TESIS

PENDEKATAN KOMPREHENSIF BERBASIS MCDM

UNTUK EVALUASI KINERJA PEMASOK

NUR RIANA FAJARWATI

16916215

PROGRAM STUDI TEKNIK INDUSTRI

PROGRAM MAGISTER
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2021
 LEMBAR PENGESAHAN PEMBIMBING

PENDEKATAN KOMPREHENSIF BERBASIS MCDM UNTUK EVALUASI KINERJA

PEMASOK

TESIS

Oleh

Nama : Nur Riana Fajarwati

No. Mahasiswa : 16916215

Yogyakarta, 12 Desember 2020

Pembimbing,

Muhammad Ridwan Andi Purnomo, S.T., [Link]., Ph.D

 LEMBAR PENGESAHAN PENGUJI

PENDEKATAN KOMPREHENSIF BERBASIS MCDM UNTUK

EVALUASI KINERJA PEMASOK

TESIS

Disusun Oleh :

Nama : Nur Riana Fajarwati

No. Mahasiswa : 16916215

Telah Dipertahankan di Depan Sidang Penguji

Yogyakarta, Januari 2021

TIM PENGUJI
Tim Penguji

Muhammad Ridwan Andi Purnomo, S.T., [Link]., Ph.D

Penguji I

Dr. Ir. Elisa Kusrini, M.T., CPIM., CSCP.

Penguji II

Ir. Ali Parkhan, M.T.

Penguji III

Mengetahui,
Ketua Program Studi Teknik Industri
Program Magister Fakultas Teknologi Industri
Universitas Islam Indonesia

Winda Nur Cahyo, S.T., M.T., Ph.D

NIP. 02520051

iii
 HALAMAN PERSEMBAHAN

Karya ini saya persembahkan untuk suami, orang tua, keluarga, guru, dan
kerabat
Mereka adalah semangat, motivasi, dan kekuatan untuk menyelesaikan tesis ini

v
 MOTTO

Cukuplah Allah menjadi penolong bagi kami dan Allah adalah sebaik-baik
Pelindung
QS. Ali Imran 3: 173

Jangan hanya berusaha menjadi orang sukses, tapi berusahalah menjadi orang
yang berharga
Albert Einstein

vi
 KATA PENGANTAR

Alhamdulillah, segala puji dan syukur kepada Allah SWT yang selalu
memberikan segala kenikmatan dan rahmat kepada seluruh hamba-Nya. Shalawat
serta salam kepada Nabi Muhammad SAW yang telah membawa Islam kepada
seluruh umat manusia. Dengan Rahmat dan Hidayah Allah SWT, Tesis yang
Pendekatan Komprehensif Berbasis MCDM untuk Evaluasi Kinerja
Pemasok Tesis ini disusun sebagai salah satu
syarat untuk menyelesaikan studi Strata-2 pada program studi Magister Teknik
Industri, Jurusan Teknik Industri, Fakultas Teknologi, Industri Universitas Islam
Indonesia. Dalam penyelesaian penyusunan tesis ini tidak lepas dari dukungan,
bantuan, dan bimbingan dari berbagai pihak. Untuk itu penulis dengan penuh rasa
syukur, mengucapkan terima kasih dan penghargaan setinggi tingginya kepada
pihak pihak yang telah memberikan dukungan secara langsung maupun tidak
langsung kepada :
1. Bapak Prof. Dr. Ir. Hari Purnomo, M.T. selaku Dekan Fakultas Teknologi
Industri Universitas Islam Indonesia.
2. Bapak Muhammad Ridwan Andi Purnomo, S.T., [Link]., Ph.D. selaku Ketua
Jurusan Teknik Industri Fakultas Teknologi Industri Universitas Islam
Indonesia dan selaku pembimbing yang selalu memberikan solusi dan saran
dalam menyelesaikan tesis.
3. Bapak Winda Nur Cahyo, S.T., M.T., Ph.D. selaku Ketua Program Studi
Teknik Industri Program Magister Fakultas Teknologi Industri Universitas
Islam Indonesia.
4. Ibu Dr. Ir. Elisa Kusrini, M.T., CPIM., CSCP dan Bapak Ir. Ali Parkhan,
M.T. selaku Tim Penguji Program Studi Teknik Industri Program Magister
Fakultas Teknologi Industri Universitas Islam Indonesia
5. Pihak Perusahaan, PT Industri Kereta Api (Persero) yang telah memberikan
ruang dan kesempatan untuk melaksanakan studi hingga penyelesaian tesis.

vii
 DAFTAR ISI

HALAMAN JUDUL .............................................................................................. i

LEMBAR PENGESAHAN PEMBIMBING ...................................................... ii
LEMBAR PENGESAHAN PENGUJI ............................................................... iii
PERNYATAAN KEASLIAN TULISAN ........................................................... iv
HALAMAN PERSEMBAHAN ............................................................................v
MOTTO ................................................................................................................ vi
KATA PENGANTAR ......................................................................................... vii
DAFTAR ISI ......................................................................................................... ix
DAFTAR TABEL ............................................................................................... ixi
DAFTAR GAMBAR .......................................................................................... ixii
ABSTRAK ......................................................................................................... ixiii
BAB I PENDAHULUAN .......................................................................................1
1.1 Latar Belakang ......................................................................................... 1
1.2 Perumusan Masalah .................................................................................. 5
1.3 Tujuan Penelitian ...................................................................................... 6
1.4 Batasan Penelitian .................................................................................... 6
1.5 Manfaat Penelitian .................................................................................... 7
BAB II LANDASAN TEORI ...............................................................................8
2.1 Kajian Induktif ......................................................................................... 8
2.2 Kajian Deduktif ...................................................................................... 20
2.2.1 Kraljic’s Purchasing Portofolio Model .............................................. 20
2.2.2 Multi Criteria Decision Making (MCDM) ......................................... 20
2.2.3 Technique For Order Preference by Similiarity to Ideal Solution
(TOPSIS) ....................................................................................................... 21
2.2.4 Data Envelopment Analysis (DEA) .................................................... 22
2.2.5 Kriteria Dalam Penelitian....................................................................24
BAB III METODOLOGI PENELITIAN .........................................................26
3.1 Desain Penelitian .................................................................................... 26
3.1.1 Pemetaan material/komponen dengan pendekatan Kraljic’s Matrix .. 26
3.1.2 Rancangan strategi pengadaan material/komponen ............................ 26
3.1.3 Mengukur tingkat efisiensi pemasok potensial ................................... 26
3.2 Lokasi dan Objek Penelitian................................................................... 27
3.3 Diagram Alir Penelitian .......................................................................... 27
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA .............................30
4.1 Pengumpulan Data ................................................................................. 30

ix
 4.1.1 Kraljic’s Matrix................................................................................... 30
4.1.2 Penentuan Strategi Pengadaan ............................................................ 31
4.1.3 Penilaian tingkat efisiensi pemasok menggunakan pendekatan DEA 31
4.2 Pengolahan Data ..................................................................................... 32
4.2.1 Penentuan material/komponen ............................................................ 32
4.2.2 Penentuan Dimensi ............................................................................. 32
4.2.3 Pembobotan Kriteria Menggunakan Metode AHP ............................. 35
4.2.4 Pemetaan material/komponen ke dalam Kraljic’s Portofolio Matrix . 36
4.2.5 Pengukuran tingkat efisiensi untuk evaluasi pemasok ....................... 38
BAB V HASIL DAN PEMBAHASAN ..............................................................43
5.1 Penentuan Kriteria Material/Komponen................................................. 43
5.2 Pemetaan Material/Komponen ke dalam Kraljic’s Matrix dan
Perancangan strategi pengadaan material/komponen ........................................ 44
5.2.1 Kuadran Non Critical Item ................................................................. 45
5.2.2 Kuadran Strategic Item ....................................................................... 45
5.3 Tingkat Efisiensi Pemasok ..................................................................... 46
5.4 Analisis Lanjutan .................................................................................... 47
BAB VI KESIMPULAN DAN SARAN ............................................................49
6.1 Kesimpulan ............................................................................................. 49
6.2 Saran ....................................................................................................... 50
DAFTAR PUSTAKA ..........................................................................................51
LAMPIRAN .........................................................................................................56
LAMPIRAN KUISIONER ........................................................................56
LAMPIRAN AHP ......................................................................................88
LAMPIRAN TOPSIS ................................................................................91
LAMPIRAN DEA......................................................................................92

x
 DAFTAR TABEL

Tabel 2.1. Kerangka penelitian yang diusulkan .................................................... 17

Tabel 2.2. Rekomendasi Strategi Standar..............................................................20
Tabel 4.1. Bobot antar Kriteria Supply Risk dan Profit Impact ............................ 35
Tabel 4.2. Bobot Kriteria pada Dimensi Supply Risk............................................ 35
Tabel 4.3. Bobot Kriteria pada Dimensi Profit Impact ......................................... 36
Tabel 4.4. Nilai 𝑪 ∗ Pada Supply Risk dan Profit Impact...................................... 37
Tabel 4.5. Nilai 𝑪 ∗ Nilai Titik Sumbu pada Kraljic’s Portofolio Matrix ............ 37
Tabel 4.6 Pemasok yang Menyuplai Material/Komponen pada Kuadran Strategic
Item........................................................................................................................ 39
Tabel 4.7 Daftar Variabel Input dan Output ......................................................... 40
Tabel 4.8 Tabel Input dan Output DMU ............................................................... 40
Tabel 4.9 Rekapitulasi Data Variabel ................................................................... 41

xi
 DAFTAR GAMBAR

Gambar 3.1 Diagram Alir Penelitian .................................................................... 29

Gambar 4.1. Material/Komponen Penyusun Kereta ............................................. 34
Gambar 4.2. Hasil Pemetaan Kelima Belas Material/Komponen pada Kraljic
Portofolio Matrix .................................................................................................. 38
Gambar 4.3. Nilai Efisiensi Pemasok ................................................................... 42

xii
 ABSTRAK

Pemasok mempunyai peranan penting dalam rantai pasok karena menjamin

ketersediaan barang atau jasa yang berkualitas dan harga kompetitif yang
dibutuhkan perusahaan. Untuk itu, evaluasi kinerja pemasok dengan pendekatan
komprehensif penting dilakukan sebagai analisa menyeluruh yang
mempertimbangkan banyak kriteria terkait yang dapat merepresentasikan
karakteristik pemasok sehingga membutuhkan pendekatan multi-kriteria
menggunakan metode MCDM. Pendekatan komprehensif terhadap evaluasi kinerja
pemasok penting dilakukan untuk menjalin hubungan baik dengan pemasok,
penurunan biaya pengadaan, peningkatan kualitas produk dan mempersingkat
waktu pengiriman (lead time). Penelitian ini mengembangkan metode MCDM
dengan pendekatan Analytical Hierarchy Process (AHP) dan Technique For Order
Preference by Similiarity to Ideal Solution (TOPSIS) untuk memetakan posisi
setiap material/komponen kedalam kuadran Kraljic's matrix yang
diimplementasikan ke salah satu Industri manufaktur kereta api. Setelah
material/komponen terbentuk dalam kuadran Kraljic’s matrix, strategi pengadaan
ditentukan sesuai dengan karakteristik material/komponen. Selanjutnya, tingkat
efisiensi pemasok ditentukan menggunakan pendekatan Data Envelopment
Analysis (DEA). Hasil yang didapatkan terlihat empat dari sebelas pemasok dalam
kondisi optimal.

Kata Kunci: Supply Chain Management (SCM), Multi Criteria Decision Making
(MCDM), supplier performance evaluation, Analytical Hierarchy Process (AHP),
Technique For Order Preference by Similiarity to Ideal Solution (TOPSIS),
Kraljic’s Matrix, Data Envelopment Analysis (DEA)

xiii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Manajemen Rantai Pasokan merupakan pendekatan yang komprehensif
untuk mengintegrasikan jaringan yang efektif dalam proses penyediaan produk
hingga pendistribusian produk ke pelanggan. Pemasok mempunyai peranan penting
dalam rantai pasok karena menjamin ketersediaan barang atau jasa yang berkualitas
tinggi dan harga kompetitif yang dibutuhkan oleh perusahaan. Semakin kuat
hubungan perusahaan dengan pemasok semakin banyak keuntungan yang
didapatkan oleh perusahaan diantaranya penuran harga pembelian, peningkatan
kualitas, serta kemudahan komunikasi dan pelayanan. Pengelolaan yang baik
terhadap pemasok akan memiliki dampak yang signifikan terhadap performansi
rantai pasok (Park, Shin, & Chang, 2009), namun dikarenakan pemasok merupakan
entitas yang berada diluar perusahaan maka diperlukan monitoring secara berkala
terhadap pemasok. Monitoring yang dimaksud diperoleh dari hasil evaluasi kinerja
pemasok dalam periode tertentu yang dilakukan oleh perusahaan.
Pendekatan komprehensif penting dilakukan karena dalam monitoring atau
analisa pemasok perlu mempertimbangkan dan melibatkan banyak kriteria yang
terkait dengan pemasok sehingga membutuhkan pendekatan multi-kriteria dalam
analisa. Evaluasi pemasok merupakan sebuah pengambilan keputusan yang multi
objektif dan multi-kriteria sehingga proses pengambilan keputusan dianalisa
menggunakan metode Multi Criteria Decision Making (MCDM). Industri Kereta
Api berkecepatan tinggi, High speed train manufacturing (HSTM) harus
meningkatkan level produksi dan pelayanan sesuai dengan core competitiveness
sebagai upaya penyediaan pelayanan yang berkualitas (Xue, et al., 2018). Dalam
proses pengembangan Industri Kereta Api berkecepatan tinggi, permasalahan
utama adalah evaluasi kinerja pemasok dengan mempertimbangkan karakteristik
khusus pemasok (Bai & Sarkis, 2010). Evaluasi kinerja pemasok menjadi masalah

1
terpenting dan mendasar bagi perusahaan untuk mempertahankan posisi kompetitif
yang strategis dan sudah menjadi perhatian (Manello & Calabrese, 2018) (Yang,
Zhang, & Xie, 2017). Perusahaan harus mampu menilai performansi pemasok yang
dipertahankan untuk kelancaran proses produksi. Perusahaan harus menilai
pemasok sesuai dengan track record untuk menunjukkan tingkat profesionalitas
pemasok. Indikasi penting dari track record dapat berupa konsistensi terhadap
ketepatan waktu pengiriman, kesesuaian terhadap kualitas material/komponen
pesanan, dan penawaran harga yang kompetitif. Kinerja pemasok perlu dimonitor
secara kontinyu untuk mempertahankan posisi perusahaan dalam mencapai Visi
perusahaan.
Evaluasi kinerja pemasok merupakan proses untuk mendapatkan pemasok
yang tepat yang dapat menyediakan produk/pelayanan berkualitas dengan
penawaran harga yang tepat, dalam jumlah yang tepat, dan waktu yang tepat
(Khaled, Paul, & Chakrabortty, 2011). Pemasok berperan penting dalam pasokan
kebutuhan bahan baku produksi sehingga perusahaan harus selektif dalam
penentuan kerja sama dengan pemasok terbaik untuk menciptakan produksi yang
kompetitif. Dalam konsep supply chain management, pemasok merupakan salah
satu bagian yang sangat penting dan berpengaruh terhadap ekistensi perusahaan.
Perusahaan manufaktur mengeluarkan 50%-70% biaya untuk melakukan
pembelian material, sehingga selain melakukan evaluasi kinerja pemasok yang
tepat, perusahaan juga perlu menentukan strategi pembelian yang tepat untuk
meningkatkan tingkat efisiensi dan efektifitas (Lee & Drake, 2009). Artinya
perusahaan harus dapat melakukan evaluasi kinerja pemasok dengan
mempertimbangkan karakteristik khusus pemasok. Apabila pendekatan
komprehensif terhadap evaluasi kinerja pemasok dilakukan selain terjalinnya
hubungan baik dengan pemasok (partner), perusahaan akan mendapatkan
penurunan biaya pengadaan, peningkatan kualitas produk dan kebutuhan waktu
pengiriman yang lebih singkat.
PT Industri Kereta Api (Persero) atau disebut juga dengan PT INKA
(Persero) merupakan Badan Usaha Milik Negara yang memiliki kemampuan dalam
bidang manufaktur kereta api dan sarana transportasi darat lainnya. Produksi PT

2
INKA (Persero) berdasarkan job order sehingga material/komponen utama yang
digunakan sebagian besar adalah barang customize dan impor. Keterbatasan
ketersediaan pemasok menjadi salah satu kendala untuk mendapatkan
material/komponen utama yang sesuai dengan permintaan perusahaan sehingga
perusahaan harus memberikan fokus lebih terhadap eksisting pemasok untuk
mempertahankan kompetensi perusahaan dalam persaingan global. Salah satu cara
yang dapat dilakukan adalah melakukan perbaikan evaluasi kinerja pemasok secara
komprehensif khususnya untuk material/komponen utama dalam penyusunan
kereta api dan sarana transportasi darat lainnya. Pendekatan komprehensif
dilakukan karena karakteristik setiap pemasok di PT INKA (Persero) mempunyai
perbedaan sehingga diperlukan analisa menyeluruh untuk berbagai kriteria terkait
yang dapat merepresentasikan hasil kinerja pemasok.
Evaluasi pemasok pada periode semester pertama Tahun 2020
menunjukkan bahwa terjadi keterlambatan pasokan sebanyak 43% dari total
pemasok dengan rata-rata tingkat ketepatan pengiriman sebesar 71,57%. Hubungan
dengan pemasok digambarkan dengan tingkat responsive pemasok, ditemukan 62%
pemasok dengan rata-rata tingkat responsive sebesar 89,43%. Dari aspek kualitas,
63% pemasok melakukan pengiriman produk dengan ketidaksesuaian pasokan
terhadap spesifikasi yang telah ditetapkan, rata-rata tingkat akurasi sebesar 74,91%.
Dari aspek biaya, ditemukan beberapa proyek berjalan mengalami over budget. Hal
ini menunjukkan bahwa perlu dilakukan analisa multi-kriteria di PT INKA yang
mempertimbangkan aspek delivery, quality, tingkat respon atau hubungan baik
dengan pemasok dan aspek biaya secara komprehensif sehingga diperlukan analisa
MCDM untuk evaluasi kinerja pemasok.
Berdasarkan referensi yang telah diuraikan, penelitian ini dilakukan untuk
pengelolaan pemasok khususnya material/komponen utama menggunakan data
evaluasi kinerja pemasok yang dilakukan perusahaan. Tahapan pertama,
material/komponen akan diidentifikasi ke dalam kuadran Kraljic’s matrix (non-
critical, bottleneck, leverage, dan strategic items) berdasarkan dimensi supply risk
dan profit impact. Dimensi supply risk terdiri dari kriteria availability, competitive
demand, Risiko penyimpanan, jumlah pemasok yang digunakan, jumlah pemasok

3
alternatif, lead time (Susanty, Bakhtiar, & Ramadhona, 2016). Dimensi profit
impact terdiri dari kriteria harga pembelian, volume pembelian, dan kualitas
pembelian (Knight, Tu, & Preston, 2014). Pemetaan tersebut didasarkan pada posisi
titik koordinat setiap material pada dimensi supply risk dan profit impact
menggunakan pendekatan AHP dan TOPSIS. AHP digunakan untuk menentukan
bobot dari setiap kriteria pada dimensi supply risk dan profit impact, sedangkan
TOPSIS digunakan untuk merangking dan memilih sejumlah alternatif melalui
pengukuran jarak terdekat alternatif dengan solusi ideal positif.
Setelah material terbentuk dalam kuadran Kraljic’s matrix, strategi
pengadaan ditentukan sesuai dengan karakteristik material/komponen. Selain itu,
potensial pemasok diidentifikasi dengan mempertimbangkan hasil evaluasi kinerja
perusahaan pada tahun 2017-2019. Selanjutnya data potensial pemasok yang
terlibat akan dianalisa menggunakan Data Envelopment Analysis (DEA) untuk
mengetahui tingkat efisiensi pemasok. Penelitian ini dirancang untuk mengevaluasi
kinerja pemasok yang tepat guna peningkatan produktivitas perusahaan sebagai
upaya dalam strategi persaingan perusahaan pada lingkungan bisnis yang dinamis.
Kraljic’s matrix diperkenalkan oleh Kraljic pada tahun 1983 untuk
mengkategorikan item pengadaan berdasarkan dua dimensi yaitu profit impact dan
supply risk kedalam empat kuadran. Keempat kuadran tersebut membagi
karakteristik barang menjadi barang non-critical, leverage, bottleneck, dan
strategic. Kraljic’s matrix bermanfaat untuk menyesuaikan risiko eksternal dengan
kebutuhan internal dari perusahaan (Dubois, 2002). Secara keseluruhan, Kraljic’s
matrix merupakan sebuah alat yang efektif untuk mendiskusikan, menvisualisasi,
dan menggambarkan kemungkinan dari pengembangan pada strategi pengadaan
yang dapat dilakukan diferensiasi (Gelderman & Van Weele, 2005).
Analytical Hierarchy Process (AHP) merupakan model pendukung
keputusan yang menguraikan masalah multifaktor atau multi kriteria yang
kompleks menjadi suatu hierarki. AHP memecahkan permasalahan yang kompleks
melalui pendekatan system dan pengintegrasian secara deduktif. AHP merupakan
metode pengambilan keputusan untuk menetapkan prioritas dan menentukan
keputusan terbaik menggunakan data kualitatif dan kuantitatif (Lee & Drake, 2010).

4
AHP membuat permasalahan yang luas dan tidak terstruktur menjadi suatu model
yang fleksible dan mudah dipahami (Munthafa & Mubarok, 2017). Zhang, Shang,
& Li (2012) menyatakan bahwa metode TOPSIS merupakan metode pengambil
keputusan yang memperhatikan aspek objektif, subjektif, dan jumlah alternatif yang
banyak. Selain itu, metode TOPSIS merupakan metode yang sederhana, rasional,
memiliki konsep yang komprehensif, memiliki logika yang jelas dalam mewakili
penilaian pengambil keputusan serta komputasi sederhana dan efisien (Hung &
Chen, 2009). Metode TOPSIS adalah teknis praktis dan berguna untuk menentukan
peringkat dan memilih alternatif (Roszkowska). TOPSIS adalah metode paling
konsisten dalam pengambilan keputusan (Amine, Pailhes, & Perry, 2014).
DEA merupakan sebuah alat untuk menggabungkan data input dan output
untuk selanjutnya dianalisis guna melihat tingkat efisiensi dengan melihat level
input yang berbeda-beda. Fancello, Barbara, & Faddaa (2012) menyebutkan bahwa
tujuan DEA adalah untuk menghitung nilai efisiensi yang diukur dari performansi
beberapa unit yang berbeda yang disebut Decision Making Unit (DMU) disusun
menggunakan data pengamatan input dan output.

1.2 Perumusan Masalah

Berdasarkan latar belakang yang telah di analisis, penelitian ini disusun dengan
rumusan masalah sebagai berikut:

1. Bagaimana hasil klasifikasi komponen/material dengan pendekatan

Kraljic’s Matrix menggunakan metode AHP dan TOPSIS?
2. Bagaimana penentuan strategi pembelian yang diusulkan sesuai dengan
hasil klasifikasi komponen/material dengan pendekatan Kraljic’s Matrix?
3. Bagaimana tingkat efisiensi potensial pemasok menggunakan pendekatan
DEA?

