Garuda - Garba Rujukan Digital

Usulan pemilihan green supplier dengan metode fuzzy AHP dan fuzzy TOPSIS Putro Ferro Ferdinant; Achmad Bahauddin; Fadhela Ara Salma; Hadi Setiawan; Bobby Kurniawan
Journal Industrial Servicess Vol 7, No 1 (2021): Oktober 2021
Publisher : Fakultas Teknik Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36055/12823

Permasalahan pemilihan supplier dalam pengambilan keputuasan yang melibatkan multi kriteria masih menjadi topik yang banyak dilakukan. Dalam kajian green supply chain management, kajian pemilihan green supplier menjadi salah satu topik kajian terbaru. Universitas Sultan Ageng Tirtayasa memiliki visi menjadi integrated smart and green campus. Untuk mendukung visi tersebut, unit UPPBJ perlu pertimbangan dalam melakukan pemilihan green supplier. Penelitian ini mengusulkan metode Fuzzy AHP untuk penilaian kriteria prioritas dalam pemilihan green supplier. Selain penentuan kriteria, penelitian ini juga mengusulkan metode Fuzzy TOPSIS dalam pemilihan alternatif supplier terbaik. Hasil penelitian diperoleh kriteria prioritas dalam green supplier adalah kriteria Fundamental dengan sub kriteria pengalaman projek. Sedangkan untuk pemilihan alternative supplier terbaik diperoleh hasil supplier A yang terpilih. Hasil pembobotan kriteria dan sub kriteria dapat dijadikan rekomendasi untuk melakukan pemilihan green supplier.

PENGENDALIAN KUALITAS PRODUK TEPUNG KEMASAN 20 KG MENGGUNAKAN METODE SIX SIGMA (Studi Kasus pada PT. XYZ) Achmad Bahauddin; Vicky Arya
Journal Industrial Servicess Vol 6, No 1 (2020): Oktober 2020
Publisher : Fakultas Teknik Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36055/jiss.v6i1.9480

Saat ini, berbagai perusahaan industri sedang mengalami perkembangan yang sangat pesat, terutama dalam bidang makanan. Oleh karena itu, setiap perusahaan harus memiliki keunggulan dan daya saing dari pesaingnya yang memproduksi produk yang sama dengan produk yang dihasilkan. Salah satu daya saing yang dapat dijalankan oleh perusahaan adalah dengan melalukan pengendalian kualitas produk menggunakan metode sixsigma. Secara sederhana six sigma (6????) dapat diterjemahkan sebagai suatu proses yang mempunyai kemungkinan cacat (defect opportunity) sebanyak 3,4 buah dalam satu juta produk (atau jasa). Dari hasil penelitian diperoleh nilai DPMO pada tahap measure yaitu sebesar 546,60 dan tingkat sigma sebesar 4,77 sigma, yang berarti industri pada perusahaan ini merupakan industri rata-rata USA. Hasil kapabilitas proses yaitu sebesar 99,78% yang berarti sejumlah produk yang diproduksi PT. XYZ mampu menghasilkan produk baik atau yang memenuhi spesifikasi yang telah ditentukan sebesar 99,78%.

Pengukuran Efisiensi Produksi dengan Metode Data Envelopement Analysis di Divisi Wire Rod Mill Akbar Utama H.M; Achmad Bahauddin; Putro Ferro Ferdinant
Jurnal Teknik Industri Untirta Vol. 1 No. 3 September 2013
Publisher : Jurnal Teknik Industri Untirta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (441.542 KB)

