merancang pengukuran kinerja rantai pasok dengan

MERANCANG PENGUKURAN KINERJA RANTAI PASOK
DENGAN MENGGUNAKAN METODE SCOR DAN FUZZY AHP
Dedi Purwanto
Mahasiswa Sarjana S1 Teknik Industri UPI Y.A.I Jakarta
NIM : 0844290043
Email : [email protected]
AL Ikbal Arbi
Kepala Lab dan Studio Teknik Industri UPI Y.A.I Jakarta
Email : [email protected]
ABSTRAK
Penyampaian produk yang dilakukan oleh PT. Sinar Sosro selama ini berdasarkan
permintaan terbesar yang diutamakan tanpa memperhatikan faktor- faktor manajemen rantai pasok
sehingga produk menjadi sering kosong di kantor penjualan.Untuk menghindari terjadinya
penyampaian produk kurang tepat perlu dilakukan penelitian dengan menggunakan metode SCOR,
dapat diketahui faktor-faktor yang diperlukan untuk manajemen rantai pasok seperti perencanaan,
pengadaan, produksi, pengiriman dan pengembalian yang akan dijadikan alat ukur membuat
kuesioner. fuzzy AHP digunakan dalam menentukan kriteria terpenting.penelitian di PT. Sinar Sosro
menunjukkan bahwa dkriteria perencanan memiliki bobot terbesar (0,561 ) dibandingkan kriteria
lainnya .Sedangkan pada level tujuan kinerja meningkatkan kualitas produk(0,397) menjadi faktor
yang sangat penting, level atribut kinerja supply chain reliability (0,387) yang menjadi faktor paling
penting serta level alternatif metrik pengukuran kinerja pemenuhan pesanan sempurna (0,187)
menjadi faktor yang paling penting
Kata kunci : Rancangan Kinerja SCOR dan Fuzzy AHP
Delivery of the product conducted by PT. Sinar Sosro been preferred by the greatest demand
without taking heed of supply chain management so that the product becomes vacant in the office often
penjualan.Untuk avoid incorrect product delivery needs to be done by using the method of SCOR
research, can know the factors required for the management such as supply chain planning,
procurement, production, delivery and returns that will be used as measurement tools to make a
questionnaire. fuzzy AHP is used in determining the criteria terpenting.penelitian in PT. Sosro rays
showed that dkriteria planning to have the greatest weight (0.561) than other criteria. While the level
of performance goals to improve the quality of the product (0.397) becomes a very important factor,
the level of supply chain performance attributes of reliability (0.387) is the most important factor as
well as the level of alternative metric measurement of the performance of perfect order fulfillment
(0.187) becomes the most important factor
Key words: SCOR Performance Plan and Fuzzy AHP
1 2 mengkategorikan proses-proses yang
Pendahuluan
Jika dilihat secara lebih mendalam, inti
dari
persaingan
perusahaan-perusahaan
sekarang ini terletak pada bagaimana sebuah
perusahaan mampu menciptakan produk
yang lebih murah, lebih berkualitas, dan
lebih cepat dibandingkan dengan pesaing
bisnisnya. Hal tersebut memaksa perusahaan
untuk
meningkatkan
kinerja
bisnisnya.
Kesadaran akan pentingnya peran semua
pihak dalam menciptakan produk yang
murah, berkualitas, dan cepat inilah yang
kemudian melahirkan konsep baru yaitu
Manajemen
Kinerja
Rantai
Pasokan
( Supply Chain Management )
Sistem pengukuran kinerja diperlukan
untuk
melakukan
monitoring
dan
pengendalian, mengkomunikasikan tujuan
organisasi ke fungsi-fungsi pada rantai
pasok, mengetahui dimana posisi suatu
membangun metrik-metrik pengukuran
yang diperlukan dalam pengukuran
kinerja rantai pasok. Dengan demikian
akan
didapat
pengukuran
yang
terintegrasi antara supplier, internal
perusahaan dan konsumen
( Supply
Chain Council, 2006).
