BAB II LANDASAN TEORI

5 BAB II LANDASAN TEORI 2.1 Pembelian Bahan Baku Pembelian bahan baku pada perusahaan manufaktur biasanya dilakukan oleh divisi Purchasing. Purchasing dalam perusahaan manufaktur dapat diartikan sebagai kegiatan untuk mendapatkan barang-barang seperti bahan baku produksi dan bahan pembantu produksi lainnya. Bahan baku merupakan bahan yang berhubungan dengan proses pembuatan barang setengah jadi atau barang jadi, yang diolah perusahaan manufaktur. Pembelian bahan baku biasanya dilakukan oleh perusahaan besar maupun perusahaan kecil, kepala departemen memiliki wewenang untuk membeli bahan baku sesuai dengan kebutuhan. Menurut Sofjan (2008) bahan baku merupakan barang-barang berwujud yang digunakan dalam proses produksi, barang dapat diperoleh dari sumber-sumber alam ataupun dibeli dari supplier atau perusahaan yang menghasilkan bahan baku bagi perusahaan pabrik yang menggunakannya. Bahan baku diperlukan oleh pabrik untuk diolah, yang setelah mengalami beberapa proses diharapkan menjadi barang jadi. 2.1.1 Tujuan Pembelian Bahan Baku Menurut Leenders, M,R., Fearon, (1997), secara garis besar tujuan dari pembelian bahan baku yaitu untuk memperoleh bahan baku yang tepat pada kuantitas yang tepat diwaktu dan tempat yang tepat dari pemasok yang tepat dengan pelayanan yang baik dan pada harga yang optimal. 2.1.2 Supplier Globalisasi memberikan dampak dengan semakin banyaknya bahan pertimbangan yang perlu diperhatikan dalam mengambil keputusan, terutama dalam hal membuat atau membeli material produksi. Ketika keputusan untuk membeli diambil, banyaknya perusahaan yang muncul untuk dijadikan supplier menambah bahan pertimbangan tersendiri. Di masa globalisasi ini persaingan antar perusahaan semakin ketat, sehingga pemilihan

6 pemasok menjadi salah satu faktor kesuksesan sebuah perusahaan Gancer, dkk. (2007). 2.1.3 Pemilihan Supplier Pemilihan supplier yang tepat menjadi nilai penting karena hal ini dimaksudkan untuk memastikan sebuah proyek akan berhasil dalam jangka panjang. Menurut Alfian, dkk. (2013) Proses pemilihan supplier yang tidak tepat akan berdampak pada penjualan dari perusahaan karena berhubungan dengan proses produksi dan juga produk yang akan dijual nantinya. Pemilihan supplier adalah permasalahan yang multi kriteria dimana setiap kriteria yang digunakan memiliki kepentingan yang berbeda-beda setiap kriterianya. Jika pemilihan supplier hanya fokus pada satu kriteria saja sudah tidak efisien lagi. Dalam mendapatkan supplier yang tepat perlu adanya pertimbangan lebih jauh dalam menilai kriteria-kriterianya. Menurut Dobler, dkk. (1990) pemilihan supplier menjadi salah satu faktor penting dalam supply chain karena merupakan salah satu strategi perusahaan untuk dapat bersaing dengan perusahaan lain dalam hal kepuasan konsumen dan juga untuk meningkatkan servis level perusahaan tersebut dalam memenuhi permintaan konsumen. Artikel yang dipublikasikan sejak tahun 1966 oleh Weber, dkk. (1991) menyajikan semua klasifikasi 74 paper, kriteria harga, pengiriman, kualitas, kapasitas produksi dan lokasi merupakan kriteria yang paling banyak disebut dalam literatur. Pemilihan supplier merupakan hal yang sangat penting yaitu penentuan kriteria-kriteria yang diperlukan untuk menilai kapasitas dan kinerja dari supplier dalam menghasilkan unit/ item yang di diinginkan. 2.1.4 Kriteria dalam Pemilihan Supplier Pemilihan supplier merupakan permasalahan multi kriteria dimana pada setiap kriteria yang digunakan mempunyai kepentingan berbeda dan informasi mengenai hal tersebut tidak diketahui secara tepat. Menurut Kurniawati dkk, (2013) umumnya terdapat beberapa kriteria yang mempengaruhi dalam pemilihan pemasok, misalnya dalam hal kualitas meliputi pengiriman, kinerja masa lalu, garansi, harga, kemampuan teknik dan kondisi finansial. Berikut merupakan