5
1.3 Tujuan Penelitian
Tujuan penelitian ini dilakukan adalah:
1. Menentukan hasil klasifikasi komponen/material dengan pendekatan
Kraljic’s Matrix menggunakan metode AHP dan TOPSIS.
2. Menentukan strategi pembelian yang diusulkan sesuai dengan hasil
klasifikasi komponen/material dengan pendekatan Kraljic’s Matrix.
3. Menentukan hasil tingkat efisiensi potensial pemasok menggunakan
pendekatan DEA.

1.4 Batasan Penelitian

Menuju penelitian yang tesetruktur dan terfokus dengan baik maka perlu disusun
ruang lingkup permasalahan atau pembatasan masalah sebagai berikut:

1. Penelitian menggunakan data primer pemasok di Perusahaan PT Industri

Kereta Api (Persero) berdasarkan historis kontrak (Purchase Order)
pemasok yang terdaftar dan berstatus aktif di Perusahaan PT Industri Kereta
Api (Persero) pada periode 2017-2019.
2. Penelitian difokuskan untuk material/komponen utama penyusun kereta api.
3. Penelitian ini tidak memperhatikan hubungan antar kriteria pada dimensi
supply risk ataupun dimensi profit impact.
4. Expert dalam penelitian ini direpresentasikan oleh satu orang yang mewakili
semua proses yang berkaitan dengan supply chain management khususnya
yang berkaitan dengan pemasok, yaitu Senior Manager Manajemen Rantai
Pasokan. Sesuai dengan uraian jabatan, tugas utama Senior Manager
Manajemen Rantai Pasokan adalah menyusun rencana operasional,
mengusulkan kebijakan & sistem prosedur, melaksanakan tugas pokok,
mengawasi, mengendalikan pekerjaan serta menyusun laporan di
Departemen Manajemen Rantai Pasokan, meliputi: Perencanaan &
Pengadaan Rantai Pasokan dan Pengendalian & Evaluasi Rantai Pasokan.
5. Kurs mata uang asing yang digunakan sesuai dengan Kurs Transaksi Bank
Indonesia tanggal 12 Juni 2020.

6
1.5 Manfaat Penelitian
Penelitian ini memiliki beberapa manfaat baik secara praktis maupun manfaat
secara teoritis.
1. Manfaat Praktis
a. Sebagai kontribusi positif bagi para akademisi (khususnya tim peneliti)
dan masyarakat luas untuk mengetahui tentang implementasi klasifikasi
pemasok dengan pendekatan Kraljic’s Matrix menggunakan metode
AHP dan TOPSIS.
b. Sebagai pembanding dengan metode lain yang telah diterapkan oleh
perusahaan dalam penentuan strategi pembelian.
c. Memperluas wawasan perusahaan dalam rangka perbaikan
metode/system pemilihan pemasok yang efektif dan efisien.
d. Bagi peneliti diharapkan dapat bermanfaat dalam rangka
mengimplementasikan ilmu dan sebagai syarat untuk menyelesaikan
pendidikan S2 di Magister Teknik Industri UII.
2. Manfaat Teoritis
Hasil penelitian diharapkan dapat memberikan manfaat bagi para peneliti
dan mampu memberikan referensi dalam melakukan penelitian sejenis.

7
 BAB II

LANDASAN TEORI

2.1 Kajian Induktif

Kajian induktif merupakan kajian berdasarkan penelitian terdahulu yang sudah
dilakukan sebagai referensi penelitian yang dilakukan. Penelitian terdahulu yang
digunakan sebagai referensi dalam penelitian ini akan dijelaskan detail sebagai
berikut.

Liu, M. Eckert, & Earl (2020) memberikan ulasan terkait aplikasi AHP
dikombinasikan dengan metode fuzzy untuk meminimalisir penilaian subjektif
dalam perbandingan berpasangan yang dilakukan oleh pakar. Penelitian ini
disajikan dalam bentuk tabel ringkasan dan bagan sebagai referensi para ahli
akademik dan industri. Teknik-teknik yang dibahas dalam penelitian ini mencakup
prinsip, kelebihan, dan kelemahan yang mendasari dalam proses implementasi.

Kamalakannan, et al., (2020) melakukan penelitian yang disebabkan karena

adanya perubahan lingkungan yang terjadi sehingga berdampak pada kebutuhan
perusahaan untuk memperhatikan green management supplier. Penelitian
menggunakan teknik MCDM TOPSIS AHP untuk mendapatkan pemasok yang
dapat menerapkan green management tepat. Hasil penelitian menunjukkan
pemasok yang direkomendasikan sesuai dengan perhitungan.

Al-Saggaf, Nasir, & Hegazy (2020) mengimplementasikan

mengembangkan teknik pengambilan keputusan yang mampu mengevaluasi
sehingga mampu untuk meningkatkan tingkat kepastian sebuah suatu keputusan
menggunakan metode AHP. Penelitian dilakukan untuk menentukan alternatif
desain bangunan. Architectural Design Variables (ADVs) ditentukan untuk
preferensi relatif expert yang mampu merepresentasikan aspek fungsi, biaya, dan
estetika.

8
 Chakraborty, Ghosh, Sarker, & Chakraborty (2020) melakukan penilaian
kinerja bandara di India melibatkan tiga puluh dua bandara internasional
menggunakan delapan kriteria. Penelitian dilakukan menggunakan metode best
worst method (BWM) dan multi-attributive border approximation area comparison
(MABAC). Hasil penelitian menunjukkan rangking bandara terbaik dan terburuk
dari keseluruhan bandara international di India.

Reza, et al., (2020) mengevaluasi kinerja sistem pembangkit listrik

menggunakan pendekatan DEA. DEA diimplementasikan dengan
mempertimbangkan keterkaitan proses sistem pembangkit listrik sehingga
memungkinkan untuk melakukan penilaian kinerja secara menyeluruh. Penelitian
ini merekomendasikan dynamic DEA untuk mengidentifikasi perubahan dalam
efisiensi sistem yang lebih baik.

Mastrocinque, Ramírez, Andrés, & Pham (2020) memberikan kerangka

pengambilan keputusan multi kriteria berdasarkan prinsip bottom line dan AHP
untuk rantai pasokan berkelanjutan di sector energi. Kerangka yang diusulkan
melingkupi keseluruhan rantai pasokan mulai dari pemasok bahan baku mentah
sampai dengan pembuangan limbah. Studi pustaka dan pakar digunakan untuk
mengidentifikasi dan menilai subkriteria untuk masing-masing dimensi dengan
perbandingan berpasangan. Kerangka yang diusulkan digunakan untuk
mengevaluasi tujuh Negara di Eropa yang mewakili dari total kapasitas energy.

Evaluasi kinerja pemasok pada Industry of High Speed Train Manufacturing

(HSTM) di Changzhou, China (Xue, et al., 2018). Penelitian ini digunakan untuk
memilih 5 pemasok dengan kriteria physical quality, delivery performance, service,
price, quality management system, dan environmental safety. Selanjutnya
ditransformasikan sesuai dengan distribusi belief, dilakukan perbandingan antara
pemasok menggunakan aturan Hurwicz. Setiap kriteria dilakukan pembobotan dan
diolah menggunakan MCDM untuk menentukan pemasok.

Kasmawati (2015) melakukan penelitian evaluasi kinerja pemasok

menggunakan AHP dengan kriteria price, delivery, quality, dan service. Masing-

9
masing kriteria memiliki subkriteria diantaranya kesesuaian harga, kemudahan dan
jangka waktu pembayaran, ketepatan waktu pengiriman, kesesuaian spesifikasi dan
jumlah barang, kualitas produk sesuai dengan standart perusahaan, pemberian
garansi pada barang, tingkat konsistensi pemasok, kemudahan menghubungi, dan
penanganan keluhan pelanggan. Usulan pemasok dengan bobot tertinggi diusulkan
menjadi pemasok yang terpilih.

Hasan (2014) melakukan penelitian di Pusat Pengembangan Udara di

Bangladesh untuk mengindentifikasi evaluasi performansi kinerja pemasok.
Penelitian dilakukan menggunakan metode Balance Scorecards dengan cara
menganalisa kekurangan penilaian kinerja pemasok dan selanjutnya menyarankan
bagaimana cara meningkatkan penilaian kinerja pemasok.

Rochmoeljati (2015) melakukan pengukuran kinerja supplier berdasarkan

vendor performance indicator cost, quality, delivery, flexibility, dan responsiveness
di PT Boma Bisma Indra Surabaya menggunakan metode AHP. Dari hasil
penelitian didapatkan tingkat kepentingan untuk masing-masing kriteria yang
dilakukan untuk menghitung kinerja pemasok. Terdapat 12 Vendor Performance
Indicator (VPI) sebagai indicator kinerja pemasok plate.

Tanggung jawab terkait lingkungan dan sosial yang disebabkan oleh

pemasok menuntut perusahaan untuk meningkatkan penilaian terhadap pemasok
sehingga evaluasi kinerja pemasok harus diintegrasikan kedalam rantai pasokan.
Oslah (2012) mendefinisikan hubungan antara penilaian kinerja pemasok dengan
analisis value chain di Kenya Airways. Hasil penelitian menunjukkan terdapat ruang
lingkup terbatas untuk mengintegrasikan penilaian kinerja pemasok kedalam
keputusan pengadaan produk.

Dalam penelitian yang dilakukan oleh (Barak & Mokfi, 2019) terkait
evaluasi dan pemilihan metode clustering menggunakan hybrid group MCDM.
Dalam penelitiannya dilakukan perbandingan terhadap enam metode
pengelompokan diantaranya PSO Clustering, DBSCAN, Lloyd’s K-Means, Wards,

10
K-Means, dan Fuzzy Clustering menggunakan pendekatan MCDM. Hasil
percobaan menunjukkan bahwa keenam metode yang digunakan efektif.

Mousavi-Nasab & Sotoudeh-Anvari (2017) melakukan penelitian tentang

pendekatan komprehensif berbasis MCDM menggunakan metode TOPSIS,
COPRAS, dan DEA untuk menentukan pemilihan material. Hasil penelitian
menunjukkan bahwa ketiga metode tersebut dapat digunakan dalam pemilihan
material, namu COPRAS dan TOPSIS lebih komprehensif.

Taherdoost & Brard (2019) melakukan analisis terkait metode dan kriteria
dalam penentuan pemilihan pemasok. Ditemukan sebanyak 25 kriteria dalam
penentuan pemilihan pemasok diantaranya quality, delivery, performance history,
warranties and claim policies, production capacity, price, technology and
capability, cost, mutual trust and easy communication, communication system,
reputation and position in industry, supplier profile, management and organization,
repair service, attitude, risk factor, commercial plans and structure, labour
relations record, geographical location, reliability, service, process improvement,
product development, environmental and social responsibility, professionalsm.
Sedangkan untuk metode pengelompokannya adalah statistical/probabilistic, multi
attribute decision making, method based on cost, mathematical programming,
artificial intelligence, dan combined approach.

Chai, Liu, & Ngai (2013) menyediakan kajian literatur tentang penerapan
teknik pengambilan keputusan dalam penilaian pemasok, termasuk teknik MCDM,
teknik pemrograman dan teknik kecerdasan buatan (artificial intelligent). Penelitian
ini dilakukan karena pentingnya teknik pengambilan keputusan yang efektif untuk
penilaian pemasok dan kajian literature terkait hal tersebut masih terbatas.
Penelitian ini memberikan kajian sistematis yang diterbitkan tahun 2008 sampai
dengan 2012.

Govindan, Rajendran, Sarkis, & Murugesan (2015) melakukan peninjauan

pendekatan MCDM sebagai alternative solusi untuk mengevaluasi pemasok (green
supplier) untuk mengidentifikasi perbaikan/peningkatan proses. Hal ini

11
dikarenakan terbatasnya literatur untuk green supplier. Penelitian ini dilakukan
dengan melakukan reviu terhadap riset yang dipublikasikan dari 1997 sampai
dengan 2011. Ditemukan bahwa kriteria yang sering digunakan untuk pemilihan
green supplier adalah sistem manajemen lingkungan.

Wetzstein, Hartmann, Jr, & Hohenstein (2016) melakukan penelitian

tentang pemilihan pemasok dikarenakan meningkatnya outsourcing di berbagai
sector namun analisa secara menyeluruh untuk pemilihan pemasok belum
dilakukan sehingga pada menyediakan literatur pemilihan pemasok yang sistematis.
Penelitian ini dilakukan dengan melakukan reviu terhadap jurnal yang diterbitkan
tahun 1990 sampai dengan 2015. Penelitian ini bertujuan untuk memberikan
rekomendasi penelitian untuk pemilihan pemasok.

Simic, Kovacevic, Svircevic, & Simic (2017) menunjukkan bagaimana

fuzzy set theory dan hybrid solution based on fuzzy dapat digunakan dalam berbagai
model pemilihan dan evaluasi pemasok dalam kurun waktu 50 tahun. Penilaian dan
pemilihan pemasok merupakan masalah pengambilan keputusan multi kriteria yang
memerlukan pemilihan logis dari berbagai alternatif yang tersedia.

Penentuan pemasok di Industri Penerbangan yang kompleks dan berbeda

dengan industri lainnya, diselesaikan menggunakan dua tahapan. Langkah pertama
menggunakan conjuctive screening method, langkah berikutnya menggunakan
fuzzy AHP untuk mengevaluasi berdasarkan kriteria dan sub kriteria. Rezaei,
Fahim, & L. Tavasszy (2014) menyebutkan bahwa kriteria penilaian pemasok pada
industri penerbangan adalah harga, kualitas produk, pengiriman (delivery),
fleksibilitas dan respon, stabilitas keuangan, reputasi, aktivitas media, dan keahlian
pasar (assortment and market expertise). Hasil yang diusulkan adalah peringkat
pemasok yang sesuai dengan ketentuan perusahaan.

Chen & Zou (2017) dalam penelitiannya menyebutkan bahwa kriteria

penting dalam pemilihan pemasok adalah harga, ketepatan pengiriman, kualitas,
kemampuan teknis, kondisi keuangan, pelayanan perawatan, kemampuan packing,
kemampuan mengontrol proses produksi, kemampuan training, negosiasi, tingkat

12
penjualan untuk periode sebelumnya, dan relasi bisnis. Metode yang digunakan
adalah generalized intuitionistic fuzzy soft set (GIFSS) dengan extending gray
rational analysis (GRA). Metode ini diimplementasikan di Industri tekstil Taiwan
untuk menggambarkan metode yang diusulkan dan membandingkan dengan
metode yang lain.

Dey, Bhattacharya, Ho, & Clegg (2015) mengembangkan evaluasi kinerja

pemasok yang strategis menggunakan metode integrated analytical network.
Kriteria yang digunakan adalah kualitas, performance, delivery performance,
costing performance, kemampuan perusahaan, kepedulian lingkungan, kepedulian
sosial, dan managemen risiko dalam mengukur performansi pemasok di Industri
manufaktur UK. Metode yang diusulkan efektif dan berdampak positif terhadap
kinerja operasional dan bisnis perusahaan.

Junior, Osiro, & Carpinetti (2014) membandingkan metode fuzzy TOPSIS

dan fuzzy AHP untuk menentukan pemasok dengan kerangka kriteria diantaranya
kemampuan teknis, kualitas, quality commitment, flexibility, cost/price, ketepatan
pengiriman, kemudahan komunikasi, reputasi, delivery realibility, dan inovasi.
Analisis komparatif menunjukkan bahwa fuzzy TOPSIS lebih sesuai digunakan
untuk evaluasi pemasok karena adaptif terhadap kriteria dan alternatif yang
digunakan.

Kerangka kriteria untuk permasalahan SPE pada industri HSTM dengan

melakukan wawancara kepada beberapa karyawan dari perusahaan HSTM yang
berbeda, CRRC Zhuzhou locomotive Co. Ltd dan CRRC Qingdao Sifang rolling
stock research institute Co. Ltd. (Xue, et al., 2018). Kriteria yang didapatkan adalah
physical quality, performansi delivery, service, price, quality management system,
dan environmental safety. Setiap permasalahan memiliki kriteria yang berbeda dan
metode pemilihan pemasok yang berbeda.

Deng & Chan (2011) mengembangkan fuzzy MCDM. Pengambilan

keputusan multikriteria untuk pemilihan pemasok dilakukan menggunakan metode
fuzzy set theory (FST) dan Dempster Shafer Theory (DST) yang dikembangkan

13
berdasarkan kinerja TOPSIS. Metode yang diusulkan lebih fleksibel dan performasi
kriteria dapat direpresentasikan menggunakan fuzzy sesuai dengan kondisi
perusahaan.

Chen Y (2011) mengintegrasikan data employment analysis (DEA),

technique for order preference by similiarity to ideal solution (TOPSIS) dengan
metode MCDM untuk menyelesaikan masalah SPE di Industri tekstil di Taiwan
untuk mendapatkan metode terstruktur dalam pemilihan dan penilaian pemasok.
Strategi persaingan perusahaan diidentifikasi menggunakan SWOT, kriteria
pemilihan pemasok ditentukan dan dianalisa menggunakan DEA dan TOPSIS.
Peningkatan hubungan kerjasama antara perusahaan dengan potensial pemasok
dapat meningkatkan kemampuan pengembangan kualitas produk dan
meminimalisir waktu dan biaya yang dibutuhkan sehingga dapat meningkatkan
daya jual produk.

Evaluasi daya saing destinasi wisata di China menggunakan information

entropy weight (IEW) dan TOPSIS untuk memberikan peringkat analisis dan
memberikan indeks paling penting untuk setiap aspek sehingga upaya peningkatan
sarana bagi kota-kota tertentu untuk meningkatkan daya saing didiskusikan (Zhang,
Gu, Gu, & Zhang, 2011). Hasil penelitian menunjukkan bahwa IEW dan TOPSIS
dapat diimplementasikan sebagai metode yang efektif dalam evaluasi daya saing
destinasi wisata. TOPSIS untuk dilakukan dalam pengambilan keputusan karena
mudah digunakan, efisien, dan bagus untuk aplikasi di dunia nyata (Shih, Shyur, &
Lee, 2007).

Sun C.-C. (2010) mengekspolari model evaluasi kinerja berdasarkan fuzzy

analytic hierarchy process dan fuzzy TOPSIS untuk membatu para praktisi industri.
Metode yang diusulkan mendukung proses pengambilan keputusan yang lebih
akurat, efektif, dan sistematis. Evaluasi dan memilih sistem transportasi
berkelanjutan yang efisien, kuat, ekonomis dan ramah lingkungan dengan
mengidentifikasi kriteria untuk penilaian keberlanjutan transportasi, pembobotan
untuk alternatif, dan menggunakan fuzzy TOPSIS untuk menentukan alternatif
terbaik (Awasthi, Chauhan, & Omrani, 2011). Selain itu, pada penelitian ini

14
mempertimbangkan analisa sensitivitas untuk menentukan pengaruh bobot kriteria
pada proses pengambilan keputusan.

Kombinasikan metode TOPSIS dengan fuzzy weighted averaging (IFWA)

sebagai usulan untuk penilaian kinerja pemasok. IFWA digunakan untuk menilai
pentingnya kriteria dan alternatif. Langkah pertama membangun model linier untuk
menentukan bobot optimal masing-masing kriteria dengan cara memaksimalkan
koefisien kedekatan. Usulan metode tersebut diterapkan ke dalam contoh ilustratif.
(Boran, Genc, Kurt, & Akay, 2009).

Enam metode MCDA yaitu Weighted sum, weighted product, Kim & Lin,
compromise programming, TOPSIS, ELECTREE 1 untuk permasalahan industri
pengembangan tata surya menggunakan kriteria konsistensi hasil, kemudahan
memahami, dan kemampuan sistem adaptasi (Amine, El, Pailhes, & Perry, 2014).
Hasilnya menunjukkan bahwa TOPSIS adalah metode yang paling konsisten.

Perbandingan AHP, TOPSIS, dan AHP-TOPSIS untuk seleksi penerimaan

siswa program akselerasi berdasarkan empat kriteria nilai UASBN, nilai TPA, IQ,
dan nilai prestasi berupa piagam (Purnomo, Sihwi, & Anggrainingsih, 2013).
Analisa perbandingan menggunakan metode Hamming Distance dan Euclidean
Distance. Hasil yang diperoleh menunjukkan bahwa AHP TOPSIS mendapatkan
urutan terbaik.

Evaluasi jasa pihak ketiga dengan metode information granulation entrophy

method dan pengelompokan k-means clustering pada diskrit matriks (Zhang,
Shang, & Li, 2012). Penelitian ini mengusulkan kerangka evaluasi yang
komprehensif untuk penilaian alternatif yang objektif. Metode yang diusulkan
dimulai dengan pakar menentukan fuzzy dalam bentuk evaluasi matriks,
selanjutnya k-means clustering digunakan untuk mendiskritkan matriks dan
menganakisa menggunakan granulation entrophy method, kemudian alternatif
ditentukan menggunakan TOPSIS.

Adi, Pujotomo, Darminto, & Sriyanto (2016) melakukan penelitian tentang

penggunaan Kraljic’s purchasing portofolio model dalam perancangan strategi

15
pengadaan bahan baku pada PT Masscom Graphy untuk mengusulkan strategi
pengadaan yang menguntungkan bagi perusahaan. Penelitian ini menggunakan
metode Fuzzy Multi Atribute decision making untuk melakukan penilaian terhadap
dimensi dan atribut yang digunakan. Melalui analisa Kraljic’s purchasing
portofolio dapat disimpulkan beberapa hal yang menyangkut karakteristik bahan
baku dan strategi yang diberikan.

Integrasi AHP-TOPSIS pada kraljic protofolio matrix dalam penentuan

strategi pembelian di PT Hitachi Construction Machinery Indonesia (Susanty,
Bakhtiar, & Ramadhona, 2016). Penelitian digunakan untuk memetakan dua puluh
dua material pada Kraljic Portofolio Matrix. Variasi letak material tersebut
memberikan konsekuensi perusahaan untuk menjalankan strategi sesuai dengan
pemetaan material.

Analisis positioning item pengadaan menggunakan Kraljic’s Portofolio

Matrix di PLN Distribusi Jawa Tengah dan Daerah Istimewa Yogyakarta
menggunakan Multidimensional scaling (MDS) (Kusumawati & Puspita Sari,
2015). Penggunaan strategi pemasok dan pengadaan belum efektif sehingga item
pengadaan dikategorikan berdasarkan profit impact dan supply risk menggunakan
Triangular fuzzy number (TFN) kemudian dipetakan menggunakan
multidimensional scaling (MDS) untuk menentukan kritikal item pengadaan.

Weber (1996) menggunakan DEA untuk mengevaluasi vendor dengan

mempertimbangkan harga satuan, persentase, persentase keterlambatan
pengiriman, unit alokasi Bisnis serta mengidentifikasi bagaimana DEA dapat
digunakan untuk menganalisa kinerja vendor berdasarkan beberapa kriteria.
Stochastic DEA digunakan untuk mengevaluasi kinerja vendor (Talluri,
Narasimhan, & Nair, 2006).