Suatu pendekatan fuzzy AHP
ditujukan
untuk
menyusum
ketidakpastian dan kekaburan yang
dihubungkan dengan penilaian dari
penentuan bobot masing-masing metrik
pengukuran
kinerja,
sebab
perbandingan berpasangan crisp dalam
AHP konvensional tidak cukup dan
tidak tepat untuk menangkap tingkat
derajat
petingnya
pengambilan
keputusan dalam mengevaluasi metrik
pengkuran kinerja.
organisasi relatif terhadap pesaing maupun
tujuan yang hendak dicapai dan menentukan
arah
perbaikan
untuk
menciptakan
keunggulan dalam bersaing.Salah satu model
Metodologi
Model SCOR
pengukuran kinerja rantai pasok adalah
SCOR ( Supply Chain Operation Reference )
yang dikembangkan oleh sebuah lembaga
profesional yaitu Supply Chain
Council
(SCC). SCOR merupakan suatu cara untuk
mengkomunikasikan sebuah kerangka yang
menjelaskan mengenai rantai pasok secara
mendetail,
mendefinikan
dan
SCOR
(
Supply
Chain
Operation Reference) adalah suatu
model
referensi
dikembangkan
Pasokan
oleh
sebagai
proses
dewan
alat
yang
Rantai
diagnosa
manajemen Rantai Pasok. SCOR dapat
digunakan untuk mengukur kinerja
3 rantai pasok., meningkatkan kinerjanya dan
berpasangan tentang proses pemilihan
merupakan alat manajemen yang mencakup
untuk
mulai
ketidakjelasan. Angka fuzzy adalah
dari
pemasoknya
hingga
kekonsumennya.
menangkap
fuzzy khusus yang di set = F ={(x,µf
Dalam SCOR proses-proses rantai
pasokan tersebut didefinisikan kedlam 5
proses yang terintegrasi yaitu Perencanaan (
Plan ), Pengadaan (source), Produksi (make),
Distribusi
tujuan
(Deliver)
dan
Pengembalian
(Return). Metrik - metrik penilaian dalam
(x)), x € R}, dimana x nilai digaris
yang rill, R : - ~ < x < + ~ dan µf (x)
adalah suatu memetakan lanjutan dari
R pada interval tertutup [0,1]. Suatu
triangular fuzzy number dinyatakn
sebagai M = (l,m,u), dimana l ≤ m ≤ u.
SCOR dinyatakan dalam beberapa level
Triangular fuzzy number, ~1 -
tingkatan meliputi level 1, level 2, dan level
~9 digunakan untuk meningkatkan
3. Dengan demikian, selain proses rantai
rencana skala konvensional 9 poin.
pasokan yang dimodelkan kedalam bentuk
Untuk tujuan impresisi dari penilaian
hierarki proses, maka metrik penilaiannya
manusia
pun
pertimbangan,
dinyatakan
dalam
bentuk
hierarki
yang
kualitatif
5
kedalam
triangular
fuzzy
penilaian. Banyaknya metrik dan tingkatan
number digambarkan sesuai dengan
metrik yang digunakan disesuaikan dengan
fungsi keanggotaan seperti tabel 01.
jenis dan banyaknya proses, serta tingkatan
proses rantai pasokanm yang diterapkan
didalam
perusahaan
yang
bersangkutan
(SSC, Supply Chain Council, 2006)
Analisa fuzzy synthetic extent
Analisa synthetic extent dipakai
untuk memperoleh perluasan suatu
objek dalam memenuhi tujuan yang
Fuzzy AHP
disebut satified extent. Jika C = { C1,
Suatu skala yang sering digunakan
C2, C3,....,Cn} merupakan sekumpulan
dalam AHP adalah titik-sembilan skla (Saaty
kriteria sebanyak n dan A = { A1, A2,
1989, Tabel 1) yang menunjukkan penilaian
A3,....,Am}
peserta atau pilihan diantara alternatif pilihan
atribut keputusan sebanyak m, maka
seperti sama penting, sedikit lebih penting,
Mci1, Mci2, Mcim adalah nilai extent
jelas lebih penting, sangat jelas lebih penting,
analysis pada i- kriteria dan m- atribut
dan mutlak lebih penting. Dalam penelitian
keputusan dimana i = 1, 2,.....n dan
ini, triangular fuzzy number, ~1 - ~9,
untuk Mcij ( j = 1,2,....m ) merupakan
digunakan untuk menunjukkan perbandingan
bilangan triangular fuzzy.
merupakan
sekumpulan
4 Langkah – langkah model extent analysis,
=(
,
,
)
yaitu :
1.
