This site uses cookies.
Some of these cookies are essential to the operation of the site,
while others help to improve your experience by providing insights into how the site is being used.
For more information, please see the ProZ.com privacy policy.
This person has a SecurePRO™ card. Because this person is not a ProZ.com Plus subscriber, to view his or her SecurePRO™ card you must be a ProZ.com Business member or Plus subscriber.
Affiliations
This person is not affiliated with any business or Blue Board record at ProZ.com.
Indonesian to English: DESIGN OF SUPPLIERS PREFFERENCES AND SELECTION USING MULTIVARIATE ANALYSIS General field: Tech/Engineering Detailed field: Engineering: Industrial
Source text - Indonesian RANCANGAN PEMILIHAN DAN PENENTUAN PEMASOK
MENGGUNAKAN ANALISIS MULTIVARIAT
Ir. Isti Surjandari, PhD1 , Santi Anggarini2
Abstrak
Pada era globalisasi ini industri manufaktur mengalami perubahan radikal, ditandai dengan inovasi yang tinggi serta umur produk yang begitu pendek. Keadaan ini memaksa industri manufaktur untuk lebih berkonsentrasi pada core capability yang dimiliki, sehingga kegiatan outsourcing menjadi keputusan penting dan strategis. Upaya perusahaan untuk meraih keuntungan kompetitif dimulai dengan melakukan manajemen terhadap pemasoknya. Dalam kenyataan dilapangan, pemilihan pemasok bukanlah perkara mudah, sehingga diperlukan cara yang tepat untuk mendapatkan pemasok potensial.
Penelitian ini bertujuan untuk membuat rancangan pemilihan pemasok. Dimulai dengan melakukan analisis faktor untuk menetapkan atribut yang digunakan dalam memilih pemasok. Selanjutnya perlu dicari preferensi perusahaan terhadap pemasok, yaitu berupa kombinasi optimal dari atribut dan level yang ada dengan menggunakan analisis conjoint.
Pemilihan terhadap pemasok potensial dapat dilakukan melalui metode MDS. Metode MDS akan memetakan preferensi perusahaan secara visual kedalam ruang multidimensional, sehingga didapat jarak euclidean masing-masing pemasok terhadap ideal point perusahaan. Dengan peta persepsi ini, akan membantu perusahaan memilih pemasok yang berada disekitar ideal point.
Pada era globalisasi ini industri manufaktur mengalami perubahan yang radikal. Innovasi dan umur produk yang begitu cepat memaksa perusahaan untuk melakukan perampingan, fokus pada kompetensinya dan berusaha meraih keuntungan yang kompetitif. Persaingan yang begitu ketat ini menyebabkan perusahaan mengurangi jenis manufaktur yang dibuatnya dan lebih berkonsentrasi pada core capability yang dimilikinya. Beberapa perusahaan mengurangi pemasoknya untuk lebih mengefektifkan hubungan supplier-buyer yang dibangun. Pemasok dapat dilibatkan pada tahap awal pengembangan produk, dan bersama perusahaan dapat memberikan pilihan design dengan biaya yang lebih murah, memberikan alternative solusi, memilih komponen dan teknologi terbaik. Hal ini menyebabkan peningkatan jumlah komponen yang dibeli, sehingga ketergantungan terhadap pemasok akan meningkat. Dapat dikatakan keberhasilan sebuah perusahaan ditentukan dari kemampuan para pemasoknya.
Dalam konsep Supply Chain Management, pemilihan pemasok merupakan awal dari kesuksesan dalam rantai pasok pemasok. Ketergantungan yang besar pada pemasok menyebabkan industri manufakturing perlu untuk mengefektifkan manajemen pemasok. Pengukuran /kriteria seperti harga, pengiriman, kualitas dan pelayanan adalah hal yang biasa digunakan dalam melakukan pemilihan pemasok. Tiga hal yang perlu dilakukan dalam manajemen pemasok, yaitu : memilih pemasok yang efektif, strategi pengembangan innovasi pemasok dan mekanisme penilaian (evaluasi) pemasok. Dalam literatur, terdapat beberapa metode pemilihan pemasok. Beberapa peneliti menggunakan model linear weighting seperti metode pembobotan (Timmerman, 1986) dan Analytical Hierarchical Proses (Nydick and Hill, 1992). Pendekatan total cost ratio (Timmerman, 1986) dan total cost of ownership (Ellram, 1995). Model mathematical programming dianggap sebagai pendekatan secara kuantitatif, seperti principal component analysis (Petroni and Braglia, 2000) dan neural network (wei, 1997). Metode lain yang dapat digunakan dalam penilaian pemasok diantaranya, rating system (Thompson, 1991), model optimalisasi linier (Timmermenn, 1986), analisa key figures (Schulte, 1996), metode chek list (Harting, 1994), dan system fuzzy logic (Urban, 1998). Hasil penelitian tahun 2001 yang melibatkan 200 industri di Amerika Serikat didapat bahwa Analisa harga adalah metode yang banyak dikenal oleh perusahaan (90%), diikuti dengan analisa cost-decision (81%). Selanjutnya, lebih dari 60% perusahaan menggunakan system point rating seperti checklist dan prosedur optimalisasi untuk melakukan penilaian terhadap pemasok. Sebaliknya, hanya 23% dari responden yang menggunakan system fuzzy logic. Dapat dikatakan pemakaian metode yang sederhana seperti analisa price-decision dan checklist lebih banyak digunakan. Sebaliknya, metode yang kompleks seperti analisa value-benefit atau fuzzy logic hanya digunakan oleh sedikit perusahaan.
Metode-metode yang disebutkan di atas masih memiliki kekurangan karena tidak dapat memberikan metode kerja umum untuk mengkombinasikan multiple kriteria dan belum memenuhi secara tepat permintaan yang diinginkan oleh pihak perusahaan. Apabila diperlukan permintaan empiris pada penilaian pemasok disertai dengan konsep teori ( seperti pertimbangan kriteria kualitatif dan kuantitatif, hasil yang objektif, keterlibatan tenaga ahli dalam membuat keputusan, dsb), maka metode-metode diatas belum dapat memenuhi permintaan tersebut. Lebih dari itu, tidak satupun metode tunggal yang dapat menilai pemasok secara sempurna. Untuk dapat mengatasi kelemahan metode diatas, diperlukan pendekatan secara multipel kriteria.
