Anda di halaman 1dari 16

RIWAYAT HIDUP

(BIOGRAFI SINGKAT PENULIS)

JUDUL TESIS : DISAIN MITIGASI RISIKO RANTAI PASOK UMKM PRODUK


PAKAIAN KOTA BANDUNG DENGAN PENDEKATAN SUPPLY
CHAIN RISK MANAGEMENT.

NAMA : MASRI NPM:138030007


INSTITUSI : UNIVERSITAS PASUNDAN
ALAMAT : JL. KIARA ASRI TENGAH 27 BANDUNG-40285

Nomor Telepon : 022-7309042


E-mail : masrimn@gmail.com

LATAR BELAKANG PENDIDIKAN:


1. SARJANA : TEKNIK MANAJEMEN INDUSTRI
2. MASTER : TEKNIK INDUSTRI
3. DOKTOR :-

PENGALAMAN KERJA:
Uraian Periode
1. Industri Pesawat Terbang Nusantara (IPTN/PTDI) 1986-2003

2. Konsultan Perencanaan & Manajemen Teknologi 2008-2011

3. Dosen Teknik Industri Universitas Kebangsaan 2012-2016

KEANGGOTAAN ORG.PROFESIONAL :
1.-
2.-

PENGHARGAAN:

1.-

2.-
DISAIN MITIGASI RISIKO RANTAI PASOK UMKM PRODUK PAKAIAN KOTA
BANDUNG DENGAN PENDEKATAN SUPPLY CHAIN RISK MANAGEMENT

Masri
1
Program Master Teknik Industri, Universitas Pasundan
masrimn@gmail.com

ABSTRAK

Dari 6 sektor produk UMKM kota Bandung (pakaian/fashion, makanan dan minuman, jasa,
produksi, dan kerajinan/craft), produk pakaian/fashion mendominasi omzet penjualan mencapai
30,8% dari total omzet produk UMKM, Sedangkan 5 sektor lainnya hanya memberikan
kontribusi rata-rata 14.0%. Dengan kata lain sektor pakaian/fashion memberikan kontribusi dua
kali lipat dari rata-rata omzet sektor lainnya. Untuk menjamin kelancaran rantai pasokan
UMKM pakaian tersebut maka harus ada usaha mengantisipasi atau mengurangi gangguan-
ganguan terhadap aktivitas rantai pasok terutama yang akan menimbulkan risiko. Semua
penyebab risiko harus dapat diidentifikasi dan diukur kemudian dilakukan mitigasi risiko
tersebut. Dalam penelitian ini dilakukan identifikasi risiko dan merancang strategi mitigasi
dengan menerapkan model House Of Risk (HOR), pemetaan aktivitas rantai pasok berdasarkan 5
tahap utama menggunakan model Supply Chain Operation Reference (SCOR), sedangkan
penilaian risiko dilakukan dengan skala dampak risiko (severity), kemunculan risiko (occurance)
model Failure Mode Effect Analysis (FMEA). Dari proses identifikasi model HOR tahap 1
ditemukan 24 kejadian risiko (risk event ) dan 24 agen penyebab risiko (risk agent), selanjutnya
penerapan HOR tahap 2 diperoleh 14 aksi mitigasi untuk mengeliminir timbulnya agen risiko
yang mengganggu aktivitas supply chain UMKM produk pakaian. Berdasarkan keseluruhan aksi
mitigasi tersebut dihasilkan 9 aksi mitigasi sebagai disain mitigasi risiko yang dapat
direkomendasikan dan diterapkan pada rantai pasok UMKM produk pakaian kota Bandung.

Kata Kunci : UMKM, Supply Chain Management, Supply Chain Risk Management, Risk Event
and Risk Agent, House Of Risk (HOR), Supply Chain Operation Reference (SCOR), Disain
Mitigasi.

1. PENDAHULUAN milyar enam ratus tujuh puluh empat juta


empat ratus ribu rupiah). Sedangkan 5
Latar Belakang sektor lainnya hanya memberikan kontribusi
rata-rata 14.0%. Dengan kata lain sektor
Ditinjau dari segi omzet yang dihasilkan 6 pakaian/fashion memberikan kontribusi dua
(enam) sektor UMKM secara menyeluruh kali lipat dari rata-rata omzet sektor lainnya,
yang terdiri dari (fashion, makanan dan UMKM ini juga menyerap lebih dari 3800
minuman, jasa, produksi, dan tenaga kerja dan inilah yang menjadi salah
kerajinan/craft) = Rp.300.799.231.900,- dan satu alasan mengapa penelitian ini akan
kemudian dibandingkan dengan omzet yang difokuskan pada sektor pakaian/fashion.
dihasilkan sektor UMKM pakaian/fashion, Untuk menjamin kelancaran rantai
maka dapat diperoleh besarnya kontribusi pasokan UMKM pakaian tersebut maka
sektor UMKM pakaian/fashion terhadap harus ada usaha mengantisipasi atau
keseluruhan omzet penjualan UMKM adalah mengurangi gangguan-ganguan terhadap
sebesar 30,8% dengan nilai nominal Rp aktivitas rantai pasok terutama yang akan
92.674.400.000,- (Sembilan puluh dua menimbulkan risiko. Semua penyebab risiko

