INTEGRASI METODE ANALYTIC HIERARCHY PROCESS (AHP) DAN MODEL FUZZY MULTI OBJECTIVE UNTUK OPTIMASI PEMILIHAN PEMASOK MULTI SUPPLIER DAN ALOKASI PEMBELIAN (STUDI KASUS: PERUM BULOG SUB DIVRE WILAYAH I SURABAYA UTARA)
Dosen: Dr.Ir. Udisubakti Ciptomulyono,M.Eng.Sc.
YUYUN ADHI PRAWOTO
9108.201.304
LATAR BELAKANG BERAS dan KETAHANAN PANGAN • Pangan merupakan kebutuhan dasar utama bagi manusia yang harus dipenuhi setiap saat. Hak untuk memperoleh pangan merupakan salah satu hak asasi manusia, sebagaimana tersebut dalam pasal 27 UUD 1945 maupun dalam Deklarasi Roma (1996). Pertimbangan tersebut mendasari terbitnya UU No. 7/1996 tentang Pangan. • BULOG -> Sesuai dengan fungsinya adalah penjamin ketahanan pangan dengan cara menyiapkan stock. • BULOG -> berperan menekan lonjakan harga kebutuhan pokok pada tingkat konsumen
LATAR BELAKANG Pengoptimalan Sumber Daya
Supplier
Supplier
Kualitas produk, Harga, Kapasitas, waktu pengiriman dan Layanan yang diberikan
Efisiensi Supplier dan Optimasi Pesanan BULOG
Analytic Hierarchy Process (AHP)
Penilaian Efisiensi, faktor-faktor dan kriteria supplier
Fuzzy Multi Objective Model
Supplier Efisien dan menentukan jumlah pesanan optimal, sehingga biaya simpan, biaya pesan dan biaya beli jadi minimum serta dapat menjalin relasi tetap baik dengan supplier
LATAR BELAKANG PENYELESAIAN MASALAH Tujuan yang ingin dicapai dengan menggunakan 1. Fuzzy multi-objective model dan Analytic Hierarchy Process (AHP) adalah minimasi cost, minimasi ketidaksesuaian bahan baku, minimasi keterlambatan bahan baku dan maksimasi jumlah pembelian dari supplier yang ada. 1. Diharapkan dengan adanya fuzzy multi-objective model dan Analytic Hierarchy Process (AHP), perusahaan dapat secara efektif memilih supplier yang tepat dan menentukan jumlah pesanan optimal, sehingga biaya yang dikeluarkan perusahaan terkait dengan biaya simpan, biaya pesan dan biaya beli menjadi minimum, serta dapat menjaga relasi tetap baik dengan supplier.
TUJUAN PENELITIAN Memilih pemilihan supplier dan penentuan jumlah optimum pengadaan pada supplier yang terpilih dengan Pembobotan Analytic Hierarchy Process (AHP) dan Fuzzy Multi Objective Linier Programming Model.
Menentukan seberapa besar pengaruh tingkat kepentingan kriteria penilaian supplier dan performansi supplier terhadap pengambil keputusan pemilihan supplier dan penentuan jumlah kuantitas optimum pemesanan pada supplier yang telah terpilih.
MANFAAT MANFAAT PENELITIAN 1. Penilitian ini dapat membantu untuk meminimumkan total biaya yang dikeluarkan dalam proses pengadaan bahan baku beras. 2. Penelitian ini dapat menentukan jumlah optimum untuk pengadaan. 3. Penelitian ini memberikan solusi dalam perencaaan persediaan bahan baku dan pemilihan supplier yang tepat sehingga perusahaan tidak akan mengalami perubahan jadwal pengiriman karena kekurangan stock maupun stock tidak ada. 4. Penelitian ini juga memberikan masukan bagaimana menjalin hubungan dengan supplier dan kriteria-kriteria apa saja yang harus diperhatikan.
BATASAN & ASUMSI BATASAN •
Dalam penelitian ini model yang dirancang digunakan untuk memilih supplier yang sudah berhubungan dengan BULOG JATIM (Sub Divre Surabaya Utara) dan pada supplier untuk beras dengan kualitas bagus dan lokal.