[
M
Untuk memperoleh
M
j
j
gi
gi
]
-1
2. perbandingan tingkat kemungkinan
antara bilangan fuzzy
Pertimbangan
maka
perbandingan
dilakukan operasi penjumlahan nilai fuzzy
extent analysis (m) untuk metrik sebagian,
dimana digunakan operasi penjumlahan pada
tiap-tiap bilangan triangular fuzzy dalam
setiap baris seperti berikut :
untuk
perkiraan
sekumpulan nilai bobot pada masingmasing kriteria. Sebagai contoh adalah
2 bilangan fuzzy M1 dan M2 dengan
tingkat kemungkinan ( M1 ≥ M2 ) dapat
V (M1 ≥ M2) =
[min ( µm1 (x), µm2 (y))]
(
Dimana sup adalah supremum (batas
Sedangkan untuk nilai
[
himpunan yang paling kecil), jika
j
M
gi
]
dapat
dijabarkan dengan rumus berikut yang
operasi
penjumlahan
untuk
keseluruhan bilangan triangular fuzzy dalam
metrik keputusan (n x m), perumusannya
adalah :
[
M
j
pasangan (x,y) dimana x ≥ y dan µm1
(x) = µm2 (y) =1 maka V (M1 ≥ M2) =
0. Apabila M1(l1, m1, u1) dan M2 (l2,
m2, u2) merupakan bilangan fuzzy
convex
dapat
diperoleh
=(
ketentuan
berikut :
V (M1 ≥ M2) = 1 iff m1 ≥ m2
gi
]
V (M1 ≥ M2) = hgt ( M1
M jgi )
Dan untuk menghitung invers dari persamaan
tersebut, yaitu :
[
prinsip
didefiisikan sebagai berikut :
M jg i=
merupakan
ini
dari
M2 ) =
µm1(xd)
Dimana iff menyatakan “jika dan hanya
jika “ dan d merupakan ordinat titik
perpotongan tertinggi antara µm1
M jgi ]-1
dan
µm2. Titik dimana ordinat d berada
adalah Xd dan hgt merupakan bilangan
fuzzy perpotongan M1 dan M2. Tinglat
5 kemungkinan untuk bilangan fuzzy fuzzy
beberapa
konveks dapat diperoleh dengan persamaan
logaritmic least square. Normalisasi
berikut :
terdiri dari 2 cra yaitu pembagian dan
V (M1 ≥ M2) = 1 , jika M2 ≥ M1
untuk kondisi lain
metode
geometris.
Normalisasi
fuzzy convex M lebih baik dibandingkan
sejumlah k bilangan fuzzy convex m1 =
metode
pembagian
menggunakan operasi penjumlahan dan
pembagian.
3. Tingkat kemungkinan untuk bilangan
seperti
Sedangkan
normalisasi
geometris memakai konsep rata-rata
geometris. Dari kedua cara tersebut
yang lebih mudah, tepat dan banyak
digunkan
adalah
normalisasi
( i = 1, 2, ....k ) dapat ditentukan dengan
pembagian. Jika vektor bobot tersebut
menggunakan
diatas normalisasi, maka definisi vektor
operasi
max
dan
min
( Dubois and Prade, 1980 ) dan dirumuskan :
bobot berikut:
V (M ≥ M1, M2,....... Mk) =
V = (d1(A1), d1(A2),.... d1(An))T
V[ (M ≥ M1) dan (M ≥ M2), ..... (M ≥ Mk)]
Perumusan normalisasi adalah:
= min V ( M ≥ Mi)
D (An) =
Dengan I = 1,2,3,.......k
Normalisasi bobot ini dilakukan
1
Jika diasumsikan bahwa d ( A1) =
agar nilai dalam vektor diperbolehkan
min V ( Si ≥ Sk )untuk k=1,2,...n ; k≠i maka
menjadi analog bobot yang ditetapkan
vektor bobot didefinisikan :
dari metode AHP dan terdiri dari
W1 = (d1(A1),d1(A2),....d1(An))T
bilangan yang bukan fuzzy.
Penelitian
Dimana : Ai ( i = 1,2,.....,n) adalah n
elemen dan
d1 (Ai) adalah nilai yang
menggambarkan
pilihan
relatif
masing-
masing atribut keputusan.
Normalisasi
Normalisasi vektor bobot penting
meliputi
metode
SCOR dan fuzzy AHP meliputi analisis
faktor yang mempengaruhi Supply
Chain
Management.
faktor
ini
Pada
meliputi
analisis
perencanaan,
pengadaan, produksi, pengiriman dan
pengembalian
dimana
faktor
ini
dilakukan tidak hanya untuk memudahkan
merupakan 5 proses dasar bisnis.
interprestasi tapi juga untuk solusi unik
Perencanaan
menyeimbangkan
adalah
permintaan
proses
dan
6 pasokan untuk menentukan tindakan terbaik
to stock, make to order, dan engineer
dalam memenuhi kebutuhan pengadaan,
to order.
produksi dan pengiriman. Pengadaan adalah
proses pengadaan barang atau jasa untuk
memenuhi
permintaan.
