yuyun adhi prawoto 9108.201 -...

INTEGRASI METODE ANALYTIC HIERARCHY PROCESS (AHP) DAN MODELFUZZY MULTI OBJECTIVE UNTUK OPTIMASI PEMILIHAN PEMASOK MULTI

SUPPLIER DAN ALOKASI PEMBELIAN(STUDI KASUS: PERUM BULOG SUB DIVRE WILAYAH I SURABAYA UTARA)

YUYUN ADHI PRAWOTO 9108.201.304

Dosen: Dr.Ir. Udisubakti Ciptomulyono,M.Eng.Sc.

LATAR BELAKANG

BERAS dan KETAHANAN PANGAN

• Pangan merupakan kebutuhan dasar utama bagi manusia yang harus dipenuhi setiap

saat. Hak untuk memperoleh pangan merupakan salah satu hak asasi manusia,

sebagaimana tersebut dalam pasal 27 UUD 1945 maupun dalam Deklarasi Roma

(1996). Pertimbangan tersebut mendasari terbitnya UU No. 7/1996 tentang Pangan.

• BULOG -> Sesuai dengan fungsinya adalah penjamin ketahanan pangan

dengan cara menyiapkan stock.

• BULOG -> berperan menekan lonjakan harga kebutuhan pokok pada tingkat

konsumen

LATAR BELAKANG

Pengoptimalan SumberDaya

Kualitas produk, Harga, Kapasitas,waktu pengiriman dan Layanan

yang diberikan

Efisiensi Supplier dan OptimasiPesanan

BULOGPenilaian Efisiensi, faktor-faktor

dan kriteria supplier

Analytic Hierarchy Process (AHP) Fuzzy Multi Objective Model

Supplier Efisien dan menentukan jumlah pesanan optimal, sehinggabiaya simpan, biaya pesan dan biaya beli jadi minimum serta dapat

menjalin relasi tetap baik dengan supplier

Supplier

Supplier

LATAR BELAKANGPENYELESAIAN MASALAH

Tujuan yang ingin dicapai dengan menggunakan

1. Fuzzy multi-objective model dan Analytic Hierarchy Process (AHP) adalah

minimasi cost, minimasi ketidaksesuaian bahan baku, minimasi keterlambatan

bahan baku dan maksimasi jumlah pembelian dari supplier yang ada.

1. Diharapkan dengan adanya fuzzy multi-objective model dan Analytic Hierarchy

Process (AHP), perusahaan dapat secara efektif memilih supplier yang tepat dan

menentukan jumlah pesanan optimal, sehingga biaya yang dikeluarkan

perusahaan terkait dengan biaya simpan, biaya pesan dan biaya beli menjadi

minimum, serta dapat menjaga relasi tetap baik dengan supplier.

TUJUAN PENELITIAN

Memilih pemilihan supplier dan penentuanjumlah optimum pengadaan pada supplier yang terpilih dengan

Pembobotan Analytic Hierarchy Process (AHP)dan Fuzzy Multi Objective Linier Programming Model.

Menentukan seberapa besar pengaruh tingkat kepentingan kriteriapenilaian supplier dan performansi supplier terhadap pengambil

keputusan pemilihan supplier dan penentuan jumlah kuantitas optimumpemesanan pada supplier yang telah terpilih.

MANFAAT

1. Penilitian ini dapat membantu untuk meminimumkan total biayayang dikeluarkan dalam proses pengadaan bahan baku beras.

2. Penelitian ini dapat menentukan jumlah optimum untuk pengadaan.

3. Penelitian ini memberikan solusi dalam perencaaan persediaanbahan baku dan pemilihan supplier yang tepat sehingga perusahaantidak akan mengalami perubahan jadwal pengiriman karenakekurangan stock maupun stock tidak ada.

4. Penelitian ini juga memberikan masukan bagaimana menjalinhubungan dengan supplier dan kriteria-kriteria apa saja yangharus diperhatikan.