•
Dalam penelitian ini batasan masalah menggunakan fungsi Traingular Fuzzy Number.
ASUMSI 1. Penelitian ini hanya dilaksanakan pada PERUM BULOG SUB DIVRE Wilayah I Surabaya Utara, Kompleks Pergudangan Banjar Kemantren I, II dan III. 2. Kebijakan dan manajemen perusahaan yang berkaitan dengan sistem pengadaan tidak mengalami perubahan.
TINJAUAN PUSTAKA CRITICAL REVIEW Penelitian
Metode
Kumar dkk (2004)
Fuzzy Goal Programming
Cabi dan Bay Raktar (2003)
Analytic Hierarchy Process (AHP) dan Lexicographic Goal Programming (LGP)
Barla (2003)
Matematika berbasiskan Multi Attribute
Yousef dkk (1996)
Multi Attribute, Cost Based dan Deterministic
Min (1994)
Multi Attribute Utility Technique (MAUT)
AHP
Metode ini mencoba menguraikan permasalahan kompleks ke dalam suatu hirarki yang terstruktur sehingga dapat lebih mudah dipahami. Dalam hal mencari dan memilih pemasok yang potensial tersebut, harus ditentukan oleh orang-orang yang berkepentingan dalam pengambilan keputusan tersebut.
Fuzzy Multi-Objective Model
Memilih supplier yang paling potensial dengan mempertimbangkan faktor ketidakpastian dan resiko seperti harga yang ditawarkan oleh supplier, persentase penolakan barang, serta persentase keterlambatan pengiriman barang dalam bentuk possibility fuzzy mutiobjective programming.
TINJAUAN PUSTAKA TEKNOLOGI PENGOLAHAN BERAS Padi Kering Panen 105 %
3% :Kotoran (merang, butir muda, batu, pasir, debu) Pengeringan & Penyimpanan 102 %
2%:Susut Simpan Padi 100 % Husker
17%:Sekam
Beras PK 83 %
Miller Beras Putih 72.00%
11%:Dedak (9.99%), Beras Rusak (0.76%), Beras Berwarna (0.25%)
TINJAUAN PUSTAKA PRODUKTIVITAS BERAS 1. Jawa Timur berhasil meningkatkan produksi padi di atas lima persen. 2. Berdasarkan Badan Pusat Statistik, → Produksi padi Jatim meningkat sebesar 0,78 juta ton (7,49%) dibanding produksi padi tahun 2008. 3. Berdasar data, pada tahun 2009, kontribusi Jatim terhadap kebutuhan nasional seperti padi mencapai 17,48%. STANDART KUALITAS BERAS Sesuai Inpres syarat gabah yang bisa diterima Bulog adalah Gabah Kering Giling (GKG): 1. Dengan standar kadar air maksimal 14 %, 2. kadar hampa/kotoran maksimal 3%, 3. Beras yang ditolak oleh Bulog tersebut karena tidak memenuhi standar ditetapkan Bulog, salah satunya karena kuning, rusak, patah (broken), menir, serta memiliki kadar air tinggi. 4. Sedangkan untuk kadar air beras maksimal 14 persen.
TINJAUAN PUSTAKA ALUR PENGADAAN
Ket:
UPGB (Unit Pengolahan Gabah dan Beras) SATGAS (Satuan Petugas)
TINJAUAN PUSTAKA CADANGAN BERAS BULOG Jumlah awal CBP yang dimiliki adalah 350 ribu ton beras. Stok tersebut secara fisik menyatu dengan stok operasional BULOG sehingga memudahkan dalam penggunaannya dan tersedia setiap saat. Berita tentang bencana banjir, gempa dan lain-lain sering terdengar baik dalam skala kecil maupun besar. Jumlah cadangan beras ideal yang harus dimiliki adalah sekitar 750 ribu – 1,25 juta ton. Alasan harus ada cadangan beras: 1. Kemungkinan adanya keterlambatan pengiriman bahan baku dari supplier. 2. Adanya peningkatan demand yang tidak terduga. 3. Proses produksi yang terhambat. 4. Mencegah lost sales.
