BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

Pada bab ini menjelaskan proses implementasi metode House of Risk

(HOR). Pada fase pertama dilakukan identifikasi risiko dan analisis risiko dengan
metode Failure Mode and Effect Analysis (FMEA) untuk mendapatkan nilai
Agregat Risk Potential dari penilaian severity, occurance, dan correlation. Pada
fase kedua dilakukan evaluasi risiko yang menjadi prioritas dan dilakukan respon
terhadap risiko berupa tindakan preventif usulan yang dapat diterapkan pada
aktivitas penjualan PT Semen Padang.

4.1 Pengolahan Data

Pengolahan data dilakukan berdasarkan metodologi yang digunakan,

terdiri dari House of Risk (HOR) fase 1 dan House of Risk (HOR) fase 2.

4.1.1 House of Risk (HOR) Fase 1

Langkah yang dilakukan dalam House of Risk (HOR) fase 1 terdiri dari
identifikasi dan analisis risiko.

4.1.1.1 Identifikasi Proses Bisnis

Proses dalam aktivitas penjualan adalah pertama distributor membuat

orderan secara online, kemudian setelah order dilakukan, maka distributor akan
menerima Sales Order (SO). SO dapat dibagi menjadi beberapa Delivery Order
(DO) jika jumlah semen yang diinginkan melebihi kapasitas satu buah truk. DO
tersebut akan diserahkan kepada bagian pengantongan. Semen akan dikeluarkan
sesuai permintaan distributor dan tagihan distributor langsung tercatat pada
sistem. Tagihan ini harus dilunasi sesuai dengan term of payment yang diberikan
yaitu 30 hari.

Dari hasil penjualan per segmen PT Semen Padang berhasil membukukan

laba usaha dari segmen produksi semen tahun 2017 sebesar Rp826 miliar turun
sebesar 20,5 % atau sebesar Rp214 miliar dibandingkan dengan tahun 2016
sebesar Rp1.039 miliar. Pada tahun 2017, pangsa pasar cenderung turun bila
dibandingkan dengan pangsa pasar tahun 2016. Pangsa pasar nasional tahun 2017
adalah 9,8 % atau turun 3,8% dibandingan dengan tahun 2016. (Annual Report PT
Semen Padang, 2017). Terjadinya penurunan laba usaha dan pangsa pasar PT
Semen Padang tentunya memiliki faktor sebab akibat.

4.1.1.2 Identifikasi Risiko

Identifikasi risiko dilakukan untuk mengidentifikasi risiko-risiko apa saja

yang terjadi pada aktivitas internal penjualan PT Semen Padang. Segala yang
berkenaan dengan risiko internal penjualan dikumpulkan kemudian dianalisis,
bagian-bagian mana yang sekiranya akan muncul sebagai penyebab kemungkinan
tejadinya suatu kerugian. Risiko-risiko diidentifikasi melalui wawancara, diskusi
serta referensi dari beberapa buku dan jurnal. Diskusi dilakukan dengan Kepala
Bidang Sales Planning I yaitu Bapak Nanda Kurniawan, ST. Didapatkan dari
identifikasi sebanyak 6 kejadian risiko dan 21 penyebab risiko.

Kejadian risiko dan penyebab risiko yang sudah dikumpulkan kemudian

divalidasi terlebih dahulu. Sebuah validitas haruslah diuji oleh expert judgement
atau penilai ahli sesuai dengan bidangnya sehingga membantu dalam
mendapatkan data yang akurat. Kuesioner penelitian ini divalidasi oleh 3 pakar
dimana 2 pakar dari pihak penjualan PT Semen Padang dan 1 pakar dari pihak
akademisi. Pakar pertama yaitu Hilma Raimona Zadry, Ph.D dengan bidang
keahlian ilmu manajemen risiko yang merupakan dosen jurusan Teknik Industri
Fakultas Teknik Universitas Andalas. Pakar kedua Kepala Seksi Sales Planning I

30
PT Semen Padang yaitu Nanda Kurniawan, ST. Pakar ketiga Alfin selaku Kepala
Biro Sales Wilayah I.

Setelah divalidasi maka didapatkan 7 kejadian risiko dan 21 penyebab

risiko. Kejadian risiko dan penyebab risiko yang sudah divalidasi dapat dilihat
pada Tabel 4.1.