PT. XYZ merupakan perusahaan yang bergerak di bidang industri baja dan memiliki salah satu divisi dalam yaitu divisi Wire Rod Mill (WRM) yang memproduksi wire rod (batang kawat). Selama ini divisi WRM mengukur kinerjanya dengan cara yang sederhana berdasarkan input dan output dalam satuan unit atau perseorangan dan tidak diukur biaya – biaya yang terkait dalam input dan output yang digunakan karena perusahaan belum memiliki metode yang sesuai untuk mengukur kinerjanya. Selain itu, belum ada penelitian yang mengukur efisiensi produksi di divisi WRM. Pada pengukuran efisiensi produksi divisi WRM ini menggunakan pertimbangan biaya produksi untuk memproduksi wire rod dengan metode Data Envelopment Analysis (DEA). Penelitian ini bertujuan untuk memperoleh nilai efisiensi teknis dan faktor yang mempengaruhi efisiensi DMU. Dengan menggunakan metode DEA, perusahaan dapat mengukur kinerja atau tingkat efisiensi produksi serta mengetahui faktor-faktor yang berpengaruh terhadap efisiensi produksi yang merupakan tujuan dari penelitian ini. Metode ini menggunakan program linier untuk menentukan nilai efisiensi tiap DMU (Decision Making Unit) atau unit pengambil keputusan yang merupakan obyek penelitian. Metode ini terdiri dari dua model matematis yaitu model CCR (Charnes Cooper Rhodes) yang mengasumsikan DMU beroperasi pada kondisi optimal dan model BCC (banker Charnes Cooper) yang mengasumsikan DMU beroperasi pada kondisi tidak optimal. Metode DEA menggunakan dua orientasi yaitu orientasi input dan output. Penelitian ini menggunakan model CCR dan model BCC dengan orientasi output. Model CCR digunakan untuk memperoleh nilai efisiensi teknis dan faktor yang mempengaruhi peningkatan efisiensi sedangkan model BCC digunakan untuk memperoleh nilai efisiensi teknis murni dan faktor yang mempengaruhi efisiensi DMU. Pengolahan data dalam penelitian ini dengan bantuan solver excel. Untuk itu prioritas perbaikan efisiensi dengan pertimbangan biaya diperlukan agar sumber daya dialokasikan dengan baik.. Dari hasil penelitian DMU 1, DMU 2 , DMU 3, DMU 4, DMU 6, DMU 8, DMU 9, dan DMU 10 memiliki nilai efisiensi sebesar 1. Sedangkan DMU 5 dengan nilai efisiensi 0,984 dan DMU 7 dengan nilai efisiensi 0,961. DMU 5 dan DMU 7 tidak efisien karena nilai efisiensinya kurang dari satu. Faktor yang mempengaruhi efisiensi DMU 5 adalah hasil produksi wire rod, biaya konversi variabel, biaya tetap langsung, dan biaya tetap alokasi sedangkan faktor yang mempengaruhi DMU 7 adalah hasil produksi wire rod, biaya bahan baku, biaya tetap langsung, dan biaya tetap alokasi.

Rancangan Perbaikan Pelayanan Puskesmas dengan Pendekatan Lean Healthcare dan Simulasi di Puskesmas Jombang Novi Trisnawati; Achmad Bahauddin; Ratna Ekawati
Jurnal Teknik Industri Untirta Vol. 2 No. 1 Maret 2014
Publisher : Jurnal Teknik Industri Untirta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1200.078 KB)

Puskesmas merupakan fasilitas kesehatan yang terjangkau bagi seluruh kalangan masyarakat, khususnya masyarakat menengah kebawah. Salah satu Puskesmas yang ada di Cilegon adalah Puskesmas Jombang. Pada Puskesmas ini ditemukan waktu pelayanan yang lama yang disebabkan oleh aktivitas-aktivitasyang tidak memberikan nilai tambah bagi pasien, sehingga waktu pelayanan lebih lama yaitu ±50 menit. Penelitian ini bertujuan untuk mengidentifikasi aktivitas-aktivitas VA, NVA, dan NNVA, merancang model simulasi menggunakan software Promodel, serta menentukan usulan perbaikan untuk mengurangi lead time pada pelayanan kesehatan di Puskesmas Jombang. Penelitian ini menggunakan metode lean healthcare dan simulasi dengan software Promodel. Hasil simulasi Promodel menunjukkan bahwa waktu rata-rata pelayanan di Puskesmas Jombang pada pasien umum dan pasien askes sebesar 3469,20 detik serta pasien JPS sebesar 3470,40 detik, sehingga dibuat beberapa rancangan perbaikan yang terdiri dari 3 skenario perbaikan dan yang terbaik yaitu pada skenario 3 yang mereduksi waktu dari NNVA dan NVA activity yang menghasilkan rata-rata leadtime untuk pasien umum dan pasien askes sebesar 2047,20 detik serta pasien JPS sebesar 2050,20 detik. Efisiensi waktu pelayanan yang dihasilkan pada pasien umum, pasien askes, dan pasien JPS setelah perbaikan sebesar 11,75%.