(M. Nain, Masri) 1


harus dapat diidentifikasi dan diukur with the objective of reducing vulnerability
kemudian dilakukan mitigasi risiko tersebut. and ensuring continuity".
Penelitian ini difokuskan pada produk Menurut (Culp 2001, IRM 2003,
pakaian/fashion meliputi; pakaian muslimah, Chapman 2006) ada 4 metode utama
pakaian rajutan, jean, jaket. untuk menanggulangi risiko, yaitu:
1. Menghindari risiko, yaitu tidak
2. TINJAUAN PUSTAKA mengambil tindakan yang akan
berpotensi terjadinya risiko tersebut;
Donald Waters (2007: 36) 2. Mitigasi atau eliminasi risiko, yaitu
mengutarakan:”Logistik, atau manajemen metode yang mengurangi kemungkinan
rantai pasokan, bertanggung jawab untuk terjadinya suatu risiko atau mengurangi
perpindahan dan penyimpanan bahan/ dampak kerusakan yang dihasilkan oleh
material. Ia memberikan pandangan yang suatu risiko;
luas dimana bahan/material sebagai segala 3. Pengalihan risiko, yaitu memindahkan
sesuatu yang bergerak, baik barang risiko pada pihak lain, umumnya melalui
berwujud maupun tidak berwujud seperti suatu asuransi dengan membayar premi
jasa; dan rantai pasok adalah serangkaian yang berkaitan dengan kemungkinan
kegiatan mengorganisir pergerakan/ terjadinya risiko; dan
perpindahan material dari pemasok awal 4. Penyerapan dan pengumpulan risiko,
sampai kepada konsumen akhir. yaitu bila tindakan menghindari,
Setiap produk memiliki rantai pasokan mengeliminasi dan mengalihkan risiko
sendiri, dan ini dapat membentuk jaring tidak bisa dilakukan. Maka risiko harus
yang sangat panjang dan rumit yang dibagikan pada antar pelaku rantai
berinterkasi pada setiap bagian. pasok secara proporsional.
Tujuan dari Supply Chain Management Supply Chain Operations Reference
(SCM) adalah untuk memindahkan (SCOR) adalah suatu model acuan dari
bahan/material sepanjang rantai pasokan operasi supply chain. SCOR pada dasarnya
secara efisien untuk memberikan kepuasan merupakan model yang berdasarkan proses.
yang tinggi kepada pelanggan dan dengan SCOR membagi proses-proses supply chain
biaya yang rendah. Untuk mencapai hal ini, menjadi 5 proses inti yaitu plan, source,
manajer harus merancang struktur rantai make, deliver, and return.
pasokan dan metode pengendalian aliran House of Risk (HOR) adalah suatu
bahan. model yang membagi dua yaitu fase
Fungsi SCM adalah mengintegrasikan pertama identifikasi risiko (Risk
beberapa kegiatan yang berbeda mulai dari Identification) lihat Gambar 2.7 dan fase
pengadaan melalui distribusi fisik secara kedua penanganan risiko (Risk Treatment)
luas. Biaya kegiatan ini bervariasi secara lihat Gambar 2.8.
luas, tetapi biasanya sekitar 15-20 persen Tahapan input data kedalam model
dari pendapatan. Ini berarti SCM ada dalam HOR fase pertama adalah sebagai berikut:
posisi penting dan mahal. 1. Identifikasi proses bisnis berdasarkan
Menurut Bowden et.al, 2001 risiko model SCOR.
adalah suatu kejadian yang mengakibatkan 2. Identifikasi kejadian risiko (risk event)
kerugian ketika kejadian itu terjadi selama 3. Identifikasi tingkat dampak (severity)
periode tertentu. Sedangkan likelihood skala yang digunakan adalah 1 – 10.
adalah penjelasan kualitatif mengenai 4. Identifikasi akibat (potential causes)
probabilitas dan frekuensi (AS/NZS, 2004). 5. Identifikasi agen/penyebab risiko (risk
Dalam sebuah jurnal inetrnasional agent).
tentang Distribusi Fisik dan Manajemen 6. Identifikasi korelasi (correlation) antara
Logistik, Wieland, A., Wallenburg, C.M., suatu kejadian risiko dengan agen
menguraikan bahwa: Supply chain risk penyebab risiko, Adapun skala yang
management (SCRM) is "the implementation digunakan adalah 9 (bila korelasi kuat),
of strategies to manage both everyday and 3 (bila korelasi sedang), 1 (bila korelasi
exceptional risks along the supply lemah) dan 0 (bila tidak ada korelasi).
chain based on continuous risk assessment

(M. Nain, Masri) 2


7. Identifikasi peluang kemunculan ARPj = Oj
(occurance) suatu agen risiko skala
yang digunakan adalah 1-10. Tahapan proses model HOR fase kedua
8. Perhitungan nilai indeks prioritas risiko (HOR-2) adalah sebagai berikut:
(Pj). Penentuan nilai indeks prioritas 1. Pilih sejumlah agen risiko dengan
risiko (Pj) dari agen risiko menggunakan peringkat prioritas tinggi dengan
rumus sebagai berikut: menggunakan analisis Pareto dari ARPj.
2. Mengidentifikasi tindakan yang dianggap
Pj = Oj relevan untuk mencegah agen risiko atau
Preventive Action (PA).
Dimana: 3. Menentukan hubungan antara setiap
j = 1, 2, … m; i = 1, 2, …,n tindakan pencegahan dan setiap agen
Rij = Hubungan (korelasi) antara risiko, Ejk. Nilai-nilainya bisa {0, 1, 3, 9}
agenrisiko j dengan kejadian risiko yang mewakili masing-masing, 0 = tidak
i; ada, 1= rendah, 3 = sedang, dan 9 =
Rij = : merupakan fungsi binary tinggi hubungan antara aksi k dan agen j.
untuk Rij = 1 bila ada korelasi antara Hubungan (Ejk) ini dapat dianggap
agen risiko j dengan kejadian risiko i. sebagai tingkat efektivitas tindakan
Wij = bobot korelasi antara agen risiko j dalam mengurangi kemungkinan
dengan kejadian risiko i. terjadinya agen risiko j.
Oj = Tingkat kemunculan risiko 4. Hitung total efektivitas (TEk) setiap
(occurance level of risk) tindakan sebagai berikut:

TEk=
Oj =
5. Menilai tingkat kesulitan (Dk) dalam
Dimana: melakukan setiap tindakan/aksi, dan
j = 1, 2, ….m, k = penilaian orang ke k. menempatkan nilai-nilai tersebut berturut-
turut di bawah total efektivitas. Tingkat
Si = Tingkat dampak suatu risiko (severity kesulitan, yang dapat diwakili oleh skala
level of risk). (seperti Likert atau skala lainnya), harus
Si = ; mencerminkan dana dan sumber daya
Dimana: lainnya yang dibutuhkan dalam
i = 1, 2, …n, k = penilaian orang ke k. melakukan tindakan.
Ei = Kejadian risiko (Risk Events) dimana
6. Hitung rasio total efektivitas terhadap
i = 1, 2, …… ,n.
Ci = Dampak yang mungkin ditimbulkan dari
kesulitan (ETDk), yaitu:
risiko yang ada (Potential causes of
risk); ETDk= TEk/Dk
Aj = Penyebab risiko (Risk agents) dimana j 7. Menetapkan peringkat prioritas untuk
= 1, 2, … ,m
setiap aksi (Rk) di mana Peringkat satu
9. Perhitungan nilai potensi risiko agregat
agen risiko j (ARPj). diberikan untuk aksi dengan ETDk
Sejak satu agen risiko bisa tertinggi.
menginduksi/menyebabkan sejumlah
kejadian risiko, maka perlu mengkuantifisir Pemetaan Risiko dan Penilaian Risiko
agen risiko yang potensil secara agregat,
atau ARP (Agregate Risk Potential). Sebuah Sample Risk Matrix (Risk Map)
Jika Oj adalah probabilitas terjadinya agen diperkenalkan oleh Airport Handling Manual
risiko j, Si adalah tingkat keparahan dalam edisi ke-33 pada bulan Januari 2013
dampak jika kejadian risiko i terjadi, dan Rij memperlihatkan gambaran tentang
adalah korelasi antara agen risiko j dan
Likelihood atau Probability terjadinya suatu
kejadian risiko i (yang diartikan sebagai
seberapa besar kemungkinan agen risiko j Accident atau Damage terhadap dampak
akan menginduksi/menyebabkan kejadian Severity atau Scope of Damage. Dalam Risk
risiko i, maka ARPj (potensi risiko agregat Map tersebut diuraikan bahwa Likelihood
agen risiko j) dapat dihitung sebagai berikut: atau Probability terjadinya suatu Accident