Tabel 4.1 Variabel Kejadian Risiko dan Penyebab Risiko Setelah Validasi
Kode Kejadian Risiko Sumber Kode Penyebab Risiko Sumber
A1 Pertumbuhan ekonomi menurun (Keswari, 2017)
A2 Pengaruh bencana alam (Keswari, 2017)
Perubahan kondisi ekonomi yang tidak menentu
E1 (Keswari, 2017) Kepala Seksi
sehingga mempengaruhi keadaan usaha
A3 Isu politik yang tidak stabil Sales Planning I
PT Semen Padang
Kepala Seksi
Kepala Seksi Regulasi pemerintah soal impor klinker dan
A4 Sales Planning I
Sales Planning semen
E2 Penetrasi pemain baru PT Semen Padang
I PT Semen
Penemuan variasi, teknik dan peralatan
Padang A5 (Aini, 2014)
produksi yang baru
Kepala Seksi
A6 Terbatasnya produksi Sales Planning I
PT Semen Padang
Kepala Seksi
A7 Kerusakan fasilitas distribusi Sales Planning I
E3 Masalah distribusi produk yang tidak lancar (Keswari, 2017)
PT Semen Padang
A8 Kerusakan Infrastruktur (Aini, 2014)
A9 Ketidakpastian waktu transportasi (Aini, 2014)
A10 Jarak angkut yang jauh (Aini, 2014)
A11 Cuaca yang tidak bisa diprediksi (Aini, 2014)
A12 Banyaknya pemain baru (Aini, 2014)
Kepala Seksi
Kepala Seksi
Sales Planning
E4 Harga produk mengalami tekanan A13 Rendahnya permintaan Sales Planning I
I PT Semen
PT Semen Padang
Padang
A14 Perang harga (Keswari, 2017)
A15 Jangka waktu pembayaran yang lama dari (Keswari, 2017)
Kepala Seksi
E5 Risiko finansial distributor (Aini, 2014) Distributor yang tidak disiplin dalam
A16 Sales Planning I
menggunakan dana yang ada
PT Semen Padang
Kepala Seksi
Kepala Seksi
A17 Kemasan rusak Sales Planning I
Sales Planning
E6 Risiko komplein dari pelanggan (distributor) PT Semen Padang
I PT Semen
A18 Keterlambatan pengiriman semen (Keswari, 2017)
Padang
A19 Kualitas semen tidak sesuai (Keswari, 2017)
A20 Kerusakan / Maintenance pabrik (Keswari, 2017)
Kepala Seksi
Kepala Seksi Lonjakan permintaan semen pada semester
A21 Sales Planning I
Sales Planning II
E7 Risiko kekurangan produk PT Semen Padang
I PT Semen
Kepala Seksi
Padang Lonjakan permintaan semen pada semester
A22 Sales Planning I
II
PT Semen Padang

Tabel 4.1 menampilkan kejadian risiko dan penyebab risiko setelah

divalidasi. Penyebab risiko telah dikelompokkan sesuai dengan kejadian risikonya

31
masing-masing. Kejadian risiko dan penyebab risiko ini didapatkan dari beberapa
jurnal serta diskusi dengan pihak penjualan.

4.1.1.3 Analisis Risiko

Kejadian risiko dan penyebab risiko yang telah divalidasi tersebut

dihimpun ke dalam sebuah kuisioner. Kuisioner ini bertujuan untuk menganalisis
dampak risiko yang terjadi (severity) dan kemungkinan terjadinya risiko
(occurrence). Kuisioner yang telah divalidasi dapat dilihat pada Lampiran A.
Kuisioner akan disebar ke beberapa responden di bagian penjualan PT Semen
Padang. Identitas responden pada penelitian ini dapat dilihat pada Lampiran G.
`
Responden akan mengisi tingkat severity dan occurrence yang terdapat
dalam kuisioner dengan menggunakan skala pada metode Failure Mode Effect
Analysis (FMEA) yang merupakan bagian dari metode House of Risk (HOR).
Berikut ini adalah skala penilaian severity dan occurrence.

