 2464X 13 + 0, 1253X 21 +0, 1106X 22 + 0,1894X 23 + 0, 2107X 31 + 0,2946X 32 + 0,1628X 33 + 0,0721X 41 + 0,0734X 42 + 0,0344X 43

x € Xm

(6)

f i (x) ≥ f i (xm) – δ f

(7)

dimana : PKS ij = besarnya bobot kriteria dari performansi kompetitif strategis pada produk ke-i dan alternatif ke-j

f j (x) ≥ f j (xm)

(8)

Maksimasi Performa Finansial

j≠i, j = 1,2,..., k

(9) Z2 =

Bobot x i ditetapkan nol (zero) dan tahap perhitungan dari siklus m+1 dimulai. Proses berhenti ketika semua nilai yang diperoleh bagi fungsi obyektif dapat diterima oleh pengambil keputusan (decision maker). Variabel Keputusan X ij didefinisikan sebagai produk ke-i yang dikerjakan melalui alternatif ke-j. Masing-masing indeks i dan j, didefinisikan sebagai berikut : i

j

= Produk yang merupakan penelitian, i = 1,2,3,4

objek

i = 1, Jaket i = 2, Poloshirt i = 3, Tas i = 4, Sepatu = Alternatif strategi penjualan, j= 1,2,3 j = 1, Online make-to-order (O-MTO) j = 2, Online make-to-stock (O-MTS) j = 3, Kombinasi online dan ritel maketo-stock (K-MTS)

PF ij X ij

(11)

Z2 = PF 11 X 11 + PF 12 X 12 + PF 13 X 13 + PF 21 X 21 + PF 22 X 22 + PF 23 X 23 + PF 31 X 31 + PF 32 X 32 + PF 33 X 33 + PF 41 X 41 + PF 42 X 42 + PF 43 X 43 Z2 = 0, 0891X 11 + 0, 0787X 12 + 0, 1296X 13 + 0, 1362X 21 + 0, 1202 X 22 + 0, 2059X 23 + 0,0683X 31 + 0,0956X 32 + 0,0528X 33 + 0,2245X 41 + 0,2283X 42 + 0,1071X 43 dimana : PF ij = besarnya bobot kriteria dari performansi Finansial pada produk ke-i dan alternatif ke-j Minimasi Risiko Z3 =

R ij X ij

(12)

Z3 = R 11 X 11 + R 12 X 12 + R 13 X 13 + R 21 X 21 + R 22 X 22 + R 23 X 23 + R 31 X 31 + R 32 X 32 + R 33 X 33 + R 41 X 41 + R 42 X 42 + R 43 X 43 Z 3 = -0, 0411X 11 - 0, 0363X 12 - 0, 0598X 13 - 0, 0331X 21 - 0, 0292X 22 - 0, 0501X 23 - 0,0363X 31 0,0508X 32 0,0281X 33 - 0,1043X 41 0,1061X 42 - 0,0498X 43

7

dimana : R ij = besarnya bobot kriteria dari Risiko pada produk ke-i dan alternatif ke-j Pembatas Alokasi Dana Pengadaan Produk Jaket D 1i X 1i ≤ H 1

(12)

D 11 X 11 + D 12 X 12 + D 13 X 13 ≤ H 1

D 41 X 41 + D 42 X 42 + D 43 X 43 ≤ H 4 2250000X 41 + 135000X 42 + 135000X 43 ≤ 11880000 dimana : D 4i = Besarnya biaya pengadaan produk-4 H 4 = Alokasi dana yang disiapkan untuk pengadaan produk sepatu Pembatas Biner untuk Tiap Produk

80000X 11 + 650000X 12 + 650000X 13 ≤ 18395000 X 11 +X 12 +X 13 =1 dimana : D 1i = Besarnya biaya pengadaan produk-1 H 1 = Alokasi dana yang disiapkan untuk pengadaan produk jaket Pembatas Alokasi Dana Pengadaan Produk Poloshirt D 2i X 2i ≤ H 2

(13)

D 21 X 21 + D 22 X 22 + D 23 X 23 ≤ H 2 600000X 21 + 42000X 22 + 42000X 23 ≤ 22176000

X 21 +X 22 +X 23 =1

(16)