7 kriteria dan subkriteria yang digunakan dalam penelitian Kurniawati, dkk. (2013) setelah dirangkum dari berbagai sumber. 1. Kriteria biaya dengan subkriteria harga. 2. Kriteria Kualitas dengan sub-kriteria kesesuaian material dengan spesifikasi dan sub-kriteria kemampuan memberikan kualitas yang konsisten. 3. Kriteria ketepatan dengan sub-kriteria waktu pengiriman dan jumah pengiriman. 4. Kriteria service dengan sub-kriteria garansi & layanan aduan, responsif, dan sistem komunikasi 5. Kriteria hubungan pemasok dengan sub-kriteria keprofesionalan pemasok, kinerja masa lalu pemasok, dan kekuatan keuangan pemasok. Menurut Fong, dkk. (2000) ada lebih banyak lagi kriteria yang perlu diperhatikan dalam memilih supplier. Terdapat 8 kriteria dengan sub-kriterianya masing-masing yang dianggap perlu diperhatikan dalam memilih supplier yakni harga yang murah, kapabilitas keuangan, kinerja masa lalu, pengalaman masa lalu, sumberdaya, beban kerja saat ini, hubungan masa lalu, dan safety management dengan 15 sub-kriteria. Menurut Dicson (1966) mengemukakan dua puluh satu kriteria untuk pemilihan dan evaluasi supplier dapat dilihat pada tabel 2.1 Tabel 2.1 Kriteria Pemilihan Supplier No Kriteria No Kriteria 1 Kualitas 12 Management and Organization 2 Delivery 13 Operating Controls 3 Performance History 14 Attitudes 4 Warranties and Claim Policies 15 Impression 5 Price 16 Packaging Ability 6 Technical Capability 17 Labor Relations Records 7 Financial Position 18 Geographical Location 8 Prosedural Compliance 19 Amount of past business 9 Communication System 20 Training Aids 10 Reputation and Position in Industry 21 Reciprocal Arrangements 11 Desire for Business Sumber : Dickson, 1966 Dengan banyak kriteria-kriteria yang ada dalam pemilihan supplier, namun keputusan dalam penentuan kriteria yang akan digunakan dalam suatu perusahaan ditentukan oleh perusahaan itu sendiri. Perusahaan akan memilih beberapa kriteria

8 yang ada, pemilihan kriteria biasanya tergantung dari item-item bahan baku yang dipasok ke perusahaan. 2.1.5 Analytic Network Process (ANP) Analytic Network Process atau ANP adalah teori matematis yang memungkinkan seorang pengambil keputusan menghadapi faktor-faktor yang saling berhubungan (dependence) serta umpan balik (feedback) secara sistematik. ANP merupakan satu dari metode pengambilan keputusan berdasarkan banyaknya kriteria atau Multiple Kriteria Decision Making (MCDM) yang dikembangkan oleh Thomas L Saaty. Metode ini merupakan pendekatan baru metode kualitatif yang merupakan perkembangan lanjutan dari metode terdahulu yakni Analytic Hierarchy Process (AHP) Tanjung dan Devi (2013 hal 214). Kelebihan ANP dari metode yang lain adalah kemampuannya untuk membantu para pengambil keputusan dalam melakukan pengukuran dan sintesis sejumlah faktor-faktor dalam hierarki atau jaringan. Tidak ada metodologi lain yang mempunyai fasilitas sintesis seperti metodologi ANP. ANP merupakan teori matematika yang memungkinkan seseorang untuk melakukan dependence dan feedback secara sistematis yang dapat menangkap dan mengkombinasikan faktorfaktor tangible dan intangible Aziz (2003). Menurut Tanjung dan Devi (2013 hal 214), dari kesederhanaan metodenya membuat ANP menjadi metode yang lebih umum dan lebih mudah diaplikasikan untuk studi kualitatif yang beragam, seperti pengambilan keputusan, peramalan (forecasting), evaluasi, pemetaan (mapping), strategizing, alokasi sumber daya dan lain sebagainya. Penelitian dengan pendekatan kualitatif hanya mendeskripsikan hasil penemuan yang ada dilapangan tanpa melakukan sintesis lebih dalam. Terlebih lagi jika dibandingkan dengan metode AHP, ANP memiliki banyak kelebihan, seperti perbandingan yang dihasilkan lebih objektif, kemampuan prediktif yang lebih akurat, dan hasil yang lebih stabil. ANP lebih bersifat general dari AHP yang digunakan pada multi-criteria decision analysis. struktur AHP merupakan suatu decision problem dalam bentuk tingkatan suatu hirarki,

9 sementara ANP menggunakan pendekatan jaringan tanpa harus menetapkan level seperti pada hirarki yang digunakan dalam AHP (Saaty, 2005). Analytical Network Process digunakan untuk memecahkan masalah yang bergantung pada alternatif-alternatif dan kriteria-kriteria yang ada. Dalam teknik analisisnya, ANP menggunakan perbandingan berpasangan pada alternatif-alternatif dan kriteria proyek. Pada jaringan AHP terdapat level tujuan, kriterian, subkriteria, dan alternatif, dimana masing-masing level memiliki elemen. Sementara itu, level dalam AHP disebut cluster pada jaringan ANP yang dapat memiliki kriteria dan alternatif di dalamnya, yang sekarang disebut simpul. Tujuan Kriteria Komponen Cluster (level) Subkriteria Elemen Alternatif Garis putaran mengidentifikasi bahwa setiap elemen hanya bergantung pada dirinya sendiri Sumber :Saaty dan Vargas, 2006 Gambar 2.2 Jaringan Hirarki Gambar 2.2 menunjukkan analisa dengan pendekatan jaringan hirarki. Menurut Ma arif dan Tanjung (2003), hirarki tersebut merupakan alat dasar dari pemikiran manusia dengan melakukan pengidentifikasian elemen-elemen suatu masalah, lalu elemen tersebut dikelompokkan dalam bentuk kumpulan-kumpulan