Tabel 4.2 Nilai Rangking Severity dan Occurrence (Yang, 2016)

Skala Severity dan Occurence Keterangan
1 Sangat Rendah
2-3 Rendah
4-6 Menengah
7-8 Tinggi
9-10 Sangat Tinggi

Setelah data yang dibutuhkan terkumpul, maka langkah selanjutnya

adalah analisis dampak kejadian risiko (severity). Penilaian severity pada aktivitas
penjualan PT Semen Padang dapat dilihat pada Tabel 4.3.

32
Tabel 4.3 Penilaian Severity pada Aktivitas Penjualan PT Semen Padang
Kejadian Risiko (Severity)
No Nama Total
E1 E2 E3 E4 E5 E6 E7
1 Dani Oktavianus 6 5 8 8 7 2 8 44
2 Nanda Kurniawan 8 9 7 7 7 5 7 50
3 Ronal 7 9 7 9 8 4 9 53
4 Fide Fiko Alam 7 9 8 9 7 5 8 53
5 Irza Kustiani 7 7 9 9 8 7 8 55
6 Rahmat Dinata 8 9 9 8 8 8 8 58
Rata-Rata Bobot Severity 7.17 8.00 8.00 8.33 7.50 5.17 8.00 313

Berdasarkan Tabel 4.3 dapat diketahui bahwa lebih dari setengahnya,

rata-rata bobot kejadian risiko pada aktivitas penjualan PT Semen Padang
memiliki dampak gangguan yang tinggi. Dimana kejadian risiko dengan kode E1,
E2, E3, E4, E5, dan E7 memiliki rentang rata-rata bobot severity antara 7-8.
Sedangkan untuk kejadian risiko dengan kode E6 memiliki rentang rata-rata bobot
severity 4-6.

Penentuan nilai severity pada kejadian risiko dilakukan dengan

perhitungan sebagai berikut:
1. Nilai severity untuk kode E1
S1 E1 + S2 E1 + S3 E1 + S4 E1 + S5 E1 + S6 E1
=
n
6+8+7+7+7+8
=
6
= 7,2
2. Nilai severity untuk kode E2
S1 E2 + S2 E2 + S3 E2 + S4 E2 + S5 E2 + S6 E2
=
n
5+9+9+9+7+9
=
6
=8

Tahapan kedua adalah menentukan nilai occurance. Penilaian occurrence

pada aktivitas penjualan PT Semen Padang dapat dilihat pada Tabel 4.4.

33
 Penilaian occurence pada aktivitas penjualan PT Semen Padang dapat
dilihat pada Tabel 4.4.

Tabel 4.4 Penilaian Occurrence pada Aktivitas Penjualan PT Semen Padang

Penyebab Risiko (Occurrence )
No Nama Total
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17 A18 A19 A20 A21
1 Dani Oktavianus 6 5 6 3 3 4 4 2 3 3 3 6 3 6 8 3 3 2 1 4 8 86

2 Nanda Kurniawan 9 5 6 8 5 7 8 6 4 5 4 8 7 8 8 5 5 6 2 4 9 129

3 Ronal 6 5 7 9 3 8 9 7 4 5 6 9 9 9 9 5 3 6 3 8 9 139

4 Fide Fiko Alam 6 4 7 7 3 5 8 7 5 4 6 9 8 9 8 5 5 4 2 8 9 129

5 Irza Kustiani 7 8 7 7 8 9 9 9 8 8 8 9 9 9 8 8 8 8 9 8 7 171

6 Rahman Dinata 9 8 10 9 8 9 9 9 9 8 8 9 9 10 8 7 9 8 9 9 9 183

Rata-Rata Bobot Occurrence 7.17 5.83 7.17 7.17 5.00 7.00 7.83 6.67 5.50 5.50 5.83 8.33 7.50 8.50 8.17 5.50 5.50 5.67 4.33 6.83 8.50 139.50

Berdasarkan Tabel 4.4 dapat diketahui bahwa lebih dari setengahnya,

rata-rata bobot agen penyebab risiko pada aktivitas penjualan PT Semen Padang
memiliki dampak gangguan yang menengah. Dimana ada 11 agen penyebab risiko
yang memiliki rentang rata-rata bobot occurrence 4-6, yaitu A2, A5, A8, A9,
A10, A11, A16, A17, A18, A19, A20. Sedangkan untuk agen penyebab risiko
dengan kode A1, A3, A4, A6, A7, A12, A13, A14, A15, A21 memiliki rentang
rata-rata bobot severity 7-8.