2. Metodologi Penelitian
Penelitian rancangan pemilihan dan penentuan pemasok ini dilakukan di PT. Toyota Motor Manufacturing Indonesia (TMMIN), yang merupakan industri otomotif terbesar di Indonesia. Untuk tetap mempertahankan misinya, yaitu unggul di bidang otomotif, PT TMMIN menerapkan supply chain management. Hal terpenting untuk meraih kesuksesan pada supply chain management adalah melakukan manajemen terhadap para pemasok.. Saat ini TMMIN menggunakan komponen dan sukucadang dari sekitar 100 pemasok tangan pertama, dan lebih banyak lagi dari pemasok tangan kedua. Penggunaan suku cadang yang berasal dari pemasok ini mendukung mereka untuk menyediakan program pelatihan yang mengarah pada terwujudnya prinsip ‘Berkembang Bersama’. Melalui prinsip ‘Berkembang Bersama’ dengan para pemasok, dealer, dan pelanggan, PT TMMIN bertujuan untuk memberikan sumbangan yang berarti bagi pengembangan ekonomi dan sosial di Indonesia, saat ini dan di masa-masa yang akan datang.
Selama ini pemilihan pemasok di PT TMMIN dilakukan oleh bagian purchasing dengan mempertimbangkan 4 hal, yaitu : harga, kualitas, pengiriman dan manajemen pemasok. Penilaian evaluasi menggunakan sistem point, yaitu A (90-100), B (80-89), C (60-79), D (30-59) dan E (0-29). Metode yang dipandang tepat untuk memberikan rancangan pemilihan dan penentuan pemasok adalah analisa multivariat. Melalui analisa multivariat pemilihan pemasok tidak saja dilakukan oleh purchasing, tapi juga melibatkan divisi yang lain sebagai preferensi. Hal ini menjadikan pemilihan pemasok sesuai dengan kebutuhan dan preferensi perusahaan.
Analisa multivariant telah banyak mengalami perkembangan. Berbagai teknik telah diterima luas, diantaranya adalah: prinsipal components dan common analysis, multiple regression dan multiple correlation, multiple discriminant analysis, multivariate analysis of variance dan covariance, conjoint analysis, canonical correlation, cluster analysis, multidimension analysis dan correspondence analysis. Sedangkan teknik multivariat yang banyak digunakan untuk melakukan pemilihan dan evaluasi terhadap pemasok antara lain : analisa faktor, analisa konjoint dan MDS (Multi Dimensional Scaling).
2.1 Analisis Faktor
Proses analisis faktor mencoba menemukan hubungan (interrelationship) antar sejumlah variabel-variabel yang saling independen satu dengan yang lain, sehingga dapat dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah variabel awal. Tujuan dari analisa faktor adalah untuk mengurangi data. Yaitu setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu. Dari studi literatur didapat 13 faktor yang digunakan perusahaan dalam memilih pemasok. Kuesioner dibuat dengan menggunakan skala likert, 1 untuk sangat tidak suka dan 5 untuk sangat suka. Dengan metode analisis faktor, ke 13 faktor yang ada akan direduksi menjadi beberapa variabel dasar , sehingga didapat beberapa atribut yang diinginkan PT TMMIN dalam melakukan pemilihan pemasok.
2.2 Analisis Conjoint
Masing-masing atribut hasil analisis faktor diberikan level tertentu. Selanjutnya dengan analisis conjoint akan menghasilkan atribut dan level yang disukai oleh konsumen yang ditunjukan dengan nilai importance (range utility) dan nilai utility dari setiap kombinasi tersebut. Importance (% utility range), menunjukkan tingkat kepentingan dari setiap atribut. Semakin besar nilainya maka atribut tersebut semakin penting dan semakin dipertimbangkan bagi responden saat menentukan preferensi mereka. Utility, menunjukkan nilai kegunaan/kesukaan terhadap stimuli yang dihasilkan dari selisih antara rata-rata faktor dengan intercept-nya.
2.3 Multidimensional Scalling (MDS)
MDS adalah salah satu prosedur yang digunakan untuk memetakan persepsi dan preferensi para responden secara visual kedalam peta geometri. Peta geometri tersebut disebut sebagai spatial map atau peta persepsi merupakan penjabaran berbagai dimensi yang berhubungan. Dengan metode MDS ini, akan didapat peta persepsi pemasok sesuai dengan preferensi perusahaan. Sehingga perusahaan dapat melihat pemasok yang mempunyai jarak terdekat dengan titik ideal.
3. Hasil dan Pembahasan
3.1 Analisis Faktor
Analisis faktor layak dilakukan bila mempunyai nilai KMO > 0.5, Pada analisis faktor 1 diperoleh nilai Kaiser-Meyer-Olkin (KMO) keseluruhan variabel adalah 0,6265. Pada faktor ke 13, terlihat nilai KMO adalah 0,49. Karena nilai tersebut dibawah 0,5 maka faktor ke 13 harus dihilangkan, selanjutnya dilakukan analisis faktor kembali tanpa menyertakan faktor ke 13. Pada uji analisis faktor ke-2 ini, nilai KMO naik menjadi 0,75. Dan nilai KMO ke 12 faktor sudah diatas 0,5. Dapat dikatakan analisis faktor sudah layak dilakukan. Hasil yang diperoleh dalam analisis faktor adalah sebagai berikut :
Dimensi 1 : Sistem Communication
Dimensi pertama yang terbentuk adalah dimensi system communication. Pemberian nama dimensi ini didasarkan kepada kriteria yang masuk di dalamnya, dimana keempat kriteria ini berkaitan dengan informasi dan komunikasi. Selain itu, kriteria ke 1 dan 4 memiliki faktor loading yang terbesar, sehingga layak untuk dijadikan variabel yang mendasari suatu faktor
Dimensi 2 : Service
Dimensi kedua yang terbentuk adalah dimensi service. Bila dilihat dari kriteria yang mengelompok didalamnnya yaitu pelayanan, jumlah yang tepat, pengiriman tepat waktu, keinginan menyesuaikan produk dan layanan, semua ini dapat dikatakan sebagai service yang diberikan pemasok ke PT TMMIN. Ke-5 kriteria ini mempunyai factor loading diatas 0,5 yang menunjukkan kuatnya kecenderungan setiap kriteria untuk masuk pada dimensi ini.
Dimensi 3 : Responsiveness
Dimensi ketiga yang terbentuk adalah dimensi responsiveness. kriteria 1 dan 2 menggambarkan respon yang perlu dimiliki pemasok untuk permintaan yang tidak terduga , hal-hal darurat dan problem yang timbul Sehingga dapat dikatakan dimensi kedua ini adalah responsiveness. Kedua kriteria ini memiliki faktor loading diatas 0,5 menunjukkan kuatnya kecenderungan setiap atribut untuk masuk pada dimensi ini.