X 31 +X 32 +X 33 =1 X 41 +X 42 +X 43 =1 X 11 ,X 12 ,X 13 ,X 21 ,X 22 ,X 23 ,X 31 ,X 32 ,X 33 ,X 41 ,X 42 ,X 43 = 0 atau 1 (Biner) Dari hasil pengolahan model tersebut dengan menggunakan software LINDO didapatkan matrik pay off sebagai berikut : Tabel 3.12 Matrik Pay Off Iterasi 1

dimana : D 2i = Besarnya biaya pengadaan produk-2 H 2 = Alokasi dana yang disiapkan untuk pengadaan produk poloshirt

Pembatas Alokasi Dana untuk Pengadaan Produk Tas D 3i X 3i ≤ H 3

Kemudian setelah itu dilakukan perhitungan fase perhitungan dengan menggunakan perumusan-perumusan yang ada pada fase perhitungan untuk mendapatkan nilai α dan π.

(14)

D 31 X 31 + D 32 X 32 + D 33 X 33 ≤ H 3 90000X 31 + 35000X 32 + 35000X 33 ≤ 7035000 dimana : D 3i = Besarnya biaya pengadaan produk-2 H 3 = Alokasi dana yang disiapkan untuk pengadaan produk tas

Pembatas Alokasi Dana Pengadaan Produk Sepatu D 4i X 4i ≤ H 4

(15)

Melalui pengolahan data diatas dengan menggunakan software WinQsb didapatkan solusi sebagai berikut : 8

X1 = (X 11 , X 12 , X 13 , X 21 , X 22 , X 23 , X 31 , X 32 , X 33 , X 41 , X 42 , X 43 )

Didapatkan nilai IRR sebesar 337 %, NPV sebesar Rp 531.992.169 dan payback periode terjadi pada bulan ke 10.

X1 = (1 , 0 , 0 , 0 , 0 , 1 , 1 , 0 , 0 , 0 , 0 , 1) Z1 = (0,6041 ; 0,4705 ; -0,1772) Dengan melihat hasil dari iterasi 1 menunjukan bahwa nilai dari f1 masih belum baik, oleh karena itu maka f1 akan coba ditingkatkan lagi. Dengan memberikan kelonggaran nilai f2 dan f3 berturut-turut sebesar 10%, kemudian dilakukan iterasi kedua. Iterasi 2 Pada iterasi 2 dengan diberikan kelonggaran berturut-turut 10%, 20%, 30%, 40%, 50%, 60% pada f3 karena f1dan f2 belum cukup memuaskan. Proses perumusan pada iterasi ini adalah : Tabel 4.25 Solusi Tiap Iterasi ada Tiap Variabel Keputusan

4. Kesimpulan Kesimpulan yang dapat diambil dari tugas akhir ini adalah : 1. Berdasarkan perhitungan uji kelayakan investasi yang diakukan dalam penelitian ini, dapat ditarik kesimpulan sebagai berikut : a. Untuk alternatif strategi online make-toorder. Didapatkan nilai IRR sebesar 175% NPV sebesar Rp 84.976.321 dan payback periode terjadi pada bulan ke 17. b. Untuk alternatif strategi online-make-tostock, didapatkan nilai IRR sebesar 237%, NPV sebesar Rp 213.471.928 dan payback periode terjadi pada bulan ke 12. c. Untuk strategi yang terbaik terkait dengan uji kelayakan investasinya adalah kombinasi online dan ritel make-to-stock.

2. Model pengambilan keputusan strategi penjualan O-MTO, O-MTS dan K-MTS dengan menggunakan metode ANP terdiri dari 2 level. Level 1 merupakan level kriteria yang terdiri dari 3 kriteria, yaitu memaksimalkan performa kompetitif strategis, memaksimalkan performa finansial dan minimasi risiko. Level 2 merupakan level subkrieria, dimana keseluruhan subkriteria tersebut adalah pemasaran, harga jual, delivery time, IRR, investasi, ketidaksiapan produksi dan ketersediaan bahan baku. Dan level 3 adalah level alternatif, terdiri atas strategi penjualan O-MTO, OMTS, dan K-MTS. 3. Berdasarkan pengolahan data dengan menggunakan metode DEMATEL untuk mendapatkan hubungan antar kriteria dan antar subkriteria didapatkan hubungan antar kriteria dan antar subkriteria. Model hubungan inilah yang nantinya menjadi inputan pada metode selanjutnya. a. Dari hasil pengolahan data menggunakan metode DEMATEL didapatkan hubungan atau keterkaitan atau pengaruh antar kriteria. Dari pengolahan tersebut dapat diketahui bahwa semua kriteria saling mempengaruhi, termasuk mempenggaruhi dirinya sendiri. Kecuali pada kriteria performa finansial yang tidak mempengaruhi dirinya sendiri b. Berdasarkan pengolahan data menggunakan metode DEMATEL untuk didapatkan hubungan atau saling keterkaitan antar subkriteria antaralain : • harga jual, memiliki pengaruh terhadap pemasaran, investasi, IRR dan delivery time. Dan dipengaruhi oleh semua subkriteria kecuali delvery time dan subkriteria itu sendiri. • Pemasaran, memiliki pengaruh dan dipengaruhi semua subkriteria yang ada termasuk subkriteria pemasaran itu sendiri • Delivery time hanya mempengaruhi subkrieria pemasaran, namun subkriteria ini dipengaruhi oleh semua subkriteria yang ada kecuali subkririteria deivery time itu sendiri. 9