Penentuan nilai occurence pada kejadian risiko dilakukan dengan

perhitungan sebagai berikut:
1. Nilai occurence untuk kode A1
O1 E1 + O2 E1 + O3 E1 + O4 E1 + O5 E1 + O6 E1
=
n
6+9+6+6+7+9
=
6
= 7,2
2. Nilai occurence untuk kode A12
O1 E2 + O2 E2 + O3 E2 + O4 E2 + O5 E2 + O6 E2
=
n

34
 6+8+9+9+9+9
=
6
= 8,3

Berdasarkan nilai occurrence dan severity dari sumber risiko yang

teridentifikasi, maka dapat dilakukan penilaian tingkat risiko berdasarkan kondisi
sebelum dilakukan penanganan terhadap sumber risiko terpilih. Tabel 4.5
dibawah ini menunjukan posisi agen penyebab risiko (risk agent) sebelum
dilakukan penanganan risiko :

Tabel 4.5 Peta Risiko pada Aktivitas Penjualan PT Semen Padang

Concequence
Likelihood
Insignificant Minor Moderate Major Critical
Rare
Unlikely
Possible A17,A18,A19
Likely A2,A5,A8,A9,A10,A11,A16,A20 A1,A3,A4,A6,A7,A12,A13,A14,A15,A21
Almost Certain

Dapat dilihat bahwa ada 3 agen penyebab risiko yang masuk pada kategori
medium atau yang bewarna kuning dan terdapat 18 agen penyebab risiko pada
kategori high atau yang bewarna jingga.

Tahapan selanjutnya adalah analisis korelasi (correlation) yang bertujuan

untuk mengetahui seberapa kuat hubungan antara suatu kejadian risiko (risk
event) dengan penyebab kejadian risikonya (risk agent). Analisis korelasi
dilakukan dengan penilaian oleh dua orang pakar yaitu Bapak Nanda Kurniawan,
ST selaku Kepala Bidang Sales Planning I, pakar kedua Bapak Alfin selaku
Kepala Biro Sales Wilayah I dan pakar ketiga yaitu Ibu Hilma Raimona Zadry,
Ph.D selaku dosen Manajemen Risiko Teknik Industri Fakultas Universitas
Andalas. Penilaian korelasi antara penyebab risiko dengan kejadian risiko
memiliki skala 0, 1, 3 dan 9 dengan aturan sebagai berikut (Pujawan, 2009):
1. Angka 9 menunjukkan adanya korelasi yang kuat antara suatu atau
beberapa penyebab risiko dengan suatu kejadian risiko, yang berarti

35
 penyebab risiko tersebut berperan besar dalam memunculkan kejadian
risiko.
2. Angka 3 menunjukkan adanya korelasi sedang antara suatu atau beberapa
penyebab risiko dengan suatu kejadian risiko, yang berarti penyebab
risiko tersebut berperan sedang dalam memunculkan kejadian risiko.
3. Angka 1 menunjukkan adanya korelasi yang lemah antara suatu atau
beberapa penyebab risiko dengan suatu kejadian risiko, yang berarti
penyebab risiko tersebut berperan sedang dalam memunculkan kejadian
risiko.
4. Angka 0 menunjukkan tidak adanya korelasi antara suatu atau beberapa
penyebab risiko dengan suatu kejadian risiko.

Penilaian hubungan korelasi rata-rata dari ketiga pakar antara penyebab

risiko dengan kejadian risiko selengkapnya dapat dilihat pada Lampiran B.
Berikut adalah contoh perhitungan penilaian rata-rata korelasi dari 3 pakar pada
Lampiran B, misalnya pada kejadian risiko E1 dengan penyebab risiko A1:
Nilai Bobot Pakar 1 =3
Nilai Bobot Pakar 2 =9
Nilai Bobot Pakar 3 =3
3+9+3
Nilai bobot rata-rata =
3
15
=
3
=5

Tahapan selanjutnya setelah penilaian terhadap severity, occurance dan

correlation adalah menentukan nilai Aggregate Risk Potential (ARP) dengan
menggunakan metode House of Risk (HOR) fase 1. Penggalan tabel perhitungan
metode House of Risk (HOR) fase 1 dapat dilihat pada Tabel 4.6.

