BAB 4 HASIL DAN PEMBAHASAN

Transkripsi

1 65 BAB 4 HASIL DAN PEMBAHASAN 4.1 Pengumpulan Data Data-data yang dikumpulkan berikut ini merupakan data yang diambil selama magang pada bulan Juli hingga September 2008 di PT. Bina Busana Internusa (BBI). Data dikumpulkan dari berbagai macam sumber, antara lain data primer, pengamatan, wawancara maupun mengukur secara langsung Gambaran Umum Reject Komponen Reject komponen diambil dari kata reject (Inggris) dan component (Inggris) yang menurut kamus bahasa Inggris reject berarti ditolak, dibuang, atau tidak cukup baik untuk disimpan, sedangkan kata component berarti bagian yang melengkapi sesuatu. Maka reject komponen yang dimaksud perusahaan adalah bagian dari pakaian yang tidak dapat digunakan untuk membuat pakaian. Beberapa penyebab komponen tersebut tidak dapat digunakan biasa disebut dengan jenis reject, dimana akan dijelaskan secara lebih detail pada tabel 4.1 contoh reject komponen pada perusahaan yang diamati adalah reject visual seperti terlihat pada gambar 4.1

2 66 Tabel 4.1 Karakteristik Reject Komponen No Gambar Jenis Reject Keterangan 1 Nep Cacat kain akibat cacat dari benang dimana serat benang kusut membentuk bintik tidak teratur 2 Benang pecah dan pakan Cacat kain akibat rajutan yang terlewat (rajutan) jarang sehingga terlihat ada jeda antar benang. 3 Benang timbul / Slub Cacat kain akibat cacat benang, berupa bagian benang yang menebal, tidak teratur, karena kelompok serat yang terlilit pada benang. 4 Pakan rangkap dan salah Benang yang digunakan beda warna, benang menimbulkan bintik-bintik kecil pada kain. 5 Benang putus Benang putus ditengah rajutan sehingga menyebabkan timbul pada kain. 6 Kotor Akibat terkena minyak atau debu, umumnya ada pada bahan yang berwarna putih. Sumber : BBI Sumber : BBI Gambar 4.1 Jenis Reject Komponen

3 Gambaran Umum Inspeksi Bahan Baku Berikut ini akan dijelaskan secara secara umum prosesur inspeksi yang dilakukan bagian pengendalian kualitas bahan baku untuk memberikan gambaran proses inspek dan standar-standar yang digunakan perusahaan dalam pemeriksaan sampel dan penetapan keputusan reject. Prosedur Fabric Inspection yang dilakukan BBI adalah sebagai berikut : Minimum kain yang diinspek adalah 10% dari setiap pengiriman kain dan diambil secara acak. Jika kuantitas dari 10% sampel tersebut adalah satu rol maka inspektor kain harus mencek minimal 3 rol untuk memberikan perbandingan yang lebih baik terhadap keseluruhan pengiriman. Oleh karena itu dapat ditetapkan bahwa kain yang diinspek adalah 30%. Hal-hal yang harus diperhatikan selama proses inspek kain adalah : a. Kecepatan mesin inspeksi Pada umumnya standar kecepatan mesin inspek adalah meter per menit. Tetapi ketika cacat pada kain terlihat, mesin dapat diberhentikan untuk menulis jenis cacat dan pada meter ke berapa cacat ditemukan pada inspection report. b. Defect atau cacat Semua cacat harus dicatat, hal ini sama pentingnya dengan mencatat lebar dan panjang aktual kain dengan jelas, dengan demikian nilai poin cacat dapat diketahui dengan pasti. Apabila cacat yang besar tidak dipotong oleh inspektor, cacat tersebut harus ditandai agar pada saat digelar atau spreading dapat dipotong atau mengganti komponen yang terkena cacat. c. Nilai poin Berdasarkan 4 point system yang dipakai BBI, nilai tersebut terdiri dari :

4 68 1 poin : cacat dengan panjang antara 0-7,62 cm (0-3 ) arah lebar atau panjang 2 poin : cacat dengan panjang antara 7,62-15,24 cm (3-6 ) arah lebar atau panjang 3 poin : cacat dengan panjang antara 15,224-22,86 cm (6-9 ) arah lebar atau panjang 4 poin : cacat dengan panjang antara 22,86 91,44 cm (9-36 ) arah lebar atau panjang Rumus perhitungan total poin : Metrik : defect/100m 2 = Total poin 100 Lebar kain (m) Panjang kain (m) Total poin 3600 Inci : defect/100yard = Lebar kain (") Panjang kain (yard) Dengan catatan : 1. Cacat berupa bintik-bintik harus dihitung sebagai 1 poin, tetapi bila cacat tersebut berkumpul pada suatu tempat maka harus dihitung sebagai major defect. 2. Bolong atau sobek harus dihitung sebagai major defect (4 poin). 3. Standar total poin cacat biasanya 28 poin/100m per rata-rata dalam satu kali pengiriman kain. d. Ukuran lebar kain pada poin 3 untuk mendapatkan rata-rata lebar kain yang dapat dipakai untuk pembuatan marker (pola pada kain)

5 69 e. Jumlahkan semua cacat didalam formulir fabric inspection report, termasuk dengan komentar yang ada selama inspek f. Beri tanda ok atau reject pada fabric inspection report g. Sebagai pendukung bagi inspektor kain, MD (bagian Merchandiser) perlu melampirkan approved fabric (jenis kain yang telah disetujui), agar ada perbandingan dalam pengecekan. Sehingga penilaian dalam menentukan mana yang termasuk tekstur kain dan mana yang termasuk cacat kain dapat disepakati bersama. Setiap hasil pengecekan yang berupa fabric inspection report harus diserahkan ke MD yang disertai dengan : Contoh kain yang terdapat major defect, seperti : Dalam report tersebut terdapat major defect berupa slub (tumpukan benang atau titik), maka kain yang akan dipotong cukup berukuran 5x5 cm (hanya untuk mewakili cacat tersebut) Dalam menentukan poin cacat, tidak boleh hanya berdasarkan pada penilaian visual saja, apabila pada kain terdapat lipatan kain maka harus dicek dengan cara disetrika atau di press interlining untuk membuktikan apakah lipatan tersebut bisa hilang atau tidak. Bila tidak bisa hilang akan dimasukan sebagai poin cacat. Hasil pengecekan harus melampirkan : 1. Pengecekan bowing (kemiringan kain) yang berukuran 1,5 m 2. Kain tersebut dapat digunakan bersamaan untuk tes susut, tes luntur dan pada bagian ujung kain dapat diambil untuk shade band mewakili rol no kain tersebut.

6 Data Reject Komponen Periode Juli - Agustus 2008 Data reject komponen merupakan data yang menunjukan jumlah cacat per komponen dari setiap jenis artikel yang diproduksi kedelapan merek pada periode Juli hingga Agustus Kedelapan merek yang diproduksi antara lain Arnold Palmer, C- Kent, Creative Gear, Harry Martin, Sierra Morena, Van Heusen, Valino serta Valino Donna. Data ini bersumber dari hasil pengendalian kualitas pada proses cutting, dimana pada proses ini pemeriksaan dilakukan setelah bahan kain di potong menjadi komponenkomponen pakaian. Kelima komponen utama yang diperiksa adalah badan belakang, badan kiri, badan kanan, tangan kiri dan tangan kanan. Data reject komponen dapat dilihat pada lampiran 2. dimana dari 14 kolom yang ada, yang merupakan hasil pengumpulan data adalah kolom-kolom yang disebutkan pada tabel 4.2 dibawah ini. Tabel 4.2 Keterangan Kolom Pengumpulan Data Reject Komponen Kolom Keterangan A Nomor urut B Jenis-jenis pakaian yang diproduksi C Komponen utama pakaian D Jumlah komponen yang ditemukan reject (piece) E Panjang komponen berdasarkan pola (inci) F Lebar komponen berdasarkan pola (inci) G Lebar bahan kain yang diperoleh dari supplier (inci) M Total panjang kain yang diperoleh dari supplier (yard) Data Fabric Inspection Report Data Fabric Inspection Report merupakan data yang berisi keteranganketerangan tentang kain yang dikirim oleh supplier. Data ini bersumber dari hasil inspeksi kain pada bagian gudang yang dilakukan sebelum kain diproduksi. Contoh lembar kerja Fabric Inspection Report dapat dilihat pada lampiran 5. Sedangkan

7 71 keseluruhan data yang digunakan untuk pengolahan dan analisa dapat dilihat pada lampiran 3 dimana dari 12 kolom yang terlampir, data Fabric Inspection Report merupakan kolom-kolom yang disebutkan pada tabel 4.3 dibawah ini : Tabel 4.3 Keterangan Kolom Pengumpulan Data Fabric Inspection Report Kolom Keterangan A Jenis-jenis pakaian yang diproduksi E Hasil inspeksi kain dari bagian pengendalian kualitas bahan baku (standar 28 poin) F Kondisi kain yang diperoleh dari supplier S = Stock; F = Fresh G Keterangan hasil inspeksi Ok = tidak ada reject; Re = jumlah reject dari rol yang diinspeksi H Nama supplier yang mengirimkan bahan I Nomor Purchase Order J Harga kain per yard yang ditawarkan supplier Data Evaluasi Penerimaan Sampel Evaluasi ini hanya akan dilakukan terhadap artikel di luar standar yang telah dikelompokan saat pengolahan dengan kondisi kain fresh, karena pada kondisi inilah perusahaan menerapkan pemeriksaan dengan penerimaan sampel, sedangkan apabila kondisi kain stock perusahaan menerapkan pemeriksaan 100%. Maka data yang dibutuhkan untuk evaluasi hanya terdiri dari 4 artikel dimana tabel 4.4 menunjukan data yang akan digunakan untuk mengevaluasi penerimaan sampel, yaitu nilai c, n, dan N yang diperoleh dari lembar fabric inspection report pada lampiran 5.

8 72 Tabel 4.4 Data Evaluasi Penerimaan Sampel Bulan Artikel No PO c n N Juli VH-1165 L/S X Agustus VH-1185 L/S T V-241 S/S S CG-1125 L/S A Sumber : BBI (2008) Keterangan tabel : No PO = Nomor Purchase Order untuk mencocokan artikel dengan fabric inspection report. n = Unit sampel c = Cacat produk yang disyaratkan dalam satuan unit d = Jumlah cacat yang terjadi (d c) dalam satuan unit Data Evaluasi Supplier Data yang digunakan untuk mengevaluasi supplier antara lain data perbandingan berpasangan dari responden yang berkepentingan untuk menentukan bobot kriteria dan subkriteria sesuai kebutuhan perusahaan, serta data yang menunjang perbandingan masing-masing supplier terhadap setiap kriteria tersebut. Data yang dapat menunjang perbandingan antar supplier tersebut antara lain data kondisi kain yang diperoleh dari supplier, nilai pembelian, keunikan bahan, kemampuan supplier memenuhi permintaan, kualitas bahan, harga dan ketepatan waktu pengiriman (Delivery).

9 Matriks Perbandingan Berpasangan Responden Matriks perbandingan berpasangan untuk kriteria diperoleh dari 2 orang responden, yaitu kepala departemen factory dan kepala bagian Production Engineering. Tabel 4.5 hingga tabel 4.10 merupakan perbandingan berpasangan yang diperoleh dari responden dimana kedua matriks dari setiap kriteria akan diolah dengan perhitungan geometric average untuk mendapatkan perbandingan berpasangan yang mecakup pandangan dari kedua responden pada pengolahan data. Tabel 4.5 Matriks Kriteria Tingkat Kepentingan Menurut Kepala Departemen Factory Kriteria Kontribusi Nilai item pembelian Kontribusi item 1 1 Nilai pembelian 1 1 Sumber : Responden Tabel 4.6 Matriks Kriteria Tingkat Kepentingan Menurut Kepala Bagian Production Engineering Kriteria Kontribusi item Nilai pembelian Kontribusi item 1 1/5 Nilai pembelian 5 1 Sumber : Responden Tabel 4.7 Matriks Kriteria Tingkat Kesulitan Menurut Kepala Departemen Factory Kriteria Permintaan terpenuhi Keunikan Ketidakpastian Permintaan terpenuhi Keunikan Ketidakpastian Sumber : Responden

10 74 Tabel 4.8 Matriks Kriteria Tingkat Kesulitan Menurut Kepala Bagian Production Engineering Permintaan Kriteria terpenuhi Keunikan Ketidakpastian Permintaan terpenuhi 1 1/7 1/7 Keunikan 7 1 1/5 Ketidakpastian Sumber : Responden Tabel 4.9 Matriks Subkriteria Ketidakpastian Menurut Kepala Departemen Factory Subkriteria Harga Delivery Kualitas Harga 1 1 1/3 Delivery Kualitas Sumber : Responden Tabel 4.10 Matriks Subkriteria Ketidakpastian Menurut Kepala Bagian Production Engineering Subkriteria Harga Delivery Kualitas Harga Delivery Kualitas Sumber : Responden

11 Data Pembanding antar Supplier Data yang digunakan untuk membandingkan supplier tersedia pada tabel 4.11 tabel 4.18 dimana isi tabel diurutkan berdasarkan peringkat kemungkinan terbaik untuk membantu memberikan referensi saat melakukan perbandingan berpasangan pada perhitungan AHP. Sehingga untuk menyederhanakannya data-data dibawah ini telah dikelompokan berdasarkan supplier yang kualitasnya pada suatu artikel melebihi standar perusahaan sebesar 3,5% pada lampiran 4 berdasarkan hasil pengolahan data. Tabel 4.11 Nilai Kontribusi Supplier Simbol Nilai Kontribusi Anugerah AG 69 SanSanTex SS 46 Pratama J PJ 44 Ginza GZ 24 SejahteraTex ST 21 Naga Berlian NB 15 TevTextile TT 15 Global PS GP 5 Gossip GS 4 Abdul M AM 3 Kristako KT 3 Sumber : Pengolahan Nilai kontribusi pada tabel 4.11 diperoleh dari jumlah dan kondisi kain yang diberikan supplier, bila kondisi kain stock maka diberi nilai 1, sedangkan bila kondisi kain fresh bernilai 2. Kondisi kain dapat dilihat pada data Fabric Inspection Report lampiran 3 kolom F. Contoh perhitungan : Supplier AG memiliki 9 Stock dan 30 Fresh maka AG = 9(1) + 30(2) = 69

12 76 Tabel 4.12 Nilai Pembelian Periode Agustus-Juli 2008 Supplier Simbol Agustus Juli Total Pratama J PJ Rp Rp Rp Anugerah AG Rp Rp Rp SanSanTex SS Rp Rp Rp Ginza GZ Rp Rp Rp TevTextile TT Rp Rp Rp SejahterTex ST Rp Rp Global PS GP Rp Rp Rp Naga Berlian NB Rp Rp Rp Abdul M AM Rp Rp Kristako KT Rp Rp Rp Gossip GS Rp Rp Rp Sumber: BBI Nilai pembelian pada tabel 4.12 telah jumlahkan menurut masing-masing supplier dari data Fabric Inspection Report pada lampiran 3 kolom L. Tabel 4.13 Kemampuan Supplier Memenuhi Permintaan Supplier Simbol Kekurangan Permintaan % Kekurangan SanSanTex SS SejahteraTex ST Global PS GP Naga Berlian NB Abdul M AM Kristako KT Gossip GS Anugerah AG ,3 0,016% Ginza GZ ,98 0,041% Pratama J PJ ,96 0,052% TevTextile TT ,8 5,952% Sumber: BBI Kemampuan supplier memenuhi permintaan pada tabel 4.13 dinilai dari persen kekurangan jumlah rol dalam yard yang tidak sesuai dengan permintaan perusahaan.

