Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
PEMILIHAN PEMASOK DAN ALOKASI PEMESANAN BAHAN BAKU PRODUKSI MENGGUNAKAN METODE ANALYTIC NETWORK PROCESS DAN GOAL PROGRAMMING. STUDI KASUS DI CV. SUMBER CAHAYA HIDUP Fandy Hartono,1)dan Suparno2) 1)Program Studi Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Jl. Cokroaminoto 12A, Surabaya, 60264, Indonesia e-mail:
[email protected] 2) Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember Kampus ITS Sukolilo Surabaya, 60111, Indonesia ABSTRAK Metode Analytic Network Process (ANP) dan Goal Programming dikembangkan untuk digunakan dalam memilih pemasok yang akan digunakan oleh perusahaan dan menentukan besar alokasi order ke masing-masing pemasok yang terpilih. Langkah pertama yang dilakukan adalah menentukan kriteria-kriteria pemilihan pemasok. Kriteria-kriteria tersebut kemudian akan dikelompokan ke dalam 4 subnetwork BOCR (Benefit, Opportunity, Cost, dan Risk). Setelah itu akan dihitung nilai bobot dari masing-masing pemasok terhadap kriteria yang telah ditentukan. Langkah berikutnya adalah menghitung besar alokasi pemesanan terhadap masing-masing pemasok yang ada. Dari hasil penelitian didapatkan P6, P16, P23, dan P27 sebagai pemasok terbaik untuk tiap jenis bahan baku yang ada. Kata kunci: Pemilihan pemasok, Alokasi pemesanan, Analytic Network Process (ANP), Goal Programming
PENDAHULUAN Perusahaan memerlukan beberapa pemasok yang berbeda yang dapat dijadikan sebagai mitra kerja dalam memenuhi kebutuhan bahan baku produksinya. Terdapat beberapa kriteria penting yang harus diperhatikan dalam menentukan pemasok bahan baku dari suatu perusahaan. Hal ini dikarenakan keberlangsungan produksi yang dilakukan oleh perusahaan sangat tergantung dari kriteria pemasok bahan bakunya. CV. Sumber Cahaya Hidup memiliki lebih dari 30 pemasok untuk empat jenis bahan baku yang diproduksinya. Jumlah kriteria yang harus diperhatikan untuk memilih pemasok bahan baku dari CV. Sumber Cahaya Hidup adalah sebanyak 12 kriteria. Pemilihan kriteria ini mengambil referensi dari kriteria pemilihan pemasok menurut Dickson (1966) dan kriteria pemilihan pemasok menurut Amin dan Zhang (2012) ditambah dengan beberapa kriteria yang dianggap penting oleh perusahaan. Masalah yang dihadapi oleh perusahaan adalah menentukan besar alokasi pemesanan ke tiap-tiap pemasok yang ada untuk mencapai beberapa tujuan yang diinginkan oleh perusahaan. Model permasalahan yang telah dijelaskan di atas termasuk dalam permasalahan MCDM. Multi criteria decision making (MCDM) adalah suatu permasalahan yang memiliki lebih dari 1 (satu) kriteria untuk menentukan penyelesaian akhirnya. Dalam MCDM terdapat beberapa faktor objektif yang akan menjadi pertimbangan dalam menentukan keputusan akhir. Menurut Daellenbachdan McNickle (2005) terdapat beberapa hal yang harus diperhatikan di dalam MCDM. Salah satunya adalah pengertian baru dari solusi optimal. Solusi optimal dalam MCDM tidak dapat berupa maksimum atau minimum dari sesuatu hal. Suatu solusi ISBN : 978-602-97491-6-8 A-12-1
Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
yang diambil dalam MCDM dapat memenuhi syarat bagi sebagian faktor objektif, tetapi juga dapat mengurangi nilai bagi sebagian faktor objektif lainnya. Untuk mendapatkan solusi optimal, maka harus diperhitungkan faktor objektif mana yang paling dibuuhkan dalama mengambil keputusan. Sehingga solusi optimal dalam MCDM dapat juga disebut sebagai solusi yang paling diutamakan. Selain itu dalam mengukur nilai suatu faktor objektif dalam MCDM diperlukan adanya suatu nilai ukur yang disebut dengan score yang berisi skala penilaian dari masing-masing faktor objektif yang ada. Menurut Ayag, et.al. (2009), ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah multi-criteria decision making (MCDM) antara lain analytic hierarchy process (AHP), analytic network process (ANP), strategy alligned fuzzy simple multi-attribute rating technique (SMART), dan grey relational analysis (GRA). Analytic Network Process (ANP) adalah salah satu metode untuk menyelesaikan permasalahan MultiCriteria Decision Making (MCDM) yang dalam proses pengambilan keputusannya memperhatikan interaksi antara tiap element kriteria yang terdapat di dalamnya. Metode ANP mengelompokkan kriteria-kriteria dan alternatif pilihan yang ada ke dalam beberapa cluster yang