36
Tabel 4.6 Penggalan Tabel Perhitungan Metode House Of Risk (HOR) Fase 1

Pertumbuhan ekonomi menurun

Isu politik yang tidak stabil

Pengaruh bencana alam
Penyebab Risiko

Bobot
Kode
Severity

Kejadian Risiko

A1 A2 A3
E1 Perubahan kondisi ekonomi yang tidak menentu sehingga mempengaruhi keadaan usaha 7.17 5.00 1.67 7.00
E2 Penetrasi pemain baru 8.00 5.00 0.00 0.00

E3 Masalah distribusi produk yang tidak lancar 8.00 1.00 5.00 1.00

E4 Harga produk mengalami tekanan 8.33 3.67 0.33 0.33

E5 Risiko finansial distributor 7.50 1.67 0.00 0.67

E6 Risiko komplein dari pelanggan (distributor) 5.17 0.00 3.00 1.00

E7 Risiko kekurangan produk 8.00 1.00 3.67 0.00

Bobot Occurance 7.17 5.83 7.17
Agregate Risk Potential (ARP) 966.7037037 580.7407407 509.63
ARP (%) 6.098% 3.663% 3.215%

Perhitungan metode House of Risk (HOR) fase 1 dapat dilihat pada

Lampiran C. Contoh perhitungan Aggregate Risk Potential (ARP) untuk
pertumbuhan ekonomi (A1) adalah sebagai berikut:
Nilai bobot penyebab risiko A1 (OA1) = 7,17
Nilai bobot kejadian risiko E1 karena A1 (S1A1) = 7,17
Nilai bobot kejadian risiko E2 karena A1 (S2A1) = 8,00
Nilai bobot kejadian risiko E3 karena A1 (S3A1) = 8,00
Nilai bobot kejadian risiko E4 karena A1 (S4A1) = 8,33
Nilai bobot kejadian risiko E5 karena A1 (S5A1) = 7,50
Nilai bobot kejadian risiko E6 karena A1 (S6A1) = 5,17
Nilai bobot kejadian risiko E7 karena A1 (S7A1) = 8,00
Nilai bobot korelasi kejadian risiko E1 dengan A1 (R1A1) = 5,00
Nilai bobot korelasi kejadian risiko E2 dengan A1 (R2A1) = 5,00
Nilai bobot korelasi kejadian risiko E3 dengan A1 (R3A1) = 1,00
Nilai bobot korelasi kejadian risiko E4 dengan A1 (R4A1) = 3,67
Nilai bobot korelasi kejadian risiko E5 dengan A1 (R5A1) = 1,67

37
Nilai bobot korelasi kejadian risiko E6 dengan A1 (R6A1) = 0,00
Nilai bobot korelasi kejadian risiko E7 dengan A1 (R7A1) = 1,00

ARP j = Oj Si.Rij
i
i

ARP A1 = Oj SiA1 . RiA1

1
7

ARP A1 = Oj SiA1 . RiA1

1

ARP A1 = OA1 ((S1A1 x R1A1) + (S2A1 x R2A1) + (S3A1 x R3A1) + (S4A1 x R4A1) +
(S5A1 x R5A1) + (S6A1 x R6A1) + (S7A1 x R7A1))
ARP A1 = 7,17 ((7,17 x 5,00) + (8,00 x 5,00) + (8,00 x 1,00) + (8,33 x 3,67) +
(7,50 x 1,67) + (5,17 x 0,00) + (8,00 x 1,00))
ARP A1 = 7,17 (134,889)
ARP A1 = 966,703

Jadi diperoleh nilai Aggregate Risk Potential (ARP) untuk penyebab

risiko pertumbuhan ekonomi (A1) adalah 966,703. Nilai Aggregate Risk Potential
(ARP) aktivitas penjualan PT Semen Padang dapat dilihat pada tabel Tabel 4.7
dan Tabel 4.8.