Dimensi 4 : Quality
Dimensi ketiga yang terbentuk adalah quality. Dimensi kualitas hanya terdiri atas 1 kriteria, dengan faktor loading yang sangat tinggi yaitu 0,902. Faktor loading yang tinggi ini menunjukkan sangat kuatnya kualitas menjadi dimensi tersendiri.
Selanjutnya, ke 4 dimensi yang telah dihasilkan dijadikan atribut dalam analisis Conjoint
3.2 Analisis Conjoint
Jumlah kombinasi yang didapatkan dari atribut di atas adalah sebanyak 16 stimuli (2x2x2x2).
3.2.1 Analisis Conjoint Individual
Nilai Adjusted R Square menunjukan nilai yang baik, karena seluruhnya responden memiliki nilai di atas 0.5. Untuk menguji keakuratan model digunakan pengujian ANOVA yang dilakukan terhadap seluruh responden. Dari pengujian ANOVA didapatkan bahwa nilai p-value yang dimiliki responden lebih kecil dari α = 0.05.
Responden 1 adalah supervisor bagian produksi, artinya preference yang diberikan dapat dianggap mewakili departemant produksi. Preferensi yang diinginkan ditunjukkan dengan nilai positif dari utilitas. Departement produksi tidak menganggap penggunakan EDI oleh pemasok sebagai hal yang dibutuhkan. Karena divisi ini hampir tidak pernah melakukan komunikasi dengan pemasok.
Service yang dipilih 14 – 28 hari. Hal ini terkait dengan sistem just in time yang digunakan untuk
mendukung aktifitas produksi. Responsiveness dipilih yang lebih cepat, yaitu 1 hari dengan TS lokal. Karena dengan pengiriman barang yang lebih cepat dan sesuai schedule maka stok barang akan tersedia. Sedangkan kualitas yang diinginkan 86% - 100% dari life time. Kualitas yang baik akan mendukung kelancaran proses produksi.
Tingkat Kepentingan responden 1 adalah :
1. Services = 45%
2. Quality = 45%
3. Responsiveness = 5%
4. Sistem Communication = 5%
Responden 2 adalah supervisor maintenance, artinya preference yang diberikan dapat dianggap mewakili divisi maintenance. Preferensi yang diinginkan ditunjukkan dengan nilai positif dari
utilitas. Divisi maintenance lebih menyukai pemasok yang mempunyai sistem komunikasi telp, faks, mail dan EDI. Service yang dipilih 14 – 28 hari. Responsiveness yang lebih disukai adalah 7 hari dengan tecnical support asing. Hal ini disebabkan karena departement maintenance bertanggung jawab terhadap perawatan mesin-mesin produksi yang berasal dari jepang dan cutting tools merupakan bagian dari mesin produksi . Sehingga bila ada problem yang terkait dengan mesin, departemant ini lebih menyukai penggunaan technical support asing. Untuk kualitas yang diinginkan adalah 86% - 100% dari life time. Dengan kualitas tools yang baik, pekerjaan maintenance akan lebih mudah.
Tingkat Kepentingan responden 2 adalah :
1. Quality = 56.250
2. Services = 18.750
3. Sistem Communication = 18.750
4. Responsiveness = 6.250
Responden 3 adalah supervisor Engineering, artinya preference yang diberikan dapat dianggap mewakili divisi engineering. Preferensi yang diinginkan ditunjukkan dengan nilai positif dari utilitas. Divisi engineering lebih menyukai pemasok yang mempunyai sistem komunikasi telp, faks, mail dan EDI. Service yang dipilih 14 – 28 hari. Responsiveness yang lebih disukai adalah 1 hari dengan tecnical support lokal. Hal ini dapat dijelaskan karena divisi engineering sangat berkaitan erat dengan proses produksi. Apabila terjadi line stop karena problem tools, enginering harus dapat mengatasi problem dengan cepat. Sehingga divisi ini lebih menyukai service dan responsiveness yang cepat. Sedangkan kualitas yang diinginkan 86% - 100% dari life time.
Tingkat Kepentingan responden 3 adalah :
1. Quality = 50.000
2. Services = 20.000
3. Responsiveness = 20.000
4. Sistem Communication = 10.00
Responden 4 adalah supervisor PAD artinya preference yang diberikan dapat dianggap mewakili divisi PAD. Preferensi yang diinginkan ditunjukkan dengan nilai positif dari utilitas. Divisi PAD lebih menyukai pemasok yang mempunyai sistem komunikasi telp, faks, mail dan EDI. Service yang dipilih 14 – 28 hari. Responsiveness yang lebih disukai adalah 1 hari dengan tecnical support lokal. Divisi PAD mempunyai tugas untuk menjaga stok barang, sehingga lebih menyukai service dan respon yang cepat dari pemasok.
Tingkat Kepentingan responden 4 adalah :
1. Services = 54.167
2. Responsiveness = 29.167
3. Quality = 12.500
4. Sistem Communication = 4.167
Responden 5 adalah supervisor quality control, artinya preference yang diberikan dapat dianggap mewakili departemen quality control. Preferensi yang diinginkan ditunjukkan dengan nilai positif dari utilitas. Divisi quality control lebih menyukai pemasok yang mempunyai sistem komunikasi berupa telp, faks, mail dan EDI. Service yang dipilih 14 – 28 hari. Responsiveness yang lebih disukai adalah 1 hari dengan tecnical support lokal. Sedangkan kualitas yang diinginkan 86% - 100% dari life time.
Tingkat Kepentingan responden 4 adalah :
1. Quality = 59.091
2. Services = 22.727
3. Sistem Communication = 13.636
4. Responsiveness = 4.545
Responden 6 adalah supervisor Purchasing, artinya preference yang diberikan dapat dianggap mewakili Divisi Purchasing. Preferensi yang diinginkan ditunjukkan dengan
nilai positif dari utilitas. Divisi Purchasing lebih menyukai pemasok yang mempunyai sistem komunikasi berupa telp, faks, mail. Karena kebutuhan akan komunikasi dan informasi dari Divisi Purhasing ke pemasok sudah dapat berjalan dengan baik tanpa menggunakan teknologi EDI. Service yang dipilih 14 – 28 hari. Responsiveness yang lebih disukai adalah 7 hari dengan tecnical support asing.. Hal ini disebabkan karena cutting tools adalah produk import, yang dalam proses negosiasi harga senantiasa melibatkan pihak asing. Sehingga divisi purchasing lebih menyukai dilibatkannya pihak asing. Sedangkan kualitas yang diinginkan 86% - 100% dari life time.