TINJAUAN PUSTAKA MITRA KERJA BULOG Tujuan dari terjalinnya kemitraan antar para stakeholder adalah agar tidak terjadi ketimpangan antara perumus kebijakan, dalam hal ini pemerintah pusat dan pemerintah daerah, dengan para pelaku kebijakan di lapangan, mulai dari masyarakat, petani, lembaga desa serta pihak swasta. Parameter: 1. Kebijakan-kebijakan yang dirumuskan oleh pemerintah baik pusat maupun daerah mendukung para stakeholder lain agar bisa menggiatkan dan memajukan pertanian di suatu daerah. 2. Tersalurkannya para penyuluh-penyuluh pertanian dari instansi-instansi pendidikan 3. Program CSR (Corporate Social Responsibility) yang bertujuan untuk pembangunan pertanian bisa dilakukan secara berkesinambungan 4. Adanya dukungan masyarakat untuk melaksanakan program-program yang dianjurkan serta pelaksanaan dari saran-saran yang diajukan
TINJAUAN PUSTAKA ANALYTIC HIERARCHY PROCESS (AHP) Konsep Dasar Metode Analytic Hierarchy Process (AHP): 1. Sebagai metoda pengambilan keputusan Multikriteria (MDCM) 2. Dikembangkan dari teori pengukuran dengan kriteria keputusan kompleks serta “intangible” 3. Memperhatikan proses pengembangan langkah dan dialektika manusia saat menyelesaikan suatu problem 4. Mengakomodasi faktor logika, pengalaman, emosi, intuisi dan subjektifitas secara sistimatis Menyusun Hirarki: • Hierarki disusun dalam struktur/fungsi tertentu • Hierarki sebagai kumpulan elemen yang disusun dalam tingkat yang homogen • Ultimate goal ditempatkan pada level yang paling tinggi sampai ke tingkat yang rendah: • Goal, kriteria, alternatif • Goal, kriteria, sub kriteria, alternatif • Goal, aktor,kriteria, level intensitas keputusan
TINJAUAN PUSTAKA FUZZY MULTI OBJECTIVE LINEAR MODEL Min
Z1 , Z 2 ,..., Z k
s
Max Z k 1 , Z k 2 ,..., Z p
t
x X d , X d x / g ( x) br , r 1,2,...m
Fungsi Tujuan: Z1 = Minimum biaya pembelian n
m
t
m
n
n
t
n
t
Z 1 Pisj X isj Bp sj Fsj BS ij Invij 10 BS ij Back ij i 1 s 1 j 1
s 1 j 1
i 1 j 1
i 1 j 1
Z2 = Minimum ketidaksesuaian produk n
m
t
Z 2 Qisj X isj i 1 s 1 j 1
Z3 = Minimum keterlambatan produk n
m
t
Z 3 Lisj X isj i 1 s 1 j 1
Z4 = Maximum pembelian pada supplier dengan nilai tertinggi (Weighted Order) n
m
t
Z 4 WAHPs X isj i 1 s 1 j 1
TINJAUAN PUSTAKA FUZZY MULTI OBJECTIVE LINEAR MODEL Variable Keputusan: X isj Unit yang dipesan untuk produk i dari supplier s pada periode j
Batasan-batasan dalam Fuzzy Multi-Objective Linear 1. X isj Cisj Untuk: 2.
X isj
(1-Qisj)
3.
X isj
(1-isj)
4.
X isj 2000 Fsj
5.