Tabel 4.7 Nilai Aggregate Risk Potential (ARP) dari Urutan Terbesar hingga
Terkecil
Ranking Penyebab Risiko Kode ARP
1 Perang harga A14 1521.5
2 Banyaknya pemain baru A12 1377.8
3 Regulasi pemerintah soal impor klinker A4 1219.5
4 Terbatasnya produksi A6 1131.7
5 Lonjakan permintaan semen pada semester II A21 1124.8
6 Rendahnya permintaan A13 1080.0
7 Pertumbuhan ekonomi menurun A1 966.7
8 Kerusakan fasilitas distribusi A7 883.4

38
Tabel 4.8 Nilai Aggregate Risk Potential (ARP) dari Urutan Terbesar hingga
Terkecil (Lanjutan)
Ranking Penyebab Risiko Kode ARP
9 Keterlambatan pengiriman semen A18 857.6
Jangka waktu pembayaran yang lama dari pelanggan
10 A15 790.4
terutama proyek
11 Kerusakan / Maintenance pabrik A20 761.9
12 Ketidakpastian waktu transportasi A11 655.3
13 Pengaruh bencana alam A2 580.7
14 Isu politik yang tidak stabil A3 509.6
15 Jarak angkut yang jauh A10 487.7
16 Ketidakpastian waktu transportasi A9 429.0
Distributor yang tidak disiplin dalam menggunakan
17 A16 423.5
dana yang ada
18 Kerusakan Infrastruktur A8 347.8
19 Kemasan rusak A17 343.8
20 Kualitas semen tidak sesuai A19 270.8
Penemuan variasi, teknik dan peralatan produksi yang
21 A5 88.9
baru

Setelah dilakukan perangkingan maka dapat diketahui bahwa agen

penyebab risiko yang memiliki nilai ARP tertinggi adalah perang harga (A14)
dengan nilai ARP 1521,5 dan agen penyebab risiko dengan nilai ARP terendah
adalah penemuan variasi, teknik, dan peralatan produksi yang baru (A5) dengan
nilai ARP 88,9. Semakin besar ARP sebuah agen penyebab risiko maka semakin
besar pengaruhnya terhadap kejadian risiko yang muncul pada aktivitas penjualan
PT Semen Padang.

4.1.2 House of Risk (HOR) Fase 2

Langkah-langkah yang dilakukan pada House of Risk (HOR) fase 2 ini

adalah evaluasi risiko dan respon risiko.

4.1.2.1 Evaluasi Risiko

Pada tahap ini agen penyebab risiko akan diseleksi berdasarkan nilai
Aggregate Risk Potential (ARP) yang telah dirangking dari urutan terbesar hingga

39
terkecil. Dengan mengklasifikasikan nilai kumulatif ARP dengan menggunakan
diagram pareto 80:20. Berikut ini diagram pareto pada Gambar 4.1.

Gambar 4.1 Aggregate Risk Potential (ARP) Aktivitas Penjualan PT Semen

Padang

Prinsip pareto dengan aturan 80:20 menggambarkan bahwa 80% kejadian

risiko yang muncul berasal dari 20% agen risiko yang menyebabkannya. Oleh
karena itu, melalui penggambaran diagram pareto ini akan ditentukan agen risiko
terpilih yang termasuk 20% penyebab utama munculnya kejadian risiko yang
terjadi yaitu A15, A13, A4. Tabel 4.9 dan Tabel 4.10 menampilkan klasifikasi
nilai kumulatif Aggregate Risk Potential (ARP) dari penyebab risiko yang telah
teridentifikasi.

Tabel 4.9 Klasifikasi Penyebab Risiko

Ranking Penyebab Risiko Kode ARP %ARP % Kum ARP Klasifikasi
1 Perang harga A14 1521.5 8.96% 9.60%
2 Banyaknya pemain baru A12 1377.8 8.11% 18.29% A
3 Regulasi pemerintah soal impor klinker A4 1219.5 7.18% 25.98%
4 Terbatasnya produksi A6 1131.7 6.66% 33.12%
5 Lonjakan permintaan semen pada semester II A21 1124.8 6.62% 40.22%
6 Rendahnya permintaan A13 1080.0 6.36% 47.03%
7 Pertumbuhan ekonomi menurun A1 966.7 5.69% 53.13%
8 Kerusakan fasilitas distribusi A7 883.4 5.20% 58.70%
9 Keterlambatan pengiriman semen A18 857.6 5.05% 64.11% B
Jangka waktu pembayaran yang lama dari pelanggan
10 A15 790.4 4.65% 69.10%
terutama proyek
11 Kerusakan / Maintenance pabrik A20 761.9 4.49% 73.90%
12 Ketidakpastian waktu transportasi A11 655.3 3.86% 78.04%
13 Pengaruh bencana alam A2 580.7 3.42% 81.70%