Produksi
adalah
proses untuk mentransformasikan bahan
baku/komponen
diinginkan
menjadi
oleh
produk
pelanggan.
yang
Pengiriman
adalah kegiatan mengirimkan produk jadi
ketangan
konsumen.
Dan
Pengembalian
SCOR
Level
3
=
Mengidentifikasi kinerja rantai pasok
yang berlaku perusahaan dan menilai
inefisiensi diperusahaan sehingga dapat
diambil strategi yang tepat untuk
meningkatkan kinerja rantai pasok
diperusahaan.
adalah proses pengembalian atau menerima
Melalui metode SCOR dapat
pengembalian produk karena berbagai alasan.
diketahui faktor faktor mempengaruhi
Terdapat 3 level dalam model SCOR yang
rantai pasok yang akan dijadikan
dapat
sebagai
digunakan
untuk
mengukur
dan
SCOR Level 1= Mengidentifikasi
proses bisnis yang terjadi dalam manajemen
pasok
di
perusahaan
kemudian
diidentifikasi tentang kompetisi dasar yang
ingin dicapai dengan menganalisa ruang
lingkup
rantai
performanya
pasok
dan
diukur
bagaimana
dengan
mengkarakteristikan kinerja berdasarkan 2
perspektif. Perspektif pertama adalah dari sisi
customer ( external ) dan perspektif kedua
adalah
berdasarkan
sisi
kuesioner
yang
bertujuan untuk meneentukan tingkat
meningkatkan performa rantai pasok.
rantai
bahan
perusahaan
( internal ) yang akan dilakukan dengan
menggunakan SCORcards.
kepentingan kriteria utama, subkriteria
dan
alternatif
perbandingan
metode
serta
pembobotan
berpasangan
fuzzy
AHP
melalui
berdasarkan
hierarki penentuan produk. Kemudain
diuji
validitas
kuesioner
tersebut
dengan tujuan untuk menunjukkan
sejauh mana suatu alat ukur mampu
mampu mengukur apa yang ingin
diukur kemudian diukur reliabilitas
kuesioner tersebut dengan tujuan untuk
mengetahui sejauh mana pengukuran
tetap
konsisten
pengukuran
dua
apabila
kali
dilakukan
atau
lebih
SCOR Level 2 = Mengidentifikasikan
terhadap gejala yang sama dengan
konfigurasi dari perencanaan dalam aliran
menggunakan alat ukur yang sama
material dari perencanaaan dalam aliran
pula. Dari kuesiner tersebut dibuat data
material menggunakan kategori seperti make
perbandingan berpasangan triangular
fuzzy kemudian hitung nilai fuzzy
7 synthetic extent untuk tiap kriteria utamanya
kemungkinan untuk bilangan fuzzy
konveks
kemudian
menghitung
niai
normalisasi vektor bobot. Bobot akhir yang
paling besar merupakan kriteria terpenting
dari kriteria lain.
Kesimpulan
Berdasarkan tujuan penelitian
yang
penulis
uraikan
pada
bab
pendahuluan dan penyelesaian masalah
yang telah dilakukan pada pengolahan
data, maka dapat ditarik kesimpulan
yaitu ;
Berdasarkan analisis pengukuran
kinerja SCM dengan menggunakan
Pembahasan
model SCOR, teridentifikasi beberapa
Hasil penyelesaian masalah yang
peneliti
lakukan
terhadap
merancang
inefisiensi yang terjadi baik pada aliran
material maupun aliran informasi dan
pengukuran kinerja rantai pasok dengan
kerja.
menggunakan metode SCOR dan fuzzzy
manajemen distribusi masih lemah,
AHP antara lain SCORcards perusahaan serta
manajemen
peran pentingnya kriteria dalam struktur
adanya produk yang non standar dan
hierarki dalam mengambil keputusan
proses distribusi yang tidak optimal.