Usulan Jadwal Perawatan pada Mesin Electric Arc Furnace 5 dengan Simulasi Monte Carlo Eva Listiana Putri; Achmad Bahauddin; Putro Ferro Ferdinant
Jurnal Teknik Industri Untirta Vol. 1 No. 4 Oktober 2013
Publisher : Jurnal Teknik Industri Untirta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (247.454 KB)

PT. XYZ merupakan industri baja yang menghasilkan berbagai jenis produk baja salah satunya baja lembaran yang diproduksi oleh pabrik Slab Steel Plant yang terdiri atas 2 pabrik yaitu SSP1 dengan kapasitas 1juta ton/tahun dan SSP2 dengan kapasitas 800ribu ton/tahun. Objek penelitian ini difokuskan pada SSP1 karena memiliki kapasitas yang besar dan memiliki usia mesin yang lebih tua sehingga SSP1 sering mengalami downtime. Sistem produksi pada mesin yang digunakan adalah sistem yang memproduksi produk secara terus-menerus dalam volume besar, kerusakan pada salah satu komponen menyebabkan terhentinya keseluruhan fungsi sistem. Hal tersebut akan menyebabkan menurunnya kemampuan dari mesin yang dimiliki, maka perlu dilakukannya penjadwalan yang optimal untuk dapat mempertahankan performansi mesin. Tujuan penelitian yang dilakukan adalah menentukan komponen kritis pada mesin EAF5, menentukan nilai reliability komponen kritis mesin EAF5, mengidentifikasi terjadinya penyebab kegagalan pada komponen kritis mesin EAF5 dan menentukan jadwal perawatan komponen kritis mesin EAF5. Metode yang digunakan adalah Diagram Pareto untuk menentukan komponen kritis pada mesin EAF5 kemudian mengidentifikasi penyebab terjadinya kegagalan fungsi komponen kritis pada mesin EAF5 mengguakan Fault Tree Analysis, selain itu juga menggunakan metode simulasi Monte Carlo yang digunakan untuk mendapatkan nilai waktu menuju kerusakan pada komponen kritis mesin EAF5 sebagai dasar penentuan jadwal perawatan. Hasil yang didapat untuk penentuan komponen kritis mesin EAF5 adalah vibro car, roof, electroda ph1, weight feader1, dedusting plant dan id fan. Penyebab dasar terjadinya kegagalan pada komponen kritis adalah ada potongan plat mengganjal di roda, kebocoran di slang hydrolic, seal gearbox pecah, roda belt conveyor terganjal material, debu menumpuk dan temperatur bearing tinggi. Untuk nilai reliability komponen vibro car 0,1368, roof 0,2331, electroda ph1 0,1385, weight feader1 0,2673, dedusting plant 0,2494 dan id fan 0,1304. Jadwal perawatan untuk mesin vibro car adalah setiap 17 hari, roof setiap 5 hari, electrode ph1 dan dedusting plant setiap 10 hari, weight feader1 setiap 7 hari dan id fan setiap 8 hari.

Perancangan Model Pengukuran Kinerja Green Supply Chain Management Berdasarkan Green SCOR Dengan Pendekatan PDCA Pada Perusahaan Baja Hilir Mega Metta Ritajeng; Achmad Bahauddin; Putro Ferro Ferdinant
Jurnal Teknik Industri Untirta Vol. 3 No. 1 Maret 2015
Publisher : Jurnal Teknik Industri Untirta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1764.141 KB)