13 77 Tabel 4.14 Poin Keunikan Item Texture Poin Material Poin BS=Big Stripe 2 100%C 4 SS=Small Stripe 4 A (100% COTTON) 3 BC=Big Check 5 B (55C/45P) 1 MS=Medium Stripe 2 B (CVC 5545 C/P) 1 OD=Plain Dobby 5 B (CVC 60/40 C/P) 2 OT=Plain Texture 3 B (CVC 70/30 C/P) 3 OP=Plain 1 B (CVC 8020 C/P) 4 CVC 3 CVC-B 3 CVC-B (65% CTTN 35%POLLY) 3 G (LINEN) 5 Sumber: BBI Tabel 4.14 merupakan tabel yang berisi poin keunikan item yang akan digunakan sebagai skala perhitungan tingkat keunikan dan suatu artikel untuk kemudian diolah menjadi nilai rata-rata keunikan masing-masing supplier saperti pada tabel Tabel 4.15 Keunikan Item Supp Simbol Nilai Rata-rata Keunikan Abdul M AM 3 TevTextile TT 3,33 SanSanTex SS 3,667 Naga Berlian NB 4 Pratama J PJ 4,667 Ginza GZ 5,5 Kristako KT 5,667 Anugerah AG 6 SejahteraTex ST 6 Global PS GP 7 Gossip GS 7

14 Nilai keunikan supplier diperoleh dari data jenis texture dan material yang pada artikel diluar standar yang disesuaikan dengan poin keunikan. Data tersebut dapat dilihat pada lampiran 4 kolom F dan G. Contoh perhitungan : Kristako = A (100% COTTON) + MS = = 5 B (CVC 60/40 C/P) + SS = = 6 B (CVC 60/40 C/P) + SS = = 6 Rata-rata: 5, Tabel 4.16 Kualitas Produk Supplier Simbol % Reject Pratama J PJ 0,68% SanSanTex SS 0,99% Ginza GZ 1,11% Anugerah AG 1,24% SejahteraTex ST 1,41% Naga Berlian NB 2,02% Abdul M AM 2,51% TevTextile TT 2,52% Global PS GP 2,78% Kristako KT 8,70% Gossip GS 12,75% Data kualitas pada tabel 4.16 adalah rata-rata reject dari seluruh kain yang dikirim masing-masing supplier. Nilai ini baru dapat diperoleh setelah melakukan pengolahan data untuk menentukan persentase reject komponen aktual. Data asli selengkapnya dapat dilihat pada lampiran 3 kolom N atau ringkasannya pada lampiran 4 kolom D.

15 79 Tabel 4.17 Rata-rata Harga yang ditawarkan Supplier Supplier Simbol Rata-rata Harga Sejahtera Tex ST Rp Global PS GP Rp SanSanTex SS Rp Naga Berlian NB Rp Abdul M AM Rp TevTextile TT Rp Ginza GZ Rp Pratama J PJ Rp Anugerah AG Rp Kristako KT Rp Gossip GS Rp Sumber: BBI Data ini diperoleh dengan merata-ratakan harga yang telah ditawarkan supplier selama periode tersebut. Data asli selengkapnya dapat dilihat pada lampiran 3 kolom J. Tabel 4.18 Nilai Ketepatan Waktu Pengiriman Supplier Simbol Juli Agustus SanSanTex SS Gossip GS Anugerah AG Ginza GZ Global PS GP 10 - Abdul M AM 10 0 SejahteraTex ST 0 0 Naga Berlian NB 0 - Kristako KT 0 - Pratama J PJ 0 - TevTextile TT 0 - Sumber: BBI Data nilai ketepatan waktu diperoleh langsung dari bagian pengadaan perusahaan. Dimana nilai 10 berarti tepat waktu, nilai 0 berarti pengiriman tidak sampai tepat waktu, sedangkan tanda ( ) berarti supplier tersebut tidak mengirimkan bahan pada bulan tersebut.

16 Pengolahan Data Setelah seluruh data yang dibutuhkan terkumpul langkah berikutnya adalah pengolahan data yang dilakukan dengan beberapa tahap dimana seluruh pengolahan yang dilakukan dibantu Ms Exel Urutan pengolahan data yang dilakukan adalah : Menentukan persentase reject komponen aktual. Caranya adalah dengan membandingkan jumlah komponen reject yang telah dikonversi ke jumlah panjang kain yang terbuang dalam satuan yard dengan total panjang rol kain yang kirim supplier. Dari hasil persentase aktual, supplier yang memiliki nilai kualitas kain dengan persen reject diatas 3,5% akan dianalisa lebih lanjut, dengan evaluasi penerimaan sampel evaluasi kinerja supplier dan klasifikasi supplier untuk mencari tindakan yang tepat dalam mengatasi reject tersebut. Evaluasi penerimaan sampel dilakukan dengan meneliti kurva OC dan kurva AOQ. Evaluasi kinerja supplier berdasarkan dari tingkat kepentingan item dan kesulitan memperolehnya dengan menggunakan perhitungan AHP. Klasifikasi supplier dilakukan dengan mengevaluasi supplier terlebih dahulu dari tingkat kepentingan sebagai sumbu x dan kesulitan sebagai sumbu y sehingga dapat dikelompokan kedalam empat kuadran portofolio supplier Menentukan Persentase Reject Komponen Langkah pertama yang dilakukan untuk menentukan tindakan yang perlu dilakukan perusahaan dalam mengatasi reject komponen adalah dengan menentukan

17 81 persentase reject komponen aktual terlebih dahulu. Hal ini dikarenakan perusahaan belum memiliki perhitungan persentase reject komponen yang dilakukan secara kontinyu. Cara perhitungan persentase reject komponen akan dijelaskan lebih lanjut pada bagian berikutnya, sedangkan tabel pengolahannya dapat dilihat pada lampiran 2 dimana hasil pengolahannya merupakan kolom yang disebutkan pada tabel 4.19 dibawah ini. Tabel 4.19 Keterangan Kolom Pengolahan Persentase Reject Aktual Kolom Keterangan H Kapasitas komponen berdasarkan lebar kain (pcs) I Panjang kain yang terbuang untuk mengganti sebuah komponen (inci) J Panjang kain yang terbuang untuk mengganti sebuah komponen (yard) K Total panjang kain yang terbuang per komponen (yard) L Total panjang kain yang terbuang per artikel (yard) N Persentase reject aktual kain Langkah Perhitungan Persentase Reject Berikut ini adalah langkah perhitungan persentase reject komponen yang dilengkapi dengan rumus yang ditulis berdasarkan inisial kolom pada tabel lampiran 2 dan disertai dengan contoh kolomnya. 1. Input seluruh data-data yang dibutuhkan dengan bantuan Ms. Excel 2007, data yang dibutuhkan antara lain jumlah reject komponen Juli-Agustus 2008, no pola untuk mengecek ukuran komponen, ukuran (panjang/lebar) komponen, lebar dan panjang kain seperti pada tabel Menghitung kapasitas komponen (H) berdasarkan lebar kain dengan membagi lebar kain (G) terhadap lebar komponen (F).

18 82 Artikel Tabel 4.20 Contoh Perhitungan Kapasitas Komponen Komponen Total Pola (inci) (pcs) P L Lebar Bhn (inci) Kapasitas (pcs) B C D E F G H AP-3172 S/S X1 Badan belakang 0 31,88 25, Badan kanan 4 31,13 24, Badan kiri 0 31,13 24, Tangan kanan 1 20,5 10, Tangan kiri 1 20,5 10, G Rumus : H = F Contoh perhitungan : H = 58 25,38 = 2,285 = 2 (selalu pembulatan kebawah) 3. Menghitung panjang kain yang reject per piece (I dan J), dengan membagi panjang komponen (E) terhadap kapasitas komponen berdasarkan lebar kain (H). Artikel Tabel 4.21 Contoh Perhitungan Panjang Kain Reject per Piece Komponen Total Pola(Inc) (Pcs) P L Kapasitas Panjang/pcs (pcs) Inc Yard B C D E F H I J AP-3172 S/S X1 Badan belakang 0 31,88 25, ,94 0,44 Badan kanan 4 31,13 24, ,57 0,43 Badan kiri 0 31,13 24, ,57 0,43 Tangan kanan 1 20,5 10,5 5 4,10 0,11 Tangan kiri 1 20,5 10,5 5 4,10 0,11 E Rumus : I = H J = 36 I Pada kolom J nilai inci dirubah menjadi yard (1 yard = 36 inci)

19 83 Contoh perhitungan : I = 31,88 2 = 15,94 inci J = 15,94 = 0,44 yard Menghitung total panjang kain yang reject per komponen (K), dengan mengkalikan jumlah reject per komponen (D) dengan panjang kain yang reject per piece (J). Tabel 4.22 Contoh Perhitungan Total Panjang Kain Reject per Komponen Artikel Komponen Panjang/pcs Total (yard) Total (Pcs) Per Inc Yard komponen B C D I J K L AP-3172 S/S X1 Badan belakang 0 15,94 0,44 0,00 Rumus : K = D J Badan kanan 4 15,57 0,43 1,73 Badan kiri 0 15,57 0,43 0,00 Tangan kanan 1 4,10 0,11 0,11 Tangan kiri 1 4,10 0,11 0,11 Contoh perhitungan : K = 4 0, 43 = 1,73 yard Per artikel 5. Menghitung total panjang kain yang reject per artikel (L), dengan menjumlahkan total panjang kain yang reject per komponen (K). Tabel 4.23 Contoh Perhitungan Total Panjang Kain Reject per Artikel Total (yard) Artikel Komponen Per komponen B C K L AP-3172 S/S X1 Badan belakang 0,00 Badan kanan 1,73 Badan kiri 0,00 Tangan kanan 0,11 Tangan kiri 0,11 Per artikel 1,96 1,96

20 84 Rumus : L = K1 + K2 + K3 + K4 + K5 Contoh perhitungan : L = 0 + 1, ,11 + 0,11 = 1,96 yard 6. Menghitung persentase reject aktual per artikel (N), dengan membagi total panjang kain yang reject per artikel (L) terhadap total panjang kain (M) dikali 100%. Tabel 4.24 Contoh Perhitungan Persentase Reject Aktual per Artikel Artikel Komponen Total (yard) Total % reject Per Per rol aktual komponen artikel (yard) B C K L M N AP-3172 S/S X1 Badan belakang 0,00 Badan kanan 1,73 Badan kiri 0,00 1,96 509,5 0,38% Tangan kanan 0,11 Tangan kiri 0,11 Sumber : Pengolahan L Rumus : N = 100 M 1,96 Contoh perhitungan : N = 100 = 0,38% 509, Pengelompokan Persentase di Luar Standar Setelah diketahui persen reject aktual bagi seluruh artikel, maka supplier yang reject aktualnya melebihi standar perusahaan yaitu 3,5% akan dikelompokan untuk dianalisa lebih lanjut. Pada lampiran 4 dapat dilihat supplier-supplier yang melebihi standar beserta keterangan yang dapat melengkapi pengolahan untuk evaluasi kinerja supplier. Tabel 4.25 akan menunjukan keterangan dari setiap kolom lampiran pengelompokan yang di luar standar.