25 xK isj X isj
Dij
Dij
i = 1, 2
s = 1, 2, 3, …, m
j = 1, 2, 3, …, t
Binner untuk Fsj € (0,1) untuk integer Kisj
X isj , K isj , Fsj , Dij , Lisj , Qis , C isj 0
6. X isj M Fisj 7. Inv ij 1 Back ij 1 X isj Dij Inv ij Back ij
METODOLOGI PENELITIAN Penentuan Variable Fuzzy Supplier Selection Model
Pengumpulan Data
Analisis Sensitivitas
Analisis Model Validasi Model
HASIL & PEMBAHASAN PENENTUAN KRITERIA SUPPLIER
HASIL & PEMBAHASAN PERBANDINGAN BERPASANGAN KRITERIA •
Compare the relative with respect to: Goal bobot kriteria
Kualitas Kualitas
Ketepatan Pengiriman Kesesuaian Produk Kondisi Keuangan
Priorities with respect to: Goal bobot kriteria
Kualitas
,369
Kondisi Keuangan
,126
Harga Beras
Ketepatan Pengiriman
Kemudahan Transaksi
Incontency = 0,09 with 0 missing judgment
Beras
6,18
Harga Beras
Kesesuaian Produk
Harga
Ketepatan
Pengiriman
4,67
1,3
Kesesuaian Produk
1,24
1,3 1,3
Kondisi
Keuangan
1,14 1,49
1,3 1,3
Kemudahan Transaksi
3,03
1,3
1,49
1,3 1,3
,134 ,132 ,124 ,116
< 0,1
(Konsisten)
Matriks AHP digunakan sebagai input software expert choice sehingga didapatkan nilai bobot masing–masing indikator dan dapat diketahui prioritas indikator.
HASIL & PEMBAHASAN FUZZY MULTI-OBJECTIVE (1) Objective Total Biaya (Rp) Unit Cacat Unit Terlambat Weighted
Total Biaya 24.902.703.725 134.189 392.089 169.921
Unit Cacat 30.500.620.000 171.068,9 624.893,3 203.471,2
Multi Obyektif → Single Obyektif
Unit Terlambat 24.425.180.400 144.524,3 369.032,8 168.816,7
Weighted 84.095.480.000 443.083,7 1.416.834 490.765,6
1. Fungsi Tujuan minimasi total biaya pembelian Z 1 ( x)
2. Fungsi Tujuan minimasi total unitcacat
Rp84.095.480.000 Z 1 Rp84.095.480.000 Rp 24.902.703.725
3. Fungsi Tujuan minimasi unit keterlambatan
Z 2 ( x)
443.083,7 Z 2 443.083,7 134.189
4. Fungsi Tujuan maksimasi jumlah pesanan 1
Z 3 ( x)
Nilai Z j dan Z j
z 4 ( x)
1.416.834 Z 3 1.416.834 369.032,8
Z 4 ( x)
0
168.816,7
490.765,6
Z 4 168.816,7 490.756,6 168.816,7
HASIL & PEMBAHASAN FUZZY MULTI-OBJECTIVE (2) Compare the relative with respect to: Goal bobot kriteria Total Biaya
Total Biaya Unit Cacat Unit Terlambat Weighted Supplier
Unit Cacat 2,0
Unit Terlambat 2,0 1,5
Bobot Fungsi Tujuan
Weighted Supplier 3,0 2,0 1,5
•
Priorities with respect to: Goal bobot kriteria
Total Biaya Unit Cacat Unit Terlambat Weighted Supplier
,425 ,253 ,191 ,131
Matriks AHP digunakan sebagai input software expert choice sehingga didapatkan nilai bobot masing–masing indikator dan dapat diketahui prioritas indikator.