10 atau komponen yang homogenity dan dirumuskan kedalam bentuk tingkatan yang berbeda. Tidak ada aturan dalam penyusunan jaringan hirarki, tetapi penyusunan jaringannya harus ditetapkan sesuai dengan situasi keputusan yang diambil. Selain menggunakan jaringan hirarki, pengambilan keputusan juga dapat dilakukan dengan jaringan timbal balik (feedback). Jaringan ini lebih memiliki ketepatan mengambarkan kondisi masalah penelitian yang kompleks. Gambar jaringan feedback dapat dilihat pada Gambar 2.3. Sumber :Saaty dan Vargas, 2006 Gambar 2.3 Jaringan Feedback Dengan menggunakan jaringan feedback, elemen-lemen akan terikat pada kriteria seperti pada hirarki tetapi dapat juga terikat pada sesama alternatif. Lebih jauh lagi, kriteria-kriteria itu sendiri dapat tergantung pada alternatifalternatif dan pada sesama kriteria. Sementara itu, feedback meningkatkan prioritas yang diturunkan dan membuat prediksi menjadi lebih akurat. Hasil dari ANP diperkirakan akan lebih stabil dengan menggunakan jaringan feedback. Dari gambar 2.3 dapat dilihat bahwa simpul atau elemen utama dan simpul-simpul yang akan dibandingkan dapat berada pada cluster-cluster yang berbeda. Sebagai contoh, ada hubungan langsung dari simpul utama C4 ke cluster lain (C2 dan C3), yang merupakan outer dependence. Sementara itu, ada simpul utama dan simpulsimpul yang akan dibandingkan berada pada cluster yang sama, sehingga cluster

11 ini terhubung dengan dirinya sendiri dan membentuk hubungan loop. Hal ini disebut inner dependence (Saaty dan Vargas., 2006). 2.1.6 Landasan ANP Metode Analytic Network Process (ANP) merupakan generalisasi dari AHP Saaty dan Vargas (2006). Metode ANP merupakan salah satu metode yang mampu mempresentasikan tingkat kepentingan berbagai pihak dengan mempertimbangkan saling keterkaitan antar kriteria dengan subkriteria. ANP j u g a merupakan metode dengan pendekatan kualitatif di mana data yang akan dijadikan sebagai bahan analisis tidak tersedia, sehingga penelitian harus mencari data secara primer. Oleh karena itu, ANP memiliki tiga aksioma yang menjadi landasan teorinya. Aksioma atau postulat berfungsi untuk memperkuat suatu pernyataan agar dapat dilihat kebenarannya tanpa perlu adanya bukti. Menurut Tanjung dan Devi (2013 hal 219) aksioma-aksioma tersebut diantaranya: 1. Resiprokal. Jika aktifitas X memiliki tingkat kepentingan 6 kali lebih besar dari aktifitas Y maka aktifitas Y besarnya 1/6 dari aktifitas X. 2. Homogenitas. Aksioma ini menyatakan bahwa elemen-elemen yang akan dibandingkan tidak memiliki perbedaan terlalu besar. Jika perbandingan terlalu besar maka akan berdampak pada kesalahan penilaian yang lebih besar. Skala yang digunakan dalam AHP dan ANP berbeda dengan skala yang digunakan pada skala likert umumnya (1 sampai 5). Skala yang digunakan dalam ANP memiliki rentang lebih besar, yaitu 1 sampai 9 bahkan lebih. Berikut skala yang digunakan dalam ANP diringkas pada Tabel 2.2. Tabel 2.2 Skala dalam ANP Deskripsi Tingkat Penjelasan Kepentingan Sama Penting 1 Dua aktivitas berpengaruh sama terhadap tujuan Sedikit Lebih Penting 3 Satu aktivitas dinilai sedikit lebih berpengaruh dibandingkan aktivitas lainnya Lebih Penting 5 Satu aktivitas dinilai lebih berpengaruh