Wu & Blackhurst (2009) melakukan penelitian tentang metodologi evaluasi

dan seleksi pemasok menggunakan DEA. Studi kasus dilakukan di perusahaan
komunikasi dan elektronik penerbangan sebagai usulan untuk dapat menambahkan

16
peringkat pemasok. DEA memiliki keunggulan dan menghasilkan penilaian
pemasok yang efisien.

Wu D., (2010) mengembangkan metode untuk mengukur kinerja pemasok

dengan mempertimbangkan risiko dan ketidakpastian terkait dengan kinerja
pemasok pada beberapa variabel. Metodologi yang diusulkan adalah dengan
menggunakan model traditional Stochastic DEA. Pengambilan keputusan secara
kuantitatif dengan mempertimbangkan risiko dapat ditingkatkan menggunakan
model tersebut.

Dalam konteks manajemen logistik, pengukuran efisiensi pemasok menjadi

salah satu masalah utama. Shirouyehzad (2011) menggunakan metode DEA,
pendekatan praktis Model Anderson dan Peterson. Variabel yang digunakan service
quality, price, average of late delivery times dan rate of rejected part untuk
mengukur service quality pemasok sehingga dapat ditentukan peringkat pemasok
yang efisien. Kerangka kerja yang sesuai bagi perusahaan diusulkan dalam
penelitian ini. Selain itu, terdapat beberapa alternatif untuk meningkatkan
performansi pemasok.

Kerangka penelitian yang diusulkan dapat dilihat pada Tabel 2.1

Tabel 2.1. Kerangka penelitian yang diusulkan
Penulis AHP Kraljic's TOPSIS DEA Lainnya
Matrix
Liu, M. Eckert, & Earl, √ × × ×
2020
Kamalakannan, et al., √ × √ ×
2020
Al-Saggaf, Nasir, & √ × × ×
Hegazy, 2020
Chakraborty, Ghosh, × × × × BWM, MABAC
Sarker, & Chakraborty,
2020
Reza, et al., 2020 × × × √
Mastrocinque, Ramírez, √ × × × Bottom line
Andrés, & Pham, 2020

17
 Penulis AHP Kraljic's TOPSIS DEA Lainnya
Matrix
Taherdoost & Brard, × × × ×
2019
Barak & Mokfi, 2019 × × × × Hybrid;
DDBSCAN;
Lloyd’s K-Means;
Wards, K-
Means;Fuzzy
Clustering
Xue, et al., 2018 × × × × Distribusi Belief
Mousavi-Nasab & × × √ √
Sotoudeh-Anvari, 2017
Chen & Zou, 2017 × × × × GIFSS; GRA
Simic, Kovacevic, × × × × Fuzzy set theory,
Svircevic, & Simic, 2017 hybrid solution
basen on fuzzy
Adi, Pujotomo, Darminto, × √ × ×
& Sriyanto, 2016
Susanty, Bakhtiar, & √ √ √ ×
Ramadhona, 2016
Wetzstein, Hartmann, Jr, × × × × Literatur pemilihan
& Hohenstein, 2016 pemasok
Govindan, Rajendran, × × × × Reviu terhadap
Sarkis, & Murugesan, kriteria green
2015 supplier
Kasmawati, 2015 √ × × ×
Rochmoeljati, 2015 √ × × ×
Dey, Bhattacharya, Ho, & × × × × integrated
Clegg, 2015 analytical network
Kusumawati & Puspita × × × × TFN, MDS
Sari, 2015
Amine, El, Pailhes, & × × √ × ELECTREE 1
Perry, 2014
Junior, Osiro, & √ × √ ×
Carpinetti, 2014
Rezaei, Fahim, & L. × × × × Kriteria penilaian
Tavasszy, 2014 pemasok
Hasan, 2014 × × × × Balance scorecards
Chai, Liu, & Ngai, × × × × artificial intelligent
2013

18
 Penulis AHP Kraljic's TOPSIS DEA Lainnya
Matrix
Purnomo, Sihwi, & √ × √ × Hamming
Anggrainingsih, 2013 Distance;Euclidean
Distance
Zhang, Shang, & Li, 2012 × × √ ×
Oslah, 2012 × × × × Analisa Value
Chain
Deng & Chan, 2011 × × √ √
Chen Y. , 2011 × × √ √
Zhang H, Gu C-l, Gu L- × × √ ×
w, Zhang Y, 2011
Awasthi, Chauhan, & × × √ ×
Omrani, 2011
Shirouyehzad, 2011 × × × √
Sun C.-C., 2010 √ × √ ×
Wu D. , 2010 × × × √
Wu & Blackhurst, 2009 × × × √
Boran, Genc, Kurt, & × × √ ×
Akay, 2009
Shih, Shyur, & Lee, 2007 × × √ ×
Talluri, Narasimhan, & × × × √
Nair, 2006
Usulan Penelitian √ √ √ √

Evaluasi kinerja pemasok di PT INKA (Persero) memiliki karakteristik yang

berbeda untuk masing-masing jenis komponen/material serta penanganan
pengadaan untuk setiap komponen/material berbeda-beda, sehingga diperlukan
pemetaan material/komponen menggunakan pendekatan Kraljic portofolio matrix
untuk mendapatkan level kategori setiap material/komponen. Proses pemetaan
material/komponen kedalam Kraljic portofolio matrix perlu mempertimbangkan
kriteria - kriteria yang melekat pada pemasok sehingga digunakan analisa MCDM,
AHP dan TOPSIS. TOPSIS digunakan untuk menentukan titik koordinat
material/komponen kedalam Kraljic portofolio matrix. Efisiensi pemasok dengan
metode DEA penting dilakukan untuk mendapatkan hasil evaluasi kinerja pemasok
yang lebih komprehensif.

19
2.2 Kajian Deduktif
Kajian deduktif merupakan landasan teori yang dipakai sebagai acuan untuk
memecahkan masalah penelitian.

2.2.1 Kraljic’s Purchasing Portofolio Model

Kraljic (1983) menggagas sebuah model portofolio, Kraljic’s Matrix yang
membedakan strategi kedalam empat kuadran yang merupakan karakteristik barang
yaitu noncritical, leverage, bottleneck, dan strategic. Kraljic’s Matrix mengusulkan
model portofolio pembelian dengan tujuan utama meminimalkan kerentanan
pasokan dan memanfaatkan daya beli secara maksimal. Model Kraljic’s membantu
pemahaman pembeli untuk mengklasifikasikan produk barang/jasa dalam hal risiko
pasokan dan kontribusi laba. Setelah produk diklasifikasikan dengan benar, strategi
pengadaan dapat dipilih dengan tepat. Rekomendasi strategi standar yang
digunakan untuk barang/jasa sesuai dengan Kraljic’s Matrix dapat dilihat pada
Tabel 2.2 (Gelderman & Van Weele, 2003).

Tabel 2.2. Rekomendasi Strategi Standar

Items Holding the Potition Moving to another position
Leverage Maintain a partnership of Develop a strategic partnership
convenience (Moving to strategic)
Bottleneck Keep safety stocks Decomplex the product, find a new
supplier
(Moving to non-critical)
Non-Critical Individual Ordering Pooling the requirements
(Moving to leverage)
Strategic Maintain a strategic Terminate a partnership, find a new
partnership supplier
Accept a locked in (Moving to Leverage)
partnership

2.2.2 Multi Criteria Decision Making (MCDM)

MCDM adalah salah satu operasional riset untuk mencari solusi yang
optimal dalam permasalahan kompleks termasuk indikator yang bervariasi,
conflicting objective, dan kriteria (Kumar, et al., 2017). MCDM adalah suatu
metode pengambil keputusan untuk menentukan alternatif terbaik dari beberapa

20
alternatif dengan kriteria tertentu. Kriteria yang digunakan berupa ukuran, aturan,
atau standar yang digunakan dalam pengambilan keputusan (Kusumadewi, Hartati,
Harjoko, & Wardoyo, 2006). MCDM terdiri dari lima komponen yaitu Tujuan,
preferensi pembuat keputusan, alternatif, kriteria dan hasil. Menurut tipe data yang
digunakan, klasifikasi MCDM terdiri dari tipe deterministik, stokastik, dan fuzzy.
Menurut jumlah pengambil keputusan yang terlibat, MCDM terbagi menjadi
pengambil keputusan satu orang atau pengambil keputusan dalam bentuk group.
Kumar, et al., (2017) Beberapa metode MCDM yang populer antara lain Weighted
Sum Model oleh Fishburn, 1967, Weighted Product Model oleh Bridgman, 1922,
ELECTRE oleh Benayoun et al, 1966, TOPSIS oleh Hwang dan Yoon, 1981,
MAUT oleh Edwards dan Newman, 1982, PROMETHEE oleh Brans and Vincke,
1985, VIKOR oleh Opricovic, 1998, AHP oleh Saaty, 1970's.
2.2.3 Technique For Order Preference by Similiarity to Ideal Solution
(TOPSIS)
TOPSIS adalah salah satu metode pengambilan keputusan multikriteria
yang pertama kali diperkenalkan oleh Yoon dan Hwang tahun 1981. Sun & Li
(2010) menyatakan bahwa TOPSIS adalah metode terbaik dibandingkan dengan
metode MCDM lainnya pada masalah pemilihan pesawat. TOPSIS memiliki logika
yang transparan dan berfungsi untuk informasi kualitatif maupun kuantitatif
(Nasab & Anvari, 2017). TOPSIS adalah salah satu metode MCDM yang paling
banyak digunakan dalam pemilihan material (Jahan, Ismail, Sapuan, & Mustapha,
2010). TOPSIS memiliki prosedur kalkulasi yang mudah (Shih, Shyur, & Lee,
2007). TOPSIS dapat diterapkan sebagai tolok ukur dalam permasalahan pemilihan
material untuk mengevaluasi hasil teknik MCDM lainnya (Nasab & Anvari, 2017).
Langkah metode TOPSIS adalah sebagai berikut:
1. Membangun normalized decision matrix
Elemen rij hasil dari normalisasi decision matrix R dengan metode
Euclidean length of a vector adalah
𝒙𝒊𝒋
Formula 1 𝒓𝒊𝒋 = 𝒎 𝒙𝟐
dengan i = 1,2,3,….m ;dan j = 1,2,3,…n. …...(1)
√∑𝒊=𝟏 𝒊𝒋

2. Membangun weighted normalized decision matrix

21
 Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan
berdasarkan rating bobot ternormalisasi ( 𝑦𝑖𝑗 ) sebagai:

Formula 2 𝒚𝒊𝒋 = 𝒘𝒊 𝒓𝒊𝒋 , dengan i = 1,2,3,….m ;dan j = 1,2,3,…n.…....(2)

3. Menentukan matriks solusi ideal dan matriks solusi ideal negative

Solusi ideal positif dihitung berdasarkan
Formula 3 A+ = (Y1+, Y2+, Y3+,…, Yn+) ..................................................(3)
Solusi ideal negative (A-) dihitung berdasarkan
Formula 4 A- = (Y1-, Y2-, Y3-,…, Yn-)......................................................(4)
4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal
positif dan matrik ideal negative
Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai:

Formula 5 𝑫𝒊+ = √∑𝒏𝒋=𝟏(𝒚𝒊𝒋 − 𝒚+𝒊 )2 , i = 1,2,3,…..,m. …………................(5)

Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan sebagai:

Formula 6 𝑫𝒊− = √∑𝒏𝒋=𝟏(𝒚𝒊𝒋 − 𝒚−𝒊 )2, i = 1,2,3,…..,m. …………………......(6)

5. Menentukan nilai preferensi untuk setiap alternatif

Kedekatan setiap alternatif terhadap solusi ideal dihitung berdasarkan
rumus:

𝑫−
Formula 7 𝑽 = 𝒊
𝑫𝒊− + 𝑫𝒊+
, i = 1,2,3,…….m………………………....................(7)

2.2.4 Data Envelopment Analysis (DEA)

Ray (2004) mengutip dari European Jurnal of Operational Research (1978)
bahwa Data Envelopment Analysis (DEA) adalah sebuah metode nonparametric
untuk mengukur tingkat efisiensi dari sebuah decision making unit (DMU)
diperkenalkan pertama kali dalam literatur Riset Operasi oleh Charnes, Cooper, and
Rhodes. DMU adalah organisasi atau unit unit yang akan diteliti. Unit ini bisa
berupa unit non komersial maupun unit komersial (Steering Committee for the
Review of Commonwealth/State Service Province, 1997). DEA adalah sebuah
analisis benchmarking khusus, biasa digunakan dalam ekonometriks untuk

22
mengestimasi tingkat efisiensi unit produksi dan telah berkembang luas dalam
bidang ilmu kesehatan, pendidikan, keuangan, sarana transportasi umum dan makro
ekonomi (Fancello, Barbara, & Faddaa, 2012). Tujuan dari DEA adalah untuk
menghitung efisiensi diukur dari performansi relative dari beberapa unit berbeda
yang disebut DMU. DEA mengasumsikan setiap DMU bebas menentukan bobot
untuk setiap variable input mauapun variable output yang ada dengan catatan
memenuhi kondisi yang disyaratkan, yaitu bobot tidak boleh negatif dan harus
bersifat universal atau tidak menghadirkan indikator efisiensi yang di atas normal
atau lebih besar dari nilai 1 bilamana dipakai DMU lainnya (Huri & Susilowati,
2002). DEA menggunakan banyak faktor produktivitas untuk mengukur efisiensi
relatif sekumpulan DMU yang sejenis (homogenous). Nilai efisiensi yang
didapatkan dari kumpulan faktor input dan output dapat dijabarkan sebagai berikut.

𝐉𝐮𝐦𝐥𝐚𝐡 𝐧𝐢𝐥𝐚𝐢 𝐨𝐮𝐭𝐩𝐮𝐭

Formula 8 Efisiensi = ..............................................................(8)
𝐉𝐮𝐦𝐥𝐚𝐡 𝐧𝐢𝐥𝐚𝐢 𝐢𝐧𝐩𝐮𝐭

Diasumsikan terdapat n DMU dengan masing-masing memiliki m input dan s

output, nilai efisiensi relatif dari DMU p dapat diselesaikan dengan menggunakan
model berikut.

∑𝒔𝒌=𝟏 𝒗𝒌 𝒚𝒌𝒑 ∑𝒔𝒌=𝟏 𝒗𝒌 𝒚𝒌𝒊

Formula 9 𝑴𝒂𝒙 = ∑𝒎
subject to , ∑𝒎
≤ 𝟏 ∀𝒊 ; 𝒗𝒌 , 𝒖𝒋 ≥
𝒋=𝟏 𝒖𝒋 𝒙𝒋𝒑 𝒋=𝟏 𝒖𝒋 𝒙𝒋𝒊

𝟎 ∀𝒌, 𝒋..................................................................................................................(9)
Keterangan
𝑘 = Output ke-k , k =1,….,s
𝑗 = input ke-j , j =1,….,m
𝑖 = 1,…,n untuk DMU yang menjadi pembatas (pembanding) atau terlibat
𝑝 = 1,…,n untuk DMU yang dihitung nilai efisiensi relatifnya
𝑦𝑘𝑖 = Variabel output ke – k dari DMU ke – i
𝑥𝑗𝑖 = Variabel input ke – j dari DMU ke – i
𝑣𝑘 = Bobot untuk output k
𝑢𝑗 = Bobot untuk input j

23
2.2.5. Kriteria Dalam Penelitian

Dalam penelitian ini menggunakan beberapa kriteria, definisi kriteria yang

digunakan dalam penelitian adalah sebagai berikut:

1. Supply Risk merupakan probabilitas terjadinya kejadian penting yang

kurang baik terhadap proses pembelian material/komponen selama periode
tertentu

2. Profit Impact merupakan faktor internal perusahaan terkait proses

pembelian material/komponen
3. Avalibility merupakan ketersediaan material/komponen di pemasok yang
dipengaruhi letak geografis dari pemasok (Susanty, Bakhtiar, & Ramadhona
,2016).
4. Competitive demand merupakan rasio ketersediaan barang dengan jumlah
pemasok (Susanty, Bakhtiar, & Ramadhona ,2016).
5. Risiko penyimpanan merupakan potensi terjadinya reject/defect saat
material/komponen disimpan di area perusahaan (Susanty, Bakhtiar, &
Ramadhona ,2016).
6. Jumlah pemasok yang digunakan merupakan banyaknya pemasok yang
telah memenuhi permintaan perusahaan sejak dua tahun terakhir (Susanty,
Bakhtiar, & Ramadhona ,2016).
7. Jumlah pemasok alternatif merupakan banyaknya pemasok yang siap
menerima order dari perusahaan dan berkompetisi dengan pemasok lainnya
(Susanty, Bakhtiar, & Ramadhona ,2016).
8. Lead time adalah jumlah waktu yang dibutuhkan dari kontrak (purchase
order) sampai dengan pengiriman (Susanty, Bakhtiar, & Ramadhona
,2016).
9. Harga merupakan nilai rasio antara harga penawaran pemasok dengan
budget yang ditetapkan oleh perusahaan (Knight, Tu, & Preston, 2014).
10. Kualitas pembelian (Quality) merupakan keadaan/kondisi
material/komponen yang diterima oleh perusahaan (Knight, Tu, & Preston,
2014).

24
11. Volume merupakan banyaknya jumlah item pembelian material/komponen
(Knight, Tu, & Preston, 2014).
12. Delivery merupakan ketepatan jadwal pengiriman terhadap rencana jadwal
di kontrak didefinisikan sebagai jumlah rata-rata keterlambatan yang
dilakukan oleh pemasok (Lotfi, Aryanezhad, & Dabestani, 2011).
13. Material reject merupakan ketepatan mutu material/komponen pengiriman
sesuai dengan spesifikasi yang tertera dalam kontrak, didefinisikan sebagai
jumlah rata-rata non conformity product untuk setiap kontrak (Lotfi,
Aryanezhad, & Dabestani, 2011).
14. Service quality merupakan data hasil evaluasi kinerja pemasok yang telah
ditentukan oleh expert di perusahaan (Lotfi, Aryanezhad, & Dabestani,
2011).

25
 BAB III

METODOLOGI PENELITIAN

3.1 Desain Penelitian

3.1.1 Pemetaan material/komponen dengan pendekatan Kraljic’s Matrix
Penelitian ini bermaksud memetakan material/komponen pengadaan
menggunakan pendekatan Kraljic’s Matrix. Pemetaan tersebut akan didasarkan
pada posisi titik koordinat setiap material/komponen pada dimensi supply risk dan
profit impact. Dalam hal ini metode analytic hierarchy process (AHP) dan TOPSIS
akan digunakan untuk menentukan titik koordinat dari setiap material pada empat
kuadran dalam Kraljic’s Matrix. AHP digunakan untuk menentukan bobot dari
setiap kriteria pada dimensi supply risk dan profit impact, sedangkan TOPSIS
digunakan untuk meranking dan memilih sejumlah alternatif melalui pengukuran
jarak terdekat alternatif dengan solusi ideal positif. Kedua metode tersebut
digunakan secara bersama karena TOPSIS memiliki kelemahan yang berupa
ketidakmampuan untuk menentukan bobot objektif pada kriteria dan
ketidakamampuan untuk menentukan konsistensi dari penilaian ahli. Kelemahan ini
dapat diatasi dengan menggunakan AHP.

3.1.2 Rancangan strategi pengadaan material/komponen

Hasil klasifikasi material/komponen menggunakan pendekatan Kraljic’s
Matrix menjadi dasar dalam penyusunan strategi pengadaan. Rekomendasi yang
dapat diberikan antara lain karakteristik pemasok, hubungan dengan pemasok, tipe
kontrak dengan pemasok, strategi operasional umum dan khusus.

3.1.3 Mengukur tingkat efisiensi pemasok potensial

Berdasarkan hasil klasifikasi material/pemasok yang terbentuk, maka
dilakukan analisa tingkat efisiensi khususnya untuk pemasok yang men-supply
material/komponen yang masuk di dalam kuadran strategic dikarenakan kuadran
ini memiliki risiko pasokan yang tinggi dan dampak profit yang turut tinggi. Hasil

26
tingkat efisiensi akan dijadikan usulan rekomendasi untuk menjadi perhatian
khusus karena jumlah ketersediaan pemasok yang relatif sedikit.

3.2 Lokasi dan Objek Penelitian

Penelitian dilakukan di PT INKA (Persero) di Jalan Yos Sudarso No. 71
Madiun, Jawa Timur. Objek penelitian ini adalah data pemasok yang mempunyai
transaksi dengan PT INKA (Persero) dengan historis kontrak (Purchase Order)
pada periode 2017-2019. Item material/komponen yang digunakan dalam penelitian
ini adalah lima belas item yang diperoleh berdasarkan brainstorming dengan
pejabat perencana pengadaan. Kelima belas item tersebut merupakan
material/komponen utama penyusun kereta api dan memiliki pengaruh yang
signifikan terhadap produk kereta api yang dihasilkan baik dari sisi harga, kualitas
dan delivery.

3.3 Diagram Alir Penelitian

Diagram alir penelitian dapat dilihat pada Gambar 3.1. Berikut penjelasan
diagram alir pada panelitian ini.

