UJIAN TUGAS AKHIR SELEKSI SUPPLIER BAHAN BAKU DENGAN METODE TOPSIS FUZZY MADM (STUDI KASUS PT. GIRI SEKAR KEDATON, GRESIK)

Transkripsi

1 OL UJIAN TUGAS AKHIR SELEKSI SUPPLIER BAHAN BAKU DENGAN METODE TOPSIS FUZZY MADM (STUDI KASUS PT. GIRI SEKAR KEDATON, GRESIK) Oleh: Indira Kusuma Wardhani Pembimbing : Prof. DR. M. Isa Irawan, MT. Drs. I Gusti Ngurah Rai U. M.Si JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012

2 PENDAHULUAN

3 LATAR BELAKANG Persaingan Industri Peningkatan Kinerja Perusahaan Pengukuran Kinerja Supplier TOPSIS Fuzzy MADM SupplierTerbaik Evaluasi Supplier

4 RUMUSAN MASALAH Bagaimana menentukan supplier terbaik sesuai dengan kriteria yang ditentukan dengan mengaplikasikan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) Fuzzy Multi-Attribute Decision Making (FMADM). BATASAN MASALAH Data yang dianalisa adalah data primer (kuisioner) dengan studi kasus di PT. Giri Sekar Kedaton Gresik. Kuisionerdiberikan kepada para pembuat keputusan di PT. Giri Sekar Kedaton. Supplier yang diteliti adalah supplier bahan baku (semen, pasir, besi, batu pondasi, kayu). TUJUAN DAN MANFAAT Tujuan daritugas Akhir ini adalah menentukan supplier terbaik sesuai dengan kriteria yang ditentukan dengan mengaplikasikan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) Fuzzy Multi-Attribute Decision Making (FMADM) Manfaat daritugas Akhir ini adalah mengetahui kinerja supplier bahan baku yang terbaik sehingga dapat membantu pihak perusahaan khususnya dalam pemilihan supplier

5 TINJAUAN PUSTAKA

6 PROSES PEMILIHAN SUPPLIER Tujuan utama dari proses pemilihan supplier adalah untuk menentukan supplier yang dapat memenuhi kebutuhan perusahaan secara konsisten dan meminimasi resiko yang berkaitan dengan pengadaan bahan baku maupun komponen. KRITERIA PEMILIHAN SUPPLIER Kriteria dalam pemilihan pemilihan supplier meliputi : 1. Kriteria harga, seperti kepantasan harga dengan kualitas barang yang dihasilkan, kemampuan untuk memberikan potongan harga (diskon) pada pemesanan dalam jumlah tertentu. 2. Kriteria kualitas, seperti kesesuaian barang dengan spesifikasi yang sudah ditetapkan, penyediaan barang tanpa cacat, kemampuan memberikan kualitas yang konsisten. 3. Kriteria ketepatan pengiriman, seperti kemampuan untuk mengirimkan barang sesuai dengan tanggal yang telah disepakati, kemampuan dalam hal penanganan sistem transportasi. 4. Kriteria ketepatan jumlah, seperti ketepatan dan kesesuaian jumlah dalam pengiriman, kesesuaian isi kemasan.

7 5. Kriteria customer care, seperti kemudahan untuk dihubungi, kemampuan untuk memberikan informasi secara jelas dan mudah untuk dimengerti, kecepatan dalam hal menanggapi permintaan pelanggan, cepat tanggap dalam menyelesaikan keluhan pelanggan. HIMPUNAN FUZZY Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah.

8

9 MULTI ATTRIBUTE DECISION MAKING Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara lain [5] : Simple Additive Weighting Method (SAW) Weight Product (WP) ELECTRE Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) Analytic Hierarchy Process (AHP).

10 METODE ENTROPY Entropy dapat diaplikasikan untuk pembobotan atribut-atribut. Konsep utama dari metode ini adalah pengukuran kriteria melalui fungsi tertentu sesuai dengan kuantitas informasi yang diberikan Langkah-langkah Perhitungan Bobot Kriteria dengan Metode Entropi [5] : 1. Normalisasi data awal kuisioner dengan mengurangkan tiap-tiap angka dengan nilai tertinggi pada pembobotan kriteria 2. Nilai yang diperoleh dari langkah pertama dibagi dengan total nilai untuk semua kriteria yang dirumuskan sebagai berikut : untuk m>1, dan i=1,2,...,m dan j=1,2,...,n 3. Nilai entropi untuk tiap kriteria dirumuskan oleh : 4. Dispersi dari tiap kriteria dapat dihitung dengan persamaan :