(M. Nain, Masri) 3


atau Damage diberi tingkatan seperti; often, sampling dan Nonprobability Sampling.
occasionally, possible, unlikely dan Salah satu jenis Probability Sampling adalah
practically impossible, sedangkan pada area sampling.
Severity atau Scope of Damage diberi Area sampling ialah teknik sampling yang
tingkatan seperti; insignificant, minor, dilakukan dengan cara mengambil wakil dari
moderate, critical, dan catastrophic. setiap wilayah atau daerah geografis yang
Kemudian ditentukan rating diantaranya; ada.
dari 15 sampai 25 dinyatakan sebagai Probability sampling adalah teknik
substantial risk yang diidentifikasikan sampling dimana setiap anggota populasi
dengan area warna merah, dari 8 sampai 12 memiliki peluang sama dipilih menjadi
dinyatakan sebagai high risk yang sampel. Dengan kata lain, semua anggota
diidentifikasikan dengan area warna kuning, tunggal dari populasi memiliki peluang tidak
dari 4 sampai 6 dinyatakan sebagai medium nol.
risk yang diidentifikasikan dengan area Teknik ini melibatkan pengambilan acak
warna hijau, sedangkan dari 1 sampai 3 (dikocok) dari suatu populasi. Ada
dinyatakan sebagai small risk yang bermacam-macam metode probability
diidentifikasikan dengan area warna putih. sampling dengan turunan dan variasi
Sample Risk Matrix (Risk Map) dimaksud masing-masing, namun paling populer
dapat dilihat pada Gambar 2.9 berikut. diantaranya adalah Cluster Sampling.
Dalam Cluster Sampling populasi dibagi ke
dalam kelompok kewilayahan kemudian
memilih wakil tiap-tiap kelompok. Misalnya,
populasi adalah Kota Madya Bandung,
kemudian sampel diambil dari tiap-tiap
Kecamatan.

Uji Kecukupan dan Keseragaman Data


Dalam uji kecukupan data ini akan
digunakan persamaan berikut (Sritomo
Wignjosoebroto: 2006):

Gambar 2.9 Sample Risk Matrix (Risk Map)


k/s ²
N¹ =
Populasi dan Sample
Menentukan Populasi dibantu oleh 4 faktor, Dimana,
yaitu: isi, satuan, cakupan dan waktu. N¹ = Jumlah pengamatan yang seharusnya
Contoh : Suatu penelitian tentang Mitigasi dilakukan
Risiko Rantai Pasok UMKM di Kota N=Jumlah pengamatan yang sudah
Bandung tahun 2014, maka populasinya dilakukan
dapat ditetapkan dengan 4 faktor sebagai k = Tingkat kepercayaan dalam pengamatan
berikut: s = Derajat ketelitian dalam pengamatan (%)
Isinya, adalah semua UMKM Xi = Data Pengamatan.
Satuannya, adalah UMKM produksi Data pengamatan dinyatakan cukup apabila
produk pakaian N¹ < N.
Cakupannya, adalah Kotamadya
Bandung Uji keseragaman data dimaksudkan untuk
menentukan bahwa populasi data sampel
Waktunya adalah tahun 2014
yang digunakan memiliki penyimpangan
Menurut Suharsimi Arkunto, sampel adalah yang normal dari rata-ratanya pada tingkat
bagian dari populasi (sebagian atau wakil kepercayaan tertentu.
populasi yang diteliti).
Batas Kontrol Atas : Nilai rata-rata + k.SD
Teknik sampling pada dasarnya
Garis Tengah : Nilai rata-rata (X)
dikelompokkan menjadi dua yaitu Probability

(M. Nain, Masri) 4


Batas Kontrol Bawah : Nilai rata-rata – k.SD Cara Perhitungan.
Anda dapat menggunakan pengetahuan
Anda tentang situasi untuk menghitung
SD = secara teoritis atau menentukan
probabilitas.
Dimana, Probabilitas suatu kejadian = sejumlah
SD = Standar Deviasi kejadian yang dapat terjadi dibagi jumlah
k = Tingkat kepercayaan dalam pengamatan hasil yang mungkin.
data dinyatakan seragam bila seluruh Cara Observasi.
sampel data berada dalam cakupan area Anda dapat menggunakan data historis
antara Batas Kontrol Atas (BKA) dan Batas untuk melihat seberapa sering suatu
Kontrol Bawah BKB. Batas-batas control kejadian sebenarnya terjadi di masa lalu,
tersebut dapat dinyatakan dengan dan menggunakan informasi ini untuk
persamaan berikut: memberikan eksperimental atau
probabilitas empiris.
BKA = X + k.SD.
BKB = X – k.SD. Probabilitas suatu kejadian = Jumlah
kejadian yang terjadi dibagi Jumlah
Menurut Donald Waters dalam bukunya observasi.
yang berjudul “Supply Chain Risk Dalam 100 pengiriman terakhir dari
Management – Vulnerability and Resilience pemasok, 32 tiba lebih dari satu hari
in Logistic” menguraikan tentang terlambat.
probabilitas (kemungkinan) sebagai berikut: Hal ini memberikan probabilitas empiris
Konsep risiko didasarkan pada probabilitas 32/100 = 0,32 bahwa pengiriman lebih dari
dari suatu kejadian - di mana probabilitas satu hari terlambat. Kelemahan dari
adalah ukuran dari kemungkinan, frekuensi probabilitas empiris bahwa data historis
relatif atau berapa kali proporsi peristiwa tidak mungkin sesuai untuk masa depan.
yang terjadi. Ketika Anda melempar sebuah Ketika sebuah perusahaan telah mendapat
koin mendapatkan hasil setengah bagian keuntungan setiap tahun dalam 10 tahun
depan dan setengah bagian belakang, terakhir, maka probabilitas empiris
sehingga Anda bisa mengatakan, mendapat keuntungan itu adalah 10/10 =
'Probabilitas sebuah koin mendapatkan hasil 1,0. Ini mungkin akurat untuk masa lalu,
bagian depan adalah 0,5. "Satu pak kartu tetapi dengan perubahan kondisi hal itu
remi memiliki 52 kartu, 13 di antaranya belum tentu jadi ukuran yang akurat untuk
adalah gambar hati, sehingga probabilitas tahun depan.
bahwa kartu yang dipilih secara acak adalah Cara perkiraan subyektif. Pendekatan
bergambar hati adalah 13/52 = 0,25. ketiga ini benar-benar tidak
Sebagai probabilitas dari suatu kejadian direkomendasikan, karena meminta
adalah proporsi kali itu terjadi, hal itu bisa pendapat orang tentang kemungkinan
bernilai dalam kisaran 0-1. suatu kejadian. Contohnya, Anda
_ Probabilitas = 0 berarti kejadian tersebut mungkin bertanya departemen keuangan
tidak akan pernah terjadi. untuk probabilitas bahwa nilai tukar mata
_ Probabilitas = 1 berarti kejadian akan uang akan turun lebih dari 10 persen
selalu terjadi. tahun depan.
_ Probabilitas antara 0 dan 1 memberikan
frekuensi relatif atau kemungkinan. Perkiraan pribadi ini mungkin cukup
_ Probabilitas di luar jangkauan 0-1 tidak baik untuk membantu keputusan, dan
memiliki arti. mereka adalah satu-satunya pilihan jika
Sebuah kejadian dengan probabilitas tidak ada data yang relevan. Sayangnya,
0,9 sangat mungkin (itu terjadi 9 kali dari cara perkiraan ini dikenal tidak dapat
10); dengan probabilitas 0,1 sangat tidak diandalkan karena bergantung pada
mungkin (itu terjadi sekali dalam 10 kali). penilaian dan pendapat orang – karena
Ada tiga cara untuk mendapatkan ketidaktahuannya, bias, kurangnya
probabilitas suatu kejadian:

(M. Nain, Masri) 5


keterampilan, karena prasangka dan dalam mencapai disain mitigasi risiko rantai
sebagainya. pasok UMKM produk pakaian kota Bandung.