40
Tabel 4.10 Klasifikasi Penyebab Risiko (Lanjutan)
Ranking Penyebab Risiko Kode ARP %ARP % Kum ARP Klasifikasi
14 Isu politik yang tidak stabil A3 509.6 3.00% 84.91%
15 Jarak angkut yang jauh A10 487.7 2.87% 87.99%
16 Ketidakpastian waktu transportasi A9 429.0 2.53% 90.70%
Distributor yang tidak disiplin dalam menggunakan
17 A16 423.5 2.49% 93.37%
dana yang ada
C
18 Kerusakan Infrastruktur A8 347.8 2.05% 95.56%
19 Kemasan rusak A17 343.8 2.02% 97.73%
20 Kualitas semen tidak sesuai A19 270.8 1.59% 99.44%
Penemuan variasi, teknik dan peralatan produksi yang
21 A5 88.9 0.52% 100.00%
baru

Berdasarkan urutan nilai Aggregate Risk Potential (ARP) dan didapatkan

klasifikasi risiko dengan menggunakan Diagram Pareto 80:20. Dimana penyebab
risiko pada kelas A merupakan penyebab risiko yang dominan tinggi karena
termasuk ke dalam 20% kumulatif ARP, selanjutnya kelas B merupakan penyebab
risiko sedang, dan kelas C merupakan penyebab risiko ringan.

Tahapan selanjutnya adalah perancangan usulan tindakan preventif.

Usulan tindakan preventif yang dirancang adalah untuk 20% penyebab risiko (risk
agent) tertinggi.

Usulan tindakan preventif yang diberikan berdasarkan dari hasil diskusi

dengan pihak penjualan PT Semen Padang, beberapa referensi dan penelitian
sebelumnya. Usulan tindakan preventif yang dirancang divalidasi terlebih dahulu
oleh 2 orang pakar dari pihak penjualan PT Semen Padang yaitu Nanda
Kurniawan, ST dan Bapak Alfin. Hasil validasi usulan tindakan preventif untuk
penyebab risiko Penjualan Semen PT Semen Padang dapat dilihat pada Tabel
4.11.

41
Tabel 4.11 Usulan Tindakan Preventif Risk Agent Penjualan Semen PT Semen
Padang
Kode Pengendalian Risiko Sumber
PA1 Program push promo Diskusi dengan Pakar
Mempertahankan kualitas semen sehingga konsumen tetap memiliki
PA2 Asrina, 2017
minat terhadap semen yang dipasarkan
PA3 Meningkatkan penjualan semen ke luar negeri Tempo, 2010
PA4 Meminimalisir biaya operasional perusahaan Katadata, 2015
PA5 Memperkuat jaringan sales force Diskusi dengan Pakar
Menggarap potensi pasar yang belum terisi (mapping blank spot
PA6 Diskusi dengan Pakar
area )
PA7 Pengembangan pasar semen tipe khusus Diskusi dengan Pakar

4.1.2.2 Respon Risiko

Pada tahap ini, usulan tindakan preventif yang telah divalidasi sebelumnya
akan dinilai tingkat efektkifitas dan tingkat kesulitannya. Adapun tahap penilaian
respon risiko ini adalah:
1. Penilaian Korelasi
Penilaian korelasi ini dilakukan untuk mengetahui hubungan korelasi
antara agen risiko dengan tindakan preventif yang diusulkan. Penilaian korelasi ini
dilakukan oleh 2 pakar dari pihak penjualan PT Semen Padang yaitu Nanda
Kurniawan, ST dan Bapak Alfin. Media yang digunakan untuk melakukan
penilaian korelasi ini adalah kuisioner. Rata-rata penilaian korelasi semua pakar
dapat dilihat pada Lampiran E. Sama dengan penilaian korelasi pada HOR Fase
1, penilaian korelasi pada HOR Fase 2 ini juga menggunakan skala 0, 1, 3, dan 9.