1. Mulai
2. Identifikasi material/komponen yang menjadi objek penelitian, proses
dimulai dengan melakukan wawancara dan observasi di perusahaan
berdasarkan kepentingan komponen/material tersebut.
3. Penentuan material/komponen yang digunakan sebagai objek penelitian.
4. Penentuan dimensi dan kriteria supply risk dan profit impact untuk setiap
komponen/material. Dilakukan studi literature dan studi lapangan untuk
menentukan kriteria supply risk dan profit impact. Setelah ditentukan
dimensi dan kriteria, material/komponen dipetakan dalam Kraljic’s Matrix.
5. Penentuan bobot dari setiap kriteria supply risk dan profit impact dilakukan
oleh expert pada bidangnya guna mendapatkan hasil pembobotan yang
sesuai dengan realisasi di perusahaan dan merepresentasikan harapan
perusahaan. Pembobotan dilakukan dengan pendekatan metode AHP.
6. Penentuan titik koordinat pada nilai relative closeness (𝐶 ∗ ) dengan metode
TOPSIS dari setiap material/komponen berdasarkan hasil dari pembobotan

27
 AHP. Hasil penentuan titik koordinat tersebut dipetakan dalam Kraljic’s
Matrix Model.
7. Perancangan strategi pengadaan material/komponen ditentukan
berdasarkan hasil pemetaan dalam Kraljic’s Matrix Model. Rekomendasi
strategi yang diusulkan didapatkan dengan studi literature dan studi
lapangan.
8. Pengukuran tingkat efisiensi untuk pemasok yang masuk dalam kuadran
strategic item menggunakan metode DEA dengan software Frontier Analyst
Banxia.
9. Hasil dan Pembahasan menjelaskan tentang hasil pengumpulan data,
pengolahan data, dan analisa usulan strategi yang didapatkan dari hasil
penelitian.
10. Kesimpulan dan Saran menjelaskan tentang ringkasan ulang mengenai hal-
hal yang penting yang menjadi tujuan dari penelitian yang dilakukan serta
memberikan saran untuk penelitian selanjutnya.
11. Selesai

28
 Mulai

Identifikasi material/komponen yang menjadi objek penelitian dengan melakukan

wawancara dan observasi di perusahaan berdasarkan kepentingan komponen/material
tersebut

Penentuan material/komponen yang menjadi objek penelitian yaitu Wheel & Axle, Axle
box & primary suspension, secondary suspension equipment, engine & transmition,
Propulsi, Safety Chain, Brake System, Gangway, Air Conditioning, Window, Vynil,
Kursi, PIDS, Pantograph, dan Auxiliary Genset

Penentuan dimensi dan kriteria supply risk (availability, competitive demand,risiko

penyimpanan, jumlah pemasok yang digunakan, jumlah pemasok alternatif dan lead
time) dan profit impact (harga pembelian, Volume pembelian, dan kualitas) untuk
memetakan dalam Kraljic's Portofolio Matrix

Penentuan bobot dari setiap kriteria dalam dimensi supply risk dan profit impact dengan
menggunakan metode AHP dilakukan oleh pakar yaitu SM Managemen Rantai Pasokan

Penentuan titik koordinat dari setiap material/komponen berdasarkan pada nilai relative
closeness (𝐶∗ ) dengan menggunakan metode TOPSIS

Memetakan kelimabelas material/komponen ke dalam Kraljic's Portofolio Matrix

kuadran leverage item, non critical item, bottleneck item, dan strategic item

Perancangan strategi pengadaan material/komponen sesuai dengan posisi dalam

kuadran Kraljic Portofolio Matrixs yang berisi tentang karakteristik pemasok dan
hubungan dengan pemasok

Pengukuran tingkat efisiensi untuk evaluasi pemasok berdasarkan pendekatan DEA

menggunakan software Frontier Analyst Banxia khusus untuk material/komponen yang
berada dalam kuadran strategic item

Hasil dan Pembahasan

Kesimpulan dan Saran

Selesai

Gambar 3.1 Diagram Alir Penelitian

29
 BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

Untuk menunjang penelitian yang dilakukan, diperlukan data-data sebagai berikut.
4.1.1 Kraljic’s Matrix
Terdapat dua metode yang digunakan dalam pengolahan data, metode AHP
digunakan untuk menentukan bobot kriteria pada dimensi supply risk dan profit
impact, TOPSIS digunakan untuk menentukan titik koordinat dari setiap
material/komponen berdasarkan pada nilai relative closeness (𝐶 ∗ ) kriteria tertinggi
pada dimensi supply risk dan profit impact. Tahapan untuk menentukan kelimabelas
material/komponen pengadaan ke dalam kuadran Kraljic’s Matrix adalah sebagai
berikut:

a. Menentukan kriteria sesuai dimensi supply risk dan profit impact

Dimensi supply risk memiliki 6 kriteria yaitu availability (𝐴𝑉𝐴),
competitive demand (𝐶𝑂𝐷),risiko penyimpanan (𝑅𝑆𝑃), jumlah pemasok
yang digunakan (𝐽𝑃𝐺), jumlah pemasok alternatif (𝐽𝑃𝐴) dan lead time
(𝐿𝑇𝐼). Dimensi profit impact memiliki tiga kriteria yaitu harga
pembelian (𝑃), Volume pembelian (𝑉), dan kualitas (𝑄).
b. Mendesain, membuat dan mengisi kuisioner
Pada tahap ini menggunakan data primer yang berupa hasil kuisoner
yang diisi oleh responden expert yang berpengaruh terhadap proses
pengadaan material/komponen. Responden pada penelitian ini adalah
Senior Manager Manajemen Rantai Pasokan yang merupakan orang
yang berpengalaman dalam bidang perencanaan pengadaan di PT INKA
(Persero). Kuisioner digunakan untuk menentukan bobot kriteria supply
risk dan profit impact masing-masing material/komponen. Terdapat dua
jenis kuisioner, pertama untuk menilai tingkat kepentingan setiap

30
 kriteria (supply risk dan profit impact), kedua untuk mengidentifikasi
setiap item material/komponen terhadap kriteria (supply risk dan profit
impact).
c. Menentukan bobot antar kriteria dalam dimensi supply risk dan profit
impact, bobot setiap kriteria untuk kelima belas komponen/material
d. Melakukan validasi nilai rasio konsistensi (consistency ratio)
Hasil pembobotan antar kriteria divalidasi nilai rasio konsistensi
menggunakan metode AHP. Nilai rasio konsistensi harus kurang dari
5% untuk matriks 3x3, 8% untuk matriks 4x4 dan 10% untuk matriks n
lebih dari atau sama dengan 5. Apabila nilai rasio konsistensi lebih besar
dari ketentuan yang ditetapkan maka pengisian kuesioner perbandingan
perlu dilakukan kembali untuk mendapatkan nilai-nilai tingkat
kepentingan yang baru.
e. Menentukan titik koordinat dari setiap material/komponen
menggunakan metode TOPSIS berdasarkan pada nilai relative closeness
(𝐶 ∗ ) pada kriteria tertinggi pada dimensi supply risk dan profit impact
4.1.2 Penentuan Strategi Pengadaan
Rekomendasi yang diberikan untuk setiap klasifikasi item pengadaan
melibatkan beberapa referensi perancangan strategi pengadaan sebelumnya
disesuaikan dengan karakteristik pemasok dan hubungan pemasok.

4.1.3 Penilaian tingkat efisiensi pemasok menggunakan pendekatan DEA

Tingkat efisiensi untuk evaluasi pemasok diusulkan khusus untuk
material/komponen yang berada pada kuadran strategic pada Kraljic’s Matrix
dikarenakan pada kuadran ini material/komponen memiliki karakteristik utama
berupa risiko pasokan yang tinggi dan dampak profit yang turut tinggi. Terdapat
sebelas pemasok untuk material/komponen di kuadran strategic. Kesebelas
pemasok tersebut direpresentasikan sebagai DMU. Efisiensi yang ditentukan
dengan metode DEA adalah nilai efisiensi yang relatif dan bukan nilai efisiensi
mutlak, artinya bahwa nilai efisiensi didapatkan dengan membandingkan data input

31
dan output pada DMU. DMU dikatakan efisien jika memiliki nilai 1 atau 100% dan
DMU dikatakan tidak efisien jika performansinya memiliki nilai kurang dari 1.

4.2 Pengolahan Data

4.2.1 Penentuan material/komponen
Proses pengadaan material/komponen produksi di PT INKA (Persero)
terbagi menjadi beberapa purchasing group yaitu mekanik, elektrik, raw material,
consumable & tools, dan pekerjaan jasa. Penelitian ini menggunakan lima belas
material/komponen yang menjadi struktur produk utama dalam pembuatan kereta.
Item tersebut merupakan material/komponen yang di pasok oleh pemasok diluar
anak perusahaan dan afiliasi sehingga proses pengadaan dilakukan oleh PT INKA
(Persero). Selain itu, komponen/material tersebut mempunyai pengaruh yang
signifikan jika terjadi kerusakan atau kesalahan pemasangan pada saat produksi.
Pengelompokan material/komponen sesuai dengan dokumen Bill of Material
(BOM) diterbitkan oleh PT INKA (Persero) yaitu Wheel & Axle, Axle box &
primary suspension, secondary suspension equipment, engine & transmition,
Propulsi, Safety Chain, Brake System, Gangway, Air Conditioning, Window, Vynil,
Kursi, PIDS, Pantograph, dan Auxiliary Genset. Detail kebutuhan
material/komponen pembuatan kereta dapat dilihat dalam Gambar 4.1.

4.2.2 Penentuan Dimensi

Dimensi yang digunakan dalam penelitian adalah supply risk dan profit
impact yang kredible terhadap penggunaan Kraljic’s matrix. Supply risk merupakan
dimensi yang merepresentasikan risiko pasokan yang mungkin terjadi mulai dari
keterbatasan pasokan, subtitusi bahan baku, biaya logistik dan kompleksitas pasar
pasokan. Dimensi supply risk memiliki enam kriteria yaitu availability (AVA),
competitive demand (COD),risiko penyimpanan (RSP), jumlah pemasok yang
digunakan (JPG), jumlah pemasok alternatif (JPA) dan lead time (LTI).

Dimensi profit impact merepresentasikan nilai tambah yang dihasilkan dari

pengadaan setiap bahan baku, baik dalam lini produksi, prosentase biaya bahan
baku dalam total biaya produksi, dan pengaruhnya terhadap tingkat keuntungan.

32
Dimensi profit impact memiliki tiga kriteria yaitu harga (P), Volume pembelian
(V), dan kualitas (Q).

33
Gambar 4.1. Material/Komponen Penyusun Kereta

34
4.2.3 Pembobotan Kriteria Menggunakan Metode AHP
Setelah dimensi supply risk dan profit impact ditentukan, langkah
selanjutnya adalah menentukan bobot dari setiap kriteria menggunakan AHP.
Penentuan bobot dari setiap kriteria supply risk dan profit impact dilakukan oleh
expert, Senior Manager Manajemen Rantai Pasokan. Hasil pembobotan antar
kriteria dan setiap kriteria pada dimensi supply risk dan pada dimensi profit impact
untuk kelima belas material/komponen yang menjadi objek penelitian dapat dilihat
pada Tabel 4.1, Tabel 4.2 dan Tabel 4.3.

Tabel 4.1. Bobot antar Kriteria Supply Risk dan Profit Impact
Kriteria Eigen Vector (Bobot Kriteria)
Supply Risk
Availability 0,406
Competitive demand 0,063
Risiko penyimpanan 0,151
Jumlah pemasok yang digunakan 0,067
Jumlah pemasok alternatif 0,077
Lead time 0,236
Profit impact
Harga pembelian (𝐻) 0,283
Volume pembelian (𝑉) 0,074
Kualitas pembelian (𝑄) 0,643

Tabel 4.2. Bobot Kriteria pada Dimensi Supply Risk

Material Availab Competi Risiko Jumlah Jumlah Lead
ility tive Penyimp Pemasok Pemasok Time
(𝑨𝑽𝑨) demand anan yang Alternatif (𝑳𝑻𝑰)
(𝑪𝑶𝑫) (𝑹𝑺𝑷) Digunakan (𝑱𝑷𝑨)
(𝑱𝑷𝑫)
Air Conditioning 0,03826 0,04271 0,13491 0,07195 0,03840 0,03894
Auxiliary Genset 0,10814 0,11604 0,12812 0,12137 0,02590 0,12912
Axle box & 0,02459 0,02557 0,02216 0,01487 0,11477 0,01527
Primary
suspension
Brake system 0,10263 0,10521 0,07875 0,12018 0,02851 0,10855
Engine & 0,10703 0,11192 0,09868 0,10970 0,02668 0,12101
transmition
Gangway 0,03346 0,03173 0,04973 0,03958 0,09028 0,03451

35
 Material Availab Competi Risiko Jumlah Jumlah Lead
ility tive Penyimp Pemasok Pemasok Time
(𝑨𝑽𝑨) demand anan yang Alternatif (𝑳𝑻𝑰)
(𝑪𝑶𝑫) (𝑹𝑺𝑷) Digunakan (𝑱𝑷𝑨)
(𝑱𝑷𝑫)
Kursi 0,03996 0,02618 0,01816 0,02711 0,11136 0,01551
Pantograph 0,10842 0,11247 0,11126 0,13776 0,02588 0,13486
PIDS 0,04195 0,04013 0,08820 0,04235 0,07803 0,03699
Propulsi 0,14170 0,14975 0,10163 0,11283 0,02629 0,13848
Safety Chain 0,03071 0,02884 0,02240 0,02911 0,11736 0,02488
Secondary 0,03868 0,03780 0,02679 0,03315 0,08781 0,02515
suspension
equipment
Vynil 0,03787 0,03391 0,04918 0,03645 0,09856 0,03551
Wheel & Axle 0,10956 0,10956 0,04291 0,07516 0,02842 0,11583
Window 0,03702 0,02818 0,02713 0,02841 0,10176 0,02539

Tabel 4.3. Bobot Kriteria pada Dimensi Profit Impact

Material Harga Volume Kualitas
pembelian pembelian pembelian
(𝑯) (𝑽) (𝑸)
Air Conditioning 0,0468 0,0319 0,0338
Auxiliary Genset 0,1486 0,0146 0,1020
Axle box & Primary suspension 0,0115 0,0824 0,0277
Brake system 0,1251 0,0285 0,1185
Engine & transmition 0,1388 0,0157 0,1382
Gangway 0,0482 0,0371 0,0505
Kursi 0,0132 0,2073 0,0209
Pantograph 0,1376 0,0146 0,1082
PIDS 0,0333 0,0416 0,0411
Propulsi 0,1353 0,0182 0,1196
Safety Chain 0,0172 0,0913 0,0448
Secondary suspension equipment 0,0172 0,0979 0,0386
Vynil 0,0350 0,0338 0,0222
Wheel & Axle 0,0812 0,0429 0,1176
Window 0,0109 0,2423 0,0164
4.2.4 Pemetaan material/komponen ke dalam Kraljic’s Portofolio Matrix
Langkah selanjutnya setelah dilakukan pembobotan kriteria menggunakan
AHP adalah menentukan titik koordinat dari setiap material/komponen. Titik
koordinat yang terbentuk digunakan untuk mengelompokkan material ke dalam

36
kuadran dalam Kraljic’s Matrix. Tahapan ini dilakukan menggunakan metode
TOPSIS yang menghasilkan koordinat titik 𝐶 ∗ untuk setiap material/komponen
pada dimensi supply risk dan profit impact. Berdasarkan hasil perhitungan, nilai 𝐶 ∗
yang didapatkan untuk kelima belas material/komponen dapat dilihat pada Tabel
4.4.

Setelah dilakukan perhitungan nilai 𝐶 ∗ untuk setiap material/komponen,

langkah selanjutnya adalah memetakan setiap material/komponen kedalam kuadran
Kraljic Portofolio Matrix. Nilai 𝐶 ∗ berada antara 0 hingga 1 digunakan sebagai
garis pembagi menggunakan metode Importance Performance Analysis (IPA).
Titik sumbu yang dihasilkan untuk sumbu 𝑋 dan 𝑌 dapat dilihat pada Tabel 4.5.
Secara grafis hasil pemetaan untuk setiap material atau komponen dapat dilihat
pada Gambar 4.2.

Tabel 4.4. Nilai 𝑪∗ Pada Supply Risk dan Profit Impact

Material/Komponen Supply Risk Profit Impact
Air Conditioning 0,5402 0,1689
Auxiliary Genset 0,8052 0,7016
Axle box & Primary suspension 0,6127 0,0975
Brake system 0,7494 0,7745
Engine & Transmition 0,7844 0,8359
Gangway 0,6125 0,2729
Kursi 0,6297 0,1464
Pantograph 0,8042 0,7284
PIDS 0,6181 0,1930
Propulsi 0,8932 0,7834
Safety Chain 0,6288 0,2116
Secondary suspension equipment 0,6075 0,1729
Vynil 0,6301 0,0875
Wheel & Axle 0,7462 0,7124
Window 0,6222 0,1610

Tabel 4.5 Nilai Titik Sumbu pada Kraljic’s Portofolio Matrix

Titik Sumbu 𝑋 Titik Sumbu 𝑌
Titik garis pembagi 0,686 0,403

37
 KRALJIC'S MATRIX
1,0000

LEVERAGE ITEM STRATEGIC ITEM

0,9000
Engine & transmition

Brake system Propulsi

0,8000
Pantograph

0,7000
Auxiliary Genset
Wheel & Axle

PROFIT IMPACT
0,6000

0,5000

0,4000
NON CRITICAL ITEM BOTTLENECK ITEM
0,3000 Gangway
Safety Chain
Air Conditioning PIDS
0,2000 Window
Secondary suspension
equipment Kursi
0,1000
Axle box & Primary
suspension Vynil
0,0000
0,4000 0,5000 0,6000 0,7000 0,8000 0,9000 1,0000
SUPPLY RISK

Gambar 4.2. Hasil Pemetaan Kelima Belas Material/Komponen pada Kraljic

Portofolio Matrix

4.2.5 Pengukuran tingkat efisiensi untuk evaluasi pemasok

Hasil pemetaan ke dalam kuadran Kraljic’s Matrix digunakan sebagai dasar
penyusunan strategi terhadap pemasok yang terlibat. Penyusunan strategi
disesuaikan dengan karakteristik pemasok dan hubungan dengan pemasok.
Langkah selanjutnya adalah mengukur tingkat efisiensi menggunakan metode DEA
dengan langkah-langkah sebagai berikut.

A. Penentuan DMU
Setelah hasil pemetaan material/komponen pada Kraljic’s Portofolio
matrix terbentuk, tahapan selanjutnya adalah memetakan efisiensi yang selama ini
sudah terjadi khusus untuk material/komponen yang berada pada kuadran strategic
item, mengingat apabila material/komponen tersebut tidak memiliki dukungan
keberlangsungan yang handal dapat menghantarkan risiko yang tinggi terhadap

38
keseluruhan proses produksi di PT Industri Kereta Api (Persero). Sebagaimana
telah dijelaskan sebelumnya, DMU dalam penelitian ini merupakan perusahaan
pemasok yang selama ini sudah memasok material/komponen ke PT PT Industri
Kereta Api (Persero). Relevansi pemasok dilakukan dengan cara menghitung
tingkat efisisiensi pemasok yang terlibat dalam pengadaan material/komponen
tersebut berdasarkan data historis kinerja pemasok periode 2017-2019. Pemasok
yang dimaksud dapat dilihat pada Tabel 4.6.

Tabel 4.6 Pemasok yang Menyuplai Material/Komponen pada Kuadran Strategic

Item
Material/komponen yang dipasok ID Vendor ID DMU
Propulsi 5000171 DMU 1
Wheel & Axle 3000059 DMU 2
Wheel & Axle 5000095 DMU 3
Wheel & Axle 5000014 DMU 4
Brake System 5000076 DMU 5
Wheel & Axle 5000108 DMU 6
Auxiliary Genset 5000020 DMU 7
Brake System 3000091 DMU 8
Wheel & Axle 5000146 DMU 9
Auxiliary Genset 3000784 DMU 10
Auxiliary Genset 5000005 DMU 11

B. Penentuan Input dan Output

Dalam perhitungan DEA, diperlukan penentuan kriteria input dan output
suatu pemasok yang dapat merepresentasikan kapabilitas yang dimiliki oleh
pemasok. Input merupakan variable yang mempengaruhi kinerja dari DMU, output
merupakan variabel terikat atau merupakan keuntungan yang dihasilkan sebagai
hasil dari kegiatan operasi DMU. Variabel input yang digunakan adalah price yang
merupakan rasio antara harga penawaran pemasok dengan budget yang ditetapkan
perusahaan untuk per item material/komponen selama periode 2017-2019 dalam
satuan Rupiah. Nilai rasio kurang dari satu artinya nilai penawaran dari pemasok
lebih besar dibandingkan dengan budget yang ditetapkan atau disebut over budget,
sebaliknya apabila nilai rasio lebih dari satu maka nilai penawaran dari pemasok

39
lebih kecil dibandingkan dengan budget yang ditetapkan atau disebut saving
budget. Rata-rata waktu keterlambatan diukur berdasarkan rata-rata jumlah
keterlambatan pengiriman material/komponen yang dipasok selama periode 2017-
2019 dalam satuan hari. Tingkat kerusakan material diukur berdasarkan jumlah
ketidaksesuaian mutu material/komponen yang dikirimkan oleh pemasok selama
periode 2017-2019 yaitu jumlah rata-rata non conformity product untuk setiap
kontrak.

Sedangkan untuk variabel output adalah service quality yang

merepresentasikan keuntungan yang diperoleh oleh perusahaan. Service quality
merupakan data hasil evaluasi kinerja pemasok yang telah ditentukan oleh expert
di perusahaan. Service quality menunjukkan integritas dan komitmen pemasok
dalam mewujudkan kesepakatan untuk menyediakan material/komponen. Nilai
service quality hanya mengukur persepsi perusahaan dari performasi kinerja
pemasok. Kriteria input dan output dapat dilihat pada Tabel 4.7.

Tabel 4.7 Daftar Variabel Input dan Output

Nama Variabel Jenis Variabel
Price Input (𝒙𝟏 )
Rata-rata waktu keterlambatan Input (𝒙𝟐 )
Material reject Input (𝒙𝟑 )
Service quality Output (𝑦𝟏 )
C. Pengumpulan Data Relevan DEA
Sesuai dengan DMU serta variabel-variabel input dan output yang telah
didefinisikan, tahapan selanjutnya adalah menyertakan data terkait untuk masing-
masing DMU, terdapat empat kelompok data yang dinilai dari pemasok.
Rekapitulasi data variabel input dan output untuk setiap pemasok dapat dilihat pada
Tabel 4.8 dan Tabel 4.9.

Tabel 4.8 Tabel Input dan Output DMU

DMU Variabel
(Pemasok) 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒚𝟏
DMU 1 𝑥11 𝑥21 𝑥31 𝑦11
DMU 2 𝑥12 𝑥22 𝑥32 𝑦12

40
 DMU Variabel
(Pemasok) 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒚𝟏
DMU 3 𝑥13 𝑥23 𝑥33 𝑦13
DMU 4 𝑥14 𝑥24 𝑥34 𝑦14
DMU 5 𝑥15 𝑥25 𝑥35 𝑦15
DMU 6 𝑥16 𝑥26 𝑥36 𝑦16
DMU 7 𝑥17 𝑥27 𝑥37 𝑦17
DMU 8 𝑥18 𝑥28 𝑥38 𝑦18
DMU 9 𝑥19 𝑥29 𝑥39 𝑦19
DMU 10 𝑥110 𝑥210 𝑥310 𝑦110
DMU 11 𝑥111 𝑥211 𝑥311 𝑦111
Tabel 4.9 Rekapitulasi Data Variabel
ID DMU Price Rata-rata Material Service
Vendor (𝒙𝟏 ) keterlambatan Reject Quality
(𝒙𝟐 ) (𝒙𝟑 ) (𝑦𝟏 )
5000171 DMU 1 0,97 187 3 60,00
3000059 DMU 2 0,97 66 7 75,38
5000095 DMU 3 0,96 30 16 73,54
5000014 DMU 4 0,69 176 3 66,67
5000076 DMU 5 0,98 35 2 94,29
5000108 DMU 6 0,94 29 1 86,67
5000020 DMU 7 0,80 35 1 60,00
3000091 DMU 8 0,96 16 2 86,67
5000146 DMU 9 0,88 64 2 60,00
3000784 DMU 10 0,94 59 1 100,00
5000005 DMU 11 0,97 36 6 73,33

D. Pengolahan DEA
Setelah pengumpulan data lengkap, tahapan selanjutnya adalah
menentukan model DEA yang akan digunakan. Pemilihan model yang akan
digunakan harus mempertimbangkan karakteristik dari fungsi produksi DMU yang
akan diukur. Model DEA yang digunakan dalam penelitian ini adalah DEA model
CCR yang mengasumsikan skala produksi DMU yang diukur bersifat konstan
(constant return to scale) sehingga model berbentuk linier. Fungsi produksi setiap
pemasok diasumsikan berada pada kondisi optimal dan tidak mengalami fluktuasi.
Pengolahan DEA dilakukan menggunakan software Frontier Analyst Banxia

41
 menggunakan model optimasi berupa peningkatan output. Hasil pengukuran
metode DEA CCR berupa nilai efisiensi relatif yang dapat dicapai setiap pemasok
dapat dilihat pada Gambar 4.3.