12 Sangat Lebih Penting dibandingkan aktivitas lainnya 7 Satu aktivitas dinilai sangat lebih berpengaruh dibandingkan aktivitas lainnya Mutlak Lebih Penting Sumber : Saaty, 2003 9 Satu aktivitas dinilai mutlak lebih berpengaruh dibandingkan aktivitas lainnya 3. Aksioma yang ketiga adalah setiap elemen dan komponen yang digambarkan dalam jaringan kerangka kerja baik hirarki maupun feedback, betul-betul dapat mewakili agar sesuai dengan kondisi yang ada dan hasilnya sesuai pula dengan yang diharapkan. 2.1.7 Prinsip dasar Analytical Network Process Menurut Ascarya (2005) membagi prinsip dasar dalam ANP menjadi tiga, yaitu : dekomposisi, penilaian komparasi, dan komposisi hirarki (sintesis). Penjelasan le/bih lengkap ketiga prinsip tersebut adalah sebagai berikut: 1. Dekomposisi. Permasalahan yang dikumpulkan dengan melakukan studi lapangan ketika penelitian sedang berlangsung merupakan masalah yang sangat kompleks. Untuk menstruktur masalah-masalah yang kompleks tersebut perlu didekomposisikan ke dalam suatu jaringan dalam bentuk komponen-komponen, kriteria, subkriteria dan alternatif. Mendekomposisikan masalah dalam bentuk kerangka kerja hirarki atau feedback dengan membuat model dengan pendekatan ANP. 2. Penilaian komparasi. Prinsip ini diterapkan untuk melihat perbandingan dari semua jaringan/hubungan/pengaruh yang dibentuk dalam suatu kerangka kerja. Hubungan tersebut dapat berupa hubungan antara elemen-elemen dalam suatu komponen yang berbeda atau hubungan antara elemen-elemen dengan elemen lainnya dalam komponen yang sama. Hasil dari semua pasangan perbandingan tersebut digunakan untuk memperoleh hasil prioritas dalam setiap komponen. 3. Komposisi hirarki atau sintesis. Prinsip ini diterapkan untuk mengalikan kriteria dari elemen-elemen untuk menghasilkan prioritas seluruh hirarki dan melakukan penjumlahan untuk menghasilkan

13 prioritas alternatif untuk elemen alternatif). level terendah (biasanya merupakan 2.1.8 Fungsi Utama ANP Fungsi utama dalam ANP ada tiga sebagai berikut Ascarya dan Yumanita, (2005) : 1. Menstruktur Kompleksitas Permasalahan yang kompleks jika tidak distruktur dengan baik maka akan sulit dalam menguraikan masalah tersebut. Serumit apapun dan sekompleks apapun masalah yang dihadapi, ANP membantu dalam menstruktur masalah tersebut. Dalam penelitiannya, Saaty (1999) menemukan adanya pola-pola yang sama dalam sejumlah contoh tentang bagaimana manusia memecahkan sebuah kompleksitas dari masa ke masa. Dimana kompleksitas distruktur secara hierarki ke dalam cluster-cluster yang homogen dari faktor faktor. 2. Pengukuran dalam Skala Rasio Pengukuran ke dalam skala rasio ini diperlukan untuk mencerminkan proporsi. Setiap metode dengan struktur hirarki harus menggunakan prioritas skala rasio untuk elemen di atas level terendah dari hirarki. Hal ini penting karena prioritas (bobot) dari elemen di level manapun dari hirarki ditentukan dengan mangalikan prioritas dari elemen induknya. Karena hasil perkalian dari dua pengukuran level interval secara matematis tidak memiliki arti, skala rasio diperlukan untuk perkalian ini. ANP menggunakan skala rasio pada semua level terendah dari hirarki/jaringan, termasuk level terendah (alternatif dalam model pilihan). Skala rasio ini menjadi semakin penting jika prioritas tidak hanya digunakan untuk aplikasi pilihan, namun untuk aplikasi-aplikasi lain, seperti untuk aplikasi alokasi sumber daya. 3. Sintesis Sintesis berarti menyatukan semua bagian menjadi satu kesatuan. Karena kompleksitas, situasi keputusan penting, atau prakiraan, atau alokasi sumber daya, sering melibatkan terlalu banyak dimensi bagi