saling mempengaruhi antara satu cluster dengan cluster lainnya, ataupun saling mempengaruhi antara element dalam cluster yang sama. Dermitas dan Ustun (2006) menggunakan ANP dengan cara mengelompokkan element kriteria-kriteria yang ada ke dalam BOCR subnetwork untuk mempermudah melakukan pembobotan kriteria. Masingmasing dari BOCR subnetwork diberikan nilai bobot tersendiri sesuai dengan ketentuan dari perusahaan. Goal Programming adalah suatu metode untuk memecahkan masalah program linier yang menghendaki sasaran-sasaran tertentu tercapai secara simultan. Model ini mampu menyelesaikan kasus-kasus pemrograman linier yang memiliki lebih dari satu sasaran yang hendak dicapai. Model goal programming merupakan perluasan dari model pemrograman linier, sehingga seluruh asumsi, notasi, formulasi model matematis, prosedur perumusan model dan penyelesaiannya tidak berbeda. Perbedaannya terletak pada terdapat sepasang variabel deviasional yang akan muncul di fungsi tujuan dan di fungsi-fungsi kendala (Siswanto, 2006). Bustanul Arifin Noer (2010) mengatakan goal programming banyak digunakan pada kondisi ketika sangat diinginkan minimasi simpangan dari tujuan/sasaran (goal) yang diharapkan. Linear goal programming adalah pemrograman linier yang memiliki satu atau lebih goal/sasaran yang memenuhi syarat linieritas. Minimasi simpangan (atas atau bawah, kiri atau kanan) dimaksudkan agar sasaran yang diinginkan memang dapat tercapai. Tujuan dari diadakannya penelitian ini adalah untuk menentukan kriteria-kriteria yang digunakan oleh CV. Sumber Cahaya Hidup dan mengelompokkannya ke dalam BOCR subnetwork sehingga dapat memberikan peringkat dari pemasok yang ada berdasarkan kriteria yang telah ditentukan. Tujuan lainnya adalah untuk menentukan besar alokasi pemesanan bahan baku ke masing-masing pemasok yang ada sesuai dengan peringkat dari pemasok yang telah dihitung dan beberapa ketentuan yang harus dipenuhi berdasarkan kebutuhan perusahaan. METODE Pada penelitian ini, bahan baku yang akan dibahas ada empat jenis yaitu sodium bicarbonate, sorbitol, tepung maizena, dan dextros. Hal ini disebabkan karena keempat bahan baku tersebut memiliki lebih dari satu pemasok. Penelitian ini dimulai dengan cara mengidentifikasi permasalahan yang ada dan menentukan kebutuhan data yang diperlukan untuk memecahkan masalah tersebut. Langkah kedua adalah mengumpulkan data dari perusahaan yang akan dijadikan target studi. Data yang dikumpulkan adalah data primer dan ISBN : 978-602-97491-6-8 A-12-2
Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
data sekunder. Data primer meliputi pemilihan kriteria pemasok dan kuisioner pembobotan berpasangan dari pemasok untuk mengetahui nilai pemasok berdasarkan kriteria-kriteria yang telah ditentukan sebelumnya. Data sekunder yang dikumpulkan adalah data mengenai jenis bahan baku yang digunakan dan pemasok yang menjualnya, jumlah kebutuhan bahan baku untuk produksi, harga bahan baku dari tiap-tiap pemasok, dan persentase defect dari tiap pemasok. Kriteria yang akan digunakan dalam penelitian ini didapatkan dengan cara berdiskusi dengan pemilik perusahaan selaku bagian yang bertanggung jawab terhadap pembelian bahan baku produksi. Acuan yang digunakan dalam menentukan kriteria adalah Dickson’s Vendor Selection Criteria (Weber, et.al.,1991) dan Amin dan Zhang (2012) sebagai referensi yang telah disesuaikan dengan kondisi dan kebutuhan perusahaan saat ini. Dari hasil diskusi didapatkan 12 kriteria yang akan digunakan antara lain kualitas, delivery, perubahan pesanan, responsiveness, garansi, harga, pengalaman pemasok, reputasi dan posisi pemasok, kesan pemasok, kondisi finansial pemasok, manajemen perusahaan pemasok, dan tingkah laku pemasok. Selanjutnya kriteria yang telah didapatkan akan dikelompokkan ke dalam empat BOCR subnetwork untuk mempermudah melakukan pembobotan kriteria. Di dalam BOCR subnetwork, 12 kriteria tersebut akan dibagi lagi menjadi 5 cluster berdasarkan sifat dari masing-masing kriteria. Langkah berikutnya adalah mencari hubungan antar tiap-tiap kriteria dalam masing-masing BOCR subnetwork. Jika seluruh hal tersebut telah dilakukan, maka dapat dilakukan proses pembuatan network ANP berdasarkan pengelompokkan kriteria tersebut. Hasil model network ANP dari pengelompokkan dan penentuan hubungan kriteria dapat dilihat pada Gambar 1.