Dunia manufaktur menghadapi tantangan yang berubah-ubah dan semakin berat dari masa-ke masa seiring dengan pasar yang semakin mengglobal sehingga berkembangnya teknologi informasi dan tuntutan pelanggan yang semakin tinggi. Persaingan saat ini bukan lagi persaingan antar perusahaan akan tetapi perrsaingan antar jaringan rantai pasok (supply chain network). Supply chain adalah bagian yang memegang peranan penting di setiap perusahaan yang ingin memenangkan persaingan. Oleh karena itu harus ada penilaian terhadap kinerja supply chain management yang secara terus menerus sehingga terjadi perbaikan terus menerus pada aliran supply chain di perusahaan terutama industri baja hilir. Hal ini mendorong banyak perusahaan berusaha mengintegrasikan aspek ramah lingkungan (green) ke dalam supply chain dengan istilah Green SCM. Dengan mengidentifikasi indikator kinerja Green SCM, semua proses yang ada di perusahaan dapat diintegrasikan secara menyeluruh ke dalam sistem kinerja perusahaan. Penelitian ini bertujuan untuk menentukan indikator kinerja Green SCM di PT. XYZ, menentukan indikator kinerja Green SCM yang kritis, memberikan usulan perbaikan untuk meningkatkan kinerja Green SCM di PT. XYZ dan merancangan model pengukuran kinerja Green SCM di Perusahaan Industri Baja hilir. Metode penelitian ini menggunakan frame work PDCA dengan metode Green SCOR untuk menentukan indikator kinerja Green SCM, metode Analytic Network Process (ANP) untuk mengukur nilai bobot dari tiap indikator, metode OMAX untuk mengukur kriteria kinerja tiap indikator, metode diagram sebab-akibat untuk mengevalusi kinerja dan metode 5W+1H untuk merancang usulan kinerja Green SCM di Perusahaan Industri Baja hilir. Hasil indikator kinerja pada perusahaan industri baja hilir terdapat level 1 dengan 5 kriteria dan Level 2 dengan 24 sub kriteria. Hasil penyebaran 7 kuesioner yang telah disebar dan diolah dengan Metode ANP menggunakan piranti lunak Super Decision. Hasil pengolahan ANP memiliki sub kriteria bobot dengan ranking tertinggi OFC1 (persen kecepatan pembelian dari awal hingga pesanan datang) sebesar 0.08421 point. Kemudian diolah dengan metode OMAX dengan hasil kriteria terendah nilai EN6 (tingginya konsumsi air) & EN8 (tingginya emisi terhadap air). EN6 ini terutama disebabkan oleh faktor mesin yang mengalami kebocoran dan pada EN8 oleh faktor metode pada sistem proses IPAL. Usulan perbaikannya dengan maintenance mesin dan mengatur ulang sistem IPAL di Perusahaan Industri Baja hilir. Perancangan model Pengukuran kinerja GSCM dengan tahapan PDCA (Plan, Do, Check, Act) di perusahaan baja hilir dengan contoh penerapan di PT.XYZ.

Perancangan E-Commerce IKM Produk Industri Kreatif Kota Serang Rizal Rizal; Achmad Bahauddin; Nurul Ummi
Jurnal Teknik Industri Untirta Vol. 1 No. 4 Oktober 2013
Publisher : Jurnal Teknik Industri Untirta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (723.711 KB)

IKM Banten Art adalah IKM yang bergerak dalam industri kreatif dalam bidang kerajinan di kota Serang. IKM ini memproduksi berbagai jenis kerajinan handycraft gypsum berupa miniatur bangunan, hewan atau ciri khas Kota Serang. Latar belakang penelitian ini yang juga menjadi hambatan bagi IKM Banten Art adalah kurangnya sarana promosi, sehingga mempersulit pengenalan produk kerajinan ke masyarakat. Sarana promosi yang dilakukan IKM “Banten Art” saat ini hanya melalui media konvensional seperti brosur, pamflet dan lainnya. Salah satu sarana promosi yang efektif adalah melalui media internet. Tujuan penelitian ini adalah membuat suatu perancangan sistem pemasaran e-commerce berbasis website agar IKM “Banten Art” dapat menata manajemen pemasaran secara efektif yang dapat mendukung pengenalan produk industri kreatif kota Serang kepada masyarakat di seluruh Nusantara maupun luar negeri. Dengan dibuatnya sistem pemasaran e-commerce berbasis website ini maka diharapkan omzet penjualan dapat meningkat sebesar 30%. Website ini dibuat dengan menggunakan software joomla dengan component virtuemart. Metode penelitian yang dilakukan untuk merancang website ini adalah dengan membuat analisis kebutuhan sistem yang terdiri atas kebutuhan fungsional dan non fungsional, perancangan desain sistem yang terdiri dari Data flow diagram, entity relationsip diagram, dan kamus data, perancangan database dan terakhir adalah merancang aplikasi e-commerce. Hasil dari penelitian ini adalah berupa website e-commerce IKM Banten Ar. Menu yang terdapat pada website ini adalah menu home, company profile, product category, contact us, maps, how to order, dan FAQ.