MANFAAT PENELITIAN

BATASAN & ASUMSI

• Dalam penelitian ini model yang dirancang digunakan untuk memilih supplier yangsudah berhubungan dengan BULOG JATIM (Sub Divre Surabaya Utara) dan padasupplier untuk beras dengan kualitas bagus dan lokal.

• Dalam penelitian ini batasan masalah menggunakan fungsi Traingular Fuzzy Number.

BATASAN

1. Penelitian ini hanya dilaksanakan pada PERUM BULOG SUB DIVRE Wilayah ISurabaya Utara, Kompleks Pergudangan Banjar Kemantren I, II dan III.

2. Kebijakan dan manajemen perusahaan yang berkaitan dengan sistempengadaan tidak mengalami perubahan.

ASUMSI

TINJAUAN PUSTAKACRITICAL REVIEW

Penelitian Metode

Kumar dkk (2004) Fuzzy Goal Programming

Cabi dan Bay Raktar (2003) Analytic Hierarchy Process (AHP) dan Lexicographic Goal Programming (LGP)

Barla (2003) Matematika berbasiskan Multi Attribute

Yousef dkk (1996) Multi Attribute, Cost Based dan Deterministic

Min (1994) Multi Attribute Utility Technique (MAUT)

AHP

Metode ini mencoba menguraikan permasalahan kompleks ke dalam suatu hirarki yangterstruktur sehingga dapat lebih mudah dipahami. Dalam hal mencari dan memilih pemasokyang potensial tersebut, harus ditentukan oleh orang-orang yang berkepentingan dalampengambilan keputusan tersebut.

Fuzzy Multi-Objective Model

Memilih supplier yang paling potensial dengan mempertimbangkan faktor ketidakpastian danresiko seperti harga yang ditawarkan oleh supplier, persentase penolakan barang, sertapersentase keterlambatan pengiriman barang dalam bentuk possibility fuzzy mutiobjectiveprogramming.

TINJAUAN PUSTAKATEKNOLOGI PENGOLAHAN BERAS

Padi Kering Panen105 %

Padi Kering Panen105 %

Pengeringan & Penyimpanan102 %

Pengeringan & Penyimpanan102 %

Padi100 %Padi

100 %

Beras PK83 %

Beras PK83 %

Beras Putih72.00%

Beras Putih72.00%

3% :Kotoran (merang, butir muda, batu, pasir, debu)

2%:Susut Simpan

17%:Sekam

11%:Dedak (9.99%), Beras Rusak (0.76%),Beras Berwarna (0.25%)

Husker

Miller

TINJAUAN PUSTAKAPRODUKTIVITAS BERAS

1. Jawa Timur berhasil meningkatkan produksi padi di atas lima persen.

2. Berdasarkan Badan Pusat Statistik, → Produksi padi Jatim meningkat sebesar0,78 juta ton (7,49%) dibanding produksi padi tahun 2008.

3. Berdasar data, pada tahun 2009, kontribusi Jatim terhadap kebutuhan nasionalseperti padi mencapai 17,48%.

STANDART KUALITAS BERAS

Sesuai Inpres syarat gabah yang bisa diterima Bulog adalah Gabah Kering Giling(GKG):1. Dengan standar kadar air maksimal 14 %,2. kadar hampa/kotoran maksimal 3%,3. Beras yang ditolak oleh Bulog tersebut karena tidak memenuhi standar

ditetapkan Bulog, salah satunya karena kuning, rusak, patah (broken), menir,serta memiliki kadar air tinggi.

4. Sedangkan untuk kadar air beras maksimal 14 persen.

TINJAUAN PUSTAKAALUR PENGADAAN

Ket: UPGB (Unit Pengolahan Gabah dan Beras)SATGAS (Satuan Petugas)

TINJAUAN PUSTAKACADANGAN BERAS BULOG

Jumlah awal CBP yang dimiliki adalah 350 ribu ton beras. Stok tersebut secara fisikmenyatu dengan stok operasional BULOG sehingga memudahkan dalampenggunaannya dan tersedia setiap saat.