3. METODOLOGI PENELITIAN Metode Penelitian

Kerangka Pemikiran Metode penelitian yang digunakan dalam


penelitian ini adalah metode analisis
UMKM Produk Pakaian di Kota Bandung kuantitatif dan semi kuantitatif, yaitu
memberikan kontribusi besar terhadap penelitian yang menekankan analisisnya
keseluruhan omzet penjualan UMKM pada data numerikal atau angka yang
sebagaimana telah diutarakan pada BAB I, diperoleh dengan metode statistik dan
oleh karenanya rantai pasok UMKM produk melalui kebijakan manajemen.
pakaian kota Bandung ini harus terjamin Tahapan metode penelitian adalah berupa
kelancarannya, Untuk itu harus ada usaha langkah-langkah yang akan diterapkan
mengantisipasi atau mengurangi gangguan- dalam mencapai tujuan penyelesaian
ganguan terhadap aktivitas rantai pasok masalah yang dimulai dengan observasi
terutama yang akan menimbulkan risiko.
Semua penyebab risiko harus dapat STA
diidentifikasi dan diukur kemudian dilakukan RT
mitigasi risiko tersebut. Gambar 3.1 adalah
sebuah kerangka pemikiran
Studi Analisa Kebijakan Studi
Literatur Pemerintah Lapangan
Gagasan Mengurangi
Risiko Rantai Pasok
UMKM Produk
Pakaian Penelitian
Sejenis

Identifikas Masalah

Risiko-Risiko Analis. Deskrip Visi & Pilih.Pendekatan


Rantai Pasok Uji Kuantitatif Misi
UMKM Model SCOR UMKM
& Model HOR Kota Bdg. Pengumpulan Data

Proses Bisnis
UMKM
Produk
Pemetaan Disaian Penilaian
Mitigasi Risiko Risiko Pakaian
Risiko Ident.Risiko
(Event Risk &
Risk Agent)

Risk Prob. RiskSeverity


Proses Diskusi Hasil
Mitigasi Risiko
Dengan Pelaku
UMKM Risk Level

Disain Mitigasi
Risiko
Rekomendasi Dan
Implementasi Analisa &
Mitigasi Risiko
Pembahasan

STOP

Gbr. 3.1 Kerangka Pemikiran


Gambar 3.2 Flow Ch.Metodologi Penelitian

(M. Nain, Masri) 6


kebijakan pemerintah, studi lapangan, studi yang timbul akibat ketidakstabilan yang
literatur selanjutnya penelitian sejenis dan semakin meningkat dalam satu dekade
kemudian mengidentifikasi serta perumusan terakhir dengan pendekatan Failure
masalah, iterasi berikutnya adalah Mode and Effect Analysis (FMEA) yang
menentukan /pemilihan pendekatan yang hasil akhir/kesimpulannya adalah: dapat
digunakan baru kemudian mengumpulkan menentukan nilai indek prioritas risiko,
data rantai pasok dan risiko-risikonya, rangking agen risiko yang akan
menentukan faktor dan analisa risiko, diprioritaskan untuk dimitigasi.
menentukan langkah-langkah 3. Penelitian yang berjudul: “Analisis dan
penanggulangan/pengurangan risiko Mitigasi Risiko Rantai Pasok Pada
(mitigasi) sehingga sesuai dengan tujuan PT.Crayfish Softshell Indonesia”.
penelitian dan penyelesaian masalah. Penelitian ini dilatarbelakangi oleh
Flowchart metode penelitian yang digunakan permintaan/minat konsumen terhadap
dapat dilihat pada Gambar 3.2 berikut. lobster tulang lunak sebagai produk
Ada 4 penelitian sejenis yang didapat PT.Crayfish Softshell Indonesia yang
yang dapat diuraikan sebagai berikut: dalam proses produksinya diperlukan
1. Penelitian yang berjudul: “Identifikasi pengamanan karena life time produk
Risiko Rantai Pasok Produk Holtikultura yang singkat. Permasalahan yang
di Koperasi Brenjonk Kecamatan Trawas, diuraikan adalah bagaimana
Mojokerto”. Penelitian ini dilatarbelakangi mengidentifikasi setiap kendala yang
oleh aspek pasar produk hortikultura di timbul pada setiap proses handling
Indonesia masih bersifat relatif terbuka lobster, proses budidaya, proses panen,
dengan segmentasi pasar yang luas, dan proses pasca panen hingga
permintaan produk hortikultura di pendistribusian ke konsumen. Dalam
Indonesia sangat besar dan penelitian tersebut, pendekatan yang
menunjukkan kecendrungan meningkat digunakan adalah model House Of Risk
sejalan dengan peningkatan laju (HOR), yang hasil akhir/kesimpulannya
pertumbuhan penduduk, dengan adalah: didapatkan 37 kejadian risiko dan
permasalahan yang dirumuskan adalah 64 agen risiko, kemudian ada 5 aksi
bagaimana mengetahui permasalahan mitigasi yang dapat diterapkan pada
yang ada pada anggota primer dan perusahaan PT.Crayfish Softshell
anggota sekunder rantai pasok produk Indonesia.
hortikultura serta bagaimana 4. Penelitian yang berjudul:” Analisa Risiko
mengidentifikasi permasalah risiko yang Rantai Pasok Gas Elpiji 3 Kg (Studi
terjadi. Penelitian ini dilakukan dengan Kasus: PT. Pertamina Unit III Pemasaran
menggunakan dengan pendekatan Bandung)”. Penelitian ini dilatarbelakangi
Supply Chain Operation Refference oleh bertambahnya kebutuhan akan gas
(SCOR) yang hasil akhir/kesimpulannya untuk kebutuhan masyarakat dalam
adalah: Model ini menghasilkan negeri, rencana konversi energi batubara
identifikasi risiko-risiko pada Koperasi ke gas elpiji, dengan permasalahan yang
Brenjonk. dirumuskan adalah melakukan evaluasi
2. Penelitian yang berjudul: “Manajemen risiko sistem distribusi gas elpiji pada
Risiko dan Aksi Mitigasi Untuk Petamina Wilayah Pemasaran III Jawa
Menciptakan Rantai Pasok Yang Robust”. Barat, dan bagaimana menentukan
Penelitian ini dilatarbelakangi oleh langkah-langkah sistem monitoring risiko
pendapat bahwa gangguan pada supply dan sistem mitigasi ddistribusi gas elpiji di
chain berdampak negatif dalam jangka Wilayah Regional Pemasaran III
panjang terhadap perusahaan dan Pertamina Jawa Barat. Penelitian ini
banyak perusahaan yang tidak mampu dilakukan dengan pendekatan Value at
pulih secara cepat dari dampak negatif Risk (VAR) yang hasil
tersebut, oleh karenanya, dibutuhkan akhir/kesimpulannya adalah: didapatkan
suatu supply chain yang robust terhadap 3 kegiatan risiko tinggi dari 5 ragam
berbagai gangguan yang terjadi. risiko, yaitu: Risiko Proses, Risiko Supply,
Permasalahan yang dirumuskan adalah dan Risiko Kontrol serta kegiatan
bagaimana menanggulangi gangguan