21 85 Tabel 4.25 Keterangan Kolom Pengelompokan yang di Luar Standar Kolom Keterangan Sumber A Jenis-jenis pakaian yang diproduksi Formulir reject QC cutting B Hasil Pengolahan berupa persen reject aktual Pengolahan data C Hasil inspeksi kain dari bagian pengendalian Inspection Report kualitas bahan baku (standar 28 poin) D Kondisi kain yang diperoleh dari supplier Inspection Report S = Stock; F = Fresh E Keterangan hasil inspeksi Inspection Report Ok = tidak ada reject; Re = jumlah reject dari rol yang diinspeksi F Jenis material yang digunakan IO (Information Order) G Jenis tekstur kain yang digunakan IO (Information Order) H Nama supplier yang mengirimkan bahan IO (Information Order) I Nomor Purchase Order IO (Information Order) J Cacat yang ditemukan saat inspeksi Pengolahan Data K Rata-rata poin hasil inspek Inspection Report L Jumlah komponen cacat berdasarkan hasil Inspection Report inspek M Jumlah komponen cacat berdasarkan QC Cutting Formulir reject QC cutting Berikut adalah contoh perhitungan untuk pengolahan data cacat yang ditemukan saat inspeksi (kolom J). Data pada kolom J ini selanjutnya dapat digunakan dalam analisa evaluasi penerimaan sampel. Tabel 4.26 Contoh Perhitungan Cacat yang Ditemukan saat Inspeksi Defect yg di temukan o/ inspect Avg Point Defect berdasarkan Inspect Report Artikel No PO A I J K L CG-792 L/S A ,00% - 0 VH-1165 L/S X ,94% 22, VD-235 S/S U ,00% 16, VH-3167 L/S Q ,67% 15,92 58

22 86 Rumus : J = L Panjang rol 17 1,8 110 Contoh perhitungan : L = ,8 = 2,94% Panjang rol (yard) = total panjang rol yang diinspek, sumber lembar fabric Inspection Report lampiran 5 1,8 (yard) = total panjang kain yang dibutuhkan untuk membuat sebuah pakaian 17 (pieces) = jumlah komponen pada sebuah pakaian Evaluasi Penerimaan Sampel Langkah berikutnya adalah mengevaluasi penerimaan sampel dari artikel yang diluar standar. Tabel 4.4 menunjukan data yang akan digunakan untuk mengevaluasi penerimaan sampel, nilai c, n, dan N diperoleh dari lembar fabric inspection report yang dapat dilihat pada lampiran 5.

23 Kurva OC Kurva OC merupakan salah satu bentuk pengukuran yang dapat dilakukan untuk mengevaluasi kinerja sampel. Perhitungan kurva OC akan menghasilkan nilai probabilitas penerimaan (Pa), dimana untuk menggambarkanya diperlukan rumus : Pa = c d= 0 p(d) = c d= 0 n! p d!(n d)! d (1 p) n d Pa = Probabilitas penerimaan P = Kesalahan prosuk yang dihasilkan n = Unit sampel c = Cacat produk yang disyaratkan d = Jumlah cacat yang terjadi (d c) Tabel 4.27 Perhitungan Kurva OC artikel VH-1165 Proporsi d Kesalahan np 0 1 Pa 0,1 0,3 0,729 0,243 0,972 0,2 0,6 0,512 0,384 0,896 0,3 0,9 0,343 0,441 0,784 0,4 1,2 0,216 0,432 0,648 0,5 1,5 0,125 0,375 0,5 0,6 1,8 0,064 0,288 0,352 0,7 2,1 0,027 0,189 0,216 0,8 2,4 0,008 0,096 0,104 0,9 2,7 0,001 0,027 0,028 Contoh perhitungan : 3! 3 0 3! Pa =.0,1.(1 0,1) +.0,1.(1 0,1) 0! 1!(3 1)! = 0, ,243 = 0,

24 88 Gambar 4.2 Kurva OC Artikel VH-1165 Kurva OC menunjukan hubungan probabilitas penerimaan dengan bagian kesalahan produk yang menyatakan bahwa apabila dimisalkan dari sampel yang diperiksa ditemukan 0,3 atau 30% barang rusak maka dari keseluruhan barang atau populasi kemungkinan barang yang dapat diterima sebesar 0,784 atau 78,4%. Tabel 4.28 Perhitungan Kurva OC artikel VH-1185 dan V-241 Proporsi d Kesalahan np 0 1 Pa 0,1 0,3 0,729 0,243 0,972 0,2 0,6 0,512 0,384 0,896 0,3 0,9 0,343 0,441 0,784 0,4 1,2 0,216 0,432 0,648 0,5 1,5 0,125 0,375 0,5 0,6 1,8 0,064 0,288 0,352 0,7 2,1 0,027 0,189 0,216 0,8 2,4 0,008 0,096 0,104 0,9 2,7 0,001 0,027 0,028 Sumber : Pengolahan 3! 3 0 3! Contoh perhitungan : Pa =.0,1.(1 01, ) +.0,1.(1 0,1) 0! 1!(3 1)! = 0, ,243 = 0,

25 89 Gambar 4.3 Kurva OC artikel VH-1185 dan V-241 Kurva OC menunjukan hubungan probabilitas penerimaan dengan bagian kesalahan produk yang menyatakan bahwa apabila dimisalkan dari sampel yang diperiksa ditemukan 0,3 atau 30% barang rusak maka dari keseluruhan barang atau populasi kemungkinan barang yang dapat diterima sebesar 0,784 atau 78,4%. Nilai tersebut sama dengan nilai artikel VH-1165 dikarenakan secara kebetulan jumlah unit sampel yang diperiksa dan cacat yang disyaratkan sama. Tabel 4.29 Perhitungan Kurva OC artikel CG-1125 Proporsi d Kesalahan np Pa 0,1 0,5 0,590 0,328 0,073 0,991 0,2 1 0,328 0,410 0,205 0,942 0,3 1,5 0,168 0,360 0,309 0,837 0,4 2 0,078 0,259 0,346 0,683 0,5 2,5 0,031 0,156 0,313 0,500 0,6 3 0,010 0,077 0,230 0,317 0,7 3,5 0,002 0,028 0,132 0,163 0,8 4 0,000 0,006 0,051 0,058 0,9 4,5 0,000 0,000 0,008 0,009 Contoh perhitungan : 5! 5 0 5! Pa =.0,1.(1 0,1) +.0,1.(1 0,1) 0! 1!(5 1)! = 0, ,328 = 0,

26 90 Gambar 4.4 Kurva OC Artikel CG-1125 Kurva OC menunjukan hubungan probabilitas penerimaan dengan bagian kesalahan produk yang menyatakan bahwa apabila dimisalkan dari sampel yang diperiksa ditemukan 0,3 atau 30% barang rusak maka dari keseluruhan baran g atau populasi kemungkinan barang yang dapat diterima sebesar 0,837 atau 83,7% Kurva AOQ (Average Outgoing Quality Curve) Berikut ini adalah perhitungan kurva AOQ untuk memperoleh tingkat kualitas output rata-rata dengan menggunakan rumus : Pa p(n n) AOQ = N AOQ = Tingkat kualitas rata-rata inspeksi Pa p N n = Propabilitas penerimaan = Proporsi kesalahan = Unit populasi = Unit sampel

27 91 Tabel 4.30 Perhitungan Kurva AOQ VH-1165 Proporsi kesalahan Pa AOQ 0,1 0,972 0,083 0,2 0,896 0,152 0,3 0,784 0,200 0,4 0,648 0,220 0,5 0,5 0,213 0,6 0,352 0,180 0,7 0,216 0,129 0,8 0,104 0,071 0,9 0,028 0,021 Contoh perhitungan : 0,972 0,1(20 3) AOQ = 20 = 0,083 Gambar 4.5 Kurva AOQ VH-1165 Kurva AOQ diatas mengukur rata-rata tingkat kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p yang menyatakan bahwa apabila dimisalkan proporsi kesalahan ditemukan sebesar 0,3 atau 30% maka kualitas rata-rata atau persentase rusak yang dibuang sebesar 0,200 atau 20%.

28 92 Tabel 4.31Perhitungan Kurva AOQ VH-1185 dan V-241 Proporsi kesalahan Pa AOQ 0,1 0,972 0,061 0,2 0,896 0,112 0,3 0,784 0,147 0,4 0,648 0,162 0,5 0,5 0,156 0,6 0,352 0,132 0,7 0,216 0,095 0,8 0,104 0,052 0,9 0,028 0,016 Contoh perhitungan : 0,972 0,1(8 3) AOQ = 8 = 0,061 Gambar 4.6 Kurva AOQ VH-1185 dan V-241 Kurva AOQ diatas mengukur rata-rata tingkat kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p yang menyatakan bahwa apabila dimisalkan proporsi kesalahan ditemukan sebesar 0,3 atau 30% maka kualitas rata-rata atau persentase rusak yang dibuang sebesar 0,147 atau 14,7%.

29 93 Tabel 4.32 Perhitungan Kurva AOQ VH-1125 Proporsi kesalahan Pa AOQ 0,1 0,991 0,061 0,2 0,942 0,116 0,3 0,837 0,155 0,4 0,683 0,168 0,5 0,5 0,154 0,6 0,317 0,117 0,7 0,163 0,070 0,8 0,058 0,029 0,9 0,028 0,015 Sumber : Pengolahan Contoh perhitungan : 0,991 0,1(13 5) AOQ = 13 = 0,061 Sumber : Pengolahan Gambar 4.7 Kurva AOQ VH-1125 Kurva AOQ diatas mengukur rata-rata tingkat kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p yang menyatakan bahwa apabila dimisalkan proporsi kesalahan ditemukan sebesar 0,3 atau 30% maka kualitas rata-rata atau persentase rusak yang dibuang sebesar 0,155 atau 15,5%.

30 Evaluasi Kinerja Supplier Mengevalusi atau menilai kinerja supplier juga merupakan pekerjaan yang sangat penting dilakukan untuk menciptakan daya saing yang berkelanjutan. Hasil penilaian ini dilakukan sebagai masukan bagi supplier untuk meningkatkan kinerja mereka. Bagi perusahaan pembeli, kinerja supplier dapat digunakan sebagai dasar untuk menentukan volume pembelian maupun untuk menentukan peringkat supplier Struktur Hierarki AHP Dalam menilai kinerja supplier dengan metode AHP, tujuan dan faktor penilaian kinerja perlu dibuat dalam bentuk struktur hierarki untuk memudahkan dalam proses pembobotan. Struktur hierarki AHP untuk penilaian kinerja dapat dilihat pada gambar 4.8. Struktur hierarki ini terdiri dari empat level, level pertama tujuan, level kedua faktor, level ketiga subfaktor dan level ke-empat supplier yang akan di evaluasi. Tujuan dari struktur ini adalah untuk menilai kinerja supplier sehingga supplier-supplier tersebut dapat dikelompokan dalam empat kuadran portofolio hubungan supplier. sedangkan faktor dan subfaktornya disesuaikan dengan faktor yang digunakan dalam merancang hubungan supplier berdasarkan tingkat kepentingan dan tingkat kesulitan. Faktor kontribusi dan nilai pembelian adalah faktor yang digunakan untuk menilai tingkat kepentingan supplier sedangkan faktor keunikan item, kemampuan memenuhi permintaan dan ketidakpastiaan adalah faktor untuk menilai tingkat kesulitan supplier. Subfaktor kualitas, harga dan delivery merupakan subfaktor dari faktor ketidakpastian yang termasuk pada tingkat kesulitan supplier.

31 1 Gambar 4.8 Struktur Hierarki AHP

32 Perhitungan AHP Pengolahan ini bertujuan untuk memperoleh bobot atas faktor dan subfaktor penilaian kinerja. pada pengolahan ini proses dapat diringkas sebagai berikut : 1. Menentukan kriteria penilaian, kriteria yang digunakan antara lain kontribusi, nilai pembelian, keunikan item, kemampuan memenuhi permintaan dan ketidakpastiaan yang memiliki subfaktor berupa harga, kualitas dan delivery sesuai dengan struktur hierarki AHP pada gambar Menentukan bobot masing-masing kriteria Matriks perbandingan berpasangan untuk kriteria Skala dari matriks perbandingan berpasangan untuk kriteria diperoleh dari 2 orang responden yang berkepentingan, yaitu kepala departemen factory dan kepala bagian Production Engineering. Tabel 4.4 hingga tabel 4.10 merupakan perbandingan berpasangan yang diperoleh dari responden kemudian kedua matriks tersebut akan dilakukan perhitungan dengan Geometric Average untuk mendapatkan perbandingan berpasangan yang mecakup pandangan dari kedua responden pada tabel tabel Perbandingan inilah yang akan digunakan untuk pengolahan AHP selanjutnya. Tabel 4.33 Matriks Kriteria Tingkat Kepentingan dan Jumlah Kolom Kriteria Kontribusi item Nilai pembelian Kontribusi item 1 0,447 Nilai pembelian 2,236 1 Total 3,236 1,447

33 97 Contoh perhitungan Geometric Average : n k = = 2,236 1 k 2... k n Contoh perhitungan Jumlah kolom : 1 + 2,236 = 3,236 Tabel 4.34 Matriks Kriteria Tingkat Kesulitan dan Jumlah Kolom Kriteria Permintaan terpenuhi Keunikan Ketidakpastian Permintaan terpenuhi 1 0,378 0,378 Keunikan 2, ,447 Ketidakpastian 2,646 2,236 1 Total 6,292 3,614 1,825 Contoh perhitungan Geometric Average : n k k... = = 2, k n Contoh perhitungan Jumlah kolom : 1 + 2, ,646 = 6,292 Normalisasi dan bobot (rata-rata) kriteria Tabel 4.35 Hasil Normalisasi dan Bobot Matriks Kriteria Tingkat Kepentingan Kontribusi item Nilai pembelian Rata-rata Kontribusi item 0,309 0,309 0,309 Nilai pembelian 0,691 0,691 0,691 a a Contoh perhitungan normalisasi : a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j ij SA j = 11 SA 1 = 1 3,236 = 0,309 Contoh perhitungan rata-rata : rata-rata AM = n i= 1 n a ij = 0, ,309 = 0,309 2

34 Tabel 4.36 Hasil Normalisasi dan Bobot Matriks Kriteria Tingkat Kesulitan Kriteria Permintaan terpenuhi Keunikan Ketidakpastian Rata-rata Permintaan terpenuhi 0,159 0,105 0,207 0,157 Keunikan 0,421 0,227 0,245 0,314 Ketidakpastian 0,421 0,619 0,548 0,529 aij Contoh perhitungan normalisasi : = a11 = 1 = 0,159 SA SA 6,292 a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j j 1 98 Contoh perhitungan rata-rata : rata-rata AM = n i= 1 n a ij = 0, , ,207 3 = 0, Menentukan bobot masing-masing subkriteria Matrix perbandingan berpasangan dan total untuk subkriteria Tabel 4.37 Matriks Subkriteria Ketidakpastian dan Jumlah Kolom Subkriteria Harga Delivery Kualitas Harga 1,000 1,000 0,577 Delivery 1,000 1,000 1,000 Kualitas 1,732 1,000 1,000 Total 3,732 3,000 2,577 Contoh perhitungan : Geometric Average : n k = = 1 1 k 2... k n Jumlah kolom : ,732 = 3,732