• Investasi , memiliki pengaruh pada semua subkriteria yang ada termasuk subkriteria investasi itu sendiri.subkriteria ini juga dipengaruhi oleh semua subkriteria yang ada kecuali subkririteria deivery time • IRR, memiliki pengaruh pada semua subkriteria yang ada termasuk subkriteria investasi itu sendiri.subkriteria ini juga dipengaruhi oleh semua subkriteria yang ada kecuali subkririteria deivery time • Ketersediaan bahan baku, memiliki pengaruh pada semua subkriteria yang ada kecuali subkriteria ketidaksiapan produksi dan ketersediaan bahan baku itu sendiri. Dan subkriteria ini hanya dipengaruhi oleh subkriteria pemasaran dan investasi • Ketidaksiapan produksi, memiliki pengaruh pada semua subkriteria yang ada kecuali subkriteria ketersediaan bahan baku dan ketidaksiapan produksi itu sendiri Dan subkriteria ini hanya dipengaruhi oleh subkriteria pemasaran dan investasi 4. Berdasarkan pembobotan menggunakan ANP diperoleh solusi awal pengambilan keputusan dengan bobot terbesar sebagai prioritas. Hasilnya adalah sebagai berikut : a. Untuk produk jaket, alternatif yang terbaik berdasarkan bobotnya adalah alternatif K-MTS dengan nilai bobot 0,4357. b. Untuk produk poloshirt, alternatif yang terbaik berdasarkan bobotnya adalah alternatif K-MTS dengan nilai bobot 0,4453 c. untuk produk sepatu, alternatif yang terbaik berdasarkan bobotnya adalah alternatif O-MTS dengan nilai bobot 0,4077. d. untuk produk tas, alternatif yang terbaik berdasarkan bobotnya adalah alternatif O-MTS dengan nilai bobot 0,4409. 5. Pada perhitungan solusi memuaskan step method dilakukan melalui 2 iterasi. Melalui step method ini diperoleh solusi tunggal dalam pemilihan strategi penjualan produk clothing dengan hasil sebagai berikut :

a. Untuk produk jaket, strategi penjualan yang digunakan adalah O-MTO b. Untuk produk poloshirt, strategi penjualan yang digunakan adalah KMTS c. untuk produk tas, strategi penjualan yang digunakan adalah O-MTS d. untuk produk sepatu, strategi penjualan yang digunakan adalah O-MTS 6. Analisa sensitivitas pada koefisien fungsi tujuan dilakukan melalui melalui perubahan pada fungsi obyektif dari formulasi tiap kriteria. Dengan besar kenaikan 1%, penurunan 1%, kenaikan 10% dan penurunan 10% pada fungsi tujuan diperoleh hasil sebagai berikut : a. Hasil output untuk formulasi dengan kriteria maksimasi performa kompetitif strategis dapat diketahui bahwa perubahan nilai koefisien fungsi tujuan tidak berpengaruh terhadap solusi ideal dari variabel keputusan b. Hasil output untuk formulasi dengan kriteria maksimasi performa finansial dapat diketahui bahwa perubahan nilai koefisien fungsi tujuan tidak berpengaruh terhadap solusi ideal dari variabel keputusan c. Hasil output untuk formulasi dengan kriteria minimasi risiko dapat diketahui bahwa perubahan nilai koefisien fungsi tujuan tidak berpengaruh terhadap solusi ideal dari variabel keputusan 7. Analisa sensitivitas pada koefisien ilai ruas kanan dilakukan melalui melalui perubahan pada fungsi obyektif dari formulasi tiap kriteria. Dengan besar kenaikan 1%, penurunan 1%, kenaikan 10% dan penurunan 10% pada fungsi tujuan diperoleh hasil sebagai berikut : d. Hasil output untuk formulasi dengan kriteria maksimasi performa kompetitif strategis dapat diketahui bahwa perubahan nilai koefisien nilai ruas kanan tidak berpengaruh terhadap solusi ideal dari variabel keputusan e. Hasil output untuk formulasi dengan kriteria maksimasi performa finansial dapat diketahui bahwa perubahan nilai koefisien nilai ruas kanan tidak