(M. Nain, Masri) 7


monitoring dan review, dan mitigasi Identifikasi Masalah/Risiko
ketiga risiko tersebut.
Posisi Penelitian tentang Disain Mitigasi Adapun tahapan input data kedalam model
Risiko Rantai Pasok UMKM Produk Pakaian HOR fase pertama (fase identifikasi risiko)
Kota Bandung dapat diuraikan setelah ini adalah sebagaimana dapat dilihat pada
membandingkan hasil-hasil penelitian Gambar 3.3 flowchart berikut:
sejenis lainnya adalah sebagai berikut:
a. Dari segi latar belakang masalah yang
Tahap 1. Tahap 2.
diteliti adalah bahwa sektor UMKM Identifikasi Identifikasi
Tahap 3.
Identifikasi
produk pakaian/fashion telah menyerap proses bisnis/ kejadian
tingkat
tenaga kerja lebih dari tiga ribu orang, akt.Supp.Ch. risiko (Ei)
dampak
UMKM dg utk masing2
dan sektor UMKM produk dasar model pros.bis.tahap
(severity)
suatu
pakaian/fashion ini pula yang SCOR. sebelumnya. kejadian
memberikan kontribusi dua kali lipat dari risiko
rata-rata omzet sektor lainnya (lihat Tabel terhadap
proses bisnis
1.2), dan inilah yang menjadi salah satu UMKM.
alasan mengapa penelitian ini akan
difokuskan pada sektor pakaian/fashion. Tahap 6. Tahap 5. Tahap 4.
Untuk menjamin kelancaran rantai Identifikasi Identifikasi Identifikasi
korelasi agen akibat
pasokan UMKM pakaian tersebut maka (correlation) penyebab (potential
harus ada usaha mengantisipasi atau antara risiko (risk causes) suatu
mengurangi gangguan-ganguan terhadap kejadian agent). kejadian
risiko dengan risiko
aktivitas rantai pasok terutama yang akan agen terhadap
menimbulkan risiko. penyebab proses bisnis
b. Dari segi permasalah yang dirumuskan risiko. UMKM.
adalah bagaimana menentukan risiko
rantai pasokan UMKM produk pakaian
Tahap 7. Tahap 8. Tahap 9.
kota Bandung, dan bagaimanakah disain Identifikasi Perhitungan Perhitungan
mitigasi risiko rantai pasokan UMKM peluang indeks nilai potensi
kemunculan prioritas risiko agregat
produk pakaian kota Bandung. (occurance) risiko j
risiko (Pj).
c. Dari segi pendekatan, penelitian ini suatu agen (ARPj).
menggunakan pendekatan pertama, risiko.
model Supply Chain Operation
Refference (SCOR) yang menguraikan/
membagi proses-proses supply chain
menjadi 5 proses, untuk mengidentifikasi Gambar 3.3 Flow chart tahapan input data
proses bisnis atau kegiatan supply chain. kedalam model HOR fase pertama
Kedua pendekatan yang digunakan Proses Bisnis UMKM Produk Pakaian
adalah model House Of Risk (HOR),
untuk merancang atau mendisain mitigasi Proses bisnis akan menjadi perhatian
risiko. pertama bagi peneliti untuk mengetahui
d. Hasil akhir/kesimpulannya adalah, bahwa semua aktivitas organisasi (UMKM) dari sisi
pertama dapat mengidentifikasi 24 perencanaan, pengadaan, produksi, dan
kejadian risiko dan 24 agen/penyebab pengiriman, atau pemetaan proses bisnis
risiko. Kedua adalah, dapat disusun berdasarkan model SCOR yaitu, plan,
pemetaan rencana mitigasi risiko dan source, make, dan delivery.
rekomendasi dengan 9 aksi mitigasi yang
diprioritaskan untuk direalisir, yaitu 2 aksi Mitigasi Risiko (HOR-2)
mitigasi dengan level risiko ekstrim, dan 7
aksi mitigasi dengan level risiko tinggi. Output dari HOR fase 1 akan digunakan
Perbedaan penelitian ini dengan sebagai input pada fase 2 ini. Dari HOR fase
penelitian sebelumnya yang telah ada pertama akan didapatkan nilai prioritas risiko
terletak pada aplikasi 2 tahap/fase model dan level risiko dari masing-masing agen
HOR (HOR-1 dan HOR-2) dan aplikasi risiko yang telah teridentifikasi. Agen risiko
pemetaan risiko yang akan dimitigasi. yang terdapat pada level risiko tinggi akan

(M. Nain, Masri) 8


menjadi input data pada tahap 1 dari HOR Kemudian dilanjutkan dengan identifikasi
fase ke-2 ini. (risk event, risk severity, risk agent dan
Adapun tahapan HOR fase kedua (fase occurance, serta korelasi antara risk agent
perancangan mitigasi risiko) sebagaimana dengan risk event) dan analisa risiko
dapat dilihat pada gambar 3.8. flow chart dengan 2 tahap model HOR (HOR fase
berikut: pertama, dan HOR Fase kedua). Tabel
berikut menunjukkan matrik Model HOR-1.

Tahap 1.
Pilih sejumlah
agen risiko
dengan
peringkat Tahap 2.
prioritas tinggi Mengidentifik
dengan asi tindakan
menggunakan yang dianggap
analisis Pareto relevan untuk Tahap 3.
dari ARPj. mencegah Menentukan
agen risiko hubungan
atau antara setiap
Preventive tindakan
Action (PA). pencegahan
dan setiap
agen risiko,
Tahap 6. Ejk
Hitung total
rasio
efektivitas Tahap 5.
terhadap Menilai
kesulitan tingkat
(ETDk). kesulitan (Dk)
dalam
Tahap 4.
melakukan
Hitung total
setiap
efektivitas
tindakan/aksi
(TEk) setiap Mitigasi Risiko Rantai Pasok dengan
tindakan. Menerapkan Model HOR-2
Tahap 7.
Menetapkan Untuk menyusun aksi-aksi mitigasi dalam
peringkat menangani risiko yang berpotensi timbul
prioritas untuk
setiap aksi pada rantai pasok, maka proses
(Rk) di mana perancangan/disainnya dilakukan dengan
Peringkat satu menggunakan matrik House Of Risk fase
diberikan
untuk aksi dua (HOR-2), proses tersebut dapat
dengan ETDk diuraikan sebagai berikut:
tertinggi.
a. Memilih beberapa agen risiko dari HOR-1
dengan nilai tinggi yang akan dilakukan
penanganan adalah dengan
menggunakan Diagram Pareto untuk
Gambar 3.8 Flow chart tahapan perancangan mitigasi risiko ARPj yang akan ditindaklanjuti pada
model HOR fase kedua HOR-2.
Agen-agen risiko Aj dengan nilai ARPj
4. PENGOLAHAN DATA masing-masing diranking mulai dari nilai
yang terbesar sampai ke nilai terkecil, lalu
Pemetaan risiko diawali dengan meneliti dihitung nilai persentase masing-masing
proses bisnis dan akan menjadi perhatian ARPj terhadap total ARPj dan kemudian
pertama bagi peneliti untuk mengetahui persentase tersebut dikumulatifkan
semua aktivitas organisasi (UMKM) dari sisi sehingga sampai 100%. Data input
perencanaan, pengadaan, produksi, dan tersebut dapat dilihat pada Tabel 4.11.
pengiriman, atau pemetaan proses bisnis
berdasarkan model SCOR yaitu, plan,
source, make, delivery, dan return.