35 99 Normalisasi dan bobot (rata-rata) subkriteria Tabel 4.38 Hasil Normalisasi dan Bobot Matriks Subkriteria Ketidakpastian Subkriteria Harga Delivery Kualitas Rata-rata Harga 0,268 0,333 0,224 0,275 Delivery 0,268 0,333 0,388 0,330 Kualitas 0,464 0,333 0,388 0,395 Contoh perhitungan normalisasi : a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j a ij SA j = a11 SA 1 = 1 3,732 = 0,268 Contoh perhitungan rata-rata : rata-rata AM = n i= 1 n a ij = 0, , ,224 3 = 0,275 Hasil untuk bobot masing-masing subkriteria harus dikalikan dengan bobot induknya untuk mendapatkan bobot sebenarnya. Maka bobot untuk subkriteria ketidakpastian yang sebenarnya adalah : Harga : 0,275 x 0,529 = 0,145 Delivery : 0,330 x 0,529 = 0,175 Kualitas : 0,395 x 0,529 = 0, Identifikasi supplier yang akan dievaluasi supplier yang akan dievaluasi adalah supplier yang tingkat kualitasnya memiliki reject diatas 3,5%. Supplier-supplier tersebut antara lain dapat dilihat pada tabel 4.39

36 100 Tabel 4.39 Supplier yang Dievaluasi Supplier Simbol Pratama J PJ SanSanTex SS Ginza GZ Anugerah AG SejahteraTex ST Naga Berlian NB Abdul M AM TevTextile TT Global PS GP Kristako KT Gossip GS 5. Evaluasi masing-masing supplier dengan kriteria diatas Matriks perbandingan berpasangan untuk kriteria kontribusi dan jumlah kolom Masing-masing supplier dibandingkan dengan menggunakan skala pada tabel 2.4 kemudian setiap kolom dijumlahkan untuk digunakan sebagai pembagi dalam normalisasi. Tabel 4.40 tabel 4.46 akan menujukan seluruh perbandingan berpasangan dan jumlah kolom untuk setiap kriteria. Tabel 4.40 Matriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Kriteria Kontribusi AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1/9 1/8 1/ /5 1/9 1/9 1/7 1/5 AG GZ 8 1/ /2 1/2 1 2 GP 2 1/9 1/ /3 1/9 1/9 1/4 1/3 GS 1 1/9 1/ /4 1/9 1/9 1/5 1/4 KT 1 1/9 1/8 1/ /5 1/9 1/9 1/7 1/5 NB 5 1/5 1/ /3 1/3 1 1 PJ 9 1/ SS 9 1/ ST 7 1/ /2 1/2 1 1 TT 5 1/5 1/ /3 1/3 1 1 Total 57,000 3,511 10,617 45,000 50,000 57,000 16,983 6,111 6,111 11,736 16,983

37 101 Contoh perhitungan perbandingan berpasangan : AG : AM = 69 : 3 dilihat dari tabel 4.11 berarti AG secara absolut lebih penting dari AM maka AG : AM = 9 sedangkan AM : AG = 1/9 Contoh perhitungan jumlah kolom : Jumlah kolom AM = = 57 Tabel 4.41 Matriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Kriteria Nilai Pembelian AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1/9 1/9 1/ /3 1/9 1/9 1/4 1/8 AG / GZ 9 1/ /5 1/3 3 1 GP 4 1/9 1/ /9 1/9 1 1/2 GS 1/2 1/9 1/9 1/ /4 1/9 1/9 1/8 1/9 KT 1 1/9 1/9 1/ /3 1/9 1/9 1/5 1/9 NB 3 1/9 1/ /9 1/9 1/2 1/3 PJ SS / ST 4 1/9 1/ /9 1/7 1 1/2 TT 8 1/ /8 1/4 2 1 Total 57,500 5,200 14,200 35,617 67,000 61,000 39,917 2,992 5,282 33,075 20,681 Contoh perhitungan perbandingan berpasangan : AG : AM = Rp : Rp dilihat dari tabel 4.12 berarti AG secara absolut lebih penting dari AM maka AG : AM = 9 sedangkan AM : AG = 1/9 Contoh perhitungan jumlah kolom : Jumlah kolom AM = / = 57,5

38 Tabel 4.42 Matriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Kriteria Kemampuan Memenuhi Permintaan AM AG GZ GP GS KT NB PJ SS ST TT AM AG GZ 1 1/ GP GS KT NB PJ 1 1/ SS ST TT 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1 Total 10,111 9,111 11,111 10,111 10,111 10,111 10,111 11,111 10,111 10,111 91,000 Contoh perhitungan perbandingan berpasangan : AG : AM = 0% : 0,016% dilihat dari tabel 4.13 berarti AG sama pentingnya dengan AM maka AG : AM = 1 begitu pula dengan AM : AG = 1 Contoh perhitungan jumlah kolom : Jumlah kolom AM = /9 = 10, Tabel 4.43 Matriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Kriteria Keunikan AM AG GZ GP GS KT NB PJ SS ST TT AM AG 1/ /2 1 1/2 GZ 1/ /2 GP 1/ /2 1 1/2 1 1/2 GS 1/ /2 1 1/2 1 1/2 KT 1/ /2 NB PJ SS ST 1/ /2 1 2 TT Total 8,000 14,000 13,000 15,000 15,000 13,000 10,000 11,000 9,000 14,000 9,500 Contoh perhitungan perbandingan berpasangan : AG : AM = 6 : 3 dilihat dari tabel 4.15 Menunjukan bahwa AG lebih unik sehingga lebih sulit diperoleh dibandingkan AM maka perbandingan AM terhadap AG

39 103 dikatakan sama hingga sedikit lebih baik dimana AG : AM = 1/2 sedangkan AM : AG = 2 Jumlah kolom AM = 1 + 1/2 + 1/2 + 1/2 + 1/2 + 1/ /2 + 1 = 8 Tabel 4.44 Matriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Subkriteria Kualitas AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1/2 1/ /4 1/3 1/2 1 AG / GZ / GP 1 1/2 1/ /4 1/3 1/2 1 GS 1/5 1/9 1/9 1/ /6 1/9 1/9 1/9 1/5 KT 1/3 1/7 1/8 1/ /4 1/9 1/9 1/6 1/3 NB 1 1/2 1/ /3 1/2 1 1 PJ SS ST / TT 1 1/2 1/ /4 1/3 1/2 1 Total 17,533 8,254 8,069 18,533 68,000 54,000 14,417 4,806 6,722 8,778 17,533 Contoh perhitungan perbandingan berpasangan : AG : AM = 1,24% : 2,51% dilihat dari tabel 4.16 berarti AG terhadap AM sama hingga sedikit lebih baik maka AG : AM = 2 sedangkan AM : AG = 1/2 Contoh perhitungan jumlah kolom : Jumlah kolom AM = /5 + 1/ = 17,533 Tabel 4.45 Matriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Subkriteria Harga AM AG GZ GP GS KT NB PJ SS ST TT AM AG 1/ / /2 1 1/2 1/2 1/2 GZ / /2 1/2 1 GP GS 1/4 1/2 1/4 1/7 1 1/2 1/5 1/3 1/7 1/7 1/4 KT 1/2 1 1/2 1/ /2 1 1/3 1/3 1/2 NB PJ / /2 1 1/2 1/2 1 SS ST TT Total 9,250 16,500 12,750 7,976 46,000 20,500 8,700 14,333 7,976 7,976 9,250

40 104 Contoh perhitungan perbandingan berpasangan : AG : AM = Rp : Rp dilihat dari tabel 4.17 berarti AM terhadap AG sama hingga sedikit lebih penting maka AG : AM = 1/2 sedangkan AM : AG = 2 Contoh perhitungan jumlah kolom : Jumlah kolom AM = 1 + 1/ /4 + 1/ = 9,250 Tabel 4.46 Matriks Perbandingan Berpasangan dan Jumlah Kolom Supplier untuk Subkriteria Delivery AM AG GZ GP GS KT NB PJ SS ST TT AM 1 1/5 1/5 1/3 1/ /3 3 3 AG GZ GP 3 1/3 1/3 1 1/ GS KT 1/3 1/9 1/9 1/5 1/ /5 1 1 NB 1/3 1/9 1/9 1/5 1/ /5 1 1 PJ 1/3 1/9 1/9 1/5 1/ /5 1 1 SS 3 1/3 1/3 1 1/ ST 1/3 1/9 1/9 1/5 1/ /5 1 1 TT 1/3 1/9 1/9 1/5 1/ /5 1 1 Total 23,667 4,422 4,422 12,333 4,422 45,000 45,000 45,000 12,333 45,000 45,000 Contoh perhitungan perbandingan berpasangan : AG : AM = 5 : 1 dilihat dari tabel 4.18 berarti AG secara signifikan lebih baik dari AM sedangkan AM : AG = 1/5 Contoh perhitungan jumlah kolom : Jumlah kolom AM = /3 + 1/3 + 1/ /3 + 1/3 = 23,667 Normalisasi dan bobot (rata-rata) masing-masing supplier Normalisasi dilakukan dengan membagi setiap nilai skala perbandingan dengan jumlah kolom yang ada pada tabel tabel Sedangkan bobot supplier didapat dari nilai rata-rata setiap baris pada tabel tabel 4.53.

41 105 Tabel 4.47 Hasil Normalisasi dan Bobot untuk Kriteria Kontribusi AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0, 018 0,032 0,012 0,011 0,020 0,018 0, 012 0,018 0,018 0, 012 0,012 0,017 AG 0, 158 0,285 0,283 0,200 0,180 0,158 0, 294 0,327 0,327 0, 256 0,294 0,251 GZ 0, 140 0,095 0,094 0,111 0,120 0,140 0, 118 0,082 0,082 0, 085 0,118 0,108 GP 0, 035 0,032 0,019 0,022 0,020 0,035 0, 020 0,018 0,018 0, 021 0,020 0,024 GS 0, 018 0,032 0,016 0,022 0,020 0,018 0, 015 0,018 0,018 0, 017 0,015 0,019 KT 0, 018 0,032 0,012 0,011 0,020 0,018 0, 012 0,018 0,018 0, 012 0,012 0,017 NB 0, 088 0,057 0,047 0,067 0,080 0,088 0, 059 0,055 0,055 0, 085 0,059 0,067 PJ 0, 158 0,142 0,188 0,200 0,180 0,158 0, 177 0,164 0,164 0, 170 0,177 0,171 SS 0, 158 0,142 0,188 0,200 0,180 0,158 0, 177 0,164 0,164 0, 170 0,177 0,171 ST 0, 123 0,095 0,094 0,089 0,100 0,123 0, 059 0,082 0,082 0, 085 0,059 0,090 TT 0,088 0,057 0,047 0,067 0,080 0,088 0,059 0,055 0,055 0,085 0,059 0,067 aij Contoh perhitungan normalisasi : = a11 SA SA = 1 = 0, a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j j 1 Contoh perhitungan rata-rata : rata-rata AM = n n a ij i= 1 = 0, , , , , , , , , , , = 0,017 Tabel 4.48 Hasil Normalisasi dan Bobot untuk Kriteria Nilai Pembelian AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,017 0,021 0,008 0,007 0,030 0,016 0,008 0,037 0,021 0,008 0, 006 0,016 AG 0,157 0,192 0,211 0,253 0,134 0,148 0,225 0,167 0,189 0,272 0, 242 0,199 GZ 0,157 0,064 0,070 0,084 0,134 0,148 0,125 0,067 0,063 0,091 0, 048 0,096 GP 0,070 0,021 0,023 0,028 0,090 0,082 0,025 0,037 0,021 0,030 0, 024 0,041 GS 0,009 0,021 0,008 0,005 0,015 0,016 0,006 0,037 0,021 0,004 0, 005 0,013 KT 0,017 0,021 0,008 0,006 0,015 0,016 0,008 0,037 0,021 0,006 0, 005 0,015 NB 0,052 0,021 0,014 0,028 0,060 0,049 0,025 0,037 0,021 0,015 0, 016 0,031 PJ 0,157 0,385 0,352 0,253 0,134 0,148 0,225 0,334 0,379 0,272 0, 387 0,275 SS 0,157 0,192 0,211 0,253 0,134 0,148 0,225 0,167 0,189 0,212 0, 193 0,189 ST 0,070 0,021 0,023 0,028 0,119 0,082 0,050 0,037 0,027 0,030 0, 024 0,047 TT 0,139 0,038 0,070 0,056 0,134 0,148 0,075 0,042 0,047 0,060 0,048 0,078

42 106 Contoh perhitungan normalisasi : a ij SA j = a11 SA 1 = 1 = 0,017 57,5 a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j Contoh perhitungan rata-rata : rata-rata AM = n n a ij i= 1 = 0, ,021+ 0, , , , , , ,021+ 0, , = 0,016 Tabel 4.49 Hasil Normalisasi dan Bobot untuk Kriteria Kemampuan Memenuhi Permintaan AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 AG 0,099 0,110 0,180 0,099 0, 099 0,099 0,099 0,180 0,099 0,099 0,099 0, 115 GZ 0,099 0,055 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 093 GP 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 GS 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 KT 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 NB 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 PJ 0,099 0,055 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 093 SS 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 ST 0,099 0,110 0,090 0,099 0, 099 0,099 0,099 0,090 0,099 0,099 0,099 0, 098 TT 0,011 0,012 0,010 0,011 0,011 0,011 0,011 0,010 0,011 0,011 0,011 0,011 aij Contoh perhitungan normalisasi : = a11 1 = = 0,099 SA SA 10,111 a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j j 1 Contoh perhitungan rata-rata : rata-rata AM = n n a ij i= 1 = 0, , , , , , , , , , , = 0,098