14 manusia untuk dapat melakukan sintesis secara intuitif, kita memerlukan suatu cara untuk melakukan sintesis dari banyak dimensi. Fungsi yang lebih penting lagi dalam ANP adalah kemampuannya untuk membantu pengambil keputusan dalam melakukan pengukuran dan sintesis sejumlah faktor-faktor dalam hirarki atau jaringan. 2.1.9 Konsistensi dalam ANP Menurut Tanjung, H. dan Devi, (2013 hal 222) membagi jenis penelitian konsistensi baik dalam AHP maupun ANP menjadi dua jenis. Pertama, konsistensi diukur berdasarkan objek-objek (elemen) yang akan diperbandingkan. Contoh sederhana adalah buah lengkeng dan kelereng dapat dikelompokkan menjadi satu himpunan yang seragam jika kriteria yang digunakan adalah bulat. Akan tetapi, buah lengkeng dan kelereng tidak dapat dijadikan dalam satu kelompok himpunan seragam jika kriteria yang digunakan adalah rasa. Karena jelas antara kedua elemen yakni buah lengkeng dan kelereng adalah berbeda dari segi rasa tapi sama dari segi bentuk. Oleh karena itu, seorang peneliti harus mampu mengelompokkan elemen-elemen dalam satu kriteria (komponen) tertentu dan meminimalisir terjadinya ambiguitas agar tidak terdapat kesalahan tafsir oleh pembaca (responden). Kedua, konsistensi juga terdapat ketika akan melakukan perbandingan pasangan. Penilaian perbandingan pasangan akan selalu konsisten jika elemen yang dibandingkan hanya dua. Akan tetapi, akan lebih sulit untuk konsisten jika komponen yang dibandingkan lebih dari dua. Misalnya, jika X enam kali lebih besar daripada Y, Y tiga kali lebih besar daripada Z, maka seharusnya X 18 kali lebih besar daripada Z. Jika X dinilai 10 kali lebih besar daripada Z maka penilaian komparasi perbandingan tersebut akan tidak konsisten sehingga proses penilaian perlu diulangi sampai penilaian yang dihasilkan konsisten. 2.1.10 Bentuk bentuk jaringan ANP Pada umumnya ada beberapa bentuk jaringan ANP yang sudah dikembangkan dan lebih variatif. Hal ini dikarenakan ANP tidak dibatasi pada

15 sturktur hirarki sebagaimana AHP, sehingga jaringan dalam ANP pun lebih luas dan tidak terbatas. Beberapa bentuk jaringan ANP yang diperkenalkan oleh Ascarya, (2005) antara lain dapat berbentuk hierarki, holarki, jaringan analisa BCR (benefit-cost ratio), dan jaringan secara umum, dari yang sederhana sampai yang kompleks. 1. Jaringan hirarki Jaringan hirarki adalah jaringan yang paling umum dan sederhana. Jaringan inilah yang sering digunakan dalam AHP. Secara umum struktur dari hirarki linier berupa komponen-komponen (cluster) dan di dalam setiap cluster terdapat elemen-elemen. Level tertinggi jaringan hirarki adalah cluster tujuan, kemudian cluster kriteria (dan sub kriteria jika ada), dan terendah adalah alternatif. Penerapan jaringan ANP bentuk hirarki linier memiliki tiga cluster, yaitu cluster tujuan, kriteria, dan alternatif. Elemen dapat disebut juga dengan node. Setiap cluster memiliki node masing-masing. 2. Jaringan Holarki Bentuk jaringan kedua dalam ANP adalah holarki. Jaringan holarki merupakan jaringan dimana elemen (atau elemen-elemen) dalam cluster pada level yang paling tinggi dependen terhadap elemen (atau elemen-elemen) dalam cluster pada level yang paling rendah, sehingga terdapat garis hubungan antara cluster level terendah dengan cluster level tertinggi. Perbedaan bentuk jaringan horarki dengan hirarki terletak pada adanya hubungan feedback antara cluster alternatif cluster faktor utama. 3. Jaringan BORC (Benefit-Opportunity-Cost-Risk) Bentuk sederhana dari jaringan analisa BORC adalah jaringan pengaruh (impact network) sebagaimana bentuk jaringan ANP pada umumnya. Jaringan ini memiliki dua jaringan terpisah secara bagan, di mana untuk pengaruh positif, dan untuk pengaruh negatif. Sebagaimana diketahui bahwa pengaruh positif meliputi sesuatu yang memberikan keuntungan bagi pengambil keputusan yaitu benefit (pasti) dan opportunities (belum pasti), sedangkan pengaruh negatif meliputi sesuatu

16 yang memberikan ketidakuntungan bagi pengambil keputusan yaitu cost (pasti) dan risk (belum pasti). Untuk melakukan analisis benefit, opportunities, cost, dan risk sebagai analisis strategis, perhitungannya menggunakan metode pairwise comparison. Menurut Tanjung, H. dan Devi, (2013 hal 232) secara struktural, sebuah keputusan dibagi menjadi tiga bagian, pertama sistem penilaian, kedua sebagai pertimbangan membuat keputusan, dan ketiga hirarki atau jaringan keterkaitan, fakta (objektif) yang membuat sebuah alternatif keputusan lebih diinginkan dibanding yang lainnya. Hasil dari beberapa alternatif yang diprioritaskan, didapatkan tiga hasil, kondisi umum (standard condition) B/C, pessimistic B/(CxR), dan realistic (BxO)/(CxR). Alternatif yang terbaik dipilih dengan nilai realistic yang tinggi dan alternatif terpilih tersebut dipertimbangkan sebagai keputusan yang ditentukan dari alternatif lainnya. 4. Jaringan umum Bentuk jaringan lainnya dalam ANP dan sangat umum digunakan adalah jaringan umum, di mana tidak memiliki bentuk khusus. Jaringan umum ini dapat berbentuk sederhana bahkan dapat terlihat kompleks asalkan memenuhi syarat ANP yang berlaku dimana terdapat beberapa cluster dan node, jaringan dependensi, dan jaringan feedback. Jaringan umum menunjukkan bahwa satu cluster ke cluster lainnya memiliki hubungan dependensi (inner dependence) serta dari jaringan feedback. Hubungan inner dependence menunjukkan bahwa node dalam satu cluster memiliki hubungan dengan node lainnya dalam cluster yang sama. Sedangkan jaringan feedback menunjukkan bahwa antara satu cluster dengan cluster lainnya memiliki hubungan yang saling mempengaruhi. 2.1.11 Tahapan dalam Analytical Network Process Pendekatan dalam metode ANP terdiri dari beberapa langkah Tanjung, H. dan Devi, (2013 hal 227) :