120,0%

100,0%
100,0% 100,0% 100,0% 100,0%

90,8%
80,0% 84,4%
80,8% 82,5%
76,0%

60,0% 64,7%
58,1%

40,0%

20,0%

0,0%
DMU 1 DMU 2 DMU 3 DMU 4 DMU 5 DMU 6 DMU 7 DMU 8 DMU 9 DMU 10 DMU 11

Gambar 4.3. Nilai Efisiensi Pemasok

42
 BAB V

HASIL DAN PEMBAHASAN

PT INKA (Persero) memiliki pedoman khusus dalam proses evaluasi kinerja

pemasok mengacu pada Instruksi Mutu PT INKA (Persero) No. IM-17.08.009
Tentang Tata Cara Evaluasi Penyedia Eksternal. Dalam pedoman tersebut
disebutkan bahwa untuk penilaian evaluasi pemasok menggunakan kriteria dengan
masing-masing bobot yang terdiri dari 40% Quality, 40% Delivery, 10% Response,
dan 10% Experience. Data dan informasi pemasok dianalisis menggunakan
perhitungan kriteria tersebut tanpa adanya standard klasifikasi untuk karakteristik
setiap material/komponen. Dalam penelitian ini mengusulkan standard klasifikasi
material/komponen menggunakan kriteria supply risk dan profit impact dengan
metode Kraljic’s Matrix sebelum dilakukan proses evaluasi kinerja pemasok.
Berikut pembahasan tahapan metode yang diusulkan dalam penelitian.

5.1 Penentuan Kriteria Material/Komponen

Kriteria yang digunakan untuk memetakan material/komponen ke dalam Kraljic’s
Matrix untuk dimensi supply risk adalah avalibility, competitive demand, risiko
penyimpanan, jumlah pemasok yang digunakan, jumlah pemasok alternatif dan
lead time. Pada dimensi profit impact adalah harga, volume pembelian, dan kualitas.
Kriteria – kriteria tersebut dalam implementasinya memiliki representasi dalam
bentuk kualitatif ataupun kuantitatif sehingga atas penentuan skala kriteria tersebut
dianalisa menggunakan AHP oleh pakar agar mendapatkan perspektif yang relevan
dalam penentuan prioritas material/komponen, dalam hal ini untuk
mengklasifikasikan material/komponen. AHP mampu menghasilkan penilaian
bobot antar kriteria yang merepresentasikan level kepentingan kriteria dan
pengaruhnya terhadap material/komponen.

Nilai rasio konsistensi untuk perbandingan berpasangan antar kriteria supply risk
dan profit impact, serta perbandingan berpasangan pada masing masing kriteria

43
supply risk dan profit impact menunjukkan hasil konsisten. Hasil perhitungan nilai
rasio konsistensi untuk setiap perbandingan berpasangan dapat dilihat pada
Lampiran.

Hasil pembobotan pada Tabel 4.1 dilakukan dengan menggunakan metode AHP
menunjukkan bahwa dari keenam kriteria pada supply risk terdapat tiga kriteria
yang memiliki bobot terbesar yaitu availability, lead time dan risiko penyimpanan.
Kriteria availability merupakan kriteria yang memiliki bobot tertinggi dalam
mempengaruhi supply risk perusahaan karena ketersediaan merupakan hal utama
bagi perusahaan yang menerapkan system make to order. Kriteria leadtime
merupakan salah satu ukuran efektifitas proses karena semakin lama leadtime,
maka supply risk untuk material/komponen tersebut semakin tinggi. Kriteria risiko
penyimpanan juga memiliki bobot tertinggi karena potensi terjadinya kerusakan
pada material/komponen yang dibeli mempengaruhi proses pembelian selanjutnya.

Pada dimensi profit impact kriteria yang memiliki bobot tertinggi adalah
kriteria kualitas item karena kualitas material/komponen merupakan hal utama yang
menjadi perhatian khusus. Pengadaan material/komponen sangat
mempertimbangkan kualitas item yang diberikan oleh pemasok. Pembelian
material/komponen yang berkualitas akan menurunkan biaya re-work atau
perbaikan material reject dan meniadakan adanya kemungkinan pembelian
material/komponen pengganti. Selain itu, pembelian material/komponen dengan
kualitas yang baik akan menurunkan biaya terutama biaya pemeriksaan yang
berdampak pada profit perusahaan. Volume pembelian berpengaruh terhadap profit
impact, karena semakin besar volume pembelian maka akan berdampak pada
pemberian diskon dan mengurangi biaya pengiriman. Harga pembelian akan
mempengaruhi profit impact perusahaan karena semakin rendah harga pembelian
semakin meningkat profit yang akan diperoleh perusahaan.

5.2 Pemetaan Material/Komponen ke dalam Kraljic’s Matrix dan

Perancangan strategi pengadaan material/komponen
Nilai 𝐶 ∗ berada antara 0 hingga 1 digunakan sebagai garis pembagi untuk
memisahkan antar kuadran di sumbu 𝑋 dan sumbu 𝑌. Penentuan garis yang menjadi

44
pembagi menggunakan metode Importance Performance Analysis (IPA). Titik
garis yang menjadi pembagi pada sumbu 𝑋 dihitung dari rata-rata nilai 𝐶 ∗ dari
dimensi supply risk yaitu 0,686 dan titik garis yang menjadi pembagi pada sumbu
𝑌 dihitung dari rata-rata nilai 𝐶 ∗ dari dimensi profit impact yaitu 0,403.
5.2.1 Kuadran Non Critical Item
Hasil pemetaan setiap material pada Kraljic’s Portofolio Matrix ditunjukkan
pada Gambar 4.2 bahwa terdapat sembilan material/komponen yang terletak pada
kuadran non-critical item yaitu Gangway, Air Conditioning, Secondary suspension
equipment, Axle box & primary suspension, PIDS, Safety Chain, Windows, Kursi,
Vynil. Kuadran ini memiliki karakteristik utama berupa risiko pasokan rendah dan
dampak profit yang turut rendah. Perusahaan tidak memiliki keluhan baik dari
ketepatan waktu, ketersediaan pasokan maupun kualitas dari pemasok. Dampak
profit terhadap efisiensi perusahaan pun turut rendah dikarenakan harga
material/komponen tidak sebesar komponen utama. Rekomendasi strategi yang
dapat dilakukan untuk kesembilan material/komponen ini adalah melakukan
efisiensi dalam pembelian melalui optimalisasi pemesanan dengan cara
menggabungkan kuantitas permintaan pembelian untuk proyek sejenis menjadi satu
kontrak sehingga biaya pembelian dapat diturunkan. Selain itu memilih pemasok
yang menawarkan harga paling kompetitif baik dari harga komponen/material
ataupun biaya pengiriman. Perusahaan tidak harus menjalin hubungan kerja yang
khusus dengan para pemasok untuk menghindari ketergantungan dan perusahaan
disarankan menerapkan kontrak call-off contract atau fixed contract, tergantung
dapat diprediksi atau tidaknya kebutuhan material/komponen.

5.2.2 Kuadran Strategic Item

Terdapat enam material/komponen yang masuk ke dalam kuadran strategic
item yaitu Propulsi, Brake system, Wheel & axle, Engine & Transmition, Auxiliary
Genset, Pantograph. Kuadran ini memiliki karakteristik utama berupa risiko
pasokan yang tinggi dan dampak profit yang turut tinggi. Pemasok-pemasok yang
digunakan merupakan pemasok khusus bukan retailer. Perusahaan sering memiliki
keluhan terutama pada ketersediaan pasokan dan loyalitas dari pemasok. Dampak

45
profit terhadap efisiensi perusahaan terbilang tinggi karena material/komponen
tersebut merupakan komponen utama struktur pembuatan kereta. Apabila
perusahaan dapat melakukan efisiensi baik operasional maupun harga
material/komponen, perusahaan dapat menghemat budget yang terbilang besar.
Kemungkinan subtitusi pun sangat dihindari karena urgensi spesifikasi khusus yang
dibutuhkan. Pada kuadran ini, material/komponen merupakan produk yang sangat
kompleks, sehingga hanya sedikit pemasok yang dapat menyediakan produk ini.

Strategi yang diusulkan adalah menjalin kerjasama yang saling

menguntungkan antara pemasok dan perusahaan untuk meningkatkan kompetitif
perusahaan. Selain itu memerlukan fleksibilitas yang tinggi dalam hal pembayaran
dan pengiriman. Perusahaan disarankan untuk menjaga hubungan baik dengan
pemasok, menjaga kinerja, dan membentuk hubungan jangka panjang berupa
partnerhip contract ataupun perjanjian kerja sama konsorsium. Perusahaan
diharapkan dapat membuat perencanaan kebutuhan yang akurat dalam setiap
pengadaan.

5.3 Tingkat Efisiensi Pemasok

Tingkat efisiensi pemasok yang diolah menggunakan DEA pada Gambar 4.3
menunjukkan hasil bahwa dari kesebelas pemasok ditemukan 4 pemasok dalam
kondisi optimal dengan nilai efisiensi sama dengan 1 atau 100% yaitu DMU 5,
DMU 6, DMU 8 dan DMU 10. Sedangkan 7 pemasok dalam kondisi tidak optimal
diantaranya DMU 1 dengan nilai efisiensi 58,1%, DMU 2 dengan nilai efisiensi
80,8%, DMU 3 dengan nilai efisiensi 84,4%, DMU 4 dengan nilai efisiensi 90,8%,
DMU 7 dengan nilai efisiensi 76%, DMU 9 dengan nilai efisiensi 64,7%, DMU 11
dengan nilai efisiensi 82,5%.
Berdasarkan hasil tersebut, pemasok yang efisien terlihat dari rendahnya
tingkat material reject dan rata-rata keterlambatan. Pada DMU 5, dapat dilihat
bahwa rata-rata keterlambatan adalah 35 hari, nilai tersebut relatif rendah
dibandingkan dengan DMU lainnya. Nilai rasio harga penawaran terhadap budget
adalah 0,98 dan merupakan nilai rasio paling tinggi dibandingkan dengan pemasok
lainnya, maka DMU 5 mempunyai nilai efisiensi dalam kondisi yang optimal.

46
 Sedangkan pada DMU 1 menunjukkan bahwa rata-rata keterlambatan
adalah 187 hari, nilai ini merupakan nilai rata-rata keterlambatan paling tinggi
diantara pemasok lainnya. Nilai rasio harga penawaran terhadap budget adalah
0,97. Meskipun selisih rasio harga penawaran terhadap budget dibandingkan
dengan DMU yang optimal tidak signifikan, namun nilai efisiensi DMU 1 tidak
dalam kondisi optimal. Hal ini menunjukkan bahwa semakin tinggi jumlah hari
keterlambatan maka akan mempengaruhi toleransi terhadap nilai efisiensi.

5.4 Analisis Lanjutan

Dalam penelitian ini, material/komponen yang dipetakan kedalam Kraljic
portofolio matriks adalah material/komponen yang mempunyai pengaruh
signifikan untuk pembuatan kereta. Untuk menjangkau ruang lingkup yang lebih
spesifik, untuk selanjutnya material/komponen yang digunakan harus detail
menyeluruh untuk masing-masing purchasing group. Jika diperlukan
menggunakan breakdown hingga level 3, misalnya untuk brake system terdiri dari
brake coupling, isolating cock, connection hose, slack adjuster, brake cylinder, air
reservoir, operating valve, dan distribution valve. Berdasarkan rincian tersebut,
maka material/komponen akan membentuk kuadran Kraljic matriks yang lebih
spesifik.

Pemetaan setiap material/komponen kedalam kuadran Kraljic belum

memiliki garis pembagi yang mutlak yang memisahkan antar kuadran. Penelitian
ini menggunakan nilai rata-rata 𝐶 ∗ dari dimensi supply risk untuk sumbu 𝑋 dan
nilai rata-rata 𝐶 ∗ dari dimensi profit impact untuk sumbu 𝑌. Hal ini menunjukkan
bahwa penentuan garis pembagi bersifat relatif sehingga hasil pemetaan untuk data
yang berbeda dimungkinkan menghasilkan garis pembagi yang berbeda. Oleh
karena itu perusahaan perlu melakukan kajian ulang pemetaan dari setiap
material/komponen setiap periode tertentu apabila terjadi perubahan pejabat penilai
ataupun perubahan tingkat kepentingan dari setiap kriteria yang digunakan. Hal ini
juga berpengaruh terhadap perubahan strategi untuk setiap material/komponen
tersebut.

47
 Selain itu, kriteria yang digunakan belum mempertimbangkan keterkaitan
antar kriteria sehingga penelitian ini dilakukan menggunakan pendekatan AHP.
Namun dalam implementasinya, satu kriteria dengan kriteria yang lainnya
seringkali memiliki keterkaitan sehingga perlu dikembangkan dengan metode
Analytic Network Process (ANP). Penyusunan sub-kriteria dalam evaluasi kinerja
pemasok juga merupakan bagian penting yang diharapkan dapat memperkaya
wawasan dalam keputusan evaluasi kinerja pemasok.

AHP dan ANP mempunyai kelemahan karena hasil output yang dihasilkan
bergantung pada tingkat ketepatan dan kepastian responden (expert) dalam
melakukan penilaian. Apabila penelitian selanjutnya ingin memperhitungkan
ketidaktepatan yang sering terjadi pada saat melakukan penilaian pembobotan oleh
expert, AHP ataupun ANP dapat dikombinasikan dengan metode fuzzy dikarenakan
pendekatan fuzzy memperhitungkan ketidaktepatan yang sering terjadi pada saat
melakukan penilaian yang bersifat subjektif.

48
 BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan
Berdasarkan hasil pengolahan dan analisis data yang dilakukan, kesimpulan yang
didapatkan adalah sebagai berikut:

1. Klasifikasi komponen/material dengan pendekatan Kraljic’s Matrix

menggunakan metode AHP dan TOPSIS menunjukkan bahwa Air
conditioning, gangway, safety chain, PIDS, Window, Kursi, Vynil dan Axle
box & Primary suspension berada pada kuadran non critical item,
sedangkan Engine & transmitioon, brake system, wheel &Axle, pantograph,
auxiliary genset, dan propulsi berada pada kuadran strategic item.
2. Strategi pembelian yang diusulkan sesuai dengan hasil klasifikasi
komponen/material dengan pendekatan Kraljic’s Matrix untuk kuadran
non-critical item adalah melakukan efisiensi dalam pembelian melalui
optimalisasi pemesanan dengan cara menggabungkan kuantitas permintaan
pembelian untuk proyek sejenis menjadi satu kontrak sehingga biaya
pembelian dapat diturunkan, memilih pemasok yang menawarkan harga
paling kompetitif baik dari harga komponen/material ataupun biaya
pengiriman, menerapkan kontrak call-off contract atau fixed contract.
Sedangkan untuk kuadran strategic item strategi pembelian yang diusulkan
adalah menjalin kerjasama yang saling menguntungkan antara pemasok dan
perusahaan untuk meningkatkan kompetitif perusahaan, fleksibilitas yang
tinggi dalam hal pembayaran dan pengiriman, menjaga kinerja, dan
membentuk hubungan jangka panjang berupa partnerhip contract serta
prusahaan diharapkan dapat membuat perencanaan kebutuhan yang akurat
dalam setiap pengadaan.

49
 3. Tingkat efisiensi potensial pemasok menggunakan pendekatan DEA
ditemukan 4 pemasok dalam kondisi optimal dengan nilai efisiensi sama
dengan 1 atau 100% yaitu DMU 5, DMU 6, DMU 8, dan DMU 10.
Sedangkan 7 pemasok dalam kondisi tidak optimal diantaranya DMU 1
dengan nilai efisiensi 58,1%, DMU 2 dengan nilai efisiensi 80,8%, DMU 3
dengan nilai efisiensi 84,4%, DMU 4 dengan nilai efisiensi 90,8%, DMU 7
dengan nilai efisiensi 76%, DMU 9 dengan nilai efisiensi 64,7%, DMU 11
dengan nilai efisiensi 82,5%.

6.2 Saran
Pada penelitian ini terdapat kelebihan dan kekurangan agar dapat dilengkapi untuk
penelitian selanjutnya. Berikut saran yang diberikan peneliti.

1. Pengembangan penelitian selanjutnya dapat diperdalam dengan

mempertimbangkan hubungan atau keterkaitan antar kriteria,
menambahkan sub-kriteria serta memperluas ruang lingkup penelitian
menggunakan breakdown material/komponen dengan level yang lebih
spesifik, termasuk untuk material/komponen untuk pendukung produksi.
2. Memperhatikan ketidaktepatan yang sering terjadi saat melakukan penilaian
pembobotan dengan melakukan kombinasi MCDM dengan pendekatan
metode fuzzy.
3. Perusahaan melakukan evaluasi secara periodik atas metode yang diusulkan
sebagai langkah preventif jika terjadi pergantian pejabat penilai selaku
pakar dalam penentuan penilaian bobot kriteria.

50
 DAFTAR PUSTAKA
Adi, D. E., Pujotomo, Darminto, & Sriyanto. (2016). Penggunaan Kraljic's
purchasing portofolio model dalam perancangan strategi pengadaan bahan
baku pada PT Masscom Graphy. Teknik Industri UNDIP.
Al-Saggaf, A., Nasir, H., & Hegazy, T. (2020). An Analytical Hierarchy Process-
based system to evaluate the life-cycle performance of buildings at early
design state. Journal of Building Engineering, 1011364
Amine, E. M., Pailhes, J., & Perry, N. (2014). Comparison of different multiple
criteria decision analysis methods in the context of conceptual design:
application to the development of a solar collector structure. HAL archives-
ouvertes.
Amine, El, M., Pailhes, J., & Perry, N. (2014). Comparison of different multiple-
criteria decision analysis methods in the context of conceptual design:
application to the development of a solar collector structure. Science Arts &
Metiers.
Awasthi, A., Chauhan, S., & Omrani, H. (2011). Application of fuzzy TOPSIS in
evaluating sustainable transportation systems. Expert system with
application, 12270-12280.
Bai, C., & Sarkis, J. (2010). Integrating sustainability into supplier selection with
grey. Int. J. Prod. Econ. 124, 252-264.
Barak, S., & Mokfi, T. (2019). Evaluation and Selection of Clustering methods
using a hybrid group MCDM. Expert Systems With Applications 138.
Boran, F. E., Genc, S., Kurt, M., & Akay, D. (2009). A multi criteria intuitionistic
fuzzy group decision making for supplier selection with TOPSIS method.
Expert system with applications, 11363-11368.
Chai, J., Liu, J., & Ngai, E. (2013). Application of decision making techniques in
supplier selection: a systemic review literature. Expert System Application,
3872-3885.
Chakraborty, S., Ghosh, S., Sarker, B., & Chakraborty, S. (2020). An integrated
performance evaluation approach for the Indian International Airports.
Journal of Air Transport Management, 101876.
Chen, W., & Zou, Y. (2017). An integrated method for supplier selection from the
perspective of risk a version. Application soft computing 54, 449-455.
Chen, Y. (2011). Structured methodology for supplier selection and evaluation in a
supply chain. Information Science 181, 1651-1670.
Deng, Y., & Chan, F. (2011). A new fuzzy dempster MCDM method and its
application in supplier selection. Expert System Application 38, 9854-
9861.
Dey, P., Bhattacharya, A., Ho, W., & Clegg, B. (2015). Strategic supplier
performance evaluation: a case-based action research of a UK

51
 manufacturing organization. International Journal Production Economy
166, 192-214.
Dubois, A. (2002). Why relationship do not fit into purchasing portofolio models
comparison between the portofolio and industrial network approaches.
European Journal of Purchasing & supply Management, 35-42.
Fancello, G., Barbara, U., & Faddaa, P. (2012). The Performance of Urban Road
System: An Innovative approach using DEA (Data Envelopment Analysis).
SIDT Scientific Seminar. Procedia – Social and Behavioral Sciences , 163-
176.
Gelderman, C., & Van Weele, A. (2005). Purchasing portfolio models: A critique
and update. The Journal of Supply Chain Management 41, 19-28.
Gelderman, C., & Van Weele, A. (2005). Purchasing protofolio models: A Critique
and Update. The Journal of Supply Chain Management : A global review of
purchasing and supply, 19-28.
Govindan, K., Rajendran, S., Sarkis, J., & Murugesan, P. (2015). Multi criteria
decision making approaches for green supplier evaluation and selection: a
literature review. Journal Cleaner Production 98, 66-83.
Hasan, M. R. (2014). Management of Supplier's Performance in BWBD: An
evaluation. Bangladesh: BRAC University.
Hung, C., & Chen, L. (2009). A Fuzzy TOPSIS Decision Making Model with
Entropy Weight Under Intuitionistic Fuzzy Environment. Proceedings of
the International Multi Conference of Engineers and Computer Scientist
(IMECS).
Huri, M. D., & Susilowati, I. (2002). Pengukuran Efisiensi Relatif Emiten
Perbankan Dengan Metode Data Envelopment Analysis. Dinamika
Pembangunan, 95-110.
INKA, P. (2019-2023). Rencana Jangka Panjang Perusahaan. Madiun, Jawa
Timur.
Junior, F., Osiro, L., & Carpinetti, L. (2014). A comparison between fuzzy AHP
and fuzzy TOPSIS methods to supplier selection. Application soft
computing 21, 194-209.
Kamalakannan, R., Ramesh, C., Shunmugasundaram, M., Sivakumar, P., &
Mohamed, A. (2020). Evaluation and selection supplier of suppliers using
TOPSIS. Materials Today:Proceedings. India:
[Link]/locate/matpr.
Kasmawati, D. (2015). Evaluasi Kinerja Supplier Menggunakan Metode AHP.
Batam: Program Studi Administrasi Bisnis Terapan, Politeknik Negeri
Batam.
Khaled, A., Paul, S., & Chakrabortty, R. (2011). Selection of suppliers through
different multi-criteria decision making techniques. Global Journal of
Management and Business Research, 11-14.