Tingkat Kepentingan responden 6 adalah :
1. Services = 46.667
2. Quality = 26.667
3. Sistem Communication = 20.000
4. Responsiveness = 6.667
3.2.2 Analisis Conjoint Agregat
Analisa secara keseluruhan menghasilkan nilai preferensi responden terhadap pemilihan pemasok yang dapat dilihat dari nilai importance. Nilai importance tertinggi diberikan pada atribut quality dengan nilai importance sebesar 41,6%. Urutan ke dua adalah atribut service dengan nilai importance sebesar 34,6%. Urutan ke tiga dan keempat adalah atribut responsiveness dan sistem communication dengan nilai importance sebesar 11,9%.
Sedangkan preferensi yang diinginkan perusahaan terhadap pemasok adalah :
3.3 MULTI DIMENSIONAL SCALING (MDS)
Baik atau buruknya sebuah petHasil yang diperoleh adalah stress 1 2,83% dan stress 2 5,39%. Nilai ini mendekati kategori good. Artinya peta persepsi yang dihasilkan relatif cukup baik.
Peta persepsi yang dihasilkan mempunyai 2 dimensi. Interpretasi dari ke-2 dimensi tersebut dilakukan dengan diskusi antara peneliti dan PT TMMIN. Penamaan ke-2 dimensi tersebut berdasarkan ke- 4 atribut penyusunnya, yaitu : sistem coomunication, responsiveness, service dan quality. Melalui diskusi dengan pihak perusahaan dan melihat peta persepsi yang dihasilkan maka ditetapkan dimensi 1 adalah responsiveness dan service. Dengan alasan pemasok yang mendekati titik ideal point pada gambar 4.10 adalah pemasok yang mempunyai responsiveness dan service yang sangat baik. Sedangkan dimensi 2 adalah quality dan sistem communication. Pada model compensatory ini kelemahan pada salah satu atribut dapat ditutupi oleh kekuatan dari atribut lainnya tergantung dari besarnya tingkat kepentingan atribut-atribut itu. Semakin tinggi tingkat kepentingan atribut, maka akan semaka persepsi dapat dilihat dari tingkat stres.
Pada peta persepsi yang dihasilkan, ternyata terdapat 3 kelompok pemasok, yaitu :
Kelompok A adalah P1, P3, P4, P5.
Kelompok A ini berada disekitar ideal point. Urutan berdasarkan jarak euclidean terhadap ideal point adalah sebagai berikut :
Pemasok yang berada pada kelompok A adalah distributor dari produk ternama, pemasok kelompok A ini mempunyai responsiveness dan service yang sangat baik. Untuk menjaga kualitas produknya, mereka senantiasa mendatangkan tecnical support asing secara berkala. Hal ini menunjukkan komitmen mereka untuk senantiasa memberikan kualitas terbaik. Technical support asing yang didatangkan mempunyai schedule tersendiri, diluar problem yang mendadak timbul. Sedangkan bila timbul problem yang sifatnya mendadak, pemasok kelompok 1 ini mempunyai responsiveness yang sangat tinggi. Dapat dikatakan kelompok 1 ini mendekati titik ideal, sehingga dimasukkan sebagai kategori pemasok yang baik.
Kelompok B adalah P2, P6, P7, P9.
Kelompok B ini berada agak jauh dari ideal point yang artinya belum dapat memenuhi seluruh atribut yang diinginkan PT TMMIN. Urutan berdasarkan jarak euclidean terhadap ideal point adalah sebagai berikut :
Ditinjau dari sisi kualitas, pemasok kelompok B mempunyai kualitas yang sama dengan pemasok kelompok A. Mereka adalah distributor produk cutting tools impor dengan kualitas produk yang baik. Perbedaannya terletak pada respon dan service yang diberikan. Pemasok kelompok B ini mempunyai tim marketing yang lebih kecil dibanding kelompok A. Sehingga area pemasaran mereka tidak focus. Sebagai contoh, tim marketing yang ditugaskan untuk PT TMMIN akan sama dengan tim marketing yang ditempatkan ke PT Daihatsu atau perusahaan lainnya. Selain itu, pemasok kelompok B ini belum memiliki pembagian tim marketing sesuai dengan spesifikasi cutting tools. Sebagai contoh, sales untuk cutting tools yang terbuat dari diamond akan sama dengan sales cutting tools HSS atau carbide. Dengan belum adanya pembagian area pemasaran dan spesifikasi pembagian cutting tools untuk sales menyebabkan service dan respon yang diberikan tidak sebaik pemasok kelompok A. Kemungkinan hal ini terkait dengan kendala modal yang dimiliki.
Kelompok C, yaitu P8.
Pemasok kelompok C hanya ada 1, dengan jarak Euclidean terhadap IP 1,634. Berbeda dengan pemasok kelompok A dan B yang merupakan distributor cutting tools impor, P8 adalah maker (pembuat cutting tools). Akan tetapi secara kualitas, belum dapat menyaingi kualitas produk impor. Disamping itu untuk sisi responsiveness dan service pun masih lebih rendah dibandingkan pemasok kelompok A dan B. Karena kualitas, respon dan service yang kurang memadai ini akibatnya pemakaian produk cutting tools P8 cenderung sedikit bila dibandingkan pemakaian cutting tools kelompok A dan B.
4. Kesimpulan
Kesimpulan yang dapat diperoleh dari hasil penelitian ini adalah sebagai berikut :
1. Hasil pengolahan data dengan analisis faktor menghasilkan 4 faktor yang merupakan penyederhanaan dari 13 faktor yang digunakan dalam pemilihan pemasok. Keempat faktor tersebut adalah :
Faktor 1 : system communication
Faktor 2 : service
Faktor 3 : responsiveness
Faktor 4 : Quality
Selanjutnya keempat factor ini akan dijadikan sebagai atribut dalam
analisis conjoint.
2. Pengolahan data dengan analisis conjoint menghasilkan tingkat kepentingan masing-masing atribut dan kombinasi atribut dan level yang optimal. Tingkat kepentingan untuk masing-masing atribut adalah sebagai berikut :
Quality : 41,6%
Responsiveness : 34,6%
Service : 11,9%
system communication : 11,9%
Sedangkan kombinasi atribut dan level yang paling disukai perusahaan adalah :
Quality : 85 – 100%
Responsiveness : 1 hari dengan technical support local
Service : 14 – 28 hari
system communication : menggunakan telp, faks, email dan EDI.