10

berpengaruh terhadap solusi ideal dari variabel keputusan f. Hasil output untuk formulasi dengan kriteria minimasi risiko dapat diketahui bahwa perubahan nilai koefisien nilai ruas kanan tidak berpengaruh terhadap solusi ideal dari variabel keputusan 5. Saran Saran yang dapat diajukan bagi pelaksanaan penelitian selanjutnya antara lain : 1. Penelitian ini dapat dilanjutkan dengan ruang lingkup yang lebih besar sampai pada level produksi. 2. Penelitian dengan ruang lingkup sampai level produuksi sebaiknya mempersiapkan objek-objek pengamatan yang bisa memberikan data-data secara detail. 6. Daftar Pustaka Avlonitis George J., Karayanni A. Despina, 2000. The Impact of Internet Use on Business-to-Business Marketing Examples from American and European Companies Athens : Elseveir Badan Pusat Statistik Provinsi Jawa Timur. 2009. Surabaya dalam angka. Surabaya Badan Pusat Statistik Provinsi Jawa Timur. 2006. Direktori Perusahaan Perdagangan Eceran. Surabaya Detiknet, 2010. Transaksi Online di Indonesia Tembus Rp 35 Triliun. Jakarta Diakses pada 29 september 2010. Gaspersz, V., 1998. Production Planing and Inventory Control. Jakarta: Gramedia Pustaka Utama Gould, J., Golob, T.F., 2002. Consumer ecommerce, virtual accessibility, and sustainable transport. In: Black, W.R., Nijkamp, P. (Eds.), Social Change and Sustainable Transport, Indiana University Press, Indiana, USA, pp. 279–285. Hamzah, M., I., 2009. Penetapan Pola Sistem Pengembangan dan Pembinaan Manajemen untuk UKM dengan

Pendekatan Model MCDM Hybrid DEMATEL dan ANP. Surabaya Handayani, S., 2010. PENENTUAN LOKASI CABANG BARU LABORATORIUM KLINIK X DENGAN MENGGUNAKAN METODE ANALYTIC NETWORK PROCESS(ANP) DAN KELAYAKAN INVESTASI. Surabaya Keeney, R.L., 1999. The value of Internet commerce to the customer. Management Science 45 (4), 533–542. Kotler, P., 2005. Ten Deadly Marketing Sins. Jakarta: Erlangga Marlyana, N., 2002. PENERAPAN MODEL MULTI KRITERIA-METODE AHP (ANALYTIC HIERAARCHY PROCESS) & STEM (STEP METHOD) DALAM PENGAMBILAN KEPUTUSAN “MEMBUAT” ATAU “MEMBELI’ DI PT BOMA BISMA INDRA SURABAYA. Surabaya Pujawan, I.N. 2003. Ekonomi Surabaya: Guna Widya

Teknik.

Saaty, T. L., 1994. Fundamentals of Decision Making and Priority Theory with The Analytic Hierarchy Process. Pittsburg: RWS Publications. Saaty, T. L., 2005. Theory and Applications of The Analytic Network Process. Pittsburg: RWS Publications. Sudarsih, E., Nasution, A. H., Soehardjoepri, Supomo, H., Baskoro,F., Soetoyo. 2009. Technopreneurship. Surabaya: ITS Press Tabucanon , M. T., 1988. Multiple Criteria Decision Making in Industri. Bangkok: Elseveir Science Publisher Tzeng, G. H., Chiang, C. H., & Li, C. W. (2007). Evaluating intertwined effects in elearning programs: A novel hybrid MCDM model based on factor analysis and DEMATEL. Expert Systems with Applications, 32(4), 1028– 1044.

11