Berita tentang bencana banjir, gempa dan lain-lain sering terdengar baik dalamskala kecil maupun besar. Jumlah cadangan beras ideal yang harus dimilikiadalah sekitar 750 ribu – 1,25 juta ton.

Alasan harus ada cadangan beras:1. Kemungkinan adanya keterlambatan pengiriman bahan baku dari supplier.2. Adanya peningkatan demand yang tidak terduga.3. Proses produksi yang terhambat.4. Mencegah lost sales.

TINJAUAN PUSTAKAMITRA KERJA BULOG

Tujuan dari terjalinnya kemitraan antar para stakeholder adalah agar tidak terjadiketimpangan antara perumus kebijakan, dalam hal ini pemerintah pusat danpemerintah daerah, dengan para pelaku kebijakan di lapangan, mulai darimasyarakat, petani, lembaga desa serta pihak swasta.

Parameter:1. Kebijakan-kebijakan yang dirumuskan oleh pemerintah baik pusat maupun

daerah mendukung para stakeholder lain agar bisa menggiatkan dan memajukanpertanian di suatu daerah.

2. Tersalurkannya para penyuluh-penyuluh pertanian dari instansi-instansipendidikan

3. Program CSR (Corporate Social Responsibility) yang bertujuan untukpembangunan pertanian bisa dilakukan secara berkesinambungan

4. Adanya dukungan masyarakat untuk melaksanakan program-program yangdianjurkan serta pelaksanaan dari saran-saran yang diajukan

TINJAUAN PUSTAKAANALYTIC HIERARCHY PROCESS (AHP)

Konsep Dasar Metode Analytic Hierarchy Process (AHP):1. Sebagai metoda pengambilan keputusan Multikriteria (MDCM)2. Dikembangkan dari teori pengukuran dengan kriteria keputusan kompleks serta

“intangible”3. Memperhatikan proses pengembangan langkah dan dialektika manusia saat

menyelesaikan suatu problem4. Mengakomodasi faktor logika, pengalaman, emosi, intuisi dan subjektifitas

secara sistimatis

Menyusun Hirarki:• Hierarki disusun dalam struktur/fungsi tertentu• Hierarki sebagai kumpulan elemen yang disusun dalam tingkat yang homogen• Ultimate goal ditempatkan pada level yang paling tinggi sampai ke tingkat yang

rendah:• Goal, kriteria, alternatif• Goal, kriteria, sub kriteria, alternatif• Goal, aktor,kriteria, level intensitas keputusan

TINJAUAN PUSTAKAFUZZY MULTI OBJECTIVE LINEAR MODEL

Min

Max

Fungsi Tujuan:

Z1 = Minimum biaya pembelian

Z2 = Minimum ketidaksesuaian produk

Z3 = Minimum keterlambatan produk

Z4 = Maximum pembelian pada supplier dengan nilai tertinggi (Weighted Order)

kZZZ ,...,, 21

pkk ZZZ ,...,, 21

ts mrbxgxXXx rdd ,...2,1,)(/,

n

i

t

jijij

n

i

t

jijij

m

s

n

jsjsj

n

i

m

s

t

jisjisj BackBSInvBSFBpXPZ

1 11 11 11 1 11 10

n

i

m

s

t

jisjisjXQZ

1 1 12

n

i

m

s

t

jisjisjXLZ

1 1 13

n

i

m

s

t

jisjAHPsXWZ

1 1 14

TINJAUAN PUSTAKAFUZZY MULTI OBJECTIVE LINEAR MODEL

Variable Keputusan:

Unit yang dipesan untuk produk i dari supplier s pada periode j

Batasan-batasan dalam Fuzzy Multi-Objective Linear1. Untuk:

2.

3. Binner untuk Fsj € (0,1) untuk integer Kisj

4.

5.

6.