(M. Nain, Masri) 9


Tabel 4.11 Data Input Membangun Diagram Pareto risiko (Preventive Action-PA), dapat
Agen Persentase Kumulatif dilihat pada Tabel 4.12.
ARPj
Klasifikasi Risiko (%) (%)
A8 2112 9,11 9,11 c. Menentukan korelasi antara masing-
A18 1968 8,49 17,61 masing aksi pencegahan (Proactive
A7 1840 7,94 25,54 Action) dan masing-masing agen risiko
A16 1800 7,77 33,31 (Aj) dengan nilai korelasi (Ejk) memakai
A4 1494 6,45 39,76 skala 0, 1, 3, dan 9.
A2 1368 5,90 45,66
A21 1368 5,90 51,56 d. Menghitung efektifitas total (TEk) dari
A
A5 1260 5,44 57,00 masing-masing aksi menggunakan
A6 1140 4,92 61,92 rumus:
A22 972 4,19 66,11
TEk=
A14 888 3,83 69,95 e. Proses penilaian tingkat kesulitan
A13 854 3,69 73,63 (difficulty-Dk) menggunakan skala Likert
A23 747 3,22 76,85 (1 – 10).
A17 680 2,93 79,79 f. Menghitung rasio Total Effektifitas (TEk)
A24 675 2,91 82,70 dengan tingkat kesulitas Dk,
A9 603 2,60 85,30 menggunakan rumus:
A1 594 2,56 87,87 ETDk= TEk/Dk
B A3 464 2,00 89,87
A10
g. Menentukan ranking prioritas dari
456 1,97 91,84
A15
masing-masing aksi (Rk), aksi dengan
450 1,94 93,78
ETDk tertinggi adalah peringkat pertama.
A12 384 1,66 95,43
Untuk dapat melihat keseluruhan proses
A20 376 1,62 97,06
mitigasi risiko rantai pasok dengan
C A11 352 1,52 98,58
menerapkan model HOR-2, maka
A19 330 1,42 100,00 dibuatlah resume matrik House Of Risk
Total 23175 100,00 fase kedua (HOR-2). Matrik tersebut
dapat dilihat pada Tabel 4.14.
Data input tersebut selanjutnya diolah
dengan menggunakan software
spreadsheet yang terdapat dalam
program Microsoft Excel sehingga dapat
dibangun Diagram Pareto seperti yang
terlihat pada Gambar 4.3.

Agen Risiko Persentase

100,00
2000 90,00
80,00
1500 70,00
60,00
50,00
1000
40,00
30,00
500 20,00
10,00
0 0,00
A8

A7

A4
A2

A5
A6

A9
A1
A3
A16

A22
A14

A24

A20
A11
A18

A21

A13
A23
A17

A10
A15
A12

A19

Gambar 4.3 Diagram Pareto ARPj dari Semua Agen Risiko

b. Menentukan aksi-aksi yang mungkin


dilakukan untuk mencegah munculnya

(M. Nain, Masri) 10


Tabel 4.12 Identifikasi Agen Risiko d. Kemungkinan kecil : 20% - 40%
Prioritaskan dan Proactive Action (PA) e. Kemungkinan sangat kecil : di bawah
29%
Agen Risiko Tindakan Proaktif Kode
Prioritas (Proactive Action) (Code) Dengan demikian dapatlah disusun tingkat
(To be treated kemungkinan, level dampak, dan level risiko
risk agent Aj)
Penyediaan stok yang sebagai mana dapat dilihat pada Gambar
A8 PA1
cukup 4.4 berikut:
Melatih pekerja secara
A18 PA2
berkala
Memastikan kapasitas No. Identifikasi Tingkat Level Level
A7 PA3
supplier Risi Risiko (Aj) Kemungkinan Damp Risiko
Penerapan standarisasi ko (Oj) ak (Si)
A16 PA4
packaging
Meningkatkan kapasitas Stok Supplier Sangat Mediu
A4 PA5 A8 85% Ekstrim
supplier berkurang besar m
Siapkan persediaan yang Ketidaktelitia
A2 PA6
optimal A18 n pekerja 65% Besar Minor Tinggi
Perbaikan sistem
A21 PA7
informasi Kapasitas
Menambah jumlah supplier Sedan Mediu
A5 PA8 A7 50% Tinggi
supplier fluktuatif g m
Memilih supplier yang
A6 PA9
qualified Pengemasan
Sangat Mediu
Penerapan SOP A16 tidak standar 85% Ekstrim
A22 PA10 besar m
pengiriman
A14 Penantaan layout gudang PA11 Kapasitas
Sedan Mediu
A4 supplier 60% Tinggi
Pelatihan keselamatan g m
A13 PA12 dalam negeri
kerja
Kenaikan
A23 Riset pasar secara berkala PA13 Sedan
A2 harga bahan 55% Minor Moderat
g
A17 Menghitung ROP bahan PA14
Keterlambatan
A21 informasi 25% Kecil Mayor Tinggi

Tabel 4.14. Matrik Model HOR-2 Mitigasi Risiko Ketergantunga


Kode Penyebab Risko (Aj ) to be treated PA1 PA2 PA3 PA4 PA5 PA6 PA7 PA8 PA9 PA10 PA11 PA12 PA13 PA14 ARPj
A5 n pada satu 40% Kecil Mayor Tinggi
A8 Stok supplier berkurang 9 0 9 0 3 9 3 3 3 1 0 0 1 3 2112
supplier
A18 Ketidaktelitian pekerja 1 9 0 3 0 1 0 0 0 3 0 3 1 1 1968 Supplier tidak
A7 Kapasitas supplier fluktuatif 3 0 9 0 9 9 1 3 3 0 0 0 1 3 1840 Mediu
A6 berkualifikasi 80% Besar Tinggi
A16 Pengemasan tidak standar 0 3 0 9 1 0 1 0 1 3 1 1 0 0 1800 m
A4 Kapasitas supplier dalam negeri 3 0 3 0 9 3 1 3 3 0 1 0 1 3 1494

A2 Kenaikan harga bahan 9 0 3 0 1 9 1 1 3 1 0 0 3 3 1368


Kesalahan Tidak
A21 Keterlambatan informasi 1 0 1 1 1 1 9 0 1 0 1 1 3 3 1368 Sangat
A22 proses 85% Signifi Tinggi
A5 Ketergantungan pada satu supplier 9 0 1 0 3 9 1 9 9 3 0 0 1 3 1260
besar
A6 Supplier tidak berkualifikasi 3 0 3 0 3 9 1 3 9 1 0 0 1 3 1140 pengiriman an
A22 Kesalahan proses pengiriman 1 3 1 1 1 3 0 0 3 9 1 0 0 1 972

A14 Kondisi gudang tidak layak 1 0 0 1 1 3 0 0 0 0 9 3 0 1 888


Kondisi
A13 Bahaya kebakaran 3 9 1 1 0 3 3 1 1 1 1 9 0 0 854 gudang tidak
A14 20% Kecil Minor Rendah
A23 Ketinggalan mode 1 1 0 0 0 3 9 0 3 3 0 0 9 1 747
layak
A17 Terlambat pemesanan bahan 9 1 1 0 1 3 1 3 3 3 0 0 0 9 680
TEk 92928 43296 75440 36000 44820 46512 31464 60480 41040 23328 16872 28182 22410 23120