Incontency = 0,01 with 0 missing judgment
• Bobot Fungsi Tujuan Pairwise Comparison Fungsi Tujuan Minimasi Total Biaya Minimasi Unit Cacat Minimasi Unit Terlambat Maksimasi Jumlah Pengadaan pada Supplier
Bobot (%) 0,425 0,253 0,191 0,131
•1 = 1 •2 = 1 •3 = 1 •4 = 0,02332
HASIL & PEMBAHASAN VALIDASI MODEL Total Cost = Biaya Beli + Biaya Pesan + Biaya Simpan Total Cost Medium Premium TOTAL
Fungsi Tujuan Unit Tidak Sesuai Unit Terlambat Weighted Order
Bulog 224.620 410.184 160.730
Model 134.189 369.032 490.765
% 40.26 10.03 67.24
Bulog 2.992.468.893 454.375.775 3.446.844.668
Model 2.987.362.113 453.389.089 3.440.751.202
% 0.171 0.217 0.177
HASIL & PEMBAHASAN ANALISIS SENSITIVITAS BERAS 3%
Fungsi Tujuan TC Medium TC Premium Unit Tidak Sesuai Unit Terlambat Weighted Order
Bulog (Rp) Rp 2.992.468.893 Rp 454.375.775 224.620 410.184 160.730
Model Rp 3.081.792.113 Rp 480.743.264 151.983 416.554 490.765
% 2,89 5,48 -32,33 1,52 67,24
HASIL & PEMBAHASAN ANALISIS SENSITIVITAS BERAS 6%
Fungsi Tujuan TC Medium TC Premium Unit Tidak Sesuai Unit Terlambat Weighted Order
Bulog (Rp) Rp 2.992.468.893 Rp 454.375.775 224.620 410.184 160.730
Model Rp 3.084.734.863 Rp 487.597.489 135.346 369.037 490.765
Selisih Rp 92.265.970 Rp 33.221.714 -89.273 -41.146 330.034
% 2,99 6,81 - 39,74 - 10,03 67,24
HASIL & PEMBAHASAN ANALISIS SENSITIVITAS BERAS 10% Fungsi Tujuan TC Medium TC Premium Unit Tidak Sesuai Unit Terlambat Weighted Order
Bulog (Rp) Rp 2.992.468.893 Rp 454.375.775 224.620 410.184 160.730
Model Rp 3.095.267.863 Rp 486.888.739 144.228 410.233 490.765
Selisih Rp 102.798.970 Rp 32.512.964 -80.392 49,5 330.034
% 3,32 6,67 -35,79 0,01 67,24
HASIL & PEMBAHASAN ANALISIS SENSITIVITAS TOTAL COST 3%, 6% dan 10% Asumsi: 3%, 6% dan 10% tidak melebbihi kenaikan beras di Indonesia
HASIL & PEMBAHASAN GRAFIK TOTAL COST 3%, 6% dan 10% 1. Peningkatan demand sebesar 3% akan mengakibatkan pertambahan total relevant cost yang cukup signifikan. Perubahan total relevant cost yang ada sebesar 5,48% untuk jenis premium dan 2,89% untuk jenis medium, 2. Untuk peningkatan demand sebesar 6% akan mengakibatkan pertambahan total relevant cost yang cukup signifikan. Perubahan total relevant cost yang ada sebesar 6,81% untuk jenis premium dan 2,99% untuk jenis medium, 3. Dan untuk peningkatan demand sebesar 10% akan mengakibatkan pertambahan total relevant cost yang cukup signifikan. Perubahan total relevant cost yang ada sebesar 6,67% untuk jenis premium dan 3,32% untuk jenis medium.
KESIMPULAN & SARAN KESIMPULAN 1. Hasil perhitungan bobot yang menggunakan AHP pairwise comparison diperoleh bobot masing-masing kriteria yaitu, kriteria kualitas (36,9%), kriteria kesesuaian produk (13,4%), kriteria harga bahan baku (13,2%), kriteria kondisi keuangan (12,6%), kriteria ketepatan pengiriman (12,4%), kriteria kemudahan transaksi (11,6%). 2. Peningkatan harga dan demand sebesar 3% membawa pengaruh yang besar terhadap total biaya. Perubahan harga dan demand dalam kasus ini dapat dikatakan sensitif karena penambahan 3% demand mengakibatkan total biaya bertambah 5,48% dari total biaya awal 3. Peningkatan harga dan demand sebesar 6% membawa pengaruh yang besar terhadap total biaya. Perubahan harga dan demand dalam kasus ini dapat dikatakan sensitif karena penambahan 6% demand mengakibatkan total biaya bertambah 6.81% dari total biaya awal
KESIMPULAN & SARAN SARAN 1. Menyadari sepenuhnya akan posisi petani beras dalam industri pangan yang demikian penting. 2. Disarankan pada penelitian selanjutnya dilakukan penelitian mengenai perbaikan supplier pada faktor penyebab tidak efisien 3. Saran yang dapat diberikan untuk penelitian selanjutnya adalah mengembangkan model permasalahan pemilihan supplier dengan mempertimbangkan faktor-faktor resiko dan ketidakpastian lainnya yang perlu untuk dipertimbangkan.