3. Hasil pengolahan data menggunakan Multidimensional Scalling (MDS) memberikan peta persepsi pemasok, yang dihitung berdasarkan kedekatan jarak euclidean dari pemasok terhadap posisi ideal perusahaan. Terdapat 3 kategori pemasok cutting tools :
Kelompok A : yaitu kelompok pemasok yang berapa disekitar posisi ideal perusahaan. Terdapat 4 pemasok yang tergolong kelompok A ini, yaitu PT Soma Gede Perkasa, PT Kawan lama Sejahtera, PT Bintang Barutama dan PT Fuji Presisi Tool Indonesia.
Kelompok B : yaitu kelompok pemasok yang berada agak jauh dari posisi ideal perusahaan. Terdapat 4 pemasok yang berada pada golongan B ini, yaitu PT Techno Carbide, PT Ikimura, PT Tetha Alpindo dan PT Unggul Semesta.
Kelompok C : yaitu pemasok yang mempunyai jarak euclidean terjauh dari posisi ideal perusahaan. Hanya ada 1 perusahaan yang berada pada kelompok C, yaitu PT Dharma Precisin Tools.
Referensi
Cebi, Ferhan dan Demet Bayraktar, 2003, “An Integrated Approach For Supplier Selection”, Logistics Information Management, vol. 16, no. 6.
Churchill, Gilbert A. Jr., dan Dawn Iacobucci, 2005, Marketing Research: Methodological Foundations, 9th edition, South-Western Thomson Learning, Ohio.
Ellram, L.M. “The Supplier Selection Decision in Strategic Partnerships.” Journal of Purchasing and Materials Management, (20:4), 1990.
Hair Jr., Joseph F., et. al., 1998, Multivariate Data Analysis, Fifth Edition, New York: Prentice-Hall International, Inc.
Humpreys, P., Mc Ivor, R. And Mc Aleer, E. (1999), Re-engineering Purchasing Funcion, European Journal of Purchasing and Supply Chain, Vol 6.
Lasch, Rainer dan Christian G. Janker, 2005, “Supplier Selection and Controlling using Multivariate Analysis”, International Journal of Physical Distribution & Logistics Management, vol. 35, no. 6.
Lesonsky, your Own Business: The Only Start-Up Book You’ll Ever Need. Entrepreneur Media Inc. 2th ed, 2001.
Lin, Xiaoli dan Sharon Purchase, 2005 “Supplier selection in China: A Conjoint Analysis”, ANZMAC 2005 Conference: Retailing, Distribution Channels and Supply Chain Management.
Mihiel R. Leenders and Harold E. Fearon, 1997, Purchasing and Supply Management, 11thed, Richard D. Irwin, Homewood, Illinois.
Monezka, R.M., R.J. Trent, and T.J. Callahan. “Supply Base Strategies to Maximize Supplier Performance,” International Journal of Physical Distribution and Logistics, (24:1), 1994.
Petroni, Alberto dan Marcello Braglia, 2000, “Vendor Selection Using Principal Component Analysis”, The Journal of Supply Chain Management, vol. 32, no. 2.
Revino, 2006, Purchasing Suatu Pengantar Praktis, Jakarta: PT Penerbit Djambatan.
Tague, Nancy R., 2005, The Quality Toolbox, Second Edition, Wisconsin: ASQ Quality Press.
“Tam Memimpin Dengan Market Share 39,8%”. Pasar Otomotif Nasional Semester 2 2006, 13 Oktober 2006. (www.Toyota.co.id)
Vijay R Kannan and Keah Choon Tan. “Supplier Selection and Assessment : Their Impact on Business Performance.” Journal of Supply Chain Management, (38:4), 2002.
Velma, Rohit dan Madeleine E. Pullman, 1998, “An Analysis of the Supplier Selection Process”, Omega, International Journal Management Science, vol. 26, no. 6.
Translation - English DESIGN OF SUPPLIERS PREFFERENCES AND SELECTION
USING MULTIVARIATE ANALYSIS
Ir. Isti Surjandari, PhD1 , Santi Anggarini2
ABSTRACT
In this globalization era, manufacturing industries have experienced many significant changes, indicated by highly-innovated and short-aged product emerging today. This condition has forced manufacturing industries to put more consideration to their core capability, thus consequently has made outsourcing activities become an important and strategic decision. A company’s efforts in achieving competitive benefits begin with managing its suppliers. In real conditions, selecting suppliers is not an easy thing to decide, yet it needs a correct strategic way in order to get potential supplier.
This research is aimed to make a design in selecting suppliers. The design begins with analyzing factors in order to settle attributes used in selecting suppliers. Subsequently, it is essential to seek out the company’s preferences concerning the suppliers, which appeared as an optimized combination of attributes and levels provided, using conjoint analysis.
Selecting potential supplier can be established using the MDS method. This method would specify company’s preferences visually in a multidimensional space, and in the end it would set the Euclidean distance for each supplier compared to the company’s ideal point. Eventually, this perception map would help companies in choosing suppliers which are located within their ideal point.
In this globalization era, manufacturing industries are in a phase of radical change. Shortness of product innovation and life cycle has forced enterprises to make reductions, keep its focus on competencies, and try to poses competitive benefits. The growing intensity of international competition forces enterprises to reduce their vertical range of manufacture and to concentrate exclusively on their core capabilities. Certain enterprises reduce their suppliers in order to make their established supplier-buyer partnership more effective. Supplier can take part in early stage of product development, and along with the enterprise itself, this cooperation could provide varied designs with cheaper cost, more alternative solutions, and best components and technologies. This context results to an increase of the proportion of purchased parts and consequently increases the dependency on suppliers. Therefore, the success of a company is determined to a greater degree by the abilities of its suppliers.
According to the Supply Chain Management concept, supplier selection is a beginning of a successful supply chain. Enterprise’s dependency on suppliers has lead manufacturing industries to make supplier management even more effective. Measuring certain criteria such as price, shipment, quality, and service is a common method used in selecting supplier. Three of the most essential issues needed in supplier management are: selecting effective supplier, supplier innovation development strategy, and supplier evaluation mechanism. Based on literature, there are some methods provided in selecting supplier. Certain researcher use linear weighting model such as criteria-weighting method (Timmermann, 1986) and analytical hierarchical process (Nydick and Hill, 1992). Total cost ratio approach (Timmerman, 1986) and total cost of ownership (Ellram, 1995). Meanwhile, mathematical programming model is considered as a quantitative approach, for instance the principal component (Petroni and Braglia, 2000) and neural network (Wei, 1997). Other methods available for selecting suppliers are rating system (Thompson, 1991), key figures analysis (Schulte, 1996), check list method (Harting, 1994), and fuzzy logic system (Urban, 1998). In 2001, a research involving 200 industries in the US showed that price analysis is the most-well-recognized method (90 %), followed by cost decision analysis (81 %). More than 60 % enterprises used point rating system such as checklist and optimization procedure in developing supplier assessment. In contrary, nearly 23 % respondents used fuzzy logic system. In conclusion, this research showed that simple methods such as price-decision and checklist analysis are more often used. On the other hand, more complex methods such as value-benefit or fuzzy logic are used by minority of enterprises.