43 107 Tabel 4.50 Hasil Normalisasi dan Bobot untuk Kriteria Keunikan AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,125 0,143 0,154 0,133 0,133 0,154 0,100 0,091 0,111 0,143 0,105 0,127 AG 0,063 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,056 0,071 0,053 0,072 GZ 0,063 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,111 0,071 0,053 0,077 GP 0,063 0,071 0,077 0,067 0,067 0,077 0,050 0,091 0,056 0,071 0,053 0,067 GS 0,063 0,071 0,077 0,067 0,067 0,077 0,050 0,091 0,056 0,071 0,053 0,067 KT 0,063 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,111 0,071 0,053 0,077 NB 0,125 0,071 0,077 0,133 0,133 0,077 0,100 0,091 0,111 0,071 0,105 0,100 PJ 0,125 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,111 0,071 0,105 0,087 SS 0,125 0,143 0,077 0,133 0,133 0,077 0,100 0,091 0,111 0,143 0,105 0,113 ST 0,063 0,071 0,077 0,067 0,067 0,077 0,100 0,091 0,056 0,071 0,211 0,086 TT 0,125 0,143 0,154 0,133 0,133 0,154 0,100 0,091 0,111 0,143 0,105 0,127 aij Contoh perhitungan normalisasi : SA a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j j = a11 SA 1 = 8 1 = 0,125 a ij Contoh perhitungan rata-rata : rata-rata AM = i= 1 = n 0, , , ,133+ 0,133+ 0, , ,091+ 0,111+ 0,143+ 0, = 0,127 n Tabel 4.51 Hasil Normalisasi dan Bobot untuk Subkriteria Kualitas AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,057 0,061 0,062 0,054 0,074 0,056 0,069 0,052 0,050 0,057 0,057 0,059 AG 0,114 0,121 0,124 0,108 0,132 0,130 0,139 0,104 0,149 0,114 0,114 0,123 GZ 0,114 0,121 0,124 0,162 0,132 0,148 0,139 0,104 0,149 0,114 0,114 0,129 GP 0,057 0,061 0,041 0,054 0,074 0,056 0,069 0,052 0,050 0,057 0,057 0,057 GS 0,011 0,013 0,014 0,011 0,015 0,019 0,012 0,023 0,017 0,013 0,011 0,014 KT 0,019 0,017 0,015 0,018 0,015 0,019 0,017 0,023 0,017 0,019 0,019 0,018 NB 0,057 0,061 0,062 0,054 0,088 0,074 0,069 0,069 0,074 0,114 0,057 0,071 PJ 0,228 0,242 0,248 0,216 0,132 0,167 0,208 0,208 0,149 0,228 0,228 0,205 SS 0,171 0,121 0,124 0,162 0,132 0,167 0,139 0,208 0,149 0,114 0,171 0,151 ST 0,114 0,121 0,124 0,108 0,132 0,111 0,069 0,104 0,149 0,114 0,114 0,115 TT 0,057 0,061 0,062 0,054 0,074 0,056 0,069 0,052 0,050 0,057 0,057 0,059 aij Contoh perhitungan normalisasi : = a11 SA SA = 1 = 0,125 8 j 1

44 108 a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j a ij Contoh perhitungan rata-rata : rata-rata AM = i= 1 = n 0, , , ,133+ 0,133+ 0, , ,091+ 0,111+ 0,143+ 0, = 0,127 n Tabel 4.52 Hasil Normalisasi dan Bobot untuk Subkriteria Harga AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,108 0,121 0,078 0,125 0,087 0,098 0,115 0,070 0,125 0,125 0,108 0,106 AG 0,054 0,061 0,078 0,063 0,043 0,049 0,057 0,070 0,063 0,063 0,054 0,060 GZ 0,108 0,061 0,078 0,063 0,087 0,098 0,115 0,070 0,063 0,063 0,108 0,083 GP 0,108 0,121 0,157 0,125 0,152 0,146 0,115 0,140 0,125 0,125 0,108 0,129 GS 0,027 0,030 0,020 0,018 0,022 0,024 0,023 0,023 0,018 0,018 0,027 0,023 KT 0,054 0,061 0,039 0,042 0,043 0,049 0,057 0,070 0,042 0,042 0,054 0,050 NB 0,108 0,121 0,078 0,125 0,109 0,098 0,115 0,140 0,125 0,125 0,108 0,114 PJ 0,108 0,061 0,078 0,063 0,065 0,049 0,057 0,070 0,063 0,063 0,108 0,071 SS 0,108 0,121 0,157 0,125 0,152 0,146 0,115 0,140 0,125 0,125 0,108 0,129 ST 0,108 0,121 0,157 0,125 0,152 0,146 0,115 0,140 0,125 0,125 0,108 0,129 TT 0,108 0,121 0,078 0,125 0,087 0,098 0,115 0,070 0,125 0,125 0,108 0,106 aij Contoh perhitungan normalisasi : = a11 1 = = 0,108 SA j SA1 9,250 a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j Contoh perhitungan rata-rata : rata-rata AM = n n a ij i= 1 = 0, ,121+ 0, , , , , , , , , = 0,106

45 109 Tabel 4.53 Hasil Normalisasi dan Bobot untuk Subkriteria Delivery AM AG GZ GP GS KT NB PJ SS ST TT Rata-rata AM 0,042 0,045 0,045 0,027 0,045 0,067 0,067 0,067 0,027 0,067 0,067 0,051 AG 0,211 0,226 0,226 0,243 0,226 0,200 0,200 0,200 0,243 0,200 0,200 0,216 GZ 0,211 0,226 0,226 0,243 0,226 0,200 0,200 0,200 0,243 0,200 0,200 0,216 GP 0,127 0,075 0,075 0,081 0,075 0,111 0,111 0,111 0,081 0,111 0,111 0,097 GS 0,211 0,226 0,226 0,243 0,226 0,200 0,200 0,200 0,243 0,200 0,200 0,216 KT 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 NB 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 PJ 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 SS 0,127 0,075 0,075 0,081 0,075 0,111 0,111 0,111 0,081 0,111 0,111 0,097 ST 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 TT 0,014 0,025 0,025 0,016 0,025 0,022 0,022 0,022 0,016 0,022 0,022 0,021 aij Contoh perhitungan normalisasi : SA a ij = nilai skala pada baris i kolom j Sa j = jumlah kolom j j = a11 SA 1 = 1 23,667 = 0,042 a ij Contoh perhitungan rata-rata : rata-rata AM = i= 1 = n 0, , , , , , , , , , , = 0,127 n 6. Menghitung nilai agregat masing-masing supplier Perhitungan nilai agregat dilakukan berdasarkan kriteria yang dibagi menjadi tingkat kepentingan dan kesulitan. Berikut ini adalah perhitungan nilai agregat masing-masing supplier dimana nilai agregat diperoleh dengan mengalikan bobot masing-masing kriteria dan subkriteria dengan nilai supplier pada kriteria dan subkriteria yang bersangkutan.

46 Dibawah ini adalah perkalian matriks nilai bobot supplier berdasarkan tingkat kepentingan. Dengan perhitungan bobot kontribusi pada perusahaan dikalikan dengan bobot kriteria kontribusi kemudian ditambah dengan besar bobot nilai pembelian yang dikalikan dengan bobot kriteria nilai pembelian. Nilai Kontribusi Pembelian AM 0,017 0,016 AG 0,251 0,199 GZ 0,108 0,096 GP 0,024 0,041 0,309 GS 0,019 0,013 x 0,691 KT 0,017 0,015 NB 0,067 0,031 PJ 0,171 0,275 SS 0,171 0,189 ST 0,09 0,047 TT 0,067 0, Dibawah ini adalah hasil perkalian matriks nilai bobot supplier berdasarkan tingkat kepentingan. AM = 0, ,011 = 0,016 AG = 0, ,138 = 0,215 GZ = 0, ,066 = 0,100 GP = 0, ,028 = 0,036 GS = 0, ,009 = 0,015 KT = 0, ,010 = 0,016 NB = 0, ,021 = 0,042 PJ = 0, ,190 = 0,243 SS = 0, ,131 = 0,183 ST = 0, ,032 = 0,060 TT = 0, ,054 = 0,075

47 Dibawah ini adalah perkalian matriks nilai bobot supplier berdasarkan tingkat kesulitan 111 Kuantitas Keunikan Kualitas Harga Waktu AM 0,098 0,127 0,059 0,106 0,051 AG 0,115 0,072 0,123 0,06 0,216 GZ 0,093 0,077 0,129 0,083 0,216 GP 0,098 0,067 0,057 0,129 0,097 0,157 GS 0,098 0,067 0,014 0,023 0,216 x 0,314 KT 0,098 0,077 0,018 0,05 0,021 0,209 NB 0,098 0,100 0,071 0,114 0,021 0,145 PJ 0,093 0,087 0,205 0,071 0,021 0,175 SS 0,098 0,113 0,151 0,129 0,097 ST 0,098 0,086 0,115 0,129 0,021 TT 0,011 0,127 0,059 0,106 0,021 Dibawah ini adalah hasil perkalian matriks nilai bobot supplier berdasarkan tingkat kesulitan. AM = 0, , , , ,009 = 0,092 AG = 0, , , , ,038 = 0,113 GZ = 0, , , , ,038 = 0,116 GP = 0, , , , ,017 = 0,084 GS = 0, , , , ,038 = 0,081 KT = 0, , , , ,004 = 0,054 NB = 0, , , , ,004 = 0,082 PJ = 0, , , , ,004 = 0,099 SS = 0, , , , ,017 = 0,118 ST = 0, , , , ,004 = 0,089 TT = 0, , , , ,004 = 0, Uji Konsistensi AHP konsistensi AHP digunakan untuk menguji kekonsistenan jawaban atau nilai skala dari perbandingan berpasangan maka seluruh perbandingan berpasangan perlu diuji konsistensinya. Langkah pengujian konsistensi dimulai dengan mengkalikan martiks kriteria yang akan diuji dengan rata-rata hasil normalisasinya.

48 Berikut adalah langkah dan contoh perhitungan uji konsistensi pada matriks perbandingan berpasangan kriteria tingkat kesulitan dengan menghitung perbandingan berpasangan kriteria dikalikan dengan bobot kriterianya dan hasil perkalian matriks tersebut dapat dilihat pada tabel ,378 0,378 0,378 2, ,447 x 0,724 2,646 2, , Kemudian dilanjutkan dengan membagi kolom jumlah dengan bobot masingmasing faktor. Tabel 4.54 Hasil Perkalian Matriks Uji Konsistensi Kriteria Tingkat Kesulitan Kriteria Permintaan terpenuhi Keunikan Ketidakpastian Jumlah Permintaan terpenuhi 0,157 0,119 0,200 0,476 Keunikan 0,415 0,314 0,237 0,966 Ketidakpastian 0,415 0,702 0,529 1,646 0,476 0,157 3,031 0,966 : 0,314 = 3,075 1,646 0,529 3,112 Rata-rata = 3,073 CI= = 0,036 CR= = 0,063 λ n 3,073 3 Contoh perhitungan : CI = = n = 0,036 CI 0,036 CR = = RI 0, 58 = 0,063 n = jumlah item yang dibandingkan λ = nilai rata-rata yang dihitung sebelumnya RI = kontanta Random Index sesuai jumlah n

49 113 Tabel 4.55 Hasil Uji Konsistensi Matriks perbandingan Kriteria dan Subkriteria Tingkat Tingkat Subkriteria kepentingan Kesulitan Ketidakpastian CI 0 0,036 0,017 CR 0 0,063 0,029 Nilai konsistensi rasio lebih kecil daripada 0,1 berarti perbandingan konsistensi pada matriks dinyatakan konsisten dan hasil yang diperoleh dapat dipercaya. Berikut adalah langkah dan contoh perhitungan uji konsistensi pada matriks perbandingan berpasangan supplier untuk kriteria kontribusi 1 1/9 1/8 1/ /5 1/9 1/9 1/7 1/ / /2 1/ /9 1/ /3 1/9 1/9 1/4 1/3 1 1/9 1/ /4 1/9 1/9 1/5 1/4 1 1/9 1/8 1/ /5 1/9 1/9 1/7 1/5 5 1/5 1/ /3 1/ / / / /2 1/ /5 1/ /3 1/3 1 1 x 0,017 0,251 0,108 0,024 0,019 0,017 0,067 0,171 0,171 0,090 0,067 Tabel 4.56 Hasil Perkalian Matriks Uji Konsistensi Perbandingan Supplier AM AG GZ GS GP KT NB PJ SS ST TT Jumlah AM 0,017 0,028 0,013 0,012 0,019 0,017 0,013 0,019 0,019 0,013 0,013 0,183 AG 0,149 0,251 0,323 0,213 0,170 0,149 0,336 0,341 0,341 0,270 0,336 2,878 GZ 0,132 0,084 0,108 0,118 0,113 0,132 0,134 0,085 0,085 0,090 0,134 1,216 GP 0,033 0,028 0,022 0,024 0,019 0,033 0,022 0,019 0,019 0,023 0,022 0,263 GS 0,017 0,028 0,018 0,024 0,019 0,017 0,017 0,019 0,019 0,018 0,017 0,211 KT 0,017 0,028 0,013 0,012 0,019 0,017 0,013 0,019 0,019 0,013 0,013 0,183 NB 0,083 0,050 0,054 0,071 0,075 0,083 0,067 0,057 0,057 0,090 0,067 0,754 PJ 0,149 0,126 0,216 0,213 0,170 0,149 0,201 0,171 0,171 0,180 0,201 1,945 SS 0,149 0,126 0,216 0,213 0,170 0,149 0,201 0,171 0,171 0,180 0,201 1,945 ST 0,116 0,084 0,108 0,094 0,094 0,116 0,067 0,085 0,085 0,090 0,067 1,006 TT 0,083 0,050 0,054 0,071 0,075 0,083 0,067 0,057 0,057 0,090 0,067 0,754

50 114 Kemudian dilanjutkan dengan membagi kolom jumlah dengan bobot masing-masing faktor 0,183 0,017 11,061 2,878 0,251 11,461 1,216 0,108 11,287 0,263 0,024 11,143 0,211 : 0,019 = 11,179 0,183 0,017 11,061 0,754 0,067 11,230 1,945 0,171 11,394 1,945 0,171 11,394 1,006 0,090 11,180 0,754 0,067 11,230 Average = 11,238 CI = 0,024 CR = 0,016 Contoh perhitungan : CI = λ n n 1 = 11, = 0,024 CI 0,024 CR = = RI 1, 51 = 0,016 Hasil pengujian konsistensi AHP secara keseluruhan atas perbandingan berpasangan supplier dapat dilihat pada tabel tabel 4.57 Hasil Uji Konsistensi Matriks Perbandingan Supplier Nilai Permintaan Keunikan Kontribusi Pembelian Terpenuhi Item Kualitas Harga Delivery CI 0,024 0,109 0,007 0,042 0,014 0,017 0,015 CR 0,016 0,072 0,004 0,028 0,009 0,011 0,010 Nilai konsistensi rasio seluruhnya lebih kecil daripada 0,1 berarti konsistensi pada seluruh matriks perbandingan tersebut dinyatakan konsisten dan hasil yang diperoleh dapat dipercaya.