52
Knight, L., Tu, Y. H., & Preston, J. (2014). Integrating Skills Profiling and
Purchasing Portfolio Management: An Opportunity for Building Purchasing
Capability. Journal Production Economics, 271-283.
Kraljic, P. (1983). Purchasing must become supply management. Harvard Business
Review 61, 109-117.
Kumar, A., Sah, B., [Link], A., Deng, Y., He, X., Kumar, P., & Bansal, R. (2017).
A review of multi criteria decision making (MCDM) toward sustainable
renewable energy development. Renewable and Sustainaible Energy
Reviews 69, 596-609.
Kusumadewi, S., Hartati, S., Harjoko, A., & Wardoyo, R. (2006). Fuzzy Multi-
Attribute Decision Making. Yogyakarta: Graha Ilmu.
Kusumawati, A., & Puspita Sari, D. (2015). Analisis Positioning Item Pengadaan
Menggunakan Kraljic Portofolio Matrix. Semarang: Fakultas Teknis
Universitas Diponegoro.
Lee, D., & Drake, P. (2010). A Portofolio Model for Component Purchasing
Strategy and The case study of two south korean elevator manufacturers .
International Journal of Production Research, 6651-6682.
Liu, Yan, M. Eckert, C., & Earl, C. (2020). A Review fuzzy AHP methods for
decision-making with subjective judgements. Expert systems with
Applications, 113738
Lotfi, F. H., Aryanezhad, M. B., & Debestani, R. (2011). Efficiency and Ranking
Measurement of Vendors by Data Envelopment Analysis. International
Business Research.
Manello, A., & Calabrese, G. (2018). The influence of reputation on supplier
selection: an empirical study of the European automotive industry .
Purchasing Supply Management.
Mastrocinque, E., Ramírez, F.J., Andrés, H.-E., & Pham, D. T. (2020). An AHP-
based multi-criteria model for sustainable supply chain development in the
renewable energy sector. Expert System With Applications, 113321.
Mousavi-Nasab, H. S., & Sotoudeh-Anvari, A. (2017). A comprehensive MCDM-
based approach using TOPSIS, COPRAS and DEA. Materials and Design
121, 237-253.
Munthafa, A. E., & Mubarok, H. (2017). Penerapan metode analytical hierarchy
process dalam sistem pendukung keputusan penentuan mahasiswa
berprestasi. Jurnal Siliwangi, 3.
Nasab, S. H., & Anvari, A. S. (2017). A Comprehensive MCDM -based approach
using TOPSIS, COPRAS, and DEA as an auxiliary tool for material
selection problem. MAterials and Design 121, 237-253.
Oslah, M. M. (2012). Supplier Performance Evaluation and Value Chain Analysis
in Kenya Airways Limited. Nairobi: School of Business, University of
Nairobi.

53
Park, J., Shin, K., & Chang, T.-w. (2009). An Integrative Framework for Supplier
Relationship Management. Emerald Insigt, 495-515.
Purnomo, E. N., Sihwi, S. W., & Anggrainingsih, R. (2013). Analisis Perbandingan
Menggunakan Metode AHP, TOPSIS, dan AHP TOPSIS dalam studi kasus
pendukung keputusan penerimaan siswa program akselerasi. ITSMART.
Ray, S. C. (2004). Data Envelopment Analysis – Theory and Techniques for
Economics and Operations Research. Cambridge University Press: United
Kingdom.
Rezaei, J., Fahim, P., & L. Tavasszy. (2014). Supplier selection in the airline retail
industry using a funnel methodology: conjuctive screening method and
fuzzy AHP. Expert System Applications 41, 8165-8179.
Reza, A., Beiragh, R.G., Soltanisehat, L., Soltanzadeh, E., & Lund, P. D. (2020).
Performance evaluation of complex electricity generation systems: A
dynamic network-based data envelopment analysis approach. Energy
Economics, 104894
Rochmoeljati, R. (2015). Pengukuran kinerja supplier berdasarkan vendor
performance indicator dengan metode quality cost delivery flexibility
responsiveness. Jawa Timur: FTI UPN Veteran.
Roszkowska, E. ([Link].). Multi criteria decision making models by applying the
topsis method to crips and interval data.
Shih, H.-S., Shyur, H.-J., & Lee, E. (2007). An extension of TOPSIS for group
decision making. Mathemathical and computering modelling, 801-813.
Shirouyehzad, H. (2011). Efficiency and Ranking Measurement of Vendors by
DEA. International Business Research , 137-146.
Simic, D., Kovacevic, I., Svircevic, V., & Simic, S. (2017). 50 years of fuzzy set
theory and models for supplier assessment and selection: a literature review.
Journal Application Logic, 85-96.
Sun, C.-C. (2010). A performance evaluation model by integrating fuzzy AHP and
fuzzy TOPSIS methods. Expert system with applications, 7745-7754.
Sun, X., & Li, Y. (2010). An Intelligent Multi-Criteria Decision Support System
for Systems Design. 10th AIAA Aviation Technology, Integration, and
Operations (ATIO) Conference, 1-11.
Susanty, A., Bakhtiar, A., & Ramadhona, F. (2016). Integrasi AHP-TOPSIS Pada
Kraljic Portofolio Matrix Dalam Penentuan Strategi Pembelian . SEMIN AR
NASIONAL TEKNIK INDUSTRI UNIVERSITAS GADJAH MADA 2016 .
Taherdoost, H., & Brard, A. (2019). Analyzing the Process of Supplier Selection
Criteria and Methods. Procedia Manufacturing 32, 1024-1034.
Talluri, S., Narasimhan, R., & Nair, A. (2006). Vendor performance with supply
risk: a chance-constrained DEA approach. International Journal of
Production Economics, 212-222.
Weber, C. (1996). A data envelopment analysis approach to measuring vendor
performance. Supply Chain Management, 28-39.

54
Wetzstein, A., Hartmann, E., Jr, W. B., & Hohenstein, N. (2016). A systematic
assessment of supplier selection literature-State-of-the-art and future scope.
International Journal Production Economy 182 , 304-323.
Wu, D. (2010). A systematic stochastic efficiency analysis model and application
to international supplier performance evaluation. Expert Systems with
Applications, 6257-6264.
Wu, T., & Blackhurst, J. (2009). Supplier Evaluation and Selection Augmented
DEA Approach. International Journal of Production Research, 4593-4608.
Xue, M., Chao, F., Nan-Ping, F., Guang-Yan, L., Wen-Jun, C., & Shan-Lin, Y.
(2018). Evaluation of supplier performance of high speed train based on
multi-stage multi-criteria decision-making method. Knowledge based
systems 162, 238-251.
Xue, M., Fu, C., Feng, N.-P., Lu, G.-Y., Chang, W.-J., & Yang, S.-L. (2018).
Evaluation of supplier performance of high-speed train based on multi-
stage. Knowledge Based System, 162, 238-251.
Yang, Z., Zhang, H., & Xie, E. (2017). Performance feedback and supplier
selection: a perspective from the behavioral theory of the firm. Industrial
Marketing Manage 63, 105-115.
Zhang, G., Shang, J., & Li, W. (2012). An Information granulation entropy model
for third party logistics providers evaluations. International journal of
production research, 177-190.
Zhang, H., Gu, C., Gu, L.-W., & Zhang, Y. (2011). The evaluation tourism
destination competitiveness by TOPSIS & information entropy- A case in
the Yangtze River Delta of China. Tour Management, 443-451.

55
LAMPIRAN KUISIONER

53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
 LAMPIRAN AHP

jumlah pemasok

jumlah pemasok

jumlah pemasok

jumlah pemasok

(Bobot Kriteria)
yang digunakan

yang digunakan
penyimpanan

penyimpanan

Eigen Vector
Availability

Availability
competitive

competitive
alternatif

alternatif
lead time

lead time
demand

demand
resiko

resiko
Perkalian λ

Total
Supply Risk CI IR CR Hasil
matrix maks

Availability 1,00 5,00 5,00 5,00 3,00 3,00 0,4412 0,3125 0,5000 0,3571 0,2500 0,5769 2,4377 0,4063 2,7489 6,525 0,105 1,240 0,085 KONSISTEN
Competitive demand 0,20 1,00 0,33 1,00 1,00 0,20 0,0882 0,0625 0,0333 0,0714 0,0833 0,0385 0,3773 0,0629 0,3857
Risiko penyimpanan 0,20 3,00 1,00 3,00 3,00 0,33 0,0882 0,1875 0,1000 0,2143 0,2500 0,0641 0,9041 0,1507 0,9316
Jumlah pemasok yang digunakan 0,20 1,00 0,33 1,00 1,00 0,33 0,0882 0,0625 0,0333 0,0714 0,0833 0,0641 0,4029 0,0672 0,4172
Jumlah pemasok alternatif 0,33 1,00 0,33 1,00 1,00 0,33 0,1471 0,0625 0,0333 0,0714 0,0833 0,0641 0,4618 0,0770 0,4713
Lead time 0,33 5,00 3,00 3,00 3,00 1,00 0,1471 0,3125 0,3000 0,2143 0,2500 0,1923 1,4162 0,2360 1,5703
2,27 16,00 10,00 14,00 12,00 5,20 1,00 1,00 1,00 1,00 1,00 1,00 6,00 1,0000

(Bobot Kriteria)
Eigen Vector
pembelian (H)

pembelian (V)

pembelian (Q)

pembelian (H)

pembelian (V)

pembelian (Q)
Perkalian

Total
Profit impact λ maks CI IR CR Hasil

Kualitas

Kualitas
matrix
Volume

Volume
Harga

Harga
Harga pembelian (H) 1,000 5,000 0,333 0,238 0,385 0,226 0,849 0,283 0,866 3,0967258 0,048363 0,58 0,083 KONSISTEN
Volume pembelian (V) 0,200 1,000 0,143 0,048 0,077 0,097 0,221 0,074 0,222
Kualitas pembelian (Q) 3,000 7,000 1,000 0,714 0,538 0,677 1,930 0,643 2,008
4,200 13,000 1,476 1,000 1,000 1,000 3,000 1,000

Kousalya, et al., 2012

Nilai rasio konsistensi harus kurang dari 5% untuk matriks 3x3, 8% untuk matriks 4x4 dan 10% untuk matriks n≥5

Supply Risk Profit impact

Jumlah Harga Volume Kualitas
Eigen Vector Competitive Risiko Jumlah pemasok Lead
Kriteria Availability pemasok pembelian pembelian pembelian
(Bobot Kriteria) demand penyimpanan yang digunakan time
alternatif (H) (V) (Q)
Supply Risk
Availability 0,406 0,406 0,063 0,151 0,067 0,077 0,236 0,283 0,074 0,643
Competitive demand 0,063
Risiko penyimpanan 0,151
Jumlah pemasok yang digunakan 0,067
Jumlah pemasok alternatif 0,077
Lead time 0,236
Profit impact
Harga pembelian (H) 0,283
Volume pembelian (V) 0,074
Kualitas pembelian (Q) 0,643

88
86
Perbandingan Berpasangan

(Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain
Perkalian

transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary
Availability λ maks CI IR CR Hasil

Gangway

Gangway
Engine &
matrix

Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS
Air Conditioning 1,00 0,33 3,00 1,00 0,33 1,00 0,33 0,33 1,00 0,20 1,00 1,00 1,00 0,33 0,33 0,033 0,038 0,070 0,105 0,038 0,034 0,011 0,038 0,039 0,027 0,030 0,038 0,032 0,031 0,011 0,574 0,038 0,595734 15,88142 0,062958 1,59 0,040 KONSISTEN
Auxiliary Genset 3,00 1,00 3,00 1,00 1,00 3,00 3,00 1,00 3,00 1,00 3,00 3,00 5,00 1,00 3,00 0,099 0,113 0,070 0,105 0,113 0,103 0,101 0,113 0,117 0,133 0,091 0,114 0,158 0,094 0,099 1,622 0,108 1,720762
Axle box & Primary suspension 0,33 0,33 1,00 0,20 0,20 1,00 0,33 0,33 0,33 0,20 1,00 1,00 0,33 0,20 1,00 0,011 0,038 0,023 0,021 0,023 0,034 0,011 0,038 0,013 0,027 0,030 0,038 0,011 0,019 0,033 0,369 0,025 0,381522
Brake system 1,00 1,00 5,00 1,00 1,00 3,00 3,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 3,00 0,033 0,113 0,116 0,105 0,113 0,103 0,101 0,113 0,117 0,133 0,091 0,114 0,095 0,094 0,099 1,539 0,103 1,61768
Engine & transmition 3,00 1,00 5,00 1,00 1,00 3,00 3,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 3,00 0,099 0,113 0,116 0,105 0,113 0,103 0,101 0,113 0,117 0,133 0,091 0,114 0,095 0,094 0,099 1,605 0,107 1,694204
Gangway 1,00 0,33 1,00 0,33 0,33 1,00 1,00 0,33 1,00 0,20 1,00 1,00 1,00 0,33 1,00 0,033 0,038 0,023 0,035 0,038 0,034 0,034 0,038 0,039 0,027 0,030 0,038 0,032 0,031 0,033 0,502 0,033 0,529447
Kursi 3,00 0,33 3,00 0,33 0,33 1,00 1,00 0,20 1,00 0,20 1,00 1,00 1,00 0,33 1,00 0,099 0,038 0,070 0,035 0,038 0,034 0,034 0,023 0,039 0,027 0,030 0,038 0,032 0,031 0,033 0,599 0,040 0,640697
Pantograph 3,00 1,00 3,00 1,00 1,00 3,00 5,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 3,00 0,099 0,113 0,070 0,105 0,113 0,103 0,169 0,113 0,117 0,133 0,091 0,114 0,095 0,094 0,099 1,626 0,108 1,724936
PIDS 1,00 0,33 3,00 0,33 0,33 1,00 1,00 0,33 1,00 0,33 1,00 1,00 3,00 0,33 1,00 0,033 0,038 0,070 0,035 0,038 0,034 0,034 0,038 0,039 0,044 0,030 0,038 0,095 0,031 0,033 0,629 0,042 0,673262
Propulsi 5,00 1,00 5,00 1,00 1,00 5,00 5,00 1,00 3,00 1,00 3,00 3,00 5,00 3,00 5,00 0,165 0,113 0,116 0,105 0,113 0,172 0,169 0,113 0,117 0,133 0,091 0,114 0,158 0,283 0,165 2,126 0,142 2,286476
Safety Chain 1,00 0,33 1,00 0,33 0,33 1,00 1,00 0,33 1,00 0,33 1,00 0,33 0,33 0,20 1,00 0,033 0,038 0,023 0,035 0,038 0,034 0,034 0,038 0,039 0,044 0,030 0,013 0,011 0,019 0,033 0,461 0,031 0,482697
Secondary suspension equipment 1,00 0,33 1,00 0,33 0,33 1,00 1,00 0,33 1,00 0,33 3,00 1,00 1,00 0,33 1,00 0,033 0,038 0,023 0,035 0,038 0,034 0,034 0,038 0,039 0,044 0,091 0,038 0,032 0,031 0,033 0,580 0,039 0,609767
Vynil 1,00 0,20 3,00 0,33 0,33 1,00 1,00 0,33 0,33 0,20 3,00 1,00 1,00 0,33 1,00 0,033 0,023 0,070 0,035 0,038 0,034 0,034 0,038 0,013 0,027 0,091 0,038 0,032 0,031 0,033 0,568 0,038 0,597667
Wheel & Axle 3,00 1,00 5,00 1,00 1,00 3,00 3,00 1,00 3,00 0,33 5,00 3,00 3,00 1,00 5,00 0,099 0,113 0,116 0,105 0,113 0,103 0,101 0,113 0,117 0,044 0,152 0,114 0,095 0,094 0,165 1,643 0,110 1,735202
Window 3,00 0,33 1,00 0,33 0,33 1,00 1,00 0,33 1,00 0,20 1,00 1,00 1,00 0,20 1,00 0,099 0,038 0,023 0,035 0,038 0,034 0,034 0,038 0,039 0,027 0,030 0,038 0,032 0,019 0,033 0,555 0,037 0,591363
TOTAL 30 8,9 43 9,53 8,867 29 30 8,9 26 7,5 33 26,33 32 11 30 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000

(Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain
Perkalian
transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary
Competitive demand λ maks CI IR CR Hasil
Gangway

Gangway
Engine &

matrix

Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS
Air Conditioning 1,00 0,33 3,00 0,33 0,33 1,00 3,00 0,33 1,00 0,20 1,00 1,00 1,00 0,33 3,00 0,037 0,039 0,073 0,038 0,039 0,032 0,070 0,038 0,036 0,028 0,029 0,038 0,031 0,032 0,081 0,641 0,043 0,669916 15,64497 0,046069 1,59 0,029 KONSISTEN
Auxiliary Genset 3,00 1,00 5,00 1,00 1,00 3,00 5,00 1,00 3,00 1,00 3,00 3,00 5,00 1,00 5,00 0,111 0,118 0,122 0,113 0,116 0,097 0,116 0,115 0,108 0,139 0,086 0,114 0,155 0,096 0,135 1,741 0,116 1,817758
Axle box & Primary suspension 0,33 0,20 1,00 0,20 0,20 1,00 1,00 0,33 0,33 0,20 1,00 1,00 1,00 0,20 1,00 0,012 0,024 0,024 0,023 0,023 0,032 0,023 0,038 0,012 0,028 0,029 0,038 0,031 0,019 0,027 0,384 0,026 0,395804
Brake system 3,00 1,00 5,00 1,00 1,00 3,00 3,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 3,00 0,111 0,118 0,122 0,113 0,116 0,097 0,070 0,115 0,108 0,139 0,086 0,114 0,093 0,096 0,081 1,578 0,105 1,641224
Engine & transmition 3,00 1,00 5,00 1,00 1,00 3,00 5,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 5,00 0,111 0,118 0,122 0,113 0,116 0,097 0,116 0,115 0,108 0,139 0,086 0,114 0,093 0,096 0,135 1,679 0,112 1,749943
Gangway 1,00 0,33 1,00 0,33 0,33 1,00 1,00 0,20 1,00 0,20 1,00 1,00 1,00 0,33 1,00 0,037 0,039 0,024 0,038 0,039 0,032 0,023 0,023 0,036 0,028 0,029 0,038 0,031 0,032 0,027 0,476 0,032 0,495068
Kursi 0,33 0,20 1,00 0,33 0,20 1,00 1,00 0,14 1,00 0,14 1,00 1,00 1,00 0,20 1,00 0,012 0,024 0,024 0,038 0,023 0,032 0,023 0,016 0,036 0,020 0,029 0,038 0,031 0,019 0,027 0,393 0,026 0,406607
Pantograph 3,00 1,00 3,00 1,00 1,00 5,00 7,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 3,00 0,111 0,118 0,073 0,113 0,116 0,161 0,163 0,115 0,108 0,139 0,086 0,114 0,093 0,096 0,081 1,687 0,112 1,758285
PIDS 1,00 0,33 3,00 0,33 0,33 1,00 1,00 0,33 1,00 0,20 1,00 1,00 3,00 0,33 1,00 0,037 0,039 0,073 0,038 0,039 0,032 0,023 0,038 0,036 0,028 0,029 0,038 0,093 0,032 0,027 0,602 0,040 0,629013
Propulsi 5,00 1,00 5,00 1,00 1,00 5,00 7,00 1,00 5,00 1,00 5,00 3,00 5,00 3,00 5,00 0,185 0,118 0,122 0,113 0,116 0,161 0,163 0,115 0,181 0,139 0,143 0,114 0,155 0,287 0,135 2,246 0,150 2,376082
Safety Chain 1,00 0,33 1,00 0,33 0,33 1,00 1,00 0,33 1,00 0,20 1,00 0,33 0,33 0,20 1,00 0,037 0,039 0,024 0,038 0,039 0,032 0,023 0,038 0,036 0,028 0,029 0,013 0,010 0,019 0,027 0,433 0,029 0,447652
Secondary suspension equipment 1,00 0,33 1,00 0,33 0,33 1,00 1,00 0,33 1,00 0,33 3,00 1,00 1,00 0,33 1,00 0,037 0,039 0,024 0,038 0,039 0,032 0,023 0,038 0,036 0,046 0,086 0,038 0,031 0,032 0,027 0,567 0,038 0,587716
Vynil 1,00 0,20 1,00 0,33 0,33 1,00 1,00 0,33 0,33 0,20 3,00 1,00 1,00 0,33 1,00 0,037 0,024 0,024 0,038 0,039 0,032 0,023 0,038 0,012 0,028 0,086 0,038 0,031 0,032 0,027 0,509 0,034 0,525523
Wheel & Axle 3,00 1,00 5,00 1,00 1,00 3,00 5,00 1,00 3,00 0,33 5,00 3,00 3,00 1,00 5,00 0,111 0,118 0,122 0,113 0,116 0,097 0,116 0,115 0,108 0,046 0,143 0,114 0,093 0,096 0,135 1,643 0,110 1,707795
Window 0,33 0,20 1,00 0,33 0,20 1,00 1,00 0,33 1,00 0,20 1,00 1,00 1,00 0,20 1,00 0,012 0,024 0,024 0,038 0,023 0,032 0,023 0,038 0,036 0,028 0,029 0,038 0,031 0,019 0,027 0,423 0,028 0,436586
TOTAL 27 8,5 41 8,87 8,6 31 43 8,7 28 7,2 35 26,33 32 10 37 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000

(Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain
Perkalian
transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary
Risiko penyimpanan λ maks CI IR CR Hasil
Gangway