11 5. Dengan asumsi total bobot 1, maka untuk mendapatkan bobot masing-masing kriteria harus dilakukan normalisasi nilai dispersi dengan persamaan sebagai berikut : Tehnique for Order Preference by Similarity to Ideal Solution TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Secara umum, prosedur dari metode TOPSIS sebagai berikut [1]: 1. Menentukan matriks keputusan yang ternormalisasi. TOPSIS membutuhkan rating kinerja setiap alternatif pada setiap kriteria yang ternormalisasi, yaitu dapat ditulis dengan persamaan : 2. Menghitung matriks keputusan yang ternormalisasi terbobot. Dengan bobot W= (w1, w2,...,wn) maka rating bobot ternormalisasi sebagai : dapat didefinisikan

12 3. Menghitung matriks solusi ideal positif dan matriks solusi ideal negatif. Solusi ideal positif dapat didefinisikan sebagai : Solusi ideal negatif dapat didefinisikan sebagai : Dengan : 4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matrik solusi ideal negatif. Jarak antara nilai alternatif dengan solusi ideal positif dirumuskan sebagai : dengan : Jarak antara nilai alternatif dengan solusi ideal negatif dirumuskan sebagai : dengan:

13 5. Menghitung nilai preferensi untuk setiap alternatif. Nilai preferensi untuk setiap alternatif diberikan sebagai :

14 METODOLOGI PENELITIAN

15 METODOLOGI STUDI LITERATUR PENGUMPULAN DATA PENGOLAHAN DATA CODING PROGRAM IMPLEMENTASI TOPSIS PENARIKAN KESIMPULAN

16 PEMBAHASAN

17 PEMBOBOTAN TIAP KRITERIA Untuk mendapatkan bobot tiap kriteria, data kuisioner akan diolah terlebih dahulu dengan menggunakan metode entropy. Kuisioner pembobotan kriteria tersebut digunakan untuk mengetahui tingkat kepentingan dari masing-masing kriteria yang selanjutnya dapat mempengaruhi perankingan alternatif. Berikut adalah hasil kuisioner dari tiap kriteria :

18 Setelah dilakukan perhitungan dengan metode entropy maka didapat : Terlihat bahwa kriteria C9 (kriteria isi kemasan) merupakan kriteria dengan bobot tertinggi yaitu 0,0973

19 PEMBOBOTAN TIAP ALTERNATIF Perhitungan tiap alternatif juga dihitung dengan menggunakan metodntropy.terdapat 5 tingkat kepentingan penilaian alternatif yaitu : 1-2 : Sangat Buruk 7-8 : Baik 3-4 : Buruk 9-10 : Sangat Baik 5-6 : Cukup Baik Berikut ini akan akan ditampilkan hasil perhitungan pembobotan tiap alternatif dengan metode entropy : SUPPLIER SEMEN

20 Dengan : A1 : Koperasi Semen Gresik A3: UD. Sumber Wangi A2: UD. Duta Bangunan A4: UD. Gajah Tunggal SUPPLIER PASIR Dengan : A1 : UD. Nurmal Jaya A3: UD. Paris Jaya A2: UD. Ikhwan Jaya A4: UD. Lancar Jaya

21 SUPPLIER BESI Dengan : A1 : Koperasi Semen Gresik A3: UD. Sumber Wangi A2: UD. Duta Bangunan A4: UD. Gajah Tunggal SUPPLIER BATU PONDASI

22 Dengan : A1 : UD. Nurmal Jaya A3: UD. Paris Jaya A2: UD. Ikhwan Jaya A4: UD. Lancar Jaya SUPPLIER KAYU Dengan : A1 : UD. Cahaya Mulya A2: UD. Sumber Wangi A3: UD. Muncul

23 PERANKINGAN SUPPLIER DENGAN METODE TOPSIS Berikut akan dijelaskan mengenai perhitungan dalam melakukan perankingan supplier tiap bahan baku dengan menggunakan metode TOPSIS : SUPPLIER SEMEN Langkah I : Matriks keputusan yang didapat dari hasil perhitungan entropy Matriks X

24 Langkah II : Matriks keputusan yang ternormalisasi dengan menggunakan persamaan : Didapat : Matriks R

25 Langkah III : Menghitung matriks keputusan yang ternormalisasi terbobot. Dengan bobot W= (w1, w2,...,wn) maka rating bobot ternormalisasi dapat didefinisikan sebagai : Didapat : Matriks Y Langkah IV : Menghitung solusi ideal positif dan solusi ideal negatif Menghitung solusi ideal positif berdasar persamaan : Didapat :

26 Solusi ideal negatif dihitung berdasarkan persamaan : Didapat : Langkah V : Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matrik solusi ideal negatif. Jarak antara nilai alternatif dengan solusi ideal positif dirumuskan sebagai : Didapat : Jarak antara nilai alternatif dengan solusi ideal positif dirumuskan sebagai :

27 Didapat : Langkah VI : Menentukan Nilai Preferensi Nilai preferensi untuk setiap alternatif diberikan sebagai : Sehingga didapat : Dengan : V1 : Nilai preferensi Koperasi Semen Gresik V2 : Nilai preferensi UD. Duta Bangunan V3 : Nilai preferensi UD. Sumber Wangi V4 : Nilai preferensi UD. Gajah Tunggal