Berdasarkan
pengamatan
jalannya
proses pendistribusian produk ke kantor
penjualan
wilayah
berdasarkan
(
KPW
permintaan
)
terbanyak
hanya
yang
didahulukan tanpa mempertimbangkan faktor
– faktor yang mempengaruhi kritis sukses
pengukuran performa rantai pasok. Yang
terdiri
dari
rantai
pasok
reliabilitas,
responsiv, fleksibilitas, biaya serta aset,
disini
penulis
melakukan
penelitian
pengukuran kinerja rantai pasokan terhadap 5
faktor kritis sukses pengukuran performansi
rantai pasokan tersebut.
Inefisiensi
tersebut
suplier
meliputi
lemah,
masih
Untuk mengatasi hal tersebut, maka
dirumuskan beberapa praktek terbaik
yang dapat diterapkan agar mampu
meningkatkan
kinerja
SCM
perusahaan. Praktik terbaik tersebut
meliputin
kolaborasi
planning,
membangun kemitraan, menerapkan
manajemen transportasi, menerapkan
custumer Relationship Management.
Penerapan
best
practice
dapat
meningkatkan kinerja SCM di PT.
Sinar Sosro terutama pada performa
Suppy Chain Reliability, Supply hain
Responsiveness,
Flexibility.
Supply
chain
8 Pada pengolahan fuzzy synthetic extent
Edithtya
Putri.
2011.
Pengukuran
kriteria perencanan memiliki bobot terbesar
Kinerja Rntai Pasok dengan
dibandingkan
khusus
Metode SCOR dan Fuzzy
maka
AHP Di PT. Multi Warna,
perencanaan menjadi faktor yang sangat
Jakarta : Universitas Persada
penting karena merupakan langkah awal
Indonesia.
kreiteria
level
kriteria
lainnya
proses
bisnis
yang menentukan keberhasilan rangkaian
proses dalam rantai pasok.
Sedangkan pada level tujuan kinerja
meningkatkan kualitas produk menjadi faktor
yang sangat penting, level atribut kinerja
supply chain reliability yang menjadi faktor
paling penting serta leve alternatif metrik
pengukuran kinerja pemenuhan pesanan
sempurna mnjadi faktor yang paling penting.
Dari tersebut dapat disimpulkan bahwa
penlitian ini layak untuk diterapkan agar
perusahaan mampu menciptakan produk
yang lebih murah, lebih berkualitas dan lebih
Maghfiroh, Nurul dan Marimin. 2010.
Aplikasi
Pengambilan
Pasok. Bogor : PT. Penerbit
IPB Press
Marimin. 2004 Teknik dan Aplikasi
Pengambilan
Grasindo
Eko Indrajit, Richrdus dan richardus
Jakarta
Anggraini, widya,2009. Pengukuran Kinerja
Pengelolaan Rantai Pasokan Pada
PT. LG Elektronik Indonesia,
Depok. : Universitas Gunadarma.
Siregar, Ir.Sofyan.,MM. 2011. Statistika
Deskriptif Untuk Penelitian . Jakarta
: PT. Raja Grafindo Persada
Nyoman, I Pujawan. 2005. Supply Chain
Management.
Widya
Surabaya
:
Guna
Keputusan
Kriteria Majemuk Jakarta :
Manajemen
Daftar Pustaka
Keputusan
Dalam Manajemen Rantai
Djokopranoto.
cepat.
Teknik
2006.
Konsep
Supply
Chain.
:
Grasi
9 Tabel 01 skala fuzzy dan gambaran linguistik kepentingan relatif antara 2 kriteria
Intensitas
Skala
Kebalikan Skala Fuzzy
Definisi Variabel Linguistik
1 = ( 1, 1, 3 )
( 1/3, 1/1, 1/1 )
Dua kriteria mempunyai kepentingan yang sama
3 = ( 1, 3, 5 )
( 1/5, 1/3, 1/1 )
Satu kriteria sedikit lebih penting dari yang lain
5 = ( 3, 5, 7 )
( 1/7, 1/5, 1/3 )
Satu kriteria lebih penting dari yang lain
7 = ( 5, 7, 9 )
( 1/9, 1/7, 1/5 )
Satu kriteria sangat lebih penting dari yang lain
9 = ( 7, 9, 9 )
( 1/9, 1/9, 1/7 )
Satu kriteria mutlak lebih penting dari yang lain
2 = ( 1, 2, 4 )
( ¼, ½, 1/1 )
4 = ( 2, 4, 6 )
( 1/6, ¼, ½ )
6 = ( 4, 6, 8 )
( 1/8, 1/6, ¼ )
8 = ( 6, 8, 9 )
( 1/9, 1/8, 1/6 )
Fuzzy
Nilai tengah antara 2 pilihan