Gambar 1. Model Network ANP dalam BOCR Subnetwork
Nilai bobot dari masing-masing BOCR Subnetwork dalam kasus ini dianggap sama. Perhitungan bobot kriteria dari tiap alternatif pemasok yang ada dilakukan berdasarkan hasil kuisioner yang diisi oleh bagian yang bertanggung jawab terhadap pembelian bahan baku dalam CV. Sumber Cahaya Hidup. Sebelum digunakan untuk menghitung bobot kriteria, setiap kuisioner perbandingan berpasangan yang telah diisi harus diuji nilai inkonsistensinya agar tidak melebihi 0,1. Jika keadaan tersebut telah terpenuhi, baru dapat dilakukan penentuan bobot dan peringkat alternatif pemasok untuk pembelian tiap jenis bahan baku perusahaan. Model perhitungan bobot dan peringkat alternatif pemasok untuk tiap jenis bahan baku adalah sama, yang berbeda adalah jumlah pemasok dan nilai kuisioner kriteria dari masing-masing pemasok tiap jenis bahan baku yang ada. Setelah hasil penentuan bobot dan peringkat alternatif pemasok didapatkan, akan dilakukan perhitungan jumlah pembelian ke masing-masing alternatif pemasok yang ada menggunakan metode goal programming. Metode goal programming digunakan karena hasil akhir yang hendak dicapai oleh perusahaan berjumlah lebih dari satu. Sehingga untuk ISBN : 978-602-97491-6-8 A-12-3
Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
mengatasi konflikting yang mungkin terjadi di antara tujuan perusahaan, maka digunakanlah metode ini. Pada goal programming yang akan dibuat terdapat 3 (tiga) tujuan yang diharapkan oleh perusahaan, yaitu: Pada penelitian ini terdapat 3 (tiga) goal yang diharapkan, yaitu: 1. Meminimalkan biaya pembelian, yaitu meminimalkan total harga pembelian bahan baku dari sejumlah pemasok i dengan harga penawaran produk C. Meminimalkan Z1 = ∑ . + 1− 1= …(1) Dengan: Z1 = total harga pembelian Ci = harga bahan baku dari pemasok i n1 = deviasi negatif ke-1 p1 = deviasi positif ke-1 B = dana pembelian bahan baku yang disediakan per bulan 2. Meminimalkan jumlah bahan baku cacat, yaitu meminimalkan jumlah bahan baku cacat yang diperoleh dari pemasok i. Meminimalkan Z2 = ∑ . + 2− 2= . …(2) Dengan: Z2 = persentase bahan baku cacat dari pemasok qi = rata-rata produk cacat dari pemasok i n2 = deviasi negatif ke-2 p2 = deviasi positif ke-2 Q = nilai rata-rata bahan baku cacat yang dapat diterima perusahaan D = permintaan (demand) bahan baku per bulan
3. Memaksimalkan jumlah bahan baku yang dapat dibeli dari pemasok dengan bobot tertinggi, yaitu memaksimalkan bobot pembelian bahan baku dari masing-masing pemasok. Memaksimalkan Z3 = ∑ . + 3− 3= …(3) Dengan: Z3 = jumlah bahan baku yang dibeli dari pemasok Wi = bobot pemasok i yang didapat dari ANP Vi = kapasitas pembelian produk bahan baku pada pemasok i n3 = deviasi negatif ke-3 p3 = deviasi positif ke-3 S = batas atas jumlah bahan baku yang dapat dibeli per bulan Sedangkan tujuan akhir dari goal programming adalah meminimasi deviasi yang ada dari masing-masing fungsi tujuan. Konstrain yang digunakan dalam perhitungan alokasi pemesanan ke masing-masing pemasok adalah: Konstrain kapasitas pemasok, yaitu jumlah kapasitas pembelian bahan baku yang dapat dipenuhi oleh pemasok. Xi ≤ Vi …(4) untuk i = 1, 2, …, m Dengan: Vi = kapasitas pembelian bahan baku pada pemasok i