28 SUPPLIER PASIR Dengan menggunakan cara yang sama dengan perankingan supplier semen maka didapat : dengan : V1 : Nilai preferensi UD. Nurmal Jaya V2 : Nilai preferensi UD. Ikhwan Jaya V3 : Nilai preferensi UD. Paris Jaya V4 : Nilai preferensi UD. Lancar Jaya SUPPLIER BESI Dengan menggunakan cara yang sama dengan perankingan supplier bahan baku lainnya maka didapat :

29 dengan : V1 : Nilai preferensi Koperasi Semen Gresik V2 : Nilai preferensi UD. Duta Bangunan V3 : Nilai preferensi UD. Sumber Wangi V4 : Nilai preferensi UD. Gajah Tunggal SUPPLIER BATU PONDASI Dengan menggunakan cara yang sama dengan perankingan supplier bahan baku lainnya maka didapat : dengan : V1 : Nilai preferensi UD. Nurmal Jaya V2 : Nilai preferensi UD. Ikhwan Jaya V3 : Nilai preferensi UD. Paris Jaya V4 : Nilai preferensi UD. Lancar Jaya

30 SUPPLIER KAYU Dengan menggunakan cara yang sama dengan perankingan supplier bahan baku lainnya maka didapat : dengan : V1 : Nilai preferensi UD. Cahaya Mulya V2 : Nilai preferensi UD. Sumber Wangi V3 : Nilai preferensi UD. Muncul

31 CODING PROGRAM IMPLEMENTASI TOPSIS Setelah dilakukan tahap coding program serta evaluasi dengan menggunakan bahasa pemrograman terlihat bahwa supplier semen terbaik adalah Koperasi Semen Gresik, supplier pasir terbaik adalah UD. Lancar Jaya, supplier besi terbaik adalah Koperasi Semen Gresik, supplier batu pondasi terbaik adalah UD. Ikhwan Jaya, dan supplier kayu terbaik adalah UD. SumberWangi.

32 PENUTUP

33 KESIMPULAN DAN SARAN Berdasarkan hasil pengolahan data secara manual serta menggunakan coding program, maka dapat diambil beberapa kesimpulan sebagai berikut: 1. Supplier semen terbaik adalah Koperasi Semen Gresik 2. Supplier pasir terbaik adalah UD. Lancar Jaya 3. Supplier besi terbaik adalah Koperasi Semen Gresik 4. Supplier batu pondasi terbaik adalah UD. Ikhwan Jaya 5. Supplier kayu terbaik adalah UD. SumberWangi Saran yang disampaikan untuk penelitian lebih lanjut mengenai metode TOPSIS khususnya kasus pemilihan supplier adalah pengisian kuisioner sebaiknya 2 arah, yaitu dari pihak perusahaan serta dari pihak supplier,sehingga dapat membantu dalam pengambilan keputusan serta memberikan masukan kepada supplier berdasarkan indikator kinerja yang kurang baik.

34 DAFTAR PUSTAKA [1] Kusumadewi, S., Hartanti, S., Harjoko, A., Wardoyo, R. (2006). Fuzzy Multi-Attribute Decision Making.Yogyakarta: Graha Ilmu. [2] Budiman, R.F. (2009). Pemilihan Supplier dengan Metode Topsis MCDM. Tugas Akhir Jurusan Matematika Institut Teknologi Sepuluh Nopember. Surabaya [3] Nurul,B.M. (2010). Pemilihan Supplier Menggunakan Metode Fuzzy Data Envelopment Analysis (DEA). Tugas Akhir Jurusan Matematika Institut Teknologi Sepuluh Nopember. Surabaya. [4] Surjasa, D., Astuti, P., Nugroho, H. (2006). Usulan Supplier Selection dengan Analitycal Hierarchy Process dan Penerapan Sistem Informasi dengan Konsep Vendor Managed Inventory Pada PT. ABC. Jurnal Dosen dan Alumni Teknik Industri Universitas Trisakti. Jakarta [5] Gerdon. (2011). Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bagi Mahasiswa STMIK AMIKOM. Tugas Akhir Jurusan Sistem Informasi STIMIK AMIKOM. Yogyakarta. [6] Lestari, S. (2011). Seleksi Penerimaan Calon Karyawan Menggunakan Metode TOPSIS. Konferensi Nasional Sistem dan Informatika. Bali. [7] Josowidagdo, L. (2003). Metode TOPSIS Sebagai Penentu Prioritas Alternatif Keputusan Program Transportasi. INASEA Vol. 4, Hal [8] Avianti, R.S. (2009). Kajian Metode Electre II Pada Permasalahan Multi-Attribute Decision Making (MADM). Tugas Akhir Matematika Institut Teknologi Sepuluh Nopember. Surabaya.

35