All of the methods mentioned above still have little deficiency, as their lack of ability to give the main work method to combine multiple criteria and not yet accomplish the enterprise’s demand precisely. If ever empirical demand is needed in supplier assessment, along with theoretical concept (e.g. qualitative and quantitative consideration criteria, objective results, professionals involved in decision making, etc), then the above methods have not yet meet such demands. Moreover, not one single method available could assess suppliers perfectly. At the end, in order to cope such weakness of these methods, multiple criteria approach is needed.
2. Survey Methodology
This supplier preference and selection design research took place in PT. Toyota Motor Manufacturing Indonesia (TMMIN), which is the largest automotive company in Indonesia. In order to keep establishing its mission, that is to be the leader in automotive field, PT TMMIN applies the supply chain management system. The most important factor in order to apply supply chain management successfully is to do supplier management. At present time, TMMIN is using components and spare parts from over 100 first-hand suppliers, and even more from second-hand ones. Spare parts used from these suppliers have support them to provide training program which lead to the principal of “Growing Together”. Using this principal along with suppliers, dealers, and customers, PT TMMIN aims in giving significant contribution to Indonesia’s economic and social development, now and tomorrow.
This far selection of suppliers in PT TMMIN is organized by purchasing division with 4 main factors to be considered: price, quality, shipment, and supplier management. Evaluation assessment is build using point system, with A (90-100), B (80-89), C (60-79), D (30-59), and E (0-29). The best known method which could provide supplier selection and decision design is multivariate analysis. By using multivariate analysis, supplier selection is not only managed by purchasing division, but also involves other divisions as preferences. Therefore, supplier selection would match to the company’s needs and preferences.
Multivariate analysis has experienced many developments. Other well-recognized techniques are such as principal components and common analysis, multiple regressions and multiple correlations, multiple discriminate analysis, multivariate analysis of variance and covariance, conjoint analysis, canonical correlation, cluster analysis, multidimensional analysis and correspondence analysis. In addition, other multivariate techniques which commonly used for selecting and evaluating suppliers are such as factor analysis, conjoint analysis, and MDS (Multi Dimensional Scaling).
2.1 Factor Analysis
Factor analysis allows insight into the underlying structure of relations between entities by providing a lower-dimensional geometrical representation. The primary aim of factor analysis is data reduction by describing the overall variation of a set of correlated original variables by a smaller set of new variables (“factors”) without losing relevant information. After making correlation, a process in making new variable set is performed. This new variable set is called factors to replace certain other variables. Based on literature studies, there are at least 13 factors used by companies in selecting supplier. Questionnaires were made using likert scale, which is 1 for dislike ness, and 5 for likeness. With factor analysis, these 13 factors available could be reduced into some basic variables, and eventually those attributes required by PT TMMIN in building supplier selection would be obtained.
2.2 Conjoint Analysis
Each attribute resulting from factor analysis is given certain level. Then using conjoint analysis it would produce attributes and levels which are more interesting for consumer shown by their importance level (range utility) and utility rate of each combination. Percent utility range shows the importance level of each attribute. Higher rate shows that the attribute is more important and more considered by respondents while settling their preferences. Utility shows functional/fond rate of each stimuli resulting from range between mean factors with its intercept.
2.3 Multi Dimensional Scaling (MDS)
MDS is one of the procedures used to plot respondent’s perception and preferences visually into a geometrical map. This geometrical map is called spatial map or perception map which provides explanations of many dimensions connected to one another. MDS method is useful in creating a supplier perception map which suit to the company’s preferences. Thus, the company would be able to get view of suppliers situated nearest to its ideal point.
3. Results and Discussion
3.1 Factor Analysis
Factor analysis is properly used if KMO rate > 0, 5. In factor 1 analysis, the Kaiser-Meyer-Olkin (KMO) rate acquired of all variables is 0, 6265. As for the 13th factor, its KMO rate is 0, 49. This value should be omitted because it is below 0, 5. Next, factor analysis is redone by excluding the 13th factor. This second analysis shown that KMO rate is increased to 0, 75, and KMO rate of all 12 factors are over 0, 5. This shows that factor analysis was done properly. The results of factor analysis are:
1st Dimension : Communication System
Criteria
Loading
Factor
1. EDI computerized system usage
2. Desire to share valuable information
3. Having certification or other important documents
4. Communication system owned by supplier
1. 0.833
2. 0.687
3. 0.643
4. 0.706
First dimension developed is the communication system dimension. The term was derived based on criteria within the dimension it self, which are connected to information and communication. Since the 1st and 4th criteria have the biggest loading factor, they are suitable for being the basic variable factor.
2nd Dimension : Service
Criteria
Loading
Factor
1. Service
2. Exact amount
3. On-time shipment
4. Price
5. Desire to fit between product and service if TMMIN need different necessity
1. 0.564
2. 0.679
3. 0.802
4. 0.610
5. 0.607
Second dimension established is service dimension. Observing criteria within this dimension, which are service, correct sum, on-time shipment, desire to fit between products and service, have shown that these are the service suppliers gave to PT TMMIN. All these criteria have factor loading value of over 0, 5, which show chances that these criteria are fit into the dimension.
3rd Dimension : Responsiveness
Criteria
Loading
Factor
1. Ability to respond properly for unexpected demands
2. Ability to respond for emergency objects and problems immediately
1. 0.661
2. 0.836
Third dimension is responsiveness. It’s called responsiveness because the 1st and 2nd criteria describe the response required by supplier for unseeingly demands, which are emergency issues and problems occurred. The emergency thing and the in problem so it can say this second dimension is responsiveness. Both of this criteria have loading factor over 0, 5, which shows the strong showed that it have a strong (?) every attribute for entry to this dimension.
4th Dimension : Quality
Criteria
Loading
Factor
1. Quality
1. 0.902
The 4th dimension is quality, which consist of 1 criterion, with a very high loading factor value: 0, 902. This shows quality is so dominating that it’s become dimension alone.