7.

isjX

isjisj CX

isjX ijD(1-Qisj)

isjX ijD(1-isj)

sjisj FX 2000

isjisj XxK 25

isjisj FMX

ijijijisjijij BackInvDXBackInv 11

i = 1, 2 s = 1, 2, 3, …, m j = 1, 2, 3, …, t

0,,,,,, isjisisjijsjisjisj CQLDFKX

METODOLOGI PENELITIAN

PengumpulanData

PenentuanVariable

ValidasiModel

AnalisisModel

Analisis Sensitivitas

Fuzzy SupplierSelection Model

HASIL & PEMBAHASANPENENTUAN KRITERIA SUPPLIER

HASIL & PEMBAHASANPERBANDINGAN BERPASANGAN KRITERIA

Compare the relative with respect to: Goal bobot kriteria

Kualitas Harga Ketepatan Kesesuaian Kondisi Kemudahan

Beras Pengiriman Produk Keuangan Transaksi

Kualitas 6,18 4,67 1,24 1,14 3,03

Harga Beras 1,3 1,3 1,49 1,3

Ketepatan Pengiriman 1,3 1,3 1,49

Kesesuaian Produk 1,3 1,3

Kondisi Keuangan 1,3

Priorities with respect to:Goal bobot kriteria

Kualitas ,369Kesesuaian Produk ,134Harga Beras ,132Kondisi Keuangan ,126Ketepatan Pengiriman ,124Kemudahan Transaksi ,116

Incontency = 0,09with 0 missing judgment

• Matriks AHP digunakansebagai input softwareexpert choice sehinggadidapatkan nilai bobotmasing–masing indikatordan dapat diketahui prioritasindikator.

< 0,1(Konsisten)

HASIL & PEMBAHASANFUZZY MULTI-OBJECTIVE (1)

Objective Total Biaya Unit Cacat Unit Terlambat WeightedTotal Biaya (Rp) 24.902.703.725 30.500.620.000 24.425.180.400 84.095.480.000Unit Cacat 134.189 171.068,9 144.524,3 443.083,7Unit Terlambat 392.089 624.893,3 369.032,8 1.416.834Weighted 169.921 203.471,2 168.816,7 490.765,6

Nilai danjZ

jZ

1. Fungsi Tujuan minimasi total biaya pembelian 2. Fungsi Tujuan minimasi total unitcacat

3. Fungsi Tujuan minimasi unit keterlambatan 4. Fungsi Tujuan maksimasi jumlah pesanan

725.703.902.24000.480.095.84000.480.095.84)( 1

1 RpRpZRpxZ

189.1347,083.4437,083.443)( 2

2

ZxZ

8,032.369834.416.1834.416.1

)( 33

ZxZ

)(4 xz

0

1

7,816.168 6,765.490

7,816.1686,756.4907,816.168)( 4

4

ZxZ

Multi Obyektif → Single Obyektif

HASIL & PEMBAHASANFUZZY MULTI-OBJECTIVE (2)

Bobot FungsiTujuan

Compare the relative with respect to: Goal bobot kriteria

Total Unit Unit WeightedBiaya Cacat Terlambat Supplier

Total Biaya 2,0 2,0 3,0Unit Cacat 1,5 2,0Unit Terlambat 1,5Weighted Supplier

Priorities with respect to:Goal bobot kriteria

Total Biaya ,425Unit Cacat ,253Unit Terlambat ,191Weighted Supplier ,131

Incontency = 0,01with 0 missing judgment

Fungsi Tujuan Bobot (%)Minimasi Total Biaya 0,425Minimasi Unit Cacat 0,253Minimasi Unit Terlambat 0,191Maksimasi Jumlah Pengadaan pada Supplier 0,131

• Bobot Fungsi Tujuan Pairwise Comparison

• Matriks AHP digunakansebagai input softwareexpert choice sehinggadidapatkan nilai bobotmasing–masing indikatordan dapat diketahui prioritasindikator.