ISBN : 978-602-97491-6-8 A-12-4
Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
Konstrain minimal pemesanan untuk masing-masing pemasok untuk tiap periode pemesanan. Xi ≥ mpi …(5) untuk i = 1, 2, …, m Dengan: mpi = jumlah minimal pemesanan pada pemasok i Konstrain demand, yaitu jumlah pesanan yang dilakukan dapat memenuhi kebutuhan bahan baku perusahaan. ∑ ≥ …(6) untuk i = 1, 2, …, m Dengan: D = total demand per bulan Konstrain Non-negativity Xi ≥ 0, untuk i = 1, 2, …, m Model di atas hanya digunakan untuk periode 1 bulan dikarenakan rata-rata kebutuhan bahan baku perusahaan tiap bulan adalah sama. HASIL DAN PEMBAHASAN Dari hasil perhitungan bobot dan peringkat alternatif pemasok bahan baku perusahaan, didapatkan peringkat pemasok dengan bobot seperti ditunjukkan pada Gambar 2.
Gambar 2. Grafik Prioritas Alternatif Pemasok
Terlihat bahwa untuk bahan baku sodium bicarbonate, P6 adalah pemasok dengan bobot tertinggi yaitu 20%, untuk bahan baku sorbitol, P16 adalah pemasok dengan bobot tertinggi yaitu 20%, untuk bahan baku tepung maizena, P23 adalah pemasok dengan bobot tertinggi yaitu 29%, dan untuk bahan baku dextros, P27 adalah pemasok dengan bobot tertinggi yaitu 22%. Dengan demikian pemasok P6, P16, P23, P27 merupakan pemasok yang mendapatkan prioritas terbesar dan harus didahulukan dalam proses pemilihan pemasok. Dari hasil perhitungan dengan goal programming, didapatkan jumlah alokasi pemesanan bahan baku ke masing-masing alternatif pemasok untuk setiap bulannya seperti ditunjukkan pada Tabel 1. di bawah ini.
ISBN : 978-602-97491-6-8 A-12-5
Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
Tabel 1. Alokasi Pembelian Ke Masing-masing Pemasok Sodium Bicarbonate Jumlah Pemasok Pembelian
Sorbitol Jumlah Pemasok Pembelian
Tepung Maizena Jumlah Pemasok Pembelian
Dextros Jumlah Pemasok Pembelian
P1
20 sak
P11
3 drum
P18
20 sak
P25
20 sak
P2
20 sak
P12
3 drum
P19
20 sak
P26
20 sak
P3
20 sak
P13
3 drum
P20
20 sak
P27
2029 sak
P4
20 sak
P14
3 drum
P21
20 sak
P28
20 sak
P5
20 sak
P15
3 drum
P22
20 sak
P29
20 sak
P6
1733 sak
P16
22 drum
P23
1219 sak
P30
20 sak
P7
20 sak
P17
3 drum
P24
20 sak
P31
20 sak
P8
20 sak
P32
20 sak
P9
20 sak
P10
20 sak
Dari Tabel 1. Terlihat bahwa jumlah pemesanan bahan baku terbanyak terdapat pada pemasok P6 untuk sodium bicarbonate, pemasok P16 untuk sorbitol, pemasok P23 untuk tepung maizena, dan pemasok P27 untuk dextros. Hal ini sesuai dengan hasil pembobotan alternatif pemasok yang ada, dimana pemasok yang memiliki nilai bobot terbesar mendapatkan alokasi pemesanan terbesar dari perusahaan. Jumlah pemesanan sebesar 20 sak atau 3 drum untuk pemasok lain merupakan kebijakan dari perusahaan untuk tetap menjaga hubungan baik antara perusahaan dengan pemasok yang ada. KESIMPULAN DAN SARAN Kesimpulan: Terdapat 12 kriteria yang dikelompokkan ke dalam BOCR subnetwork digunakan untuk memilih pemasok bahan baku antara lain: kualitas, delivery, perubahan pesanan, responsiveness, garansi, harga, pengalaman, reputasi dan posisi, kesan, kondisi finansial, manajemen perusahaan, dan tingkah laku. Hasil perhitungan untuk sodium bicarbonat keluar P6 sebagai pemasok terbaik dengan jumlah pesanan 1733 sak, untuk sorbitol keluar P16 sebagai pemasok