Pengukuran Efisiensi Produksi Dengan Metode DEA (Data Envelopement Analysis) Di Divisi Wire Rod Mill PT.XYZ Akbar Utama H.M.; Achmad Bahauddin; Putro Ferro Ferdinant
Jurnal Teknik Industri Untirta Vol. 2 No. 1 Maret 2014
Publisher : Jurnal Teknik Industri Untirta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (263.059 KB)

PT. XYZ merupakan perusahaan yang bergerak di bidang industri baja dan memiliki salah satu divisi dalam yaitu divisi Wire Rod Mill (WRM) yang memproduksi wire rod (batang kawat). Selama ini divisi WRM mengukur kinerjanya dengan cara yang sederhana berdasarkan input dan output dalam satuan unit atau perseorangan dan tidak diukur biaya – biaya yang terkait dalam input dan output yang digunakan karena perusahaan belum memiliki metode yang sesuai untuk mengukur kinerjanya. Selain itu, belum ada penelitian yang mengukur efisiensi produksi di divisi WRM. Pada pengukuran efisiensi produksi divisi WRM ini menggunakan pertimbangan biaya produksi untuk memproduksi wire rod dengan metode Data Envelopment Analysis (DEA). Penelitian ini bertujuan untuk memperoleh nilai efisiensi teknis dan faktor yang mempengaruhi efisiensi DMU. Dengan menggunakan metode DEA, perusahaan dapat mengukur kinerja atau tingkat efisiensi produksi serta mengetahui faktor-faktor yang berpengaruh terhadap efisiensi produksi yang merupakan tujuan dari penelitian ini. Metode ini menggunakan program linier untuk menentukan nilai efisiensi tiap DMU (Decision Making Unit) atau unit pengambil keputusan yang merupakan obyek penelitian. Metode ini terdiri dari dua model matematis yaitu model CCR (Charnes Cooper Rhodes) yang mengasumsikan DMU beroperasi pada kondisi optimal dan model BCC (banker Charnes Cooper) yang mengasumsikan DMU beroperasi pada kondisi tidak optimal. Metode DEA menggunakan dua orientasi yaitu orientasi input dan output. Penelitian ini menggunakan model CCR dan model BCC dengan orientasi output. Model CCR digunakan untuk memperoleh nilai efisiensi teknis dan faktor yang mempengaruhi peningkatan efisiensi sedangkan model BCC digunakan untuk memperoleh nilai efisiensi teknis murni dan faktor yang mempengaruhi efisiensi DMU. Pengolahan data dalam penelitian ini dengan bantuan solver excel. Untuk itu prioritas perbaikan efisiensi dengan pertimbangan biaya diperlukan agar sumber daya dialokasikan dengan baik.. Dari hasil penelitian DMU 1, DMU 2 , DMU 3, DMU 4, DMU 6, DMU 8, DMU 9, dan DMU 10 memiliki nilai efisiensi sebesar 1. Sedangkan DMU 5 dengan nilai efisiensi 0,984 dan DMU 7 dengan nilai efisiensi 0,961. DMU 5 dan DMU 7 tidak efisien karena nilai efisiensinya kurang dari satu. Faktor yang mempengaruhi efisiensi DMU 5 adalah hasil produksi wire rod, biaya konversi variabel, biaya tetap langsung, dan biaya tetap alokasi sedangkan faktor yang mempengaruhi DMU 7 adalah hasil produksi wire rod, biaya bahan baku, biaya tetap langsung, dan biaya tetap alokasi

Usulan Jadwal Perawatan Pada Mesin Electric Arc Furnace 5 PT. XYZ Menggunakan Simulasi Monte Carlo Eva Listiana Putri; Achmad Bahauddin; Putro Ferro Ferdinant
Jurnal Teknik Industri Untirta Vol. 2 No. 3 November 2014
Publisher : Jurnal Teknik Industri Untirta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2492.988 KB)