17 1. Tahap pertama, Membuat Kerangka Kerja ANP Pada tahapan ini peneliti melakukan dekomposisi masalah, yaitu memahami masalah yang akan diteliti. Masalah-masalah tersebut dapat dikaji melalui beberapa cara, baik itu dengan melakukan kajian pustaka lalu membuat kuisoner, melakukan indepth interview (wawancara mendalam) kepada sejumlah pakar dan praktisi, atau bisa saja dengan melakukan FGD (Focus Group Discussion) dengan mengumpulkan beberapa orang pakar dan praktisi secara bersamaan dalam suatu ruangan khusus dan melakukan diskusi dalam memahami masalah. Masalah masalah tersebut dikontruksikan dalam suatu model agar dapat memberikan kemudahan bagi peneliti maupun responden dalam memahami masalah yang kompleks. Setelah model selesai, penelitian melakukan validasi/konfirmasi model kepada salah satu responden yang diangap pakar dari pakar lainnya. Validasi model ini bertujuan untuk memastikan bahwa model masalah yang dibuat berdasarkan pendapat dari berbagai sumber adalah benar dan sudah dapat diwakili dari masalah yang diteliti. 2. Tahap kedua, Kuantifikasi Model Setelah model dikonfirmasi dan dipastikan kebenarannya, langkah selanjutnya adalah mengaplikasikan model pada software ANP (super decision) untuk menyusun kuesioner perbandingan pasangan. Contoh kuesioner seperti table 2.3. Tabel 2.3 Kuesioner pembandingan pasangan Kriteria Penilaian Kriteria Kualitas 9 7 5 3 1 3 5 7 9 Fleksibilitas Sumber : Yulianti 2013 Pertanyaan dalam kuesioner ANP berupa pairwase comparison (pembandingan pasangan) antar elemen dalam cluster untuk mengetahui mana diantara keduanya yang lebih besar pengaruhnya dan berapa besar perbedaanya yang dilihat dari satu sisi. Skala numberik yang digunakan merupakan terjemahan dari penjumlahan dari penilaian verbal sebagaimana dapat dilihat pada Tabel 2.2. setelah kuesioner dibuat dan dilakukan uji coba, langkah selanjutnya adalah survey responden ( pakar,

18 praktisi, dan akademisi). Pada tahapan ini, responden akan diminta untuk menentukan prioritas yang paling penting atau memiliki pengaruh terhadap masalah. Sehingga dapat disimpulkan bahwa dalam praktiknya ANP memiliki tiga kali tahapan wawancara pada responden. 3. Tahap ketiga, Analisis Hasil Kuesioner yang telak diisi oleh responden dilakukan kuantifikasi dengan melakukan input pada software lalu mencari nilai rata-rata dari jawaban setiap responden. Tahapan inilah yang dikenal dengan sistesis hasil. ANP mengasumsikan bahwa pengambil keputusan harus membuat perbandingan kepentingan antara seluruh elemen untuk setiap level dalam bentuk berpasangan. Perbandingan tersebut ditransformasi ke dalam bentuk matriks A. Nilai aij mereprensentasikan nilai kepentingan relatif dari elemen pada baris ke-i terhadap elemen pada kolom ke-j. misalnya aij= wi/(wj) Jika ada n elemen yang dibandingkan maka matriks perbandingan A didefinisikan sebagai : A = = (1) [ ] [ ] 4. Menghitung bobot elemen Jika perbandingan berpasangan telah lengkap, vector prioritas w yang disebut sebagai eigenvector dihitung dengan rumus : A. w = λmax. w (2) Dengan A adalah matriks perbandingan berpasangan dan λmax adalah eigen value terbesar dari A. Eigen vector merupakan bobot prioritas suatu matriks yang kemudian digunakan dalam penyusunan supermatriks. 1. Menghitung rasio konsistensi Rasio konsistensi tersebut harus 10 persen atau kurang. Jika nilainya lebih dari 10 persen, maka penilaian data keputusan harus diperbaiki. Dalam prakteknya, konsistensi tersebut tidak mungkin didapat. Pada matriks