Next, the four dimension resulted from previous analysis are used as attributes in conjoint analysis.
3.2 Conjoint Analysis
Total combinations obtained from attributes above are 16 stimuli (2x2x2x2).
3.2.1 Individual Conjoint Analysis
Adjusted R Square rate showed excellent value, since all respondents have value over 0, 5. In order to examine the model’s accuracy, ANOVA analysis was used toward all respondents. ANOVA analysis showed that p-value of respondents are below α = 0.05.
Respondent 1 was a production supervisor, so that preferences made could be considered to represent production department. Preferences required were shown as positive value of utilities. Production department didn’t contemplate the use of EDI by supplier as a necessity, since this division nearly communicates with supplier. Service chosen was 14-28 days because it related to just-in-time system used to support production activities. Faster responsiveness was chosen, which was 1 day with local TS. And since faster and on schedule shipment was implemented, product supply would be available. Quality required was 86 % - 100 % of life time. Good quality would support smooth production process.
Importance levels of respondent 1 are:
1. Services = 45%
2. Quality = 45%
3. Responsiveness = 5%
4. Communication System = 5%
Respondent 2 was the maintenance supervisor, which means preferences given could be considered as representing maintenance division. Preferences required were shown as positive value of utilities. Maintenance division preferred supplier with communication system such as telephone, fax, email, and EDI. Service chosen was 14 – 28 days. Since maintenance department was responsible for maintenance of production machine, which originated from Japan, and also for cutting tools which was part of production machine, Responsiveness preferred was 7 days with external technical support. That’s why, whenever any problems related to machine occurred, this department preferred external technical support usage. Quality required was 86 % - 100 % of life time. With good quality tools, maintaining work would be easier.
Importance levels of respondent 2 are:
1. Quality = 56.250
2. Services = 18.750
3. Communication System = 18.750
4. Responsiveness = 6.250
Respondent 3 was an engineering supervisor, which means that preferences given could be considered to represent engineering division. Preferences required were shown as positive value of utilities. Engineering division preferred supplier with communication system such as telephone, fax, email, and EDI. Service chosen was 14 – 28 days. Preferred responsiveness was 1 day with local technical support. This was based on facts that engineering division is directly connected to production process. Whenever line stop happens, engineering department should be able to overcome problems immediately, which made this division to rather choose service and instant responsiveness. Quality required was 86 % - 100 % of life time. Importance levels of respondent 3 are:
1. Quality = 50.000
2. Services = 20.000
3. Responsiveness = 20.000
4. Communication System = 10.00
Respondent 4 was a PAD supervisor which means that preferences given could be considered to represent PAD division. Preferences required were shown as positive value of utilities. This division preferred supplier with communication system such as telephone, fax, email, and EDI. Service chosen was 14 – 28 days. Preferred responsiveness was 1 day with local technical support. PAD division responsible in protecting product store, which made this division to rather choose service and immediate response from supplier.
Importance levels of respondent 4 are:
1. Services = 54.167
2. Responsiveness = 29.167
3. Quality = 12.500
4. Communication System = 4.167
Subject
Attribute
Attribute Value
Utility
subj_1
System_
Communication
Phone, Fax, email
0.0625
Service
14 - 28 days
0.5625
Response
1 day, local TS
0.0625
Quality_
86% - 100%
0.5625
Subj_2
System_
Communication
Phone, Fax, email, EDI
0.1875
Service
14 - 28 day
0.1875
Response
7 days external TS
0.0625
Quality_
86% - 100%
0.5625
subj_3
System_
Communication
Phone, Fax, email, EDI
0.1250
Service
14 - 28 days
0.2500
Response
1 day, local TS
0.2500
Quality_
86% - 100%
0.6250
subj_4
System_
Communication
Phone, Fax, email, EDI
0.0625
Service
14 - 28 days
0.8125
Response
1 day, local TS
0.4375
Quality_
86% - 100%
0.1875
subj_5
System_
Communication
Phone, Fax, email, EDI
0.1875
Respondent 5 was a quality control supervisor which means that preferences given could be considered to represent quality control division. Preferences required were shown as positive value of utilities. Quality control division preferred supplier with communication system such as telephone, fax, email, and EDI. Service chosen was 14 – 28 days. Preferred responsiveness was 1 day with local technical support. Quality required was 86 % - 100 % of life time.
Importance levels of respondent 5 are:
1. Quality = 59.091
2. Services = 22.727
3. Communication System = 13.636
4. Responsiveness = 4.545
Respondent 6 was a purchasing supervisor which means that preferences given could be considered to represent purchasing division. Preferences required were shown as positive value of utilities. Quality control division preferred supplier with communication system such as telephone, fax, and email. EDI system wasn’t preferred because communication and information needs of purchasing division for supplier had already well established. Service chosen was 14 – 28 days. Preferred responsiveness was 7 days with external technical support. Quality required was 86 % - 100 % of life time.
Importance levels of respondent 6 are:
1. Services = 46.667
2. Quality = 26.667
3. Communication System = 20.000
4. Responsiveness = 6.667
3.2.2 Aggregate Conjoint Analysis
Overall analysis provided respondents’ preferences value toward supplier selection, which could be seen from the importance level. The highest importance was accomplished by quality attribute with importance level of 41, 6 %. Service attribute was in the second place with importance level of 34, 6 %. Responsiveness and communication system were in the 3rd and 4th place with importance level of 11, 9 %.
Meanwhile, preferences required by the company toward supplier are:
3.3 MULTI DIMENSIONAL SCALING (MDS)
(Baik atau buruknya sebuah pet). The results were stress 1: 2, 83 % and stress 2 : 5,29 %. These results are closely enough to “good” value, which means the perception map outcome, was fine enough.
Perception map resulted has 2 dimensions. Interpretation of these dimensions was done by a discussion between researchers and PT TMMIN. The terminology of both dimensions was derived from their 4 attributes consisted, which are: communication system, responsiveness, service, and quality. Through discussion with the company’s side and by observing perception map resulted, 1st dimension was decided: responsiveness and service. This decision was based on reason that suppliers located within company’s ideal point as in figure 4.10 was the one with high quality of responsiveness and service. On the other hand, 2nd dimension selected were quality and communication system. In this compensatory model weakness o any attribute could be covered by strength of other attributes, depends on their importance level. Attribute with higher importance level would be easily recognized from its stress rate.
There were 3 groups of suppliers resulted from the perception map, which are:
Group A: P1, P3, P4, P5.