LINGO 8.0 PROGRAM MODEL OPTMASI DENGAN SOFTWARE MODEL : TITLE Pemilihan Supplier & Optimasi Pemesanan SETS : ! I = JENIS, S = SUPPLIER, J = PERIODE; SUPPLIER/1 . . 34/ : Biaya_Pesan; JENIS / 1 . . 2/ : ; PERIODE / 1 . . 6/ : ; ! OBJ / 1 . . 4/ : Weight, Lamda ; IJ (JENIS, PERIODE) : Demand, Biaya_Simpan, Backorder, Inventory; IS (JENIS, SUPPLIER) : Ketidaksesuaian_Produk, Keterlambatan Pengiriman, Nilai_Suppier; SJ (SUPPLIER, PERIODE) : Frekuensi_Pesan; ISJ (JENIS, SUPPLIER, PERIODE) : Kapasitas, Order, Harga, K; ENDSETS
LINGO 8.0 PROGRAM MODEL OPTMASI DENGAN SOFTWARE DATA : ! IMPORT DATA DARI EXCEL & EXPORT DATA KE EXCEL; Biaya_Pesan, Demand, Ketidaksesuaian_Produk, Keterlambatan_Pengiriman, Nilai_Supplier, Kapasitas, Harga, Biaya_Simpan= @OLE (‘C: \Document and Settings\Yuyun\My Document\Final’, ‘Biaya_Pesan’, ‘Demand’, ‘Ketidaksesuaian_Produk’, ‘Keterlambatan_Pengiriman’, ‘Nilai_Supplier’, ‘Kapasitas’, ‘Harga’, ‘Biaya_Simpan’ ) ; @OLE (‘C: \Document and Settings\Yuyun\My Document\Final ‘, ’order’, ’K’, ‘Frekuensi_pesan’, ‘Backorder’, ‘Inventory’ ) = Order, K, Frekuensi_Pesan, Backorder, Inventory; ENDDATA M=1000000 ;
LINGO 8.0 PROGRAM MODEL OPTMASI DENGAN SOFTWARE FUNGSI OBYEKTIF ; Min = Total Biaya ; Total Biaya = @SUM ( ISJ (I, S, J) : Harga (I,S,J) * Order (I,S,J) ) + @SUM (SJ (S, J) : Biaya_Pesan (S) *Frekuensi_pesan (S, J) + @SUM (IJ (I, J) : Biaya_simpan (I, J) * Inventory (I, J) + 10 * Biaya Simpan (I, J) * Backorder (I, J) ) ; !Min = UnitCacat ; UnitCacat = @SUM (ISJ (I, S, J) : Ketidaksesuaian_Produk (I, S) *Order (I, S, J) ) ; !Min = UnitTerlambat ; UnitTerlambat = @SUM (ISJ (I, S, J) : Keterlambatan_Pengiriman (I, S) *Order (I, S, J) ) ; !Max = WeightedOrder ; WeightedOrder = @SUM (ISJ (I, S, J) : Nilai_Supllier (I, S) *Order (I, S, J) ) ; !Max = totallamda ; !totallamda = @SUM (OBJ (O) : Weight (O) *Lamda (O) ) ;
LINGO 8.0 PROGRAM MODEL OPTMASI DENGAN SOFTWARE KONSTRAIN; !Lamda (1) <= ( 7951778000 - @SUM (ISJ (I, S, J) : Harga (I, S, J) *Order (I, S, J) ) + @SUM (SJ (S, J) : Biaya_Pesan (S) *Frekuensi_pesan (S,J) ) + @SUM (IJ (I, J) : Biaya_simpan (I, J) *Inventory (I, J) + 10 *Biaya_simpan (I, J) *Backorder (I, J) ) ) / 50553000000 ; !Lamda (2) <= (417631 - @SUM (ISJ (I, S, J) : Ketidaksesuaian_Produk (I, S) *Order (I, S, J) ) ) / 287024 ; !Lamda (3) <= (1307996 - @SUM (ISJ (I, S, J) : Keterlambatan_Pengiriman (I, S) *Order (I, S, J) ) ) / 890381 ; !Lamda (4) <= (@SUM (ISJ (I, S, J) : Nilai_Supplier (I, S) *Order (I, S, J) ) - 179819 ) / 281058 ; @FOR (ISJ (I, S, J) : ORDER (I, S, J) <= Kapasitas (I, S, J) ) ; @FOR (SJ (S, J) : @SUM (Jenis (I) : Order (I, S, J) ) <= M*Frekuensi_pesan (S, J) ) ;