•1 = 1•2 = 1•3 = 1•4 = 0,02332

HASIL & PEMBAHASANVALIDASI MODEL

Fungsi Tujuan Bulog Model %Unit Tidak Sesuai 224.620 134.189 40.26Unit Terlambat 410.184 369.032 10.03Weighted Order 160.730 490.765 67.24

Total Cost Bulog Model %Medium 2.992.468.893 2.987.362.113 0.171Premium 454.375.775 453.389.089 0.217

TOTAL 3.446.844.668 3.440.751.202 0.177

Total Cost = Biaya Beli + Biaya Pesan + Biaya Simpan

HASIL & PEMBAHASANANALISIS SENSITIVITAS BERAS 3%

Fungsi Tujuan Bulog (Rp) Model %TC Medium Rp 2.992.468.893 Rp 3.081.792.113 2,89TC Premium Rp 454.375.775 Rp 480.743.264 5,48Unit Tidak Sesuai 224.620 151.983 -32,33Unit Terlambat 410.184 416.554 1,52Weighted Order 160.730 490.765 67,24

HASIL & PEMBAHASANANALISIS SENSITIVITAS BERAS 6%

Fungsi Tujuan Bulog (Rp) Model Selisih %TC Medium Rp 2.992.468.893 Rp 3.084.734.863 Rp 92.265.970 2,99TC Premium Rp 454.375.775 Rp 487.597.489 Rp 33.221.714 6,81Unit Tidak Sesuai 224.620 135.346 -89.273 - 39,74Unit Terlambat 410.184 369.037 -41.146 - 10,03Weighted Order 160.730 490.765 330.034 67,24

HASIL & PEMBAHASANANALISIS SENSITIVITAS BERAS 10%

Fungsi Tujuan Bulog (Rp) Model Selisih %TC Medium Rp 2.992.468.893 Rp 3.095.267.863 Rp 102.798.970 3,32TC Premium Rp 454.375.775 Rp 486.888.739 Rp 32.512.964 6,67Unit Tidak Sesuai 224.620 144.228 -80.392 -35,79Unit Terlambat 410.184 410.233 49,5 0,01Weighted Order 160.730 490.765 330.034 67,24

HASIL & PEMBAHASANANALISIS SENSITIVITAS TOTAL COST 3%, 6% dan 10%

Asumsi: 3%, 6% dan 10% tidak melebbihi kenaikan berasdi Indonesia

HASIL & PEMBAHASANGRAFIK TOTAL COST 3%, 6% dan 10%

3. Dan untuk peningkatan demand sebesar 10% akan mengakibatkan pertambahan totalrelevant cost yang cukup signifikan. Perubahan total relevant cost yang ada sebesar 6,67%untuk jenis premium dan 3,32% untuk jenis medium.

1. Peningkatan demand sebesar 3% akanmengakibatkan pertambahan totalrelevant cost yang cukup signifikan.Perubahan total relevant cost yang adasebesar 5,48% untuk jenis premium dan2,89% untuk jenis medium,

2. Untuk peningkatan demand sebesar 6%akan mengakibatkan pertambahan totalrelevant cost yang cukup signifikan.Perubahan total relevant cost yang adasebesar 6,81% untuk jenis premium dan2,99% untuk jenis medium,

KESIMPULAN & SARANKESIMPULAN

1. Hasil perhitungan bobot yang menggunakan AHP pairwise comparison diperolehbobot masing-masing kriteria yaitu, kriteria kualitas (36,9%), kriteria kesesuaianproduk (13,4%), kriteria harga bahan baku (13,2%), kriteria kondisi keuangan(12,6%), kriteria ketepatan pengiriman (12,4%), kriteria kemudahan transaksi(11,6%).

2. Peningkatan harga dan demand sebesar 3% membawa pengaruh yang besarterhadap total biaya. Perubahan harga dan demand dalam kasus ini dapatdikatakan sensitif karena penambahan 3% demand mengakibatkan total biayabertambah 5,48% dari total biaya awal

3. Peningkatan harga dan demand sebesar 6% membawa pengaruh yang besarterhadap total biaya. Perubahan harga dan demand dalam kasus ini dapatdikatakan sensitif karena penambahan 6% demand mengakibatkan total biayabertambah 6.81% dari total biaya awal

KESIMPULAN & SARANSARAN

1. Menyadari sepenuhnya akan posisi petani beras dalam industri pangan yangdemikian penting.

2. Disarankan pada penelitian selanjutnya dilakukan penelitian mengenai perbaikansupplier pada faktor penyebab tidak efisien

3. Saran yang dapat diberikan untuk penelitian selanjutnya adalahmengembangkan model permasalahan pemilihan supplier denganmempertimbangkan faktor-faktor resiko dan ketidakpastian lainnya yang perluuntuk dipertimbangkan.