PT. XYZ merupakan industri baja yang menghasilkan berbagai jenis produk baja salah satunya baja lembaran yang diproduksi oleh pabrik Slab Steel Plant yang terdiri atas 2 pabrik yaitu SSP1 dengan kapasitas 1juta ton/tahun dan SSP2 dengan kapasitas 800ribu ton/tahun. Objek penelitian ini difokuskan pada SSP1 karena memiliki kapasitas yang besar dan memiliki usia mesin yang lebih tua sehingga SSP1 sering mengalami downtime. Sistem produksi pada mesin yang digunakan adalah sistem yang memproduksi produk secara terus-menerus dalam volume besar, kerusakan pada salah satu komponen menyebabkan terhentinya keseluruhan fungsi sistem. Hal tersebut akan menyebabkan menurunnya kemampuan dari mesin yang dimiliki, maka perlu dilakukannya penjadwalan yang optimal untuk dapat mempertahankan performansi mesin. Tujuan penelitian yang dilakukan adalah menentukan komponen kritis pada mesin EAF5, menentukan nilai reliability komponen kritis mesin EAF5, mengidentifikasi terjadinya penyebab kegagalan pada komponen kritis mesin EAF5 dan menentukan jadwal perawatan komponen kritis mesin EAF5. Metode yang digunakan adalah Diagram Pareto untuk menentukan komponen kritis pada mesin EAF5 kemudian mengidentifikasi penyebab terjadinya kegagalan fungsi komponen kritis pada mesin EAF5 mengguakan Fault Tree Analysis, selain itu juga menggunakan metode simulasi Monte Carlo yang digunakan untuk mendapatkan nilai waktu menuju kerusakan pada komponen kritis mesin EAF5 sebagai dasar penentuan jadwal perawatan. Hasil yang didapat untuk penentuan komponen kritis mesin EAF5 adalah vibro car, roof, electroda ph1, weight feader1, dedusting plant dan id fan. Penyebab dasar terjadinya kegagalan pada komponen kritis adalah ada potongan plat mengganjal di roda, kebocoran di slang hydrolic, seal gearbox pecah, roda belt conveyor terganjal material, debu menumpuk dan temperatur bearing tinggi. Untuk nilai reliability komponen vibro car 0,1368, roof 0,2331, electroda ph1 0,1385, weight feader1 0,2673, dedusting plant 0,2494 dan id fan 0,1304. Jadwal perawatan untuk mesin vibro car adalah setiap 17 hari, roof setiap 5 hari, electrode ph1 dan dedusting plant setiap 10 hari, weight feader1 setiap 7 hari dan id fan setiap 8 hari.

Pengelolaan Risiko Supply Chain dengan Metode House of Risk Flora Tampubolon; Achmad Bahauddin; Putro Ferro Ferdinant
Jurnal Teknik Industri Untirta Vol. 1 No. 3 September 2013
Publisher : Jurnal Teknik Industri Untirta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (288.499 KB)

Dalam pengelolaan supply chain, secara umum risiko dapat timbul dalam berbagai bentuk dari setiap kejadian. Risiko merupakan peluang terjadinya sesuatu yang akan berdampak dalam pencapaian tujuan. Kompleksitas dari struktur supply chain yang melibatkan banyak pihak dan banyaknya ketidakpastian yang terjadi secara mendadak menjadi tantangan dalam pengelolaan supply chain perusahaan. Gangguan atau risiko dalam supply chain akan berdampak negatif dalam jangka panjang terhadap perusahaan dan banyak perusahaan tidak mampu pulih secara cepat dari dampak negatif tersebut. Bila suatu risiko dalam supply chain terjadi, sektor bisnis juga akan ikut terserang akibatnya akan mempengaruhi kinerja perusahaan. PT. XYZ adalah perusahaan manufaktur yang memproduksi pipa baja. Secara umum produk dari perusahaan ini ada dua jenis yaitu: Spiral dan ERW. Saat ini PT. XYZ belum memiliki manajemen risiko yang terstruktur untuk mengidentifikasi dan memitigasi risiko yang terjadi terutama dalam fungsi supply chain. Oleh karena itu perlu dilakukan penelitian yang bertujuan untuk mengidentifikasi risiko yang mungkin terjadi dalam aktivitas supply chain PT. XYZ, menentukan penyebab risiko yang harus diprioritaskan untuk dimitigasi pada supply chain PT. XYZ dan menentukan strategi mitigasi yang harus diprioritaskan untuk mengatasi penyebab risiko pada supply chain PT. XYZ. Metode yang digunakan dalam penelitian ini yaitu dengan metode House Of Risk (HOR). HOR digunakan untuk mengidentifikasi risk event, risk agent pada supply chain dan juga merancang strategi mitigasi untuk risk agent berdasarkan nilai ARP(Aggregate Risk Potential). Risk event yang teridentifikasi sebanyak 16 dan risk agent sebanyak 24. Risk agent yang akan dimitigasi berdasarkan nilai ARP sebanyak empat risk agent yaitu A6(Pembuatan Purchasing requisition terlambat), A3(pengadaan material terlambat), A4 (data material/produk tidak segera di-update) dan A1 (permintaan produksi yang mendadak). Strategi mitigasi yang digunakan untuk mencegah penyebab risiko adalah coordination, strategy stock dan multiple route.

Title

Found 53 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 53 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 53 Documents
Search