51 Pengelompokan Portofolio Hubungan Supplier Merancang hubungan yang tepat dengan supplier juga merupakan hal yang penting dalam rantai pasok. Hubungan dengan supplier bisa bersifat kemitraan jangka panjang maupun hubungan transaksional jangka pendek. Model hubungan mana yang tepat tentunya tergantung pada banyak hal, diantara berdasarkan tingkat kepentingan dan kesulitan. Maka portfolio hubungan supplier dibagi menjadi empat kelompok, yaitu bottleneck supplier, critical strategic supplier, non strategic supplier dan leverage supplier. Ke-empat kelompok tersebut terbentuk dalam suatu kuadran sesuai dengan sumbu x yang merupakan tingkat kepentingan dan sumbu y yang merupakan tingkat kesulitan pada tabel 4.58 dan pemetaannya dapat dilihat pada gambar 4.9. Tabel 4.58 Pemetaan Portfolio Hubungan Supplier Supplier Sumbu X Sumbu Y AM 0,016 0,092 AG 0,215 0,113 GZ 0,100 0,116 GP 0,036 0,084 GS 0,015 0,081 KT 0,016 0,054 NB 0,042 0,082 PJ 0,243 0,099 SS 0,183 0,118 ST 0,060 0,089 TT 0,075 0,073

52 116 Rendah 0,180 0,160 0,140 Non-critical Suppliers Leverage Suppliers Tingkat kesulita 0,120 0,100 0,080 0,060 0,040 0,020 Bottleneck Suppliers Critical Strategic Suppliers Tinggi 0,000 0,000 0,050 0,100 0,150 0,200 0,250 Rendah Tingkat Kepentingan Tinggi Gambar 4.9 Pemetaan Portfolio Hubungan Supplier Portfolio hubungan supplier menghasilkan 6 bottleneck supplier, 0 critical strategic supplier, 1 non strategic supplier dan 4 leverage supplier. dengan sumbu X merupakan tingkat kepentingan dimana semakin ke kanan berarti tingkat kepentingan semakin tinggi, dan sumbu Y merupakan tingkat kesulitan dimana semakin ke atas berarti tingkat kesulitan semakin rendah.

53 Analisa Data dan Pembahasan Analisa Data di Luar Standar Sebagai alat bantu analisa, tabel data di luar standar telah dilengkapi data-data yang mendukung analisa maka dari tabel tersebut informasi yang dapat diambil adalah Pada lampiran 4, artikel dengan reject aktual yang keluar dari standar perusahaan berjumlah 27 artikel yang terdiri dari 11 supplier berbeda. Supplier tersebut dinyatakan keluar dari standar karena memiliki reject aktual melebihi 3,5%. Ke- 11 supplier tersebut adalah Abdul M, Anugerah, Ginza, Global PS, Gossip, Kristako, Naga Berlian, Pratama Jaya,Tev Textile, Sejahtera Tex, dan SanSan Tex. Apabila dilihat melalui rata-rata reject seperti pada tabel 4.59 maka supplier yang keluar dari standar hanya 3, yaitu New Minatex, Central Sandang, Kristako dan Gossip. New Minatex dan Central Sandang tidak dianalisa karena mereka tidak dibeli melalui supplier melainkan dari toko dengan jumlah kecil sehingga tahap inspeksi diabaikan. Tabel 4.59 Supplier dengan Reject Rata-rata Rangking Supp Biaya Reject Biaya Pembelian % Biaya Kerugian 1 Sumber Gunung Avg Rp Rp ,02% 2 Busana I Avg Rp Rp ,09% 3 Pulau Intan Avg Rp Rp ,10% 4 Ratu Busana Avg Rp5.600 Rp ,20% 5 Pratama J Avg Rp Rp ,68% 6 Bintang K Avg Rp Rp ,69% 7 Sumber Agung Avg Rp Rp ,72% 8 Fandy L Avg Rp Rp ,84% 9 SanSanTex Avg Rp Rp ,99% 10 Ginza Avg Rp Rp ,11% 11 KTSM Avg Rp Rp ,13%

54 118 Tabel 4.59 Supplier dengan Reject Rata-rata (lanjutan) Rangking Supp Biaya Reject Biaya Pembelian % Biaya Kerugian 12 Multi Sandang Avg Rp Rp ,22% 13 Anugerah Avg Rp Rp ,24% 14 Sejahtera Tex Avg Rp Rp ,41% 15 SuryaTex Avg Rp Rp ,85% 16 Naga Berlian Avg Rp Rp ,02% 17 Abdul M Avg Rp Rp ,51% 18 Tev Textile Avg Rp Rp ,52% 19 Global P Avg Rp Rp ,78% 20 Dhanar Mas Avg Rp Rp ,11% 21 New Minatex Avg Rp Rp ,12% 22 Central Sandang Avg Rp Rp ,66% 23 Kristako Avg Rp Rp ,70% 24 Gossip Avg Rp Rp ,75% Namun pada pengolahan selanjutnya yaitu evaluasi penerimaan sampel data reject yang digunakan adalah reject artikel yang keluar dari standar, hal ini dikarenakan evaluasi penerimaan sampel hendak menganalisa secara langsung apakah pengambilan sampel yang dilakukan inspektor selama memeriksa material salah sehingga menyebabkan banyaknya reject aktual yang merugikan perusahaan. Selain itu untuk evaluasi artikel juga digunakan supplier yang keluar standar berdasarkan artikel, hal ini disebabkan permintaan dari perusahaan agar penelitian lebih akurat dan konsisten dengan pengolahan sebelumnya. Dilihat dari segi kondisi material 23 dari 27 artikel yang keluar standar merupakan barang stock atau barang lama yang sebelumnya telah disimpan supplier. Ada beberapa kemungkinan atas barang stock tersebut antara lain adalah barang hasil output berlebih, barang hasil pengembalian konsumen lain, atau barang lama yang tidak laku dijual.

55 119 Sedangkan berdasarkan hasil inspeksi pada gudang penerimaan 13 dari 28 artikel dinyatakan lolos, namun kenyataannya tidaklah seperti itu. Dari ke-13 artikel yang dinyatakan lolos 3 diantaranya Fresh sedangkan sisanya Stock. Hal ini menyimpulkan bahwa ketiga pengambilan sampel pada artikel yang fresh tersebut tidaklah akurat. Ke-15 artikel yang dinyatakan tidak lolos inspeksi kenyataanya tetap diproduksi karena adanya permintaan dari Merchandiser Brand yang tetap menginginkan material tersebut untuk tetap diproduksi Analisa Penerimaan Sampel Analisa Kurva OC Berdasarkan hasil analisa kurva OC pada tabel 4.27 untuk artikel VH-1165 maka kinerja pengambilan sampel adalah sebagai berikut : Apabila dari 3 rol sampel yang diperiksa, ditemukan 1 rol yang dinyatakan reject (cacat 10% - 30%) maka kemungkinan penerimaan (Pa) untuk 20 rol yang lain adalah diantara 97,2% - 78,4%. 2 rol yang dinyatakan reject (cacat 40% - 60%) maka kemungkinan penerimaan (Pa) untuk 20 rol yang lain adalah diantara 64,8% - 35,2%. 3 rol yang dinyatakan reject (cacat 70% - 90%) maka kemungkinan penerimaan (Pa) untuk 20 rol yang lain adalah diantara 21,6% - 2,8% Batas AQL (α = 3,5%) berada pada proporsi kesalahan 0,1-0,2 dengan Pa 97,2% - 89,6% yang berarti ketidaksesuaian maksimum yang dapat diterima apabila hasil inspeksi menunjukan penolakan pada 1 rol saja.

56 120 Batas LQL (β = 10%) berada pada proporsi 0,8 dengan Pa 10,4% yang berarti apabila jumlah cacat yang ditemukan saat inspeksi ada 3 rol maka seluruh rol yang sejenis (homogen) harus ditolak. Kesimpulannya apabila saat pemeriksaan sampel dimana 3 rol diperiksa sebagai sampel ditemukan 1 rol yang tidak sesuai maka seluruh rol yang homogen dapat diterima, namun bila ditemukan 3 rol yang tidak sesuai maka seluruh rol yang homogen harus ditolak atau dikembalikan ke supplier. Sedangkan apabila ketidaksesuaian yang ditemukan 2 rol maka akan dilakukan sampling ganda atau keputusan bagian Merchandiser. Gambar batas AQL dan LQL dapat dilihat pada gambar 4.10 dibawah ini. 1,2 Kurva OC 1 Pa 0,8 0,6 0,4 0,2 Pa 0 0,1 AQL 0,2 0,3 0,4 0,5 0,6 0,7 0,8LQL 0,9 p Gambar 4.10 batas AQL dan LQL pada Artikel VH-1165

57 121 Berdasarkan hasil analisa kurva OC pada tabel 4.28 untuk artikel VH-1185 dan V-241 maka kinerja pengambilan sampel adalah sebagai berikut : Apabila dari 3 rol sampel yang diperiksa, ditemukan 1 rol yang dinyatakan reject (cacat 10% - 30%) maka kemungkinan penerimaan (Pa) untuk 8 rol yang lain adalah diantara 97,2% - 78,4%. 2 rol yang dinyatakan reject (cacat 40% - 60%) maka kemungkinan penerimaan (Pa) untuk 8 rol yang lain adalah diantara 64,8% - 35,2%. 3 rol yang dinyatakan reject (cacat 70% - 90%) maka kemungkinan penerimaan (Pa) untuk 8 rol yang lain adalah diantara 21,6% - 2,8% Batas penerimaan AQL (α = 3,5%) berada pada proporsi kesalahan 0,1-0,2 dengan Pa 97,2% - 89,6% yang berarti ketidaksesuaian maksimum yang dapat diterima apabila hasil inspeksi menunjukan penolakan pada 1 rol saja. Batas penerimaan LQL (β = 10%) berada pada proporsi 0,8 dengan Pa 10,4% yang berarti apabila jumlah cacat yang ditemukan saat inspeksi ada 3 rol maka seluruh rol yang sejenis (homogen) harus ditolak. Kesimpulannya apabila saat pemeriksaan sampel dimana 3 rol diperiksa sebagai sampel ditemukan 1 rol yang tidak sesuai maka seluruh rol yang homogen dapat diterima, namun bila ditemukan 3 rol yang tidak sesuai maka seluruh rol yang homogen harus ditolak atau dikembalikan ke supplier. Sedangkan apabila ketidaksesuaian yang ditemukan 2 rol maka akan dilakukan sampling ganda atau keputusan merchandiser. Secara kebetulan tabel dan gambar kurva OC pada artikel ini sama artikel VH-1165, hal ini dikarenakan besar jumlah cacat yang dapat diterima dan jumlah sampel sama karena nilai inilah yang digunakan dalam

58 perhitungan kurva OC. Gambar batas AQL dan LQL dapat dilihat pada gambar 4.11 dibawah ini ,2 Kurva OC 1 Pa 0,8 0,6 0,4 0,2 Pa 0 0,1 AQL 0,2 0,3 0,4 0,5 0,6 0,7 0,8LQL 0,9 p Gambar 4.11 batas AQL dan LQL pada Artikel VH-1185 dan V-241 Berdasarkan hasil analisa kurva OC pada tabel 4.29 untuk artikel CG-1125 maka kinerja pengambilan sampel adalah sebagai berikut : Apabila dari 5 rol sampel yang diperiksa, ditemukan 1 rol yang dinyatakan reject (cacat 10% - 20%) maka kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 99,1% - 94,2%. 2 rol yang dinyatakan reject (cacat 30% - 40%) maka kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 83,7% - 68,3%. 3 rol yang dinyatakan reject (cacat 50% - 60%) maka kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 50% - 31,7%. 4 rol yang dinyatakan reject (cacat 70% - 80%) maka kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 16,3% - 5,8%.