LINGO 8.0PROGRAM MODEL OPTMASI DENGAN SOFTWARE

MODEL :

TITLE Pemilihan Supplier & Optimasi Pemesanan

SETS :! I = JENIS, S = SUPPLIER, J = PERIODE;

SUPPLIER/1 . . 34/ : Biaya_Pesan;JENIS / 1 . . 2/ : ;PERIODE / 1 . . 6/ : ;! OBJ / 1 . . 4/ : Weight, Lamda ;IJ (JENIS, PERIODE) : Demand, Biaya_Simpan, Backorder, Inventory;IS (JENIS, SUPPLIER) : Ketidaksesuaian_Produk, Keterlambatan

Pengiriman,Nilai_Suppier;

SJ (SUPPLIER, PERIODE) : Frekuensi_Pesan;ISJ (JENIS, SUPPLIER, PERIODE) : Kapasitas, Order, Harga, K;

ENDSETS

LINGO 8.0PROGRAM MODEL OPTMASI DENGAN SOFTWARE

DATA :! IMPORT DATA DARI EXCEL & EXPORT DATA KE EXCEL;

Biaya_Pesan, Demand, Ketidaksesuaian_Produk,Keterlambatan_Pengiriman, Nilai_Supplier, Kapasitas,

Harga, Biaya_Simpan= @OLE (‘C: \Document and Settings\Yuyun\MyDocument\Final’, ‘Biaya_Pesan’, ‘Demand’,‘Ketidaksesuaian_Produk’, ‘Keterlambatan_Pengiriman’,

‘Nilai_Supplier’, ‘Kapasitas’,‘Harga’, ‘Biaya_Simpan’ ) ;

@OLE (‘C: \Document and Settings\Yuyun\MyDocument\Final ‘, ’order’, ’K’, ‘Frekuensi_pesan’, ‘Backorder’, ‘Inventory’) = Order, K, Frekuensi_Pesan, Backorder, Inventory;ENDDATA

M=1000000 ;

LINGO 8.0PROGRAM MODEL OPTMASI DENGAN SOFTWARE

FUNGSI OBYEKTIF ;Min = Total Biaya ;Total Biaya = @SUM ( ISJ (I, S, J) : Harga (I,S,J) * Order (I,S,J) ) +

@SUM (SJ (S, J) : Biaya_Pesan (S)*Frekuensi_pesan (S, J) + @SUM (IJ (I, J) : Biaya_simpan (I, J) * Inventory

(I, J) + 10 * Biaya Simpan (I, J) * Backorder (I, J) ) ;!Min = UnitCacat ;UnitCacat = @SUM (ISJ (I, S, J) :

Ketidaksesuaian_Produk (I, S) *Order (I, S, J) ) ;!Min = UnitTerlambat ;UnitTerlambat = @SUM (ISJ (I, S, J) :

Keterlambatan_Pengiriman (I, S) *Order (I, S, J) ) ;!Max = WeightedOrder ;

WeightedOrder = @SUM (ISJ (I, S, J) :Nilai_Supllier (I, S) *Order (I, S, J) ) ;

!Max = totallamda ;!totallamda = @SUM (OBJ (O) : Weight (O) *Lamda (O) ) ;

LINGO 8.0PROGRAM MODEL OPTMASI DENGAN SOFTWARE

KONSTRAIN;

!Lamda (1) <= ( 7951778000 - @SUM (ISJ (I, S, J) :Harga (I, S, J) *Order (I, S, J) ) + @SUM (SJ

(S, J) : Biaya_Pesan (S) *Frekuensi_pesan (S,J) ) + @SUM (IJ (I, J) :Biaya_simpan (I, J) *Inventory (I, J) + 10 *Biaya_simpan (I, J) *Backorder (I, J) )) / 50553000000 ;