19 konsistensi, secara praktis λmax = n, sedangkan pada matriks tidak setiap variasi dari Wij akan membawa perubahan pada nilai λmax. Deviasi λmax dari n merupakan suatu parameter Consistency Index (CI) sebagai berikut: λ (3) Dimana CI = Consistensi Index λmax = nilai eigen terbesar n = jumlah elemen yang dibandingkan Nilai CI tidak akan berarti apabila terdapat standar untuk menyatakan apakah CI menunjukkan matriks yang konsisten. Saaty memberikan patokan dengan melakukan perbandingan secara acak atas 500 buah sampel. Saaty berpendapat bahwa suatu matriks yang dihasilkan dari perbandingan yang dilakukan secara acak merupakan suatu matriks yang mutlak tidak konsisten. Dari matriks acak tersebut didapatkan juga nilai Consistency Index, yang disebut dengan Random Index (RI). Dengan membandingkan CI dan RI maka didapatkan patokan untuk menentukan tingkat konsistensi suatu matriks, yang disebut dengan Consistency Ratio (CR), dengan rumus: (4) Dimana CR = Consistency Ratio CI = Consistency Index RI = Random Index 2. Membuat Supermatriks Supermatriks merupakan hasil vektor prioritas dari perbandingan berpasangan antar cluster, kriteria, dan alternatif. Supermatriks terdiri dari tiga tahap, yaitu Supermatriks Tidak Tertimbang (Unweighted Supermatrix), Supermatriks Tertimbang (Weighted Supermatrix), dan Supermatriks Limit (Limmiting Supermatrix).

20 a. Tahap Unweighted Supermatrix Unweighted Supermatrix dibuat berdasarkan perbandingan berpasangan antar cluster, kriteria, dan alternatif dengan cara memasukkan vektor prioritas (eigen vector) kolom ke dalam matriks yang sesuai dengan selnya. b. Tahap Weighted Supermatrix Weighted Supermatrix diperoleh dengan cara mengalikan semua elemen pada unweighted supermatrix dengan nilai yang terdapat dalam matriks cluster yang sesuai sehingga setiap kolom memiliki jumlah satu. c. Tahap Limmiting Supermatrix Selanjutnya untuk memperoleh limmiting supermatrix, weighted supermatrix dinaikan bobotnya. Menaikan bobot weighted supermatrix dilakukan dengan cara mengalikan supermatriks tersebut dengan dirinya sendiri sampai beberapa kali. Ketika bobot pada setiap kolom memiliki nilai yang sama, maka limmiting supermatrix sudah didapatkan. 2.1.12 Kelebihan dan Kekurangan ANP Sebagai salah satu teknik pengambilan keputusan multi kriteria, ANP memiliki beberapa kelebihan. Beberapa kelebihan ANP adalah Saaty dan Vargas (2006) : 1. ANP merupakan teknik komprehensif yang memungkinkan memasukkan semua kriteria yang relevan, baik tangible maupun intagible, yang sering terdapat dalam proses pengambilan keputusan. ANP dapat memodelkan suatu hubungan yang lebih kompleks antar level keputusan dan kriteria. 2. ANP mengizinkan adanya hubugan saling bergantung antar elemen; 3. Metodologi ANP bermanfaat dalam mempertimbangkan karakteristik kualitatif maupun kuantitatif yang memang seharusnya dipertimbangkan, dengan juga mempertimbangkan hubungan ketergantungan non linear antar attribut.

21 4. ANP secara unik menyediakan skor sintesis, yang menjadi indikator rangking relatif dari alternatif-alternatif yang tersedia bagi pengambil keputusan. Adapun kekurangan dari ANP sebagai berikut: 1. Untuk menyelesaikan ANP memerlukan waktu yang cukup lama dan harus dikerjakan secara intensif; 2. ANP memerlukan perbandingan berpasangan yang lebih banyak dari AHP 3. Keakuratan perbandingan berpasangan hanya bergantung pada peniaian expertise, sehingga memungkinkan hasil yang tidak valid ketika penilai terlau bersifat subjektif. 2.2 Simple Additive Weighting (SAW) Dalam Kusumadewi, dkk. (2006) Simple Additive Weighting (SAW) dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating. rij = { (5) jika j adalah atribut keuntungan (benefit) jika j adalah atribut biaya (cost) Keterangan: rij = Rating kinerja ternormalisasi Maxij = Nilai maksimum dari setiap baris dan kolom Minij = Nilai minimum dari setiap baris dan kolom Xij = Baris dan kolom dari matriks

22 rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,,m dan j=1,2,,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai: Vi = (6) Keterangan: Vi merupakan rangking untuk setiap alternatif, wj adalah nilai bobot dari setiap kriteria dan rij adalah nilai rating kinerja ternormalisasi. Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih Kusumadewi, dkk. (2006). 2.2.1 Tahapan Metode Simple Additive Weighting Tahapan dalam menggunakan metode SAW adalah Kusumadewi, dkk. (2006): 1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria (Cj), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan maupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari setiap proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. 2.2.2 Kelebihan Metode Simple Additive Weighting Kelebihan metode SAW dibanding dengan model pengambil keputusan lainnya terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perangkingan setelah menentukan bobot untuk setiap atribut Kusumadewi, dkk. (2006).