59 123 5 rol yang dinyatakan reject (cacat 90%) maka kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah 0,9%. Batas AQL (α = 3,5%) berada pada proporsi kesalahan 0,1-0,2 dengan Pa 99,1% - 94,2% yang berarti ketidaksesuaian maksimum yang dapat diterima apabila hasil inspeksi menunjukan penolakan pada 1 rol saja. Batas penerimaan LQL (β = 10%) berada pada proporsi 0,7-0,8 dengan Pa 16,3% - 5,8% yang berarti apabila jumlah cacat yang ditemukan saat inspeksi ada 4 rol maka seluruh rol yang sejenis (homogen) harus ditolak. Kesimpulannya apabila saat pemeriksaan sampel dimana 5 rol di periksa sebagai sampel ditemukan 1 rol yang tidak sesuai maka seluruh rol yang homogen dapat diterima, namun bila ditemukan 4 rol yang tidak sesuai maka seluruh rol yang homogen harus ditolak atau dikembalikan ke supplier. Sedangkan apabila ketidaksesuaian yang ditemukan 2 atau 3 rol maka akan dilakukan sampling ganda. Gambar batas AQL dan LQL dapat dilihat pada gambar 4.12 dibawah ini. 1,2 Kurva OC Pa 1,0 0,8 0,6 0,4 0,2 Pa 0,0 AQL LQL 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 p Gambar 4.12 batas AQL dan LQL pada Artikel CG-1125

60 Untuk menentukan sesuai atau tidaknya penerimaan sampel yang telah dilakukan perusahaan dengan penerimaan aktual, maka kedua penerimaan tersebut perlu dibandingkan terlebih dahulu pada proporsi kesalahan yang yang sama. Tabel 4.60 menunjukan perbedaan kedua penerimaan tersebut menurut proporsi kesalahan yang ditemukan saat inspeksi. Tabel 4.60 Perbandingan Probabilitas Penerimaan sampel dengan Penerimaan Aktual VH-1165 (%) VH-1185 (%) V-241 (%) CG-1125 (%) p 2,94 1,6 1,47 2,03 Pa kurva 99,74 99,14 99,27 94,6 Pa aktual 90,79 96,49 95,9 95, p = proporsi kesalahan yang ditemukan dari hasil inspeksi, lampiran 4 kolom J Pa aktual = perimaan aktual (100%- % reject aktual) Pa Kurva = probabilitas penerimaan berdasarkan kurva, gambar Untuk artikel VH-1165, saat inspeksi proporsi kesalahan yang ditemukan adalah 2,94% maka berdasarkan proporsi tersebut probabilitas penerimaan dari kurva adalah 99,74% sedangkan penerimaan aktualnya adalah 90,79%. Besarnya selisih yang ada di antara penerimaan tersebut, dapat menyatakan bahwa penerimaan sampel yang dilakukan perusahaan pada artikel ini kurang sesuai. Untuk artikel VH-1185, saat inspeksi proporsi kesalahan yang ditemukan adalah 1,6% maka berdasarkan proporsi tersebut probabilitas penerimaan dari kurva adalah 99,14% sedangkan penerimaan aktualnya adalah 96,49%. Besarnya selisih yang ada di

61 125 antara penerimaan tersebut, dapat menyatakan bahwa penerimaan sampel yang dilakukan perusahaan pada artikel ini kurang sesuai. Untuk artikel V-241, saat inspeksi proporsi kesalahan yang ditemukan adalah 1,47% maka berdasarkan proporsi tersebut probabilitas penerimaan dari kurva adalah 99,27% sedangkan penerimaan aktualnya adalah 95,9%. Besarnya selisih yang ada di antara penerimaan tersebut, dapat menyatakan bahwa penerimaan sampel yang dilakukan perusahaan pada artikel ini kurang sesuai. Untuk artikel CG-1125, saat inspeksi proporsi kesalahan yang ditemukan adalah 2,03% maka berdasarkan proporsi tersebut probabilitas penerimaan dari kurva adalah 94,6% sedangkan penerimaan aktualnya adalah 95,95%. Dengan adanya sedikit selisih antara penerimaan tersebut, hal ini dapat menyatakan bahwa penerimaan sampel yang dilakukan perusahaan pada artikel ini telah sesuai Analisa Kurva AOQ Berdasarkan hasil analisa kurva AOQ pada tabel 4.30 untuk artikel VH-1165 maka hubungan antara tingkat kualitas rata-rata yang ada dengan kualitas barang yang diperiksa adalah : Apabila dari 3 rol sampel yang diperiksa, ditemukan 1 rol yang dinyatakan reject (cacat 10% - 30%) dengan kemungkinan penerimaan (Pa) untuk 20 rol yang lain adalah diantara 97,2% - 78,4% maka kualitas rata-rata yang keluar adalah 0,083 0, rol yang dinyatakan reject (cacat 40% - 60%) dengan kemungkinan penerimaan (Pa) untuk 20 rol yang lain adalah diantara 64,8% - 35,2% maka kualitas rata-rata yang keluar adalah 0,220 0,180.

62 126 3 rol yang dinyatakan reject (cacat 70% - 90%) maka kemungkinan penerimaan (Pa) untuk 20 rol yang lain adalah diantara 21,6% - 2,8% maka kualitas rata-rata yang keluar adalah 0,129 0,021. Nilai kualitas rata-rata terburuk yang akan keluar (AOQL) pada tabel berada pada proporsi kesalahan 0,4 dengan Pa 64,8% yang berarti kualitas rata-rata terburuk yang akan keluar adalah 0,220. Secara lebih akurat lagi dapat dilihat pada tabel 4.61 dan gambar 4.13 dengan proporsi kesalahan terburuk adalah 0,42 dengan nilai Pa 61,9% dan rata-rata kualitas yang keluar adalah 0,221. Tabel 4.61 Nilai AOQL pada Artikel VH-1165 Proporsi Kesalahan np Pa AOQ 0,41 1,23 0,634 0,2208 0,42 1,26 0,619 0,2210 0,43 1,29 0,604 0,2209 0,44 1,32 0,590 0,2205 0,25 0,20 AOQ AOQL AOQ 0,15 0,10 0,05 AOQ 0,00 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 p Gambar 4.13 Nilai AOQL pada Artikel VH-1165

63 127 Berdasarkan hasil analisa kurva AOQ pada tabel 4.31 untuk artikel VH-1185 dan V-241 maka hubungan antara tingkat kualitas rata-rata yang ada dengan kualitas barang yang diperiksa adalah : Apabila dari 3 rol sampel yang diperiksa, ditemukan 1 rol yang dinyatakan reject (cacat 10% - 30%) dengan kemungkinan penerimaan (Pa) untuk 8 rol yang lain adalah diantara 97,2% - 78,4% maka kualitas rata-rata yang keluar adalah 0,061 0, rol yang dinyatakan reject (cacat 40% - 60%) dengan kemungkinan penerimaan (Pa) untuk 8 rol yang lain adalah diantara 64,8% - 35,2% maka kualitas rata-rata yang keluar adalah 0,162 0, rol yang dinyatakan reject (cacat 70% - 90%) maka kemungkinan penerimaan (Pa) untuk 8 rol yang lain adalah diantara 21,6% - 2,8% maka kualitas rata-rata yang keluar adalah 0,095 0,016. Nilai kualitas rata-rata terburuk yang akan keluar (AOQL) pada tabel berada pada proporsi kesalahan 0,4 dengan Pa 64,8% yang berarti kualitas rata-rata terburuk yang akan keluar adalah 0,162. Secara lebih akurat lagi dapat dilihat pada tabel 4.62 dan gambar 4.14 dengan proporsi kesalahan terburuk adalah 0,42 dengan nilai Pa 61,9% dan rata-rata kualitas yang keluar adalah 0,1625. Tabel 4.62 Nilai AOQL pada Artikel VH-1185 dan V-241 Proporsi Kesalahan np Pa AOQ 0,41 1,23 0,634 0,1623 0,42 1,26 0,619 0,1625 0,43 1,29 0,604 0,1624 0,44 1,32 0,590 0,1621

64 128 AOQ AOQ 0,18 0,16 AOQL 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,00 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 p AOQ Gambar 4.14 Titik AOQL untuk Artikel VH-1185 dan V-241 Berdasarkan hasil analisa kurva AOQ pada tabel 4.32 untuk artikel CG-1125 maka hubungan antara tingkat kualitas rata-rata yang ada dengan kualitas barang yang diperiksa adalah : Apabila dari 5 rol sampel yang diperiksa, ditemukan 1 rol yang dinyatakan reject (cacat 10% - 20%) dengan kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 99,1% - 94,2% maka kualitas rata-rata yang keluar adalah 0,061 0, rol yang dinyatakan reject (cacat 30% - 40%) dengan kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 83,7% - 68,3% maka kualitas rata-rata yang keluar adalah 0,155 0, rol yang dinyatakan reject (cacat 50% - 60%) maka kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 50% - 31,7% maka kualitas rata-rata yang keluar adalah 0,154 0,117.

65 4 rol yang dinyatakan reject (cacat 70% - 80%) maka kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 16,3% - 5,8% maka kualitas rata-rata yang keluar adalah 0,070 0, rol yang dinyatakan reject (cacat 90) maka kemungkinan penerimaan (Pa) untuk 13 rol yang lain adalah diantara 0,9% maka kualitas rata-rata yang keluar adalah 0,005. Nilai kualitas rata-rata terburuk yang akan keluar (AOQL) pada tabel berada 129 pada proporsi kesalahan 0,4 dengan Pa 68,3% yang berarti kualitas rata-rata terburuk yang akan keluar adalah 0,168. Perhitungan yang dilakukan lebih akurat lagi pada tabel 4.63 dan gambar 4.15 juga menyatakan hal yang sama. Tabel 4.63 Nilai AOQL pada Artikel CG-1125 Proporsi Kesalahan np Pa AOQ 0,39 1,95 0,700 0,1679 0,4 2 0,683 0,1680 0,41 2,05 0,665 0,1678 0,42 2,1 0,647 0,1673 AOQ 0,18 0,16 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,00 AOQ AOQL 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 p AOQ Gambar 4.15 Titik AOQL untuk Artikel CG-1125

66 Analisa Evaluasi Kinerja Berikut ini adalah hasil penilaian akhir atas kesebelas supplier yang dapat dilihat berdasarkan kriteria dan subkriteria masing-masing beserta bobotnya pada tabel Tabel 4.64 Hasil Penilaian Akhir 11 Supplier Tingkat Kepentingan Tingkat Kesulitan Kriteria / Ketidakpastian SubKriteria Nilai Nilai Nilai Kontribusi Pembelian Bobot Kuantitas Keunikan Kualitas Harga Waktu Bobot Bobot 0,309 0,691 0,157 0,314 0,209 0,145 0,175 AM 0,017 0,016 0,016 0,098 0,127 0,059 0,106 0,051 0,092 AG 0,251 0,199 0,215 0,115 0,072 0,123 0,06 0,216 0,113 GZ 0,108 0,096 0,100 0,093 0,077 0,129 0,083 0,216 0,116 GP 0,024 0,041 0,036 0,098 0,067 0,057 0,129 0,097 0,084 GS 0,019 0,013 0,015 0,098 0,067 0,014 0,023 0,216 0,081 KT 0,017 0,015 0,016 0,098 0,077 0,018 0,05 0,021 0,054 NB 0,067 0,031 0,042 0,098 0,100 0,071 0,114 0,021 0,082 PJ 0,171 0,275 0,243 0,093 0,087 0,205 0,071 0,021 0,099 SS 0,171 0,189 0,183 0,098 0,113 0,151 0,129 0,097 0,118 ST 0,09 0,047 0,060 0,098 0,086 0,115 0,129 0,021 0,089 TT 0,067 0,078 0,075 0,011 0,127 0,059 0,106 0,021 0,073 Berdasarkan tingkat kepentingannya dan kesulitannya maka urutan supplier berdasarkan peringkat tertinggi hingga terendah dapat dilihat pada tabel 4.65 Tabel 4.65 Peringkat Supplier Berdasarkan Pembobotan Rangking Tingkat Kepentingan Tingkat Kesulitan 1 PJ 0,243 SS 0,118 2 AG 0,215 GP 0,116 3 SS 0,183 AM 0,113 4 GZ 0,100 PJ 0,099 5 TT 0,075 AG 0,092 6 ST 0,060 ST 0,089 7 NB 0,042 GS 0,084 8 GP 0,036 NB 0,082 9 AM 0,016 GZ 0, KT 0,016 TT 0, GS 0,015 KT 0,054

67 131 Dari tabel diatas dapat dikatakan bahwa tingkat kepentingan dari material yang supplier Pratama Jaya (PJ) kirimkan paling tinggi diantara yang lain namun dari tingkat kesulitan apabila nilai bobot tinggi, berarti tingkat kesulitannya rendah dan itu merupakan ciri dari Sansan Tex. Jadi supplier yang memiliki tingkat kesulitan yang tinggi dalam memperoleh material adalah Kristako (KT) dengan bobot tingkat kesulitan yang rendah. Berdasarkan penilaian secara keseluruhan maka perusahaan yang memiliki kinerja baik dan patut diprioritaskan adalah supplier yang memiliki bobot tingkat kesulitan dan kepentingan yang tinggi. Perusahaan yang masuk dalam kriteria baru dapat dilihat pada portofolio hubungan supplier. Dalam menetapkan skala pada perbandingan berpasangan diperlukan konsistensi, karena apabila terdapat ketidakkonsitenan dalam menetapkan skala maka pengolahan AHP yang dilakukan tidak akan berarti. Oleh karena itu dalam hal ini validasi dan konsistensi pernyataan sangat penting. Untuk menyatakan konsistensi atau tidaknya perbandingan tersebut digunakan nilai suatu rasio konsistensi (consistency Ratio - CR) yang dapat dihitung untuk mengukur tingkat inkonsistensi dalam perbandingan pasangan. Pada tabel 4.55 dan 4.57 nilai konsistensi yang dihasilkan semuanya < 0,10 sehingga dapat dikatakan bahwa tingkat konsistensi pada perbandingan tersebut memuaskan dan perbandingan tersebut dapat digunakan untuk mengolah perhitungan AHP.

