110
Mulai Input tingkatan SCM
Baca data bobot dan faktor risiko sesuai tingkatan SCM dari basis data
Hitung nilai peramalan harga jagung
Hitung penurunan dan kenaikan harga sesuai jumlah skenario
Selesai Input Lengkap?
Hitung koefisien fungsi exponential A0 dan A1 tingkatan SCM
Tidak Ya
Tampil harga jagung hasil kesepakatan
Input fungsi keanggotaan fuzzy perubahan harga
Input dampak, prosibilitas dan paparan faktor risiko sesuai skenario
Input harga yang diharapkan tingkatan
Proses kesepakatan stakeholder dialog dengan iterasi fungsi non linier
Tingkatan Lengkap? Ya
Tidak
Gambar 34 Diagram alir model penyeimbangan risiko rantai pasok
Dari Gambar 34 terlihat bahwa input model ini adalah tingkatan rantai pasok beserta dengan faktor risiko dalam tingkatan tersebut, nilai harga hasil
111
peramalan dengan metode time series, skenario perubahan harga dari nilai harga peramalan, nilai faktor risiko sesuai dengan skenario perubahan harga dan harga
jagung yang inginkan oleh setiap tingkatan rantai pasok. Untuk setiap tingkatan rantai pasok dilakuan pemodelan matematik dengan variabel dependent tingkat
risiko dan variabel independen harga jagung. Kemudian model tersebut dilakukan conjoint
dengan menggunakan bobot setiap tingkatan dan jangkauan harga terendah dan harga tertinggi untuk mendapatkan nilai kesepakatan. Nilai
kesepakatan diperoleh dengan interpolasi dalam range harga input sehingga mendapatkan harga kesepakatan yang menghasilkan nilai mendekati nilai nol
untuk fungsi conjoint yang dibentuk. Hasil nilai kesepakatan harga di tingkat petani ini dapat digunakan sebagai acuan untuk menentukan harga di masing-
masing tingkatan dengan menggunakan asumsi margin tertentu.
6.2.5. Model Mitigasi Risiko setiap Tingkatan Rantai Pasok
Model mitigassi risiko tingkatan rantai pasok digunakan untuk melakukan mitigasi atau pengurangan terjadinya risiko setiap tingkatan rantai pasok sesuai
dengan tingkat risiko yang diperoleh dari hasil evaluasi risiko dalam model evaluasi risiko setiap tingkatan rantai pasok. Dengan model ini akan diperoleh
beberapa alternatif solusi penanganan risiko pada suatu tingkatan rantai pasok jika telah diketahui tingkat risiko dari tingkatan tersebut. Output dari model ini adalah
alternatif solusi yang disarakan oleh sistem berkaitan dengan munculnya risiko dari suatu ringkatan rantai pasok. Input dari model adalah tingkatan rantai pasok
dan nilai risiko setiap tingkatan yang diperoleh dari model evaluasi risiko rantai pasok. Untuk melakukan pencarian dan pemilihan alternatif solusi mitigasi risiko
dilakukan dengan menggunakan inferensi fuzzy yang direpresentasikan dengan metode inferensi fuzzy sugeno. Diagram alir dari model mitigasi risiko rantai
pasok dapat dijelaskan dengan menggunakan Gambar 35.
112
Mulai Pilih tingkatan SCM
Baca data faktor risiko sesuai tingkatan SCM dari basis data
Temukan solusi mitigasi tingkatan SCM yang tepat dengan rule based
Selesai Baca data bobot faktor risiko
dari hasil penilaian fuzzy AHP Hitung nilai agregasi tingkatan SCM
Tampil nilai risiko tingkatan SCM
Tampilkan rekomendasi solusi mitigasi risiko
Gambar 35 Diagram alir model mitigasi risiko tingkatan rantai pasok
6.3. Sistem Manajemen Basis Data
Sistem manajemen basis data digunakan untuk menginputkan, menampilkan dan mengupdate data yang digunakan dalam model sistem. Sistem
basis data terdiri dari beberapa subsistem yaitu subsistem basis data identifikasi faktor risiko, subsistem basis data evaluasi risiko, subsistem basis data mitigasi
risiko, subsistem basis data harga jagung ditiap tingkatan dan subsistem basis data penyeimbangan risiko rantai pasok.
6.3.1. Basis Data Identifikasi Risiko Rantai Pasok
Basis data identifikasi risiko rantai pasok digunakan untuk menginputkan, menyimpan, menampilkan dan mengupdate data yang berkaitan dan digunakan
dalam model identifikasi risiko rantai pasok. Data-data yang berkaitan dengan model ini adalah data faktor dan variabel risiko tiap tingkatan, data bobot variabel
dan faktor risiko tiap tingkatan serta bobot tingkatan rantai pasok yang diperoleh
113
dari analisis faktor risiko dengan menggunakan metode fuzzy Analytical Hierarchy Process
fuzzy AHP. Data-data ini kemudian digunakan sebagai data input dalam model evaluasi risiko tiap tingkatan rantai pasok.