Suppliers in this group were distributors from well-known product, which had very good responsiveness and service quality. To maintain their product quality, these suppliers had always brought about routine external technical support. This showed their commitment to always give the best quality. External technical support employed had its own schedule, excluding unexpected problems which may occurred in the future. If these unexpected problems occurred, suppliers within this group would have very high quality of responsiveness. In other words, these suppliers were close to company’s ideal point, so that they were included in good suppliers category.
Group B : P2, P6, P7, P9
Within the perception map, this group was located far-off company’s ideal point, which means they weren’t able to fulfill every attributes required by PT TMMIN. Suppliers’ ranks based on Euclidean distance toward ideal point are:
Based on quality, suppliers in group B had the same quality as in group A. They were distributors of imported cutting tools product with good quality. Their differences were based on response and service given by each group of suppliers. Suppliers within group B had smaller marketing team compared to the other group. Consequently, their marketing area weren’t focused. For example, marketing team assigned for PT TMMIN was similar to the one assigned for PT Daihatsu or any other companies. In addition, this group of suppliers didn’t apply any distribution system in their marketing team which suited the cutting tools’ specifications. For example, sales for cutting tools made from diamond were similar to sales for HSS or carbide cutting tools. By not having distribution of marketing area and cutting tools specification, suppliers in this group couldn’t provide service and response as good as those in group A. Nevertheless, this condition was influenced by assets constraints had by group B.
Group C : P8
There’s only 1 supplier included in this group, with Euclidean distance towards IP of 1, 634. Unlike the former groups, which were distributors of imported cutting tools, P8 was a cutting tools maker, though its product quality wasn’t as good as the imported ones. In addition, its responsiveness and service weren’t as good either. Since quality, responsiveness, and service of this supplier couldn’t accomplish the company’s requirements, its cutting tools product weren’t applied as much as products from other groups.
4. Conclusions
From this research, it can be concluded that:
1. Data processing results using factor analysis showed that 4 factors were produced resulted from simplification of complete 13 factors used. These factors are:
Factor 1 : communication system
Factor 2 : service
Factor 3 : responsiveness
Factor 4 : quality
Hereafter, these factors would be used as attributes in conjoint analysis.
2. Results of data processing using conjoint analysis showed optimized importance level of each attribute and combined attribute and level. Importance levels for each attribute are as follows:
Quality : 41,6%
Responsiveness : 34,6%
Service : 11,9%
Communication system : 11,9%
Meanwhile, combined attributes and levels preferable by the company are:
Quality : 85 – 100%
Responsiveness : 1 day, with local technical support
Service : 14 – 28 days
Communication system: using phone, fax, email and EDI.
3. Data processing results using Multi Dimensional Scaling (MDS) showed suppliers’ perception map, which was measured based on closeness of Euclidean distance of suppliers toward company’s ideal point. There were 3 groups of suppliers as follows:
Group A: is a group in which suppliers were located close to company’s ideal point. There are 4 suppliers in this group: PT Soma Gede Perkasa, PT Kawan lama Sejahtera, PT Bintang Barutama and PT Fuji Presisi Tool Indonesia.
Group B: is a group in which suppliers were located far enough from company’s ideal point. There are 4 suppliers in this group: PT Techno Carbide, PT Ikimura, PT Tetha Alpindo and PT Unggul Semesta.
Group C: is a group in which suppliers had furthermost Euclidean distance from company’s ideal point. There is only 1 supplier in this group: PT Dharma Precisin Tools.
References
Cebi, Ferhan dan Demet Bayraktar, 2003, “An Integrated Approach For Supplier Selection”, Logistics Information Management, vol. 16, no. 6.
Churchill, Gilbert A. Jr., dan Dawn Iacobucci, 2005, Marketing Research: Methodological Foundations, 9th edition, South-Western Thomson Learning, Ohio.
Ellram, L.M. “The Supplier Selection Decision in Strategic Partnerships.” Journal of Purchasing and Materials Management, (20:4), 1990.
Hair Jr., Joseph F., et. al., 1998, Multivariate Data Analysis, Fifth Edition, New York: Prentice-Hall International, Inc.
Humpreys, P., Mc Ivor, R. And Mc Aleer, E. (1999), Re-engineering Purchasing Funcion, European Journal of Purchasing and Supply Chain, Vol 6.
Lasch, Rainer dan Christian G. Janker, 2005, “Supplier Selection and Controlling using Multivariate Analysis”, International Journal of Physical Distribution & Logistics Management, vol. 35, no. 6.
Lesonsky, your Own Business: The Only Start-Up Book You’ll Ever Need. Entrepreneur Media Inc. 2th ed, 2001.
Lin, Xiaoli dan Sharon Purchase, 2005 “Supplier selection in China: A Conjoint Analysis”, ANZMAC 2005 Conference: Retailing, Distribution Channels and Supply Chain Management.
Mihiel R. Leenders and Harold E. Fearon, 1997, Purchasing and Supply Management, 11thed, Richard D. Irwin, Homewood, Illinois.
Monezka, R.M., R.J. Trent, and T.J. Callahan. “Supply Base Strategies to Maximize Supplier Performance,” International Journal of Physical Distribution and Logistics, (24:1), 1994.
Petroni, Alberto dan Marcello Braglia, 2000, “Vendor Selection Using Principal Component Analysis”, The Journal of Supply Chain Management, vol. 32, no. 2.
Revino, 2006, Purchasing Suatu Pengantar Praktis, Jakarta: PT Penerbit Djambatan.
Tague, Nancy R., 2005, The Quality Toolbox, Second Edition, Wisconsin: ASQ Quality Press.
“Tam Memimpin Dengan Market Share 39,8%”. Pasar Otomotif Nasional Semester 2 2006, 13 Oktober 2006. (www.Toyota.co.id)
Vijay R Kannan and Keah Choon Tan. “Supplier Selection and Assessment : Their Impact on Business Performance.” Journal of Supply Chain Management, (38:4), 2002.
Velma, Rohit dan Madeleine E. Pullman, 1998, “An Analysis of the Supplier Selection Process”, Omega, International Journal Management Science, vol. 26, no. 6.
More
Less
Translation education
Other - LBPP LIA
Experience
Years of experience: 15. Registered at ProZ.com: Jan 2007.
Adobe Acrobat, Microsoft Excel, Microsoft Office Pro, Microsoft Word, Powerpoint
Bio
I'm a pharmacist who have worked in Pharmaceutical manufacturing Quality Assurance and now is a Clinical Research Associate. I'm looking for opportunities to use my ability and my work experience in English-Indonesia translation
Keywords: english, indonesia, health, medical, pharmacy, pharmaceutical, translator
Expertise