Dk 7 3 8 5 9 7 4 3 2 2 5 4 6 2
Bahaya
ETDk 13275 14432 9430 7200 4980 6644,6 7866 20160 20520 11664 3374,4 7045,5 3735 11560 Sedan
A13 kebakaran 60% Minor Moderat
Rk 4 3 7 9 12 11 8 2 1 5 14 10 13 6
g
Ketinggalan
A23 mode 40% Kecil Minor Rendah
Pemetaan Risiko dan Penilaian Risiko
Terlambat
pemesanan Sedan
Menentukan kemungkinan risiko terjadi A17 60% Minor Moderat
bahan g
berpatokan pada ketentuan berikut:
a. Kemungkinan sangat besar : diatas
80% Gambar 4.4 Tingkat Kemungkinan, Level
b. Kemungkinan besar : 60% - 80% Dampak, dan Level Risiko
c. Kemungkinan sedang : 40% - 60%

(M. Nain, Masri) 11


Rencana mitigasi yang telah disusun
Level Dampak ditunjukkan oleh Gambar 4.6.
Tingkat 1 2 3 4 5
Kemung- Tidak Mala Rencana
kinan Mi- Me- Ma- Mitigasi Risiko
signifi peta- Risiko Level risiko
nor dium yor dan
kan ka
E A8, Rekomendasi
A22 Stok Supplier Penyediaan stok
Sangat Ekstrim
A16 berkurang yang cukup
besar Ketidaktelitian Melatih pekerja
D Tinggi
A18 A6 pekerja secara berkala
Besar Kapasitas Memastikan
A2, supplier Tinggi kapasitas
A7, fluktuatif supplier
C A13,
Sedang A4 Penerapan
Pengemasan
A17 Ekstrim standarisasi
tidak standar
packaging
A14, A21, Kapasitas Meningkatkan
B
supplier dalam Tinggi kapasitas
Kecil A23 A5
negeri supplier
A Siapkan
Kenaikan harga
Sangat Moderat persediaan yang
bahan
kecil optimal
Keterlambatan Perbaikan sistem
Tinggi
informasi informasi
Gambar 4.5 Pemetaan Risiko
Ketergantungan
Menambah
pada satu Tinggi
Keterangan Gambar: jumlah supplier
supplier
Hijau = Risiko rendah Supplier tidak Memilih supplier
Abu = Risiko moderat Tinggi
berkualifikasi yang qualified
Kuning = Risiko tinggi dan Kesalahan
Penerapan SOP
Merah = Risiko ekstrim. proses Tinggi
pengiriman
pengiriman
Kondisi gudang Penantaan layout
Rendah
tidak layak gudang
Rencana Mitigasi dan Rekomendasi Pelatihan
Bahaya
Moderat keselamatan
kebakaran
Setelah dilakukan penilaian dan pemetaan kerja
risiko UMKM produk pakaian, selanjutnya Ketinggalan Riset pasar
dilakukan penyusunan rencana mitigasi Rendah
mode secara berkala
risiko dengan memperhatikan agen-agen Terlambat
risiko dan level risikonya. Menghitung
pemesanan Moderat
Proses dan hasil mitigasi risiko kemudian ROP bahan
bahan
didiskusikan dengan para pelaku UMKM
produk pakaian tersebut untuk melakukan Gambar 4.6 Rencana Mitigasi Risiko
verifikasi dan validasi. Verifikasi dan validasi
terhadap rencana mitigasi
risiko/rekomendasi menjadi penting
terutama bila akan diimplementasikan. Para 5. ANALISIS DAN PEMBAHASAN
pelaku UMKM produk pakaian dapat melihat
apakah rekomendasi tersebut dapat Proses Identifikasi
mengurangi atau bahkan dapat
menghilangkan penyebab-penyebab risiko Hasil wawancara dan angket untuk
dalam rantai pasoknya. mengidentifikasi risiko didapatkan 24 (dua
puluh empat) kejadian risiko yang terdiri
dari:

(M. Nain, Masri) 12


Pada proses bisnis “Plan” : 3 kejadian 2. Disain Mitigasi Risiko
risiko Dari Diagram Pareto didapat 14
Pada proses bisnis “Source”: 5 kejadian agen/penyebab risiko yang
risiko berkontribusi terhadap sekitar 80 % dari
Pada proses bisnis “Make”: 7 kejadian total ARP, 7 agen risiko yang
risiko berkontribusi terhadap sekitar 15 % dari
Pada proses bisnis “Deliver”: 5 kejadian total ARP, dan hanya 3 agen risiko yang
risiko, dan berkontribusi terhadap sekitar 5 % dari
Pada proses bisnis “Return”: 4 kejadian total ARP.
risiko. Dari penerapan model HOR-2 untuk
mitigasi risiko diperoleh 14 agen risiko
Proses Mitigasi Risiko yang memiliki nilai ARPj yang tinggi dan
perlu ditangani, antara lain: Agen-agen
Risiko-risiko yang akan dimitigasi dengan risiko yang masuk dalam klasifikasi A
menerapkan model HOR-2 ini adalah agen- adalah A8, A18, A7, A16, A4, A2, A21,
agen risiko yang bernilai tinggi yang telah A5, A6, A22, A14, A13, A23, dan A17.
dihitung sebelumnya berupa ARPj dalam Berdasarkan penilaian dan pemetaan risiko
proses HOR-1. diperoleh 2 agen risiko berkemungkinan dan
Agen-agen risiko yang berada pada tingkat berdampak ekstrim yaitu; A8 (stok supplier
kemungkinan dan level dampak yang berkurang) dan A16 (pengemasan tidak
ekstrim dan tinggi adalah sebagai berikut: standar), yang ditandai dengan warna
a. Agen risiko berkemungkinan dan merah. Sedangkan 7 agen risiko lainnya
berdampak ekstrim adalah: A8 (stok berkemungkin dan berdampak tinggi yaitu;
supplier berkurang) dan A16 A22, A18, A6, A7, A4, A1 dan A5 yang
(pengemasan tidak standar), yang ditandai dengan warna kuning.
ditandai dengan warna merah. Rancangan/disain mitigasi risiko sebagai
b. Agen risiko berkemungkinan dan strategi untuk meminimalisir atau
berdampak tinggi adalah: menghindari terjadinya risiko pada UMKM
A22 (Kesalahan proses pengiriman), produk pakaian kota Bandung, disusunlah
A18 (Ketidaktelitian pekerja), pemetaan rencana mitigasi risiko dan
A6 (Supplier tidak berkualifikasi), rekomendasi dengan 9 aksi mitigasi yang
A7 (Kapasitas supplier fluktuatif), diprioritaskan untuk direalisir (2 aksi mitigasi
A4 (Kapasitas supplier dalam negeri), dengan level risiko ekstrim, dan 7 aksi
A21 (Keterlambatan informasi), dan mitigasi dengan level risiko tinggi)
A5 (Ketergantungan pada satu sebagaimana dapat dilihat pada Gambar
supplier), yang ditandai dengan warna 4.6.
kuning.
Saran
6. KESIMPULAN DAN SARAN 1. Untuk menentukan risiko rantai pasok,
Model House of Risk (HOR) ini agar
Kesimpulan dapat diimplementasikan untuk semua
1. Menentukan Risiko Rantai Pasok jenis usaha tanpa banyak perubahan
Dari hasil identifikasi risiko rantai pasok yang diperlukan. Prosedur masih akan
UMKM produk pakaian yang sama, meskipun jenis kejadian risiko,
menggunakan model HOR-1 didapatkan agen risiko dan strategi mitigasi untuk
24 kejadian risiko dan 24 agen risiko. mengurangi dan menghindari risiko akan
Dari perhitungan indek prioritas bervariasi dari kasus ke kasus.
Agregate Risk Potensial (ARP) tertinggi Untuk mempermudah praktek
adalah A8 (Stok supplier berkurang) penggunaan model, maka gunakanlah
dengan nilai ARP = 2112, sedangkan Microsoft Excel–Spreadsheet untuk
indek prioritas Agregate Risk Potensial melakukan perhitungan-perhitungan yang
(ARP) terendah adalah A19 (Kendaraan diperlukan dalam dua Model HOR
tiba tidak sesuai jadwal) dengan nilai tersebut.
ARP = 330.