23 2.2.3 Penelitian Terdahulu Penelitian Wibowo (2016) tentang penentuan pemilihan supplier dan alokasi jumlah pembelian bahan baku menggunakan metode Analytic Network Process dan Goal Programming (studi kasus : PT.Guna Kemas Indah) menyimpulkan bahwa banyak pertimbangan kriteria dan subkriteria yang digunakan dalam pemilihan supplier bahan baku perusahaan. Dari banyak kriteria yang digunakan, kriteria kualitas dan harga mempunyai nilai kepentingan lebih tinggi dari kriteria lainnya. Dengan demikian hasil yang diperoleh dari metode ANP ini sangat konsisten dan mendapatkan nilai total performa yang optimal. Penelitian yang dilakukan Anitawati, dkk. (2016) tentang analisis kriteria pemilihan supplier menggunakan metode Analytic Network Process (studi kasus : PT. XYZ). Penelitian ini membahas tentang pemilihan supplier bahan baku khusus material baja. Dalam pemilihan supplier perlu banyak pertimbangan terutama pada kriteria bahan baku yang merupakan permasalahan dari pemilihan supplier. Metode ANP adalah metode yang mempertimbangkan saling keterkaitan antar kriteria dan sub kriteria yang ada. Dengan demikian pemilihan supplier baja dengan metode ANP didapatkan gambaran yang cukup jelas mengenai bobot dari masing-masing kriteria dengan memperhatikan kriteria harga, kualitas, ketepatan, servis, kemampuan pasok dan safety yang menjadi pertimbangan dalam memilih supplier. Penelitian yang dilakukan Iriani dan Hermawan (2012) tentang pemilihan supplier bahan baku benang dengan menggunakan metode Analytical Network Process (ANP) study kasus Home Industry Nedy. Penelitian ini membahas masalah pemilihan supplier terbaik berdasarkan kriteria dan kondisi perusahaan. Kesimpulan dari penelitian penerapan metode ANP yaitu metode ANP sangat sesuai dengan kondisi perusahaan untuk pemilihan supplier di Home Industry Nedy dimana terdapat keterkaitan antar subkriteria, hasil dari penerapan metode ANP yaitu alternatif yang terpilih Bandung Indah Gemilang terpilih menjadi supplier terbaik berdasarakan hasil prioritas yang diperoleh.

24 Penelitian yang dilakukan Jayanti (2015) tentang penerapan metode SAW dalam sistem pendukung keputusan perekrutan karyawan (studi kasus : PT. Perkebunan Nusantara lll Medan) penelitian ini membahas proses perekrutan karyawan yang masih konvensional yang berakibat pada waktu yang terlalu lama dalam pengolahan administrasinya. Penelitian ini menggunakan metode SAW karena dapat menentukan nilai bobot setiap atribut. Dengan metode perangkingan berbobot tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan. Penelitian yang dilakukan oleh Puspitasari (2016) tentang pemilihan supplier dengan metode analytical network process (ANP) study kasus : PT.Kimia Farma Plant Semarang. Penelitian ini membahas tentang analisa supplier supplier yang memasok bahan baku ke perusahaan. Dimana PT.Kimia Farma Plant Semarang mengalami penurunan produksi dalam 2 tahun terakhir dikarenakan sering bergantinya supplier didalam proses pengadaan barang. Dengan metode ANP penelitian ini mendapatkan hasil urutan rekomandasi eco friendly supplier terhadap 5 supplier yang ada. Dengan mempertimbangkan performasi kinerja dalam proses pengolahan data dengan ANP diyakini analisa supplier akan lebih tepat. Pemilihan supplier merupakan aktivitas yang kompleks, oleh sebab itu diperlukan suatu metode yang tepat untuk menyelesaikannya Wirdianto dan Unbersa, (2008). Dengan demikian pada penelitian ini, pemilihan supplier bahan baku dengan pendekatan metode ANP dan SAW. Alasan menggunakan kedua metode ini karena memiliki kelebihan masing-masing, dimana metode ANP mampu mempresentasikan tingkat kepentingan dari berbagai pihak dan mempertimbangkan saling ketergantungan antar kriteria dan subkriteria yang ada, sedangkan metode SAW menyeleksi alternatif terbaik dengan proses penjumlahan berbobot.dengan menggunakan kedua metode ini diharapkan dalam pemilihan supplier diperusahaan mendapatkan solusi yang lebih optimal dan akurat.