!Lamda (2) <= (417631 - @SUM (ISJ (I, S, J) :Ketidaksesuaian_Produk (I, S) *Order (I, S, J) ) ) / 287024 ;!Lamda (3) <= (1307996 - @SUM (ISJ (I, S, J) :Keterlambatan_Pengiriman (I, S) *Order (I, S, J) ) ) / 890381 ;!Lamda (4) <= (@SUM (ISJ (I, S, J) :Nilai_Supplier (I, S) *Order (I, S, J) ) - 179819 ) / 281058 ;

@FOR (ISJ (I, S, J) : ORDER (I, S, J) <= Kapasitas (I, S, J) ) ;@FOR (SJ (S, J) : @SUM (Jenis (I) : Order (I, S, J) ) <=

M*Frekuensi_pesan (S, J) ) ;

LINGO 8.0PROGRAM MODEL OPTMASI DENGAN SOFTWARE

@FOR (IJ (I, J) J#GT#1 : Inventory (I, J-1) - Backorder (I, J-1) + @SUM (Supplier (S) : Order (I, S, J) ) - Demand (I, J) = Inventory (I, J) -Backorder (I, J) ) ;

@FOR (IJ (I, J) : @SUM (Supplier (S) : Order (I, S, J) * (1 –Ketidaksesuaian_Produk (I, S) ) ) >= Demand (I, J) ) ;@FOR (IJ (I, J) : @SUM (Supplier (S) : Order (I, S, J) * (1 –Keterlambatan_Pengiriman (I, S) ) ) >= Demand (I, J) ) ;

@FOR (ISJ (I, S, J) : Order (I, S, J) >= 2000*Frekuensi_pesan (S, J) ) ;@FOR (ISJ (I, S, J) : 25*K (I, S, J) = Order (I, S, J) ) ;@FOR (SJ (S, J) : @BIN (Frekuensi_Pesan) ) ;@FOR (ISJ (I, S, J) : @GIN (K) ) ;!TotalBiaya <= 29765190000 ;

!UnitCacat <= 144228 ;!. UnitTerlambat <= 410233 ;!@FOR (OBJ (O) : lamda (O) <=1) ;

END

DAFTAR PUSTAKAAmid, S.H. Godsypour, C.O’Brien, 2005 “Fuzzy Multi-Objective Linear Model forSupplier Selection in a Supply Chain”, International Journal Production Economics104, 394-407.

Ciptomulyono, U., and Dou, Herry., 2000, Model Fuzzy Goal Programming UntukPenentapan Pembobotan Prioritas dalam Metode Analytic Hierarchy Process (AHP),Majalah IPTEK, 11, 19-29.

Kumar, Manoj, Vrat, Prem., Shankar, R., 2003, A Fuzzy Goal Programming Approachfor Vendor Selection Problem in a Supply Chain, Computers and IndustrialEngineering, 46, 69-85.

Leenders, Johnson, Flynn and Fearon, 2006, Purchasing and Supply Management,13rd edition, McGraw Hill.

Makridakis, Spyros, Wheelwright, Steven C. and Mcgee, Victor E., 1999, Metode danAplikasi Peramalan, edisi kedua jilid 1, terjemahan, Penerbit Erlangga, Jakarta.

DAFTAR PUSTAKA

Monczka, Robert, Trent and Handfield, 2002, “Purchasing and Supply ChainManagement”, South Western: United States of America.

Youssef, Mohamed A., Zairi, Mohammad., Mohanty, Birdu., 1996, Supplier Selection inan Advanced Manufacturing Technology Environment. An Optimization, Benchmarkingfor Quality Management and Technology, 3, 60-72.

Zimmermann, H.J., 2000. Fuzzy set Theory and its Application, 3rd edition, kluwerAcademic Publisher, Boston, USA.

Zimmermann, H.J., 1993. “Fuzzy Set Theory and its Applications”. 4th edition. KluwerAcademic Publisher, Boston, USA.

Terima Kasih…….