Gangway
Engine &

matrix
Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS
Air Conditioning 1,00 3,00 5,00 3,00 3,00 1,00 5,00 1,00 1,00 1,00 5,00 5,00 3,00 3,00 5,00 0,130 0,333 0,106 0,213 0,229 0,032 0,091 0,114 0,072 0,109 0,116 0,130 0,109 0,124 0,115 2,024 0,135 2,261818 16,90756 0,136255 1,59 0,086 KONSISTEN
Auxiliary Genset 0,33 1,00 5,00 3,00 3,00 3,00 5,00 1,00 3,00 1,00 5,00 5,00 3,00 3,00 5,00 0,043 0,111 0,106 0,213 0,229 0,095 0,091 0,114 0,216 0,109 0,116 0,130 0,109 0,124 0,115 1,922 0,128 2,191493
Axle box & Primary suspension 0,20 0,20 1,00 0,20 0,20 0,33 1,00 0,20 0,14 0,20 1,00 1,00 1,00 1,00 1,00 0,026 0,022 0,021 0,014 0,015 0,011 0,018 0,023 0,010 0,022 0,023 0,026 0,036 0,041 0,023 0,332 0,022 0,368568
Brake system 0,33 0,33 5,00 1,00 1,00 3,00 5,00 1,00 1,00 1,00 3,00 3,00 3,00 1,00 3,00 0,043 0,037 0,106 0,071 0,076 0,095 0,091 0,114 0,072 0,109 0,070 0,078 0,109 0,041 0,069 1,181 0,079 1,336366
Engine & transmition 0,33 0,33 5,00 1,00 1,00 5,00 5,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 7,00 0,043 0,037 0,106 0,071 0,076 0,158 0,091 0,114 0,216 0,109 0,070 0,078 0,109 0,041 0,160 1,480 0,099 1,720746
Gangway 1,00 0,33 3,00 0,33 0,20 1,00 1,00 0,20 0,20 0,20 3,00 3,00 3,00 1,00 3,00 0,130 0,037 0,064 0,024 0,015 0,032 0,018 0,023 0,014 0,022 0,070 0,078 0,109 0,041 0,069 0,746 0,050 0,837585
Kursi 0,20 0,20 1,00 0,20 0,20 1,00 1,00 0,14 0,20 0,14 1,00 1,00 0,33 0,20 0,33 0,026 0,022 0,021 0,014 0,015 0,032 0,018 0,016 0,014 0,016 0,023 0,026 0,012 0,008 0,008 0,272 0,018 0,309395
Pantograph 1,00 1,00 5,00 1,00 1,00 5,00 7,00 1,00 1,00 1,00 5,00 5,00 3,00 3,00 5,00 0,130 0,111 0,106 0,071 0,076 0,158 0,127 0,114 0,072 0,109 0,116 0,130 0,109 0,124 0,115 1,669 0,111 1,885942
PIDS 1,00 0,33 7,00 1,00 0,33 5,00 5,00 1,00 1,00 1,00 3,00 3,00 3,00 1,00 3,00 0,130 0,037 0,149 0,071 0,025 0,158 0,091 0,114 0,072 0,109 0,070 0,078 0,109 0,041 0,069 1,323 0,088 1,504294
Propulsi 1,00 1,00 5,00 1,00 1,00 5,00 7,00 1,00 1,00 1,00 3,00 3,00 3,00 3,00 3,00 0,130 0,111 0,106 0,071 0,076 0,158 0,127 0,114 0,072 0,109 0,070 0,078 0,109 0,124 0,069 1,524 0,102 1,733298
Safety Chain 0,20 0,20 1,00 0,33 0,33 0,33 1,00 0,20 0,33 0,33 1,00 1,00 0,20 1,00 0,33 0,026 0,022 0,021 0,024 0,025 0,011 0,018 0,023 0,024 0,036 0,023 0,026 0,007 0,041 0,008 0,336 0,022 0,365147
Secondary suspension equipment 0,20 0,20 1,00 0,33 0,33 0,33 1,00 0,20 0,33 0,33 1,00 1,00 0,33 1,00 3,00 0,026 0,022 0,021 0,024 0,025 0,011 0,018 0,023 0,024 0,036 0,023 0,026 0,012 0,041 0,069 0,402 0,027 0,444058
Vynil 0,33 0,33 1,00 0,33 0,33 0,33 3,00 0,33 0,33 0,33 5,00 3,00 1,00 3,00 3,00 0,043 0,037 0,021 0,024 0,025 0,011 0,055 0,038 0,024 0,036 0,116 0,078 0,036 0,124 0,069 0,738 0,049 0,792049
Wheel & Axle 0,33 0,33 1,00 1,00 1,00 1,00 5,00 0,33 1,00 0,33 1,00 1,00 0,33 1,00 1,00 0,043 0,037 0,021 0,071 0,076 0,032 0,091 0,038 0,072 0,036 0,023 0,026 0,012 0,041 0,023 0,644 0,043 0,722561
Window 0,20 0,20 1,00 0,33 0,14 0,33 3,00 0,20 0,33 0,33 3,00 0,33 0,33 1,00 1,00 0,026 0,022 0,021 0,024 0,011 0,011 0,055 0,023 0,024 0,036 0,070 0,009 0,012 0,041 0,023 0,407 0,027 0,434244
TOTAL 7,7 9 47 #### 13,08 32 55 8,8 14 9,2 43 38,33 28 24 44 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000

(Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain

Perkalian
transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary

Jumlah pemasok yang digunakan λ maks CI IR CR Hasil

Gangway

Gangway
Engine &

matrix
Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS

Air Conditioning 1,00 1,00 3,00 1,00 1,00 1,00 3,00 0,33 1,00 0,20 3,00 3,00 3,00 1,00 5,00 0,059 0,117 0,046 0,123 0,113 0,039 0,059 0,046 0,035 0,022 0,074 0,076 0,091 0,068 0,113 1,079 0,072 1,212955 16,88694 0,134782 1,59 0,085 KONSISTEN
Auxiliary Genset 1,00 1,00 7,00 1,00 1,00 3,00 7,00 1,00 5,00 1,00 5,00 5,00 5,00 1,00 7,00 0,059 0,117 0,108 0,123 0,113 0,117 0,137 0,137 0,173 0,109 0,124 0,126 0,152 0,068 0,158 1,821 0,121 2,065823
Axle box & Primary suspension 0,33 0,14 1,00 0,14 0,14 0,20 0,33 0,14 0,20 0,14 1,00 1,00 0,33 0,20 0,33 0,020 0,017 0,015 0,018 0,016 0,008 0,007 0,020 0,007 0,016 0,025 0,025 0,010 0,014 0,008 0,223 0,015 0,249176
Brake system 1,00 1,00 7,00 1,00 1,00 3,00 5,00 1,00 3,00 1,00 5,00 5,00 5,00 3,00 5,00 0,059 0,117 0,108 0,123 0,113 0,117 0,098 0,137 0,104 0,109 0,124 0,126 0,152 0,204 0,113 1,803 0,120 2,0204
Engine & transmition 1,00 1,00 7,00 1,00 1,00 3,00 7,00 1,00 3,00 1,00 5,00 5,00 3,00 1,00 5,00 0,059 0,117 0,108 0,123 0,113 0,117 0,137 0,137 0,104 0,109 0,124 0,126 0,091 0,068 0,113 1,646 0,110 1,851393
Gangway 1,00 0,33 5,00 0,33 0,33 1,00 3,00 0,33 1,00 0,33 1,00 1,00 1,00 0,33 1,00 0,059 0,039 0,077 0,041 0,038 0,039 0,059 0,046 0,035 0,036 0,025 0,025 0,030 0,023 0,023 0,594 0,040 0,662388
Kursi 0,33 0,14 3,00 0,20 0,14 0,33 1,00 0,20 0,33 0,14 3,00 3,00 0,33 0,20 1,00 0,020 0,017 0,046 0,025 0,016 0,013 0,020 0,027 0,012 0,016 0,074 0,076 0,010 0,014 0,023 0,407 0,027 0,46613
Pantograph 3,00 1,00 7,00 1,00 1,00 3,00 5,00 1,00 3,00 1,00 7,00 7,00 5,00 3,00 7,00 0,178 0,117 0,108 0,123 0,113 0,117 0,098 0,137 0,104 0,109 0,174 0,176 0,152 0,204 0,158 2,066 0,138 2,345654
PIDS 1,00 0,20 5,00 0,33 0,33 1,00 3,00 0,33 1,00 0,33 0,33 0,33 1,00 1,00 3,00 0,059 0,023 0,077 0,041 0,038 0,039 0,059 0,046 0,035 0,036 0,008 0,008 0,030 0,068 0,068 0,635 0,042 0,711629
Propulsi 5,00 1,00 7,00 1,00 1,00 3,00 7,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 1,00 0,296 0,117 0,108 0,123 0,113 0,117 0,137 0,137 0,104 0,109 0,074 0,076 0,091 0,068 0,023 1,692 0,113 1,901024
Safety Chain 0,33 0,20 1,00 0,20 0,20 1,00 0,33 0,14 3,00 0,33 1,00 1,00 1,00 0,33 1,00 0,020 0,023 0,015 0,025 0,023 0,039 0,007 0,020 0,104 0,036 0,025 0,025 0,030 0,023 0,023 0,437 0,029 0,494247
Secondary suspension equipment 0,33 0,20 1,00 0,20 0,20 1,00 0,33 0,14 3,00 0,33 1,00 1,00 3,00 0,33 1,00 0,020 0,023 0,015 0,025 0,023 0,039 0,007 0,020 0,104 0,036 0,025 0,025 0,091 0,023 0,023 0,497 0,033 0,567156
Vynil 0,33 0,20 3,00 0,20 0,33 1,00 3,00 0,20 1,00 0,33 1,00 0,33 1,00 1,00 3,00 0,020 0,023 0,046 0,025 0,038 0,039 0,059 0,027 0,035 0,036 0,025 0,008 0,030 0,068 0,068 0,547 0,036 0,618929
Wheel & Axle 1,00 1,00 5,00 0,33 1,00 3,00 5,00 0,33 1,00 1,00 3,00 3,00 1,00 1,00 3,00 0,059 0,117 0,077 0,041 0,113 0,117 0,098 0,046 0,035 0,109 0,074 0,076 0,030 0,068 0,068 1,127 0,075 1,256507
Window 0,20 0,14 3,00 0,20 0,20 1,00 1,00 0,14 0,33 1,00 1,00 1,00 0,33 0,33 1,00 0,012 0,017 0,046 0,025 0,023 0,039 0,020 0,020 0,012 0,109 0,025 0,025 0,010 0,023 0,023 0,426 0,028 0,463531
TOTAL 17 8,6 65 8,14 8,886 26 51 7,3 29 9,2 40 39,67 33 15 44 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000
(Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain

Perkalian
transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary

Jumlah pemasok alternatif λ maks CI IR CR Hasil

Gangway

Gangway
Engine &

matrix
Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS

Air Conditioning 1,00 1,00 0,33 1,00 1,00 1,00 0,33 3,00 1,00 0,33 0,33 0,20 0,33 1,00 0,33 0,033 0,026 0,037 0,030 0,027 0,093 0,035 0,077 0,067 0,007 0,038 0,016 0,029 0,026 0,034 0,576 0,038 0,601442 15,91465 0,065332 1,59 0,041 KONSISTEN
Auxiliary Genset 1,00 1,00 0,20 1,00 1,00 0,33 0,20 1,00 0,33 1,00 0,33 0,33 0,20 1,00 0,20 0,033 0,026 0,022 0,030 0,027 0,031 0,021 0,026 0,022 0,021 0,038 0,027 0,018 0,026 0,020 0,388 0,026 0,409853
Axle box & Primary suspension 3,00 5,00 1,00 5,00 5,00 1,00 1,00 3,00 3,00 5,00 1,00 1,00 1,00 5,00 1,00 0,099 0,128 0,111 0,152 0,135 0,093 0,105 0,077 0,202 0,103 0,115 0,082 0,088 0,130 0,102 1,722 0,115 1,827772
Brake system 1,00 1,00 0,20 1,00 1,00 0,33 0,33 1,00 0,33 1,00 0,33 0,33 0,33 1,00 0,33 0,033 0,026 0,022 0,030 0,027 0,031 0,035 0,026 0,022 0,021 0,038 0,027 0,029 0,026 0,034 0,428 0,029 0,45141
Engine & transmition 1,00 1,00 0,20 1,00 1,00 0,33 0,20 1,00 0,33 1,00 0,33 0,33 0,33 1,00 0,20 0,033 0,026 0,022 0,030 0,027 0,031 0,021 0,026 0,022 0,021 0,038 0,027 0,029 0,026 0,020 0,400 0,027 0,422994
Gangway 1,00 3,00 1,00 3,00 3,00 1,00 1,00 5,00 1,00 5,00 1,00 1,00 1,00 3,00 1,00 0,033 0,077 0,111 0,091 0,081 0,093 0,105 0,128 0,067 0,103 0,115 0,082 0,088 0,078 0,102 1,354 0,090 1,427669
Kursi 3,00 5,00 1,00 3,00 5,00 1,00 1,00 7,00 1,00 7,00 1,00 1,00 1,00 5,00 1,00 0,099 0,128 0,111 0,091 0,135 0,093 0,105 0,179 0,067 0,145 0,115 0,082 0,088 0,130 0,102 1,670 0,111 1,770781
Pantograph 0,33 1,00 0,33 1,00 1,00 0,20 0,14 1,00 0,33 1,00 0,33 0,33 0,33 1,00 0,33 0,011 0,026 0,037 0,030 0,027 0,019 0,015 0,026 0,022 0,021 0,038 0,027 0,029 0,026 0,034 0,388 0,026 0,407863
PIDS 1,00 3,00 0,33 3,00 3,00 1,00 1,00 3,00 1,00 5,00 1,00 1,00 0,33 3,00 1,00 0,033 0,077 0,037 0,091 0,081 0,093 0,105 0,077 0,067 0,103 0,115 0,082 0,029 0,078 0,102 1,170 0,078 1,233694
Propulsi 3,00 1,00 0,20 1,00 1,00 0,20 0,14 1,00 0,20 1,00 0,20 0,33 0,20 0,33 0,20 0,099 0,026 0,022 0,030 0,027 0,019 0,015 0,026 0,013 0,021 0,023 0,027 0,018 0,009 0,020 0,394 0,026 0,423259
Safety Chain 3,00 3,00 1,00 3,00 3,00 1,00 1,00 3,00 1,00 5,00 1,00 3,00 3,00 5,00 1,00 0,099 0,077 0,111 0,091 0,081 0,093 0,105 0,077 0,067 0,103 0,115 0,246 0,263 0,130 0,102 1,760 0,117 1,882283
Secondary suspension equipment 5,00 3,00 1,00 3,00 3,00 1,00 1,00 3,00 1,00 3,00 0,33 1,00 1,00 3,00 1,00 0,165 0,077 0,111 0,091 0,081 0,093 0,105 0,077 0,067 0,062 0,038 0,082 0,088 0,078 0,102 1,317 0,088 1,398699
Vynil 3,00 5,00 1,00 3,00 3,00 1,00 1,00 3,00 3,00 5,00 0,33 1,00 1,00 3,00 1,00 0,099 0,128 0,111 0,091 0,081 0,093 0,105 0,077 0,202 0,103 0,038 0,082 0,088 0,078 0,102 1,478 0,099 1,582321
Wheel & Axle 1,00 1,00 0,20 1,00 1,00 0,33 0,20 1,00 0,33 3,00 0,20 0,33 0,33 1,00 0,20 0,033 0,026 0,022 0,030 0,027 0,031 0,021 0,026 0,022 0,062 0,023 0,027 0,029 0,026 0,020 0,426 0,028 0,459924
Window 3,00 5,00 1,00 3,00 5,00 1,00 1,00 3,00 1,00 5,00 1,00 1,00 1,00 5,00 1,00 0,099 0,128 0,111 0,091 0,135 0,093 0,105 0,077 0,067 0,103 0,115 0,082 0,088 0,130 0,102 1,526 0,102 1,614691
TOTAL 30 39 9 #### 37 11 9,6 39 15 48 8,7 12,2 11 38 9,8 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000
(Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain

Perkalian
transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary

Lead time λ maks CI IR CR Hasil

Gangway

Gangway
Engine &

matrix
Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS

Air Conditioning 1,00 0,14 3,00 0,14 0,14 1,00 3,00 0,14 1,00 0,14 3,00 3,00 1,00 0,33 5,00 0,023 0,019 0,048 0,017 0,018 0,026 0,051 0,019 0,030 0,019 0,071 0,071 0,030 0,041 0,101 0,584 0,039 0,644252 16,48693 0,10621 1,59 0,067 KONSISTEN
Auxiliary Genset 7,00 1,00 7,00 1,00 1,00 5,00 5,00 1,00 5,00 1,00 5,00 5,00 5,00 1,00 7,00 0,161 0,131 0,111 0,120 0,127 0,130 0,085 0,133 0,152 0,134 0,118 0,118 0,152 0,124 0,141 1,937 0,129 2,167838
Axle box & Primary suspension 0,33 0,14 1,00 0,14 0,14 0,33 1,00 0,14 0,20 0,14 1,00 1,00 0,33 0,14 0,33 0,008 0,019 0,016 0,017 0,018 0,009 0,017 0,019 0,006 0,019 0,024 0,024 0,010 0,018 0,007 0,229 0,015 0,239832
Brake system 7,00 1,00 7,00 1,00 1,00 3,00 5,00 1,00 3,00 1,00 3,00 3,00 3,00 1,00 5,00 0,161 0,131 0,111 0,120 0,127 0,078 0,085 0,133 0,091 0,134 0,071 0,071 0,091 0,124 0,101 1,628 0,109 1,802969
Engine & transmition 7,00 1,00 7,00 1,00 1,00 5,00 5,00 1,00 3,00 1,00 5,00 5,00 3,00 1,00 7,00 0,161 0,131 0,111 0,120 0,127 0,130 0,085 0,133 0,091 0,134 0,118 0,118 0,091 0,124 0,141 1,815 0,121 2,022836
Gangway 1,00 0,20 3,00 0,33 0,20 1,00 3,00 0,14 1,00 0,14 3,00 1,00 1,00 0,20 3,00 0,023 0,026 0,048 0,040 0,025 0,026 0,051 0,019 0,030 0,019 0,071 0,024 0,030 0,025 0,060 0,518 0,035 0,562695
Kursi 0,33 0,20 1,00 0,20 0,20 0,33 1,00 0,14 0,33 0,14 0,33 0,33 0,20 0,14 1,00 0,008 0,026 0,016 0,024 0,025 0,009 0,017 0,019 0,010 0,019 0,008 0,008 0,006 0,018 0,020 0,233 0,016 0,244097
Pantograph 7,00 1,00 7,00 1,00 1,00 7,00 7,00 1,00 5,00 1,00 5,00 5,00 5,00 1,00 7,00 0,161 0,131 0,111 0,120 0,127 0,183 0,119 0,133 0,152 0,134 0,118 0,118 0,152 0,124 0,141 2,023 0,135 2,26787
PIDS 1,00 0,20 5,00 0,33 0,33 1,00 3,00 0,20 1,00 0,20 1,00 1,00 3,00 0,20 1,00 0,023 0,026 0,079 0,040 0,042 0,026 0,051 0,027 0,030 0,027 0,024 0,024 0,091 0,025 0,020 0,555 0,037 0,595465
Propulsi 7,00 1,00 7,00 1,00 1,00 7,00 7,00 1,00 5,00 1,00 7,00 7,00 5,00 1,00 5,00 0,161 0,131 0,111 0,120 0,127 0,183 0,119 0,133 0,152 0,134 0,165 0,165 0,152 0,124 0,101 2,077 0,138 2,317155
Safety Chain 0,33 0,20 1,00 0,33 0,20 0,33 3,00 0,20 1,00 0,14 1,00 1,00 1,00 0,20 1,00 0,008 0,026 0,016 0,040 0,025 0,009 0,051 0,027 0,030 0,019 0,024 0,024 0,030 0,025 0,020 0,373 0,025 0,390335
Secondary suspension equipment 0,33 0,20 1,00 0,33 0,20 1,00 3,00 0,20 1,00 0,14 1,00 1,00 1,00 0,20 0,33 0,008 0,026 0,016 0,040 0,025 0,026 0,051 0,027 0,030 0,019 0,024 0,024 0,030 0,025 0,007 0,377 0,025 0,396413
Vynil 1,00 0,20 3,00 0,33 0,33 1,00 5,00 0,20 0,33 0,20 1,00 1,00 1,00 0,33 3,00 0,023 0,026 0,048 0,040 0,042 0,026 0,085 0,027 0,010 0,027 0,024 0,024 0,030 0,041 0,060 0,533 0,036 0,566478
Wheel & Axle 3,00 1,00 7,00 1,00 1,00 5,00 7,00 1,00 5,00 1,00 5,00 5,00 3,00 1,00 3,00 0,069 0,131 0,111 0,120 0,127 0,130 0,119 0,133 0,152 0,134 0,118 0,118 0,091 0,124 0,060 1,737 0,116 1,870509
Window 0,20 0,14 3,00 0,20 0,14 0,33 1,00 0,14 1,00 0,20 1,00 3,00 0,33 0,33 1,00 0,005 0,019 0,048 0,024 0,018 0,009 0,017 0,019 0,030 0,027 0,024 0,071 0,010 0,041 0,020 0,381 0,025 0,398187
TOTAL 44 7,6 63 8,35 7,895 38 59 7,5 33 7,5 42 42,33 33 8,1 50 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000

89
 (Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain
Perkalian

transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary
Harga λ maks CI IR CR Hasil

Gangway

Gangway
Engine &
matrix

Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS
Air Conditioning 1,00 0,11 7,00 0,33 0,20 0,33 5,00 0,20 1,00 0,20 5,00 5,00 3,00 0,14 7,00 0,025 0,017 0,086 0,047 0,030 0,011 0,067 0,030 0,028 0,029 0,079 0,079 0,080 0,007 0,086 0,702 0,047 0,747848 17,03969 0,145692 1,59 0,092 KONSISTEN
Auxiliary Genset 9,00 1,00 9,00 1,00 1,00 5,00 9,00 1,00 7,00 1,00 7,00 7,00 7,00 3,00 9,00 0,224 0,153 0,111 0,142 0,150 0,168 0,121 0,148 0,197 0,147 0,110 0,110 0,187 0,151 0,111 2,229 0,149 2,63067
Axle box & Primary suspension 0,14 0,11 1,00 0,11 0,11 0,20 0,33 0,11 0,20 0,11 1,00 1,00 0,33 0,11 1,00 0,004 0,017 0,012 0,016 0,017 0,007 0,004 0,016 0,006 0,016 0,016 0,016 0,009 0,006 0,012 0,173 0,012 0,180979
Brake system 3,00 1,00 9,00 1,00 1,00 3,00 7,00 1,00 5,00 1,00 7,00 7,00 5,00 3,00 9,00 0,075 0,153 0,111 0,142 0,150 0,101 0,094 0,148 0,141 0,147 0,110 0,110 0,134 0,151 0,111 1,876 0,125 2,090297
Engine & transmition 5,00 1,00 9,00 1,00 1,00 5,00 9,00 1,00 5,00 1,00 9,00 9,00 5,00 3,00 9,00 0,124 0,153 0,111 0,142 0,150 0,168 0,121 0,148 0,141 0,147 0,141 0,141 0,134 0,151 0,111 2,083 0,139 2,375397
Gangway 3,00 0,20 5,00 0,33 0,20 1,00 3,00 0,20 3,00 0,20 5,00 5,00 1,00 0,33 5,00 0,075 0,031 0,062 0,047 0,030 0,034 0,040 0,030 0,084 0,029 0,079 0,079 0,027 0,017 0,062 0,724 0,048 0,827647
Kursi 0,20 0,11 3,00 0,14 0,11 0,33 1,00 0,11 0,33 0,11 0,33 0,33 0,20 0,14 1,00 0,005 0,017 0,037 0,020 0,017 0,011 0,013 0,016 0,009 0,016 0,005 0,005 0,005 0,007 0,012 0,198 0,013 0,205407
Pantograph 5,00 1,00 9,00 1,00 1,00 5,00 9,00 1,00 3,00 1,00 7,00 7,00 5,00 5,00 9,00 0,124 0,153 0,111 0,142 0,150 0,168 0,121 0,148 0,084 0,147 0,110 0,110 0,134 0,252 0,111 2,065 0,138 2,402593
PIDS 1,00 0,14 5,00 0,20 0,20 0,33 3,00 0,33 1,00 0,20 3,00 3,00 1,00 0,33 3,00 0,025 0,022 0,062 0,028 0,030 0,011 0,040 0,049 0,028 0,029 0,047 0,047 0,027 0,017 0,037 0,500 0,033 0,538084
Propulsi 5,00 1,00 9,00 1,00 1,00 5,00 9,00 1,00 5,00 1,00 9,00 9,00 3,00 3,00 9,00 0,124 0,153 0,111 0,142 0,150 0,168 0,121 0,148 0,141 0,147 0,141 0,141 0,080 0,151 0,111 2,029 0,135 2,30531
Safety Chain 0,20 0,14 1,00 0,14 0,11 0,20 3,00 0,14 0,33 0,11 1,00 1,00 0,33 0,20 3,00 0,005 0,022 0,012 0,020 0,017 0,007 0,040 0,021 0,009 0,016 0,016 0,016 0,009 0,010 0,037 0,257 0,017 0,265293
Secondary suspension equipment 0,20 0,14 1,00 0,14 0,11 0,20 3,00 0,14 0,33 0,11 1,00 1,00 0,33 0,20 3,00 0,005 0,022 0,012 0,020 0,017 0,007 0,040 0,021 0,009 0,016 0,016 0,016 0,009 0,010 0,037 0,257 0,017 0,265293
Vynil 0,33 0,14 3,00 0,20 0,20 1,00 5,00 0,20 1,00 0,33 3,00 3,00 1,00 0,20 5,00 0,008 0,022 0,037 0,028 0,030 0,034 0,067 0,030 0,028 0,049 0,047 0,047 0,027 0,010 0,062 0,526 0,035 0,552948
Wheel & Axle 7,00 0,33 9,00 0,33 0,33 3,00 7,00 0,20 3,00 0,33 5,00 5,00 5,00 1,00 7,00 0,174 0,051 0,111 0,047 0,050 0,101 0,094 0,030 0,084 0,049 0,079 0,079 0,134 0,050 0,086 1,219 0,081 1,48267
Window 0,14 0,11 1,00 0,11 0,11 0,20 1,00 0,11 0,33 0,11 0,33 0,33 0,20 0,14 1,00 0,004 0,017 0,012 0,016 0,017 0,007 0,013 0,016 0,009 0,016 0,005 0,005 0,005 0,007 0,012 0,163 0,011 0,169252
TOTAL 40 6,5 81 7,05 6,689 30 74 6,8 36 6,8 64 63,67 37 20 81 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000

(Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain
Perkalian
transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary
VOLUME λ maks CI IR CR Hasil
Gangway

Gangway
Engine &

matrix

Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS
Air Conditioning 1,00 3,00 0,20 0,33 3,00 1,00 0,14 3,00 1,00 3,00 0,20 0,14 1,00 1,00 0,14 0,025 0,053 0,010 0,007 0,057 0,030 0,034 0,053 0,034 0,053 0,013 0,011 0,027 0,034 0,038 0,478 0,032 0,498766 17,19576 0,15684 1,59 0,099 KONSISTEN
Auxiliary Genset 0,33 1,00 0,20 0,33 1,00 0,33 0,11 1,00 0,33 1,00 0,20 0,14 0,33 0,33 0,11 0,008 0,018 0,010 0,007 0,019 0,010 0,026 0,018 0,011 0,018 0,013 0,011 0,009 0,011 0,030 0,219 0,015 0,233619
Axle box & Primary suspension 5,00 5,00 1,00 5,00 5,00 3,00 0,11 5,00 3,00 5,00 1,00 1,00 3,00 3,00 0,20 0,124 0,088 0,051 0,108 0,094 0,089 0,026 0,088 0,103 0,089 0,065 0,076 0,080 0,102 0,053 1,236 0,082 1,426159
Brake system 3,00 3,00 0,20 1,00 3,00 1,00 0,14 3,00 0,33 0,33 0,20 0,20 0,33 0,33 0,11 0,074 0,053 0,010 0,022 0,057 0,030 0,034 0,053 0,011 0,006 0,013 0,015 0,009 0,011 0,030 0,427 0,028 0,452062
Engine & transmition 0,33 1,00 0,20 0,33 1,00 0,33 0,14 1,00 0,33 1,00 0,20 0,20 0,33 0,20 0,14 0,008 0,018 0,010 0,007 0,019 0,010 0,034 0,018 0,011 0,018 0,013 0,015 0,009 0,007 0,038 0,235 0,016 0,247767
Gangway 1,00 3,00 0,33 1,00 3,00 1,00 0,14 3,00 1,00 3,00 0,20 0,20 3,00 1,00 0,14 0,025 0,053 0,017 0,022 0,057 0,030 0,034 0,053 0,034 0,053 0,013 0,015 0,080 0,034 0,038 0,557 0,037 0,601907
Kursi 7,00 9,00 9,00 7,00 7,00 7,00 1,00 9,00 5,00 9,00 3,00 3,00 9,00 5,00 1,00 0,174 0,158 0,461 0,151 0,132 0,208 0,238 0,158 0,172 0,160 0,196 0,227 0,239 0,170 0,267 3,110 0,207 3,703748
Pantograph 0,33 1,00 0,20 0,33 1,00 0,33 0,11 1,00 0,33 1,00 0,20 0,20 0,33 0,20 0,11 0,008 0,018 0,010 0,007 0,019 0,010 0,026 0,018 0,011 0,018 0,013 0,015 0,009 0,007 0,030 0,219 0,015 0,233495
PIDS 1,00 3,00 0,33 3,00 3,00 1,00 0,20 3,00 1,00 3,00 0,33 0,33 3,00 1,00 0,11 0,025 0,053 0,017 0,065 0,057 0,030 0,048 0,053 0,034 0,053 0,022 0,025 0,080 0,034 0,030 0,624 0,042 0,688254
Propulsi 0,33 1,00 0,20 3,00 1,00 0,33 0,11 1,00 0,33 1,00 0,14 0,14 0,33 0,33 0,11 0,008 0,018 0,010 0,065 0,019 0,010 0,026 0,018 0,011 0,018 0,009 0,011 0,009 0,011 0,030 0,273 0,018 0,304354
Safety Chain 5,00 5,00 1,00 5,00 5,00 5,00 0,33 5,00 3,00 7,00 1,00 1,00 3,00 3,00 0,14 0,124 0,088 0,051 0,108 0,094 0,149 0,079 0,088 0,103 0,124 0,065 0,076 0,080 0,102 0,038 1,369 0,091 1,568988
Secondary suspension equipment 7,00 7,00 1,00 5,00 5,00 5,00 0,33 5,00 3,00 7,00 1,00 1,00 3,00 3,00 0,20 0,174 0,123 0,051 0,108 0,094 0,149 0,079 0,088 0,103 0,124 0,065 0,076 0,080 0,102 0,053 1,469 0,098 1,675772
Vynil 1,00 3,00 0,33 3,00 3,00 0,33 0,11 3,00 0,33 3,00 0,33 0,33 1,00 1,00 0,11 0,025 0,053 0,017 0,065 0,057 0,010 0,026 0,053 0,011 0,053 0,022 0,025 0,027 0,034 0,030 0,507 0,034 0,549791
Wheel & Axle 1,00 3,00 0,33 3,00 5,00 1,00 0,20 5,00 1,00 3,00 0,33 0,33 1,00 1,00 0,11 0,025 0,053 0,017 0,065 0,094 0,030 0,048 0,088 0,034 0,053 0,022 0,025 0,027 0,034 0,030 0,644 0,043 0,681157
Window 7,00 9,00 5,00 9,00 7,00 7,00 1,00 9,00 9,00 9,00 7,00 5,00 9,00 9,00 1,00 0,174 0,158 0,256 0,194 0,132 0,208 0,238 0,158 0,310 0,160 0,456 0,378 0,239 0,306 0,267 3,634 0,242 4,329925
TOTAL 40 57 19,53 #### 53 34 4,2 57 29 56 15 13,23 38 29 3,7 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000

(Bobot Kriteria)
Auxiliary Genset

Auxiliary Genset
Air Conditioning

Air Conditioning

Eigen Vector
cooling system
transmition &
Wheel & Axle

Wheel & Axle

Brake system

Brake system
Safety Chain

Safety Chain
Perkalian
transmition

Pantograph

Pantograph

Total
suspension

suspension

suspension
equipment

equipment
Axle box &

Axle box &

Secondary

Secondary
Qualitas λ maks CI IR CR Hasil
Gangway

Gangway
Engine &

matrix
Window

Window
Propulsi

Propulsi
Primary

Primary

Engine,
Kursi

Kursi
Vynil

Vynil
PIDS

PIDS
Air Conditioning 1,00 1,00 3,00 0,20 0,20 1,00 1,00 0,20 1,00 0,20 0,33 0,33 1,00 0,20 3,00 0,027 0,109 0,074 0,023 0,026 0,037 0,021 0,023 0,026 0,025 0,012 0,010 0,020 0,023 0,051 0,507 0,034 0,550976 16,84377 0,131698 1,59 0,083 KONSISTEN
Auxiliary Genset 1,00 1,00 5,00 1,00 1,00 3,00 3,00 1,00 3,00 1,00 3,00 3,00 5,00 1,00 7,00 0,027 0,109 0,124 0,116 0,132 0,112 0,064 0,113 0,079 0,124 0,106 0,093 0,099 0,116 0,119 1,531 0,102 1,68962
Axle box & Primary suspension 0,33 0,20 1,00 0,20 0,20 1,00 1,00 0,20 3,00 0,20 1,00 1,00 1,00 0,20 1,00 0,009 0,022 0,025 0,023 0,026 0,037 0,021 0,023 0,079 0,025 0,035 0,031 0,020 0,023 0,017 0,416 0,028 0,496363
Brake system 5,00 1,00 5,00 1,00 1,00 1,00 5,00 1,00 3,00 1,00 5,00 5,00 7,00 1,00 7,00 0,133 0,109 0,124 0,116 0,132 0,037 0,106 0,113 0,079 0,124 0,176 0,155 0,139 0,116 0,119 1,777 0,118 1,97687
Engine & transmition 5,00 1,00 5,00 1,00 1,00 5,00 7,00 1,00 7,00 1,00 5,00 5,00 7,00 1,00 7,00 0,133 0,109 0,124 0,116 0,132 0,186 0,149 0,113 0,183 0,124 0,176 0,155 0,139 0,116 0,119 2,073 0,138 2,384773
Gangway 1,00 0,33 1,00 1,00 0,20 1,00 1,00 1,00 5,00 0,20 1,00 1,00 3,00 0,20 3,00 0,027 0,036 0,025 0,116 0,026 0,037 0,021 0,113 0,131 0,025 0,035 0,031 0,060 0,023 0,051 0,757 0,050 0,873265
Kursi 1,00 0,33 1,00 0,20 0,14 1,00 1,00 0,20 0,33 0,20 0,33 0,33 0,33 0,20 1,00 0,027 0,036 0,025 0,023 0,019 0,037 0,021 0,023 0,009 0,025 0,012 0,010 0,007 0,023 0,017 0,313 0,021 0,344649
Pantograph 5,00 1,00 5,00 1,00 1,00 1,00 5,00 1,00 5,00 1,00 3,00 3,00 5,00 1,00 5,00 0,133 0,109 0,124 0,116 0,132 0,037 0,106 0,113 0,131 0,124 0,106 0,093 0,099 0,116 0,085 1,623 0,108 1,815079
PIDS 1,00 0,33 0,33 0,33 0,14 0,20 3,00 0,20 1,00 0,33 3,00 3,00 1,00 0,20 5,00 0,027 0,036 0,008 0,039 0,019 0,007 0,064 0,023 0,026 0,041 0,106 0,093 0,020 0,023 0,085 0,616 0,041 0,68939
Propulsi 5,00 1,00 5,00 1,00 1,00 5,00 5,00 1,00 3,00 1,00 3,00 3,00 7,00 1,00 7,00 0,133 0,109 0,124 0,116 0,132 0,186 0,106 0,113 0,079 0,124 0,106 0,093 0,139 0,116 0,119 1,794 0,120 2,011941
Safety Chain 3,00 0,33 1,00 0,20 0,20 1,00 3,00 0,33 0,33 0,33 1,00 1,00 3,00 1,00 3,00 0,080 0,036 0,025 0,023 0,026 0,037 0,064 0,038 0,009 0,041 0,035 0,031 0,060 0,116 0,051 0,672 0,045 0,733947
Secondary suspension equipment 3,00 0,33 1,00 0,20 0,20 1,00 3,00 0,33 0,33 0,33 1,00 1,00 3,00 0,20 3,00 0,080 0,036 0,025 0,023 0,026 0,037 0,064 0,038 0,009 0,041 0,035 0,031 0,060 0,023 0,051 0,579 0,039 0,639892
Vynil 1,00 0,20 1,00 0,14 0,14 0,33 3,00 0,20 1,00 0,14 0,33 0,33 1,00 0,20 1,00 0,027 0,022 0,025 0,017 0,019 0,012 0,064 0,023 0,026 0,018 0,012 0,010 0,020 0,023 0,017 0,333 0,022 0,367747
Wheel & Axle 5,00 1,00 5,00 1,00 1,00 5,00 5,00 1,00 5,00 1,00 1,00 5,00 5,00 1,00 5,00 0,133 0,109 0,124 0,116 0,132 0,186 0,106 0,113 0,131 0,124 0,035 0,155 0,099 0,116 0,085 1,764 0,118 2,00449
Window 0,33 0,14 1,00 0,14 0,14 0,33 1,00 0,20 0,20 0,14 0,33 0,33 1,00 0,20 1,00 0,009 0,016 0,025 0,017 0,019 0,012 0,021 0,023 0,005 0,018 0,012 0,010 0,020 0,023 0,017 0,246 0,016 0,264769
TOTAL 38 9,2 40,33 8,62 7,571 27 47 8,9 38 8,1 28 32,33 50 8,6 59 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 15,000 1,000

90
 LAMPIRAN TOPSIS

Kriteria Supply Risk Profit Impact

jumlah
jumlah Harga Volume
competitive resiko pemasok Kualitas Supply Risk Kriteria Profit Impact Kriteria
Availability pemasok lead time pembelian pembelian
demand penyimpanan yang pembelian (Q)
alternatif (H) (V)
digunakan
Kepentingan/Bobot Level 41 6 15 7 8 24 28 7 64
Eigen venctor 0,41 0,06 0,15 0,07 0,08 0,24 0,28 0,07 0,64

jumlah
jumlah Harga Volume jumlah Harga Kualitas
competitive resiko pemasok Kualitas Availabilit jumlah pemasok yang Volume
Alternatif Availability pemasok lead time pembelian pembelian competitive demand resiko penyimpanan pemasok lead time pembelian pembelian
demand penyimpanan yang pembelian (Q) y digunakan pembelian (V)
alternatif (H) (V) alternatif (H) (Q)
digunakan
Air Conditioning 0,03826 0,04271 0,13491 0,07195 0,03840 0,03894 0,04679 0,03187 0,03381 0,0155 0,0027 0,0203 0,0048 0,0030 0,0092 0,0132 0,0024 0,0218
Auxiliary Genset 0,10814 0,11604 0,12812 0,12137 0,02590 0,12912 0,14861 0,01460 0,10204 0,0439 0,0073 0,0193 0,0082 0,0020 0,0305 0,0420 0,0011 0,0657
Axle box & Primary suspension 0,02459 0,02557 0,02216 0,01487 0,11477 0,01527 0,01154 0,08243 0,02771 0,0100 0,0016 0,0033 0,0010 0,0088 0,0036 0,0033 0,0061 0,0178
Brake system 0,10263 0,10521 0,07875 0,12018 0,02851 0,10855 0,12507 0,02848 0,11847 0,0417 0,0066 0,0119 0,0081 0,0022 0,0256 0,0354 0,0021 0,0762
Engine & transmition 0,10703 0,11192 0,09868 0,10970 0,02668 0,12101 0,13885 0,01565 0,13822 0,0435 0,0070 0,0149 0,0074 0,0021 0,0286 0,0393 0,0012 0,0889
Gangway 0,03346 0,03173 0,04973 0,03958 0,09028 0,03451 0,04825 0,03712 0,05045 0,0136 0,0020 0,0075 0,0027 0,0069 0,0081 0,0136 0,0027 0,0325
Kursi 0,03996 0,02618 0,01816 0,02711 0,11136 0,01551 0,01320 0,20732 0,02087 0,0162 0,0016 0,0027 0,0018 0,0086 0,0037 0,0037 0,0153 0,0134
Pantograph 0,10842 0,11247 0,11126 0,13776 0,02588 0,13486 0,13764 0,01458 0,10822 0,0441 0,0071 0,0168 0,0093 0,0020 0,0318 0,0389 0,0011 0,0696
PIDS 0,04195 0,04013 0,08820 0,04235 0,07803 0,03699 0,03333 0,04159 0,04109 0,0170 0,0025 0,0133 0,0028 0,0060 0,0087 0,0094 0,0031 0,0264
Propulsi 0,14170 0,14975 0,10163 0,11283 0,02629 0,13848 0,13528 0,01819 0,11957 0,0576 0,0094 0,0153 0,0076 0,0020 0,0327 0,0383 0,0013 0,0769
Safety Chain 0,03071 0,02884 0,02240 0,02911 0,11736 0,02488 0,01716 0,09127 0,04479 0,0125 0,0018 0,0034 0,0020 0,0090 0,0059 0,0049 0,0067 0,0288
Secondary suspension equipment 0,03868 0,03780 0,02679 0,03315 0,08781 0,02515 0,01716 0,09794 0,03859 0,0157 0,0024 0,0040 0,0022 0,0068 0,0059 0,0049 0,0072 0,0248
Vynil 0,03787 0,03391 0,04918 0,03645 0,09856 0,03551 0,03504 0,03378 0,02222 0,0154 0,0021 0,0074 0,0024 0,0076 0,0084 0,0099 0,0025 0,0143
Wheel & Axle 0,10956 0,10956 0,04291 0,07516 0,02842 0,11583 0,08124 0,04290 0,11757 0,0445 0,0069 0,0065 0,0050 0,0022 0,0273 0,0230 0,0032 0,0756
Window 0,03702 0,02818 0,02713 0,02841 0,10176 0,02539 0,01086 0,24227 0,01639 0,0150 0,0018 0,0041 0,0019 0,0078 0,0060 0,0031 0,0179 0,0105

A+ MAX 0,0576 0,0094 0,0203 0,0093 0,0090 0,0327 0,0420 0,0179 0,0889
A- MIN 0,0100 0,0016 0,0027 0,0010 0,0020 0,0036 0,0031 0,0011 0,0105
Eigen Vectorr
D+ D- C* SUMBU X D+ D- C* SUMBU Y
untuk setiap
AC Air Conditioning 0,0492 0,05778 0,5402 0.540150901474851 0,0747 0,01518 0,1689 0.168876479757962
kriteria
AG Auxiliary Genset 0,0157 0,06497 0,8052 0.805182672603776 0,0287 0,06749 0,7016 0.701602379548119
ABPS Axle box & Primary suspension 0,0594 0,09396 0,6127 0.612720530486111 0,0818 0,00884 0,0975 0.0974507974868086
BS Brake system 0,0207 0,06196 0,7494 0.749362136300621 0,0213 0,07320 0,7745 0.774464062809766
ET Engine & transmition 0,0174 0,06333 0,7844 0.784356453300381 0,0169 0,08634 0,8359 0.835934203362014
GW Gangway 0,0530 0,08369 0,6125 0.612473943192416 0,0650 0,02439 0,2729 0.272884831334557
KR Kursi 0,0546 0,09277 0,6297 0.629678662549019 0,0847 0,01452 0,1464 0.146367685924741
PG Pantograph 0,0159 0,06511 0,8042 0.804195227242565 0,0258 0,06911 0,7284 0.72840063887598
PIDS PIDS 0,0486 0,07869 0,6181 0.618134068496112 0,0720 0,01723 0,1930 0.193024566836274
PP Propulsi 0,0088 0,07342 0,8932 0.893202585760626 0,0208 0,07513 0,7834 0.783421633061948
SC Safety Chain 0,0561 0,09508 0,6288 0.628799980536036 0,0716 0,01921 0,2116 0.211628634370367
SS Secondary suspension equipment 0,0533 0,08244 0,6075 0.607497613185533 0,0749 0,01565 0,1729 0.17288315311964
VN Vynil 0,0514 0,08751 0,6301 0.630113379062327 0,0827 0,00793 0,0875 0.0874814271441372
WA Wheel & Axle 0,0215 0,06322 0,7462 0.746232729221428 0,0275 0,06810 0,7124 0.712404642580433
WD Window 0,0538 0,08866 0,6222 0.622183552333457 0,0875 0,01680 0,1610 0.161007731863959

1,0000 KRALJIC'S MATRIX SUMBU X SUMBU Y

KOMPONEN SUPPLY RISK PROFITIMPACT
LEVERAGE ITEM STRATEGIC ITEM Air Conditioning 0,5402 0,1689
0,9000
Auxiliary Genset 0,8052 0,7016
Engine & transmition
Axle box & Primary suspension 0,6127 0,0975
Brake system Propulsi Brake system 0,7494 0,7745
0,8000
Engine & transmition 0,7844 0,8359
Pantograph
Wheel & Axle Gangway 0,6125 0,2729
0,7000 9
Auxiliary Genset
Kursi 0,6297 0,1464
ET
8
0,6000
PROFIT IMPACT

Pantograph 0,8042 0,7284

BS AG PP
7
PG
0,5000
WA PIDS 0,6181 0,1930
6
0,4000 Propulsi 0,8932 0,7834
5
NON CRITICALGangway
ITEM BOTTLENECK ITEM Safety Chain 0,6288 0,2116
0,3000
4
Safety Chain Secondary suspension equipment 0,6075 0,1729
0,2000 Air Conditioning PIDS
3 Window
Secondary suspension
equipment Kursi GW
Vynil 0,6301 0,0875
0,1000 Axle2 box & Primary SC
suspension Vynil
SS Wheel & Axle 0,7462 0,7124
AC KR PIDS WD
0,0000 1
ABPS
0,4000 0,5000 0,6000 0,7000 0,8000 VN 0,9000 1,0000 Window 0,6222 0,1610
1 2 SUPPLY 3RISK 4 5 6 7 8 9

X Y
SUPPLY RISK 0 0,4032 Rata-Rata profit impact
1 0,4032

PROFITIMPACT 0,6856 0
0,6856 1
Rata-rata supply risk

91
89
 LAMPIRAN DEA

jumlah yang
Harga (Rasio antara rata-rata
direject (NCR
Index 1 Index 2 penawaran terhadap keterlambatan service quality Hasil Efisiensi
yang
budget) (hari)
diterbitkan)
CAF DMU 1 0,8932 0,7834 0,97 187 3 60,00 58,1%
GUMAYA DMU 2 0,7462 0,7124 0,97 66 7 75,38 80,8%
JIANGSU TEDRAIL DMU 3 0,7462 0,7124 0,96 30 16 73,54 84,4%
JM VOITH DMU 4 0,7653 0,7742 0,69 176 3 66,67 90,8%
KNORR DMU 5 0,7494 0,7745 0,98 35 2 94,29 100,0%
LUCCHINI DMU 6 0,7462 0,7124 0,94 29 1 86,67 100,0%
PARYOCEAN DMU 7 0,8052 0,7016 0,80 35 1 60,00 76,0%
PINDAD DMU 8 0,7494 0,7745 0,96 16 2 86,67 100,0%
TAIYUAN DMU 9 0,7462 0,7124 0,88 64 2 60,00 64,7%
TEKNO TRANS DMU 10 0,8052 0,7016 0,94 59 1 100,00 100,0%
TORX DMU 11 0,8052 0,7016 0,97 36 6 73,33 82,5%

120,0%

100,0%
100,0% 100,0% 100,0% 100,0%
90,8%
80,0% 84,4% 82,5%
80,8%
76,0%

60,0% 64,7%
58,1%

40,0%

20,0%

0,0%
DMU 1 DMU 2 DMU 3 DMU 4 DMU 5 DMU 6 DMU 7 DMU 8 DMU 9 DMU 10 DMU 11

92
90