LINGO 8.0 PROGRAM MODEL OPTMASI DENGAN SOFTWARE @FOR (IJ (I, J) J#GT#1 : Inventory (I, J-1) - Backorder (I, J1) + @SUM (Supplier (S) : Order (I, S, J) ) - Demand (I, J) = Inventory (I, J) Backorder (I, J) ) ; @FOR (IJ (I, J) : @SUM (Supplier (S) : Order (I, S, J) * (1 – Ketidaksesuaian_Produk (I, S) ) ) >= Demand (I, J) ) ; @FOR (IJ (I, J) : @SUM (Supplier (S) : Order (I, S, J) * (1 – Keterlambatan_Pengiriman (I, S) ) ) >= Demand (I, J) ) ; @FOR (ISJ (I, S, J) : Order (I, S, J) >= 2000*Frekuensi_pesan (S, J) ) ; @FOR (ISJ (I, S, J) : 25*K (I, S, J) = Order (I, S, J) ) ; @FOR (SJ (S, J) : @BIN (Frekuensi_Pesan) ) ; @FOR (ISJ (I, S, J) : @GIN (K) ) ; !TotalBiaya <= 29765190000 ; !UnitCacat <= 144228 ; !. UnitTerlambat <= 410233 ; !@FOR (OBJ (O) : lamda (O) <=1) ; END
DAFTAR PUSTAKA Amid, S.H. Godsypour, C.O’Brien, 2005 “Fuzzy Multi-Objective Linear Model for Supplier Selection in a Supply Chain”, International Journal Production Economics 104, 394-407. Ciptomulyono, U., and Dou, Herry., 2000, Model Fuzzy Goal Programming Untuk Penentapan Pembobotan Prioritas dalam Metode Analytic Hierarchy Process (AHP), Majalah IPTEK, 11, 19-29. Kumar, Manoj, Vrat, Prem., Shankar, R., 2003, A Fuzzy Goal Programming Approach for Vendor Selection Problem in a Supply Chain, Computers and Industrial Engineering, 46, 69-85. Leenders, Johnson, Flynn and Fearon, 2006, Purchasing and Supply Management, 13rd edition, McGraw Hill. Makridakis, Spyros, Wheelwright, Steven C. and Mcgee, Victor E., 1999, Metode dan Aplikasi Peramalan, edisi kedua jilid 1, terjemahan, Penerbit Erlangga, Jakarta.
DAFTAR PUSTAKA Monczka, Robert, Trent and Handfield, 2002, “Purchasing and Supply Chain Management”, South Western: United States of America. Youssef, Mohamed A., Zairi, Mohammad., Mohanty, Birdu., 1996, Supplier Selection in an Advanced Manufacturing Technology Environment. An Optimization, Benchmarking for Quality Management and Technology, 3, 60-72. Zimmermann, H.J., 1993. “Fuzzy Set Theory and its Applications”. 4th edition. Kluwer Academic Publisher, Boston, USA. Zimmermann, H.J., 2000. Fuzzy set Theory and its Application, 3rd edition, kluwer Academic Publisher, Boston, USA.
Terima Kasih…….