6.3.2. Basis Data Evaluasi Risiko Rantai Pasok
Basis data evaluasi risiko digunakan untuk menginputkan, menyimpan, menampilkan dan mengupdate data yang berkaitan dengan model evaluasi risiko
rantai pasok. Data-data yang berkaitan dengan model ini adalah data penilaian risiko variabel oleh pakar pada nilai posibilitas, nilai dampak dan nilai paparan
setiap variabel risiko rantai pasok. Kemudian hasil penilaian ini diagregasi untuk mendapatkan nilai tunggal dari setiap variabel risiko, hasil dari data variabel
risiko kemudian diagregasi lagi untuk mendapatkan data faktor risiko dan risiko tingkatan rantai pasok yang diperoleh dari hasil perhitungan agregasi faktor risiko.
Kemudian hasil evaluasi risiko tingkatan rantai pasok diagregasi untuk mendapatkan risiko rantai pasok total. Dalam basis data ini digunakan data-data
dari penilaian pakar yang direpresentaikan dalam nilai fuzzy TFN, oleh karena itu dalam basis data ini juga menyimpan nilai risiko yang direpresentaikan dengan
fuzzy TFN yang mempunyai nilai bawah, nilai tengah dan nilai atas.
6.3.3. Basis Data Penyeimbangan Risiko Rantai Pasok Basis data penyeimbangan risiko rantai pasok digunakan untuk
menyimpan, menampilkan, menginputkan dan mengupdate data-data yang
berkaitan dengan model penyeimbangan risiko rantai pasok. Data-data yang berkaitan dengan model ini adalah data faktor risiko setiap tingkatan rantai pasok,
data penilaian faktor risiko yang berkaitan dengan perubahan harga jagung di tingkat petani, data hasil perhitungan model stakeholder dialog dalam proses
penyeimbangan risiko rantai pasok. Disamping itu data yang berkaitan dengan subsistem ini adalah data harga yang diinginkan dari setiap tingkatan rantai pasok
dalam melakukan stakeholder dialog penyeimbangan risiko.
114
6.3.4. Basis Data Harga Jagung Pada Setiap Tingkatan Rantai Pasok
Basis data harga jagung di tingkat petani merupakan basis data yang digunakan untuk menyimpan harga jagung di tingkat petani dalam dua tahun
terakhir. Basis data ini akan digunakan dalam menentukan kesepakatan harga dalam model penyeimbangan risiko rantai pasok dengan menggunakan metode
stakeholder dialog. Data ini merupakan data nyata yang diperoleh di lapangan
untuk dapat mensimulasikan dan menentukan harga jagung yang sesuai dengan kondisi nyata. Basis data ini terutama digunakan untuk memprediksi harga
jagung di tingkat petani dengan menggunakan metode season hold winter’s.
6.3.5. Basis Data Mitigasi Risiko Rantai Pasok
Basis data mitigasi risiko rantai pasok digunakan untuk menginputkan, menyimpan, menampilkan dan mengupdate data yang berkaitan dengan model
mitigasi risiko setiap tingkatan rantai pasok. Data-data yang berkaitan dengan model ini adalah data risiko setiap tingkatan dan data metode dan alternatif
strategi mitigasi yang sesuasi dengan tingkat risiko dari setiap tingkatan rantai pasok. Untuk melakukan mitigasi risiko setiap tingkatan rantai pasok akan
menggunakan model inferensi fuzzy yang direpresentasikan dengan menggunakan aturan inferensi fuzzy sugeno yang terdapat dalam model basis pengetahuan.
6.4. Sistem Manajemen Basis Pengetahuan
Sistem manajemen basis pengetahuan digunakan untuk mendapatkan solusi yang tepat dari permasalahan yang dihadapi sesuai dengan pendapat
beberapa pakar ahli yang direpresentasikan dalam basis pengetahuan. Beberapa representasi pengetahuan yang digunakan dalam sistem ini adalah representasi
penilaian pakar terhadap posibilitas, dampak dan paparan risiko rantai pasok yang digambarkan dengan fungsi keanggotaan fuzzy segitiga. Selain itu setiap nilai
variabel input dan output dari sistem evaluasi risiko juga direpresentasikan dengan menggunakan basis pengetahuan pakar berdasarkan pendekatan logika fuzzy.
Logika fuzzy juga digunakan untuk melakukan inferensi atau pengambilan solusi dalam melakukan evaluasi risiko dan mitigasi risiko setiap tingkatan rantai pasok
dengan menggunakan aturan fuzzy IF-THEN.