terbaik dengan jumlah pesanan 22 drum, untuk tepung maizena keluar P23 sebagai pemasok terbaik dengan jumlah pesanan 1219 sak, dan untuk dextros keluar P27 sebagai pemasok terbaik dengan jumlah pesanan 2029 sak. Saran: Bagi perusahaan hendaknya memberikan prioritas kepada masing-masing BOCR subnetwork agar proses penentuan peringkat pemasok menjadi lebih objektif dan akurat. Bagi penelitian selanjutnya adalah sebaiknya melakukan analisa sensitivitas pada pemilihan alternatif pemasok serta menambahkan kriteria-kriteria yang strategis pada masing-masing BOCR subnetwork. DAFTAR PUSTAKA Abdullah Agus Salim Chamid (2007), Pemilihan supplier Batubara dan optimasi Alokasi Supply di PLTU paito unit 7 dan 8, Tesis Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Surabaya. ISBN : 978-602-97491-6-8 A-12-6
Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
Amin, S.H., Zhang, G. (2012) ‘An integrated model for closed-loop supply chain configuration and supplier selection: Multi-objective approach’. Expert Systems with Applications, 39, pp. 6782-6791. Bustanul Arifin Noer (2010), Belajar Mudah Riset Operasional, Penerbit ANDI, Yogyakarta. Chandra Priyandika (2011), Pengambilan Keputusan Multikriteria dalam Pemilihan Vendor Alat Pelindung Diri (APD) dengan Pendekatan Risk Management dan Analytic Network Process (ANP) (Studi kasus : PT. ALSTOM POWER ESI), Tesis Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Surabaya. Daellenbach, H.G., McNickle, D.C. (2005), Management Science Decision Making Through Systems Thinking, University of Cantenbury, Christchurch, New Zealand. Dimas Ismunandar (2010), Optimasi Perencanaan Produksi Produk Petroleum dan Chemical Dengan Metode Goal Programming, Tesis Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Surabaya. Demirtas, E.A., Ustun, O. (2009) ‘Analytic network process and multi-period goal programming integration in purchasing decisions’. Computers & Industrial Engineering, 56, pp. 677-690. Goicoechea, A., Hansen, D.R.., Duckstein, L. (1982), Multiobjective Decision Analysis with Engineering and Bussines Application, John Wiley&sons. I Nyoman Pujawan, Mahendrawathi ER (2010), Supply Chain Manajement, Edisi Kedua, Institut Teknologi Sepuluh Nopember Surabaya, Guna Widya, Surabaya. Novian Rolandy Sutanto (2012), Pemilihan Pemasok dan Pengalokasian Order dengan Menggunakan Metoda Fuzzy-Analytic Network Process dan Goal Programming (Studi kasus di PT. SA), Tesis Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Surabaya. Philipose, Susy (1986), Operation Research: A Practical Approach, Mc Graw Hill. Saaty, T.L. (2005), Theory and Applications of the Analytic Network Process Decision Making with Benefits, Opportunities, Costs, and Risks, University of Pittsburgh, Mervis Hall, Pittsburgh. Siswanto (2006), Operations Research, Jilid 1, Erlangga, Jakarta. Vinodh, S., Ramiya, R.A., Gautham, S.G. (2011) ‘Application of fuzzy analytic network process for supplier selection in a manufacturing organisation’. Expert Systems with Applications, 38, pp. 272-280. Weber, C.A., Current, J.R., dan Benton, W.C., (1991), Vendor Selection Criteria Methods, European Journal of Operational Research, North Holland, 50, pp. 2-18.
ISBN : 978-602-97491-6-8 A-12-7