(M. Nain, Masri) 13


2. Adanya risiko yang dipetakan ini dapat (d) Dallari, F. Survey on Supply Chain Risk
kiranya difungsikan oleh UMKM produk Management in Italy. Logistic Research
pakaian kota Bandung dan pihak-pihak Centre. C-Log.
lain yang terkait untuk menyusun sebuah (e) Douglas M. Lambert. Martha C. Cooper,
rencana mitigasi sebagai upaya untuk and Janus D. Pagh “Supply Chain
menghindari atau meniadakan atau Management: Impelement issues and
mengurangi potensi tingkat dampak Research Opportunities.” The
negatif yang dapat terjadi. International Journal of Logistics
Para pelaku UMKM produk pakaian Management 9. No.2 (1988).p.4.
dilibatkan dalam diskusi tentang semua (f) Gunawan, H. 2014. Pengantar
proses-proses mitigasi risiko rantai pasok Transportasi dan Logistik, ed 1, Raja
UMKM agar mereka memahami maksud Grafindo Persada, Jakarta.
dan tujuan penelitian ini sehingga mereka (g) Hakim, A. Kartajaya, H. 2012. Supply
dapat merasakan manfaat dari Chain Economic, Andi, Yogyakarta.
implementasi mitigasi risiko rantai pasok (h) Helmi, N. 2011.Manajemen, Risiko dan
yang direkomendasikan dari hasil Kebutuhan Kebijakan. Materi Kuliah
penelitian ini. Fakutas Pasca Sarjana Teknik Industri
UNPAS, Bandung.
Untuk pengembangan kedepan, pertama, (i) Hidaya, S. Baihaqi, I. Analisis dan
penelitian disain mitigasi rantai pasok Mitigasi Risiko Rantai Pasok Pada PT.
UMKM produk pakaian ini harus Crayfish Softshell Indonesia, Surabaya :
memperhitungkan faktor ketergantungan Laporan Tugas Akhir Jurusan
antar kejadian risiko yang pada (j) Hillman, M., Keltz, H. 2007. Managing
kenyataannya bisa terjadi. Untuk dapat Risk in The Supply Chain – A
memperhitungkan faktor ketergantungan Quantitative Studi. AMR Research , Inc.
atau dependensi antar kejadian risiko (k) http://nthaumi.blogspot.com/2010/05/pen
tersebut maka proses network analysis gertian-populasisampel-dan-teknik.html
mungkin dapat diimplementasikan (l) http://teorionline.wordpress.com/2010/01
sebagai cara untuk menangani /24/populasi-dan-sampel/
dependensi tersebut. (m) Laudine, H. Geraldin, Pujawan, I.N.
Kedua, penelitian dapat dikembangkan Dyah S. D. Manajemen Risiko dan Aksi
untuk meneliti lebih jauh tidak hanya Mitigasi Untuk Menciptakan Rantai
melakukan Preventive Action untuk Pasok Yang Robust, Surabaya: Jounal
memitigasi risiko, akan tetapi juga Jurusan Teknik Industri ITS Surabaya.
meneliti tentang usaha-usaha efisiensi (n) Maheshwari, S. Jain, P.K. Supply Chain
sepanjang rantai pasok UMKM produk Management – Review on Risk
pakaian Kota Bandung. Management From Supplier’s
Perspective. DAAAM International
7. REFERENSI Science Book 2014, pp.557-566,
Chapter 44.
(a) Badr, Y., Stepen, J. Security and Risk (o) Marimin dkk. 2013. Teknik dan Analisis
Management in Supply Chains. Journal Pengambilan Keputusan Fuzzy Dalam
of Information Assurance and Security 2 Manajemen Rantai Pasok. 1 st ed, IPB
(2007) 288-296. National Institute of Press, Bogor.
Applied Sciences-Lyon, France. (p) Marimin, Maghfiroh, N. 2013. Aplikasi
(b) Bella R.K.W. et al. Identifikasi Risiko Teknik Pengambilan Keputusan dalam
Rantai Pasok Produk Hortikultura di Manajemen Rantai Pasok, ed. 4, IPB
Koperasi Brenjonk Kecamatan Trawas, Press, Bogor.
Mojokerto. Artikel Hasil Penelitian (q) Mc Beath, Bill. 2013. Supply Chain Risk
Jurusan Teknologi Industri Pertanian Solutions: A Market Overview. A
Brawijaya, Malang. Publication of Chainlink Research.
(c) Brindley Claire. 2004. Supply Chain (r) Miranda, W. Amin. 2001. Manajemen
Risk. Ashgate. Logistik dan Supply Chain Management.
Harvindo, Jakarta.

(M. Nain, Masri) 14


(s) Pujawan, I N. 2010. Supply Chain (z) Ziegenbein, A. Baumgart, J. Supply
Management, 2 nd ed, Guna Widya, Chain Risk Assessment – A Quantitative
Surabaya. Approach. Swiss Federal Institute of
(t) Sugiyono, 2011. Statistika untuk Technology (ETH) Zurich.
Penelitian, Bandung: Penerbit Alfabeta.
(u) Tang, Christoper S. 2005. Perspectives
in Supply Chain Risk Management: A BIOGRAFI PENULIS
Review. UCLA Underson School, 110
Westwood Plaza, UCLA, Los Angles, CA Masri adalah staf dosen program studi
90095, USA. Teknik Industri, Fakultas Teknologi Industri,
(v) Waters, Donald. 2007. Supply Chain Universitas Kebangsaan Bandung, meraih
Risk Management – Vulnerability and Master Teknik Industri dari Universitas
Resilience in Logistics, Kogan Page, Pasundan Bandung pada tahun 2016.
United Kingdom. Penelitiannya pada bidang Sistem Logistik
(w) Wignjosoebroto, Sritomo. 2006. dan Supply Chain.
Pengantar Tenik dan Manajemen Email address: masrimn@gmail.com.
Industri. 1st ed, Penerbit Guna Widya,
Surabaya.
(x) www.achilles.com. Procurement and
Supply Chain Risk Management:
Reduce risk, Reduce Cost, Raise
Performance. Achilles.
(y) Zaroni. 2014. Manajemen Risiko Rantai
Pasok Dalam Model SCOR. Artikel
Supply Chain Indonesia, Bandung.

(M. Nain, Masri) 15