68 Analisa Portofolio Hubungan Supplier Sumbu y dari portofolio matriks menunjukan tingkat kesulitan dengan nilai tengah 0,91 nilai tengah tersebut ditetapkan berdasarkan nilai rata-rata seluruh bobot, sedangkan sumbu x menunjukan tingkat kepentingan dengan nilai tengah yang sama yaitu 0,91 dikarenakan rata-rata bobot masing-masing supplier sama. Pada pemetaannya apabila suatu titik yang menyatakan supplier penempatannya semakin kekanan berarti tingkat kepentingan material dari supplier tersebut semakin tinggi, sedangkan apabila titik tersebut penempatannya semakin ke atas berarti tingkat kesulitannya untuk memperoleh material dari supplier tersebut semakin rendah. Dengan demikian berdasarkan portofolio matriks dapat ditentukan klasifikasi supplier berasarkan kriteria yang bobot dari masing-masing supplier telah diolah dengan AHP. Sesuai dengan gambar 4.9 hanya 3 kelompok yang menjadi klasifikasi supplier pada BBI yaitu : 1 supplier atau 9% pada kelompok non critical supplier, yaitu Abdul M (AM). Supplier yang termasuk dalam kelompok ini memiliki tingkat kesulitan rendah dan tingkat kepentingan yang juga rendah kebalikan dari critical strategic supplier maka biasanya ketersediaan material dari supplier ini cukup, karena material yang diberikan cukup standar sehingga substitusi dimungkinkan dan nilainya relatif rendah. 4 supplier atau 36,4% pada kelompok leverage supplier, yaitu Anugerah (AG), Pratama J (PJ), Ginza (GZ), SansanTex (SS). Supplier yang termasuk dalam kelompok ini memiliki tingkat kesulitan rendah namun tingkat kepentingannya tinggi, umumnya ketersediaan material dari supplier ini

69 133 cukup, karena material yang diberikan cukup standar sehingga substitusi dimungkinkan namun nilainya terhadap perusahaan relatif tinggi. 6 supplier atau 54,6% pada kelompok bottleneck supplier, yaitu Sejahtera Tex (ST), Gossip (GS), Global P (GP), Kristako (KT), Naga Berlian (NB), Tev Textile (TT). Supplier yang termasuk dalam kelompok ini memiliki tingkat kesulitan tinggi namun tingkat kepentingannya rendah maka material yang diberikan oleh supplier ini sulit untuk dicari penggantinya, karena supplier yang baru sulit untuk masuk. Sedangkan supplier yang masuk dalam kelompok critical strategic supplier tidak ada. Namun sebagai pelengkap supplier yang termasuk dalam kelompok ini memiliki tingkat kesulitan tinggi dan tingkat kepentingannya juga tinggi substitusi bagi material yang diberikan sulit dan penting bagi perusahaan.

70 Usulan Penerapan Usulan Rencana Penerimaan Sampel Harapan perusahaan akan hasil penerimaan sampel adalah apabila proporsi kesalahan (p) = 3,5% maka tingkat penerimaannya (Pa) = 96,5% dengan α = 3,5%. Namun setelah di evaluasi dengan kurva OC ternyata penerimaan sampel pada artikel VH-1165, VH-1185, V-241 dan CG-1125 tidaklah sesuai dengan yang diharapkan perusahaan maupun kondisi aktualnya karena penerimaan aktual yang terjadi kurang dari 96,5% walaupun proporsi kesalahannya tidak sampai 3,5%. Agar penerimaan sampel berikutnya sesuai dengan kondisi aktual yang terjadi maka sebaiknya rencana penerimaan sampel sesuai dengan tabel Tabel 4.66 Usulan Penerimaan Sampel Artikel p Pa Sekarang Usulan n c n c VH ,0294 0, VH ,016 0, V-241 0,0147 0, CG ,0203 0, Harapan Perusahaan 0,035 0, Sumber : Usulan Untuk artikel VH-1165, proporsi kesalahan yang ditemukan saat inspek sebesar 0,0294 dengan kenyataan penerimaan sebesar 0,942. Maka rencana penerimaan yang sebaiknya digunakan dan sesuai dengan kejadian tersebut, tidak dapat ditemukan karena jumlah penerimaan yang terlalu rendah mengakibatkan perlunya jumlah sampel yang melebihi jumlah populasinya sendiri.

71 135 Untuk artikel VH-1185, proporsi kesalahan yang ditemukan saat inspek sebesar 0,016 dengan kenyataan penerimaan sebesar 0,968. Maka rencana penerimaan yang sebaiknya digunakan untuk menyesuaikan dengan kejadian tersebut adalah dengan menginspeksi dua sampel dengan tingkat penerimaan sebanyak nol. Pada gambar 4.16 dapat dilihat kurva OC yang dibuat sesuai dengan usulan menunjukan bahwa tingkat kerusakan yang diterima (AQL) telah diperketat menjadi 0,018 atau 1,8% untuk kemungkinan penerimaan sebesar 96,5% atau persen cacat aktual 3,5%. Sedangkan dari sisi LQL juga mengalami perbaikan dengan meningkatnya batas proporsi kesalahan untuk menolak partai menjadi 0,7 dengan tingkat resiko konsumen yang tetap sebesar 10%. 1,20 1,00 0,80 Kurva OC Usulan n=2 c=0 Pa 0,60 0,40 0,20 0,00 0,01 0,11 0,21 0,31 0,41 0,51 0,61 p Sumber : Usulan Gambar 4.16 Kurva OC Usulan n=2, c=0 LQL Untuk artikel V-241, proporsi kesalahan yang ditemukan saat inspek sebesar 0,0147 dengan kenyataan penerimaan sebesar 0,957. Maka rencana penerimaan yang sebaiknya digunakan untuk menyesuaikan dengan kejadian tersebut adalah

72 136 dengan menginspeksi tiga sampel dengan tingkat penerimaan sebanyak nol. Pada gambar 4.17 dapat dilihat kurva OC yang dibuat sesuai dengan usulan menunjukan bahwa tingkat kerusakan yang diterima (AQL) telah diperketat menjadi 0,012 atau 1,2% untuk kemungkinan penerimaan sebesar 96,5% atau persen cacat aktual 3,5%. Sedangkan dari sisi LQL juga mengalami perbaikan dengan meningkatnya batas proporsi kesalahan untuk menolak partai menjadi 0,54 dengan tingkat resiko konsumen yang tetap sebesar 10%. 1,20 1,00 0,80 Kurva OC Usulan n=3 c=0 Pa 0,60 0,40 0,20 0,00 0,01 0,11 0,21 0,31 0,41 0,51 LQL 0,61 0,71 0,81 p Sumber : Usulan Gambar 4.17 Kurva OC Usulan n=3, c=0 Untuk artikel CG-1125, proporsi kesalahan yang ditemukan saat inspek sebesar 0,0203 dengan kenyataan penerimaan sebesar 0,960. Maka rencana penerimaan yang sebaiknya digunakan untuk menyesuaikan dengan kejadian tersebut adalah dengan menginspeksi dua sampel dengan tingkat penerimaan sebanyak nol. Kurva OC usulan yang sesuai dapat dilihat pada gambar 4.17 dikarenakan usulan yang diberikan untuk menyelasikan kasus ini memiliki kesamaan.

73 137 Apabila perusahaan memerlukan rencana penerimaan yang konsisten maka agar tetap sesuai dengan harapan penerimaan perusahaan rencana penerimaan yang sebaiknya digunakan untuk menyesuaikan adalah dengan menginspeksi sebuah sampel dengan tingkat penerimaan sebanyak nol. Rencana penerimaan tersebut berlaku untuk proporsi kesalahan yang ditemukan saat inspek sebesar 0,035 dengan kenyataan penerimaan sebesar 0,965. Pada gambar 4.18 dapat dilihat kurva OC yang dibuat sesuai dengan usulan dimana tingkat kerusakan yang diterima (AQL) adalah 0,035 atau 3,5% untuk kemungkinan penerimaan sebesar 96,5% atau persen cacat aktual 3,5%. Sedangkan dari sisi LQL mengalami pernurunan dengan berkurangnya batas proporsi kesalahan untuk menolak partai menjadi 0,9 dengan tingkat resiko konsumen yang tetap sebesar 10%. Maka rencana ini kurang disarankan untuk digunakan apabila biaya menerima partai yang jelek tinggi. Kurva OC Usulan Harapan Pa 1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 LQL 0,01 0,11 0,21 0,31 0,41 0,51 0,61 0,71 0,81 0,91 p Sumber : Usulan Gambar 4.18 Kurva OC Usulan Harapan

74 138 Untuk melengkapi rencana penerimaan diatas sebaiknya perusahaan menyatakan reject tidak berdasarkan rol tetapi langsung berdasarkan rata-rata jumlah poin yang dapat menyatakan persentase reject aktual. Sehingga hubungan jumlah reject dan penerimaan dapat dinyatakan dengan lebih akurat Usulan Hubungan dengan Supplier Hubungan yang proporsional adalah hubungan yang secara tepat mencerminkan kepentingan tiap-tiap supplier. Untuk menciptakan model hubungan tersebut, pengolahan AHP telah membantu membuat klasifikasi supplier berdasarkan berbagai kriteria yang relevan. Supplier yang baik adalah supplier dengan tingkat kepentingan item yang tinggi namun tingkat kesulitan memperolehnya rendah, berarti kelompok supplier yang termasuk dalam leverage supplier adalah supplier yang perlu diprioritaskan oleh perusahaan dalam menjaga hubungan yang baik. Untuk mengingatkan kembali supplier yang termasuk dalam kelompok ini adalah Anugerah (AG), Pratama J (PJ), Ginza (GZ), SansanTex (SS). Cara menjaga hubungan yang baik untuk supplier pada kelompok ini adalah dengan : Kelompok supplier ini relatif mudah dikelola, perusahaan dapat memberikan masukan untuk perbaikan dan menindaklanjuti semua usulan perbaikan yg telah diberikan. Membuat model hubungan kemitraan jangka panjang, namun hal itu hanya perlu dilakukan bila ada potensi perbaikan dari supplier yang cukup signifikan. Perusahaan memiliki posisi tawar menawar yang bagus yang harus dipertahankan.

75 139 Mengevaluasi alternatif pembelian yang spesifik, karena perusahaan dimungkinkan melakukan substitusi maka diperlukan evaluasi agar barang atau jasa yang kritis selalu terjaga kualitasnya. Perusahaan melibatkan perkembangan koordinasi aktivitas untuk mengintegrasikan aktivitas. Meskipun tidak diharapkan untuk bertahan lama, hubungan ini memilliki pandangan jangka panjang untuk banyak divisi dan fungsi organisasi yang dilibatkan. Untuk kelompok supplier yang lain, seperti Bottleneck suppliers perlakuan model hubungan yang dilakukan perusahaan pada kelompok ini adalah dengan Menaruh perhatian yang signifikan, karena ketidaktersediaan item-item yang dipasok akan menjadi penghambat. Terhadap supplier-supplier seperti ini perusahaan bisa meningkatkan standarisasi atau penyederhanaan spesifikasi barang atau jasa sehingga dapat lebih mudah diperoleh. Membuat supplier menjadi bagian yang tak terpisahkan dari proses pertumbuhan bisnis perusahaan karena secara alamiah barang tersebut tidak mudah diperoleh. Mengatur kriteria pembelian dan penggunaan agar tidak termonopoli oleh supplier. Perusahaan perlu saling mengenal satu sama lain sebagai rekan, dan dalam batas tertentu mengkoordinasi aktivitas dan rencana. Hubungan kerjasama ini biasanya memiliki fokus jangka pendek dan hanya melibatkan satu divisi atau area fungsional dari masing-masing perusahaan.

76 140 Untuk non-critical suppliers, cara menjaga hubungan yang baik untuk supplier pada kelompok ini adalah Fokus pada penyederhanaan proses pembelian dengan memberi otoritas bagi tingkat manajemen yang lebih rendah untuk mengambil keputusan pembelian dan mengurangi proses-proses yang memakan waktu dan biaya. Fokus pada harga per unit karena item-item yang dipasok biasanya relatif standar dan tidak bernilai strategis. Perusahaan dapat bernegosiasi dengan supplier karena memiliki posisi tawar menawar yang bagus yang harus dipertahankan. Ketersediaan yang cukup dan substitusi yang dimungkinkan dapat membuat perusahaan terus mencari alternatif supplier maka selalu diperlukan evaluasi alternatif pembelian agar mendapatkan supplier yang terbaik dan mengurangi switching cost. Penggunaan e-marketplace diijinkan untuk menentukan supplier baru dan mendorong kompetesi antara supplier untuk mengurangi harga produk mereka. Beruntung perusahaan tidak memiliki critical strategic suppliers karena supplier jenis ini secara ekstrim bisa dikatakan bahwa peningkatan pertumbuhan perusahaan dibatasi oleh kemampuan supplier ini. Cara menjaga hubungan yang baik untuk supplier pada kelompok ini adalah Membangun hubungan kemitraan yang bersifat jangka panjang yang membutuhkan investasi bersama dari pihak perusahaan maupun supplier. Hal ini dilakukan karena investasi pada kelompok ini perlu dilakukan agar supplier

77 141 dapat memasok barang dan jasa dengan kualitas yang lebih baik dan pengiriman yang lebih tepat waktu. Melakukan evaluasi pasca pembelian, karena barang dan jasa dari supplier ini kritis dan bernilai besar bagi perusahaan. Perlu selalu menetapkan anggaran yang tersedia agar tidak terjebak dengan dilema kepentingan dan kesulitan yang tinggi sehingga mengabaikan anggaran untuk kebutuhan yang lain. Perusahaan perlu menganggap perusahaan rekannya sebagai suatu perpanjangan atau perusahaan tambahan dari perusahaan itu sendiri. Tipikal pada hubungan ini adalah tidak adanya batas waktu kerjasama. Ringkasan usulan dari ke-empat kelompok supplier tersebut dapat dilihat pada gambar Rendah Non-critical supplier Leverage supplier Penyederhanaan proses pembelian Kemitraan jangka panjang Fokus pada harga per unit Mengintegrasikan aktivitas Bernegosiasi dengan supplier Posisi tawar menawar yang bagus Penggunaan e-marketplace Alternatif pembelian yang spesifik Tingkat Kesulitan Bottleneck supplier Critical strategic supplier Menyederhanakan spesifikasi barang Tidak adanya batas waktu kerjasama Mengatur kriteria pembelian Membutuhkan investasi bersama Fokus jangka pendek Evaluasi pasca pembelian Tinggi Tinggi Tingkat Kepentingan Sumber : Usulan Gambar 4.19 Usulan Fokus Manajemen untuk Setiap Kelompok