2. Menghitung Total Efektifitas (TE)

Setiap agen risiko akan dihitung total efektifitasnya. Cara menghitung total
efektifitas untuk setiap usulan tindakan adalah :

TEPA = ARPj . Ejk

j

Berikut Tabel 4.12 menampilkan nilai Total Efektifitas masing-masing

tindakan preventif yang diusulkan.

42
Tabel 4.12 Total Efektifitas Usulan Tindakan Preventif Penjualan Semen PT
Semen Padang
Kode Pengendalian Risiko TEk
PA1 Program push promo 20265.89
Mempertahankan kualitas semen sehingga
PA2 konsumen tetap memiliki minat terhadap semen 13921.50
yang dipasarkan
PA3 Meningkatkan penjualan semen ke luar negeri 18615.19
PA4 Meminimalisir biaya operasional perusahaan 21485.42
PA5 Memperkuat jaringan sales force 19403.56
Menggarap potensi pasar yang belum terisi
PA6 16662.53
(mapping blank spot area )
PA7 Pengembangan pasar semen tipe khusus 4807.69

Dari Tabel 4.13 dapat diketahui usulan tindakan preventif dengan kode
PA4 memiliki nilai total efektifitas paling tinggi dan PA7 memiliki nilai total
efektifitas paling rendah.

3. Penilaian Tingkat Kesulitan Penerapan Usulan Tindakan Preventif

Selanjutnya adalah penilaian tingkat kesulitan penerapan usulan tindakan
preventif yang diberikan. Dimana responden akan memberikan penilaian seberapa
sulit tindakan preventif yang diusulkan untuk diterapkan. Penilaian ini dilakukan
oleh 6 orang karyawan di bagian penjualan PT Semen Padang. Skala penilaian
yang digunakan dapat dilihat pada Tabel 4.12.

Tabel 4.13 Bobot Penilaian Tingkat Kesulitan Penerapan Usulan Tindakan

Preventif
Rekap Penilaian PA
Sangat Mudah 1
Mudah 2
Cukup Sulit 3
Sulit 4
Sangat Sulit 5

Hasil penilaian oleh responden terhadap tingkat kesulitan penerapan

usulan tindakan preventif dapat dilihat pada Tabel 4.14.

43
Tabel 4.14 Penilaian Tingkat Kesulitan Penerapan Usulan Tindakan Preventif
No Nama Responden PA1 PA2 PA3 PA4 PA5 PA6 PA7
1 Irza Kustiani 1 2 1 3 4 3 4
2 Rahmat Dinata 2 2 2 3 4 4 4
3 Ronal 1 3 2 4 4 3 3
4 Fide Fiko Alam 2 2 1 4 3 3 2
5 Nanda Kurniawan 2 1 1 3 5 4 3
6 Dani Oktavianus 3 2 1 2 5 4 3
Rata-Rata 1.8 2.0 1.3 3.2 4.2 3.5 3.2

Berdasarkan Tabel 4.14 dapat diketahui bahwa berdasarkan rata-rata

tingkat kesulitan ada 2 usulan tindakan sangat mudah untuk dilakukan yaitu
usulan dengan kode PA1 dan PA3, ada 1 usulan yang mudah untuk dilakukan
yaitu PA2, ada 3 usulan yang cukup sulit untuk dilakukan yaitu PA4, PA6, dan
PA7, dan ada 1 usulan tindakan yang sangat sulit dilakukan yaitu usulan tindakan
dengan kode PA5.

Penentuan nilai tingkat kesulitan tindakan preventif (Dk) dilakukan dengan

perhitungan sebagai berikut:
1. Nilai tingkat kesulitan (Dk) untuk kode PA1
PA11 + PA12 + PA13 + PA14 + PA15 + PA16
=
n
1+2+1+2+2+3
=
6
= 1,8
2. Nilai tingkat kesulitan (Dk) untuk kode PA2
PA21 + PA22 + PA23 + PA24 + PA25 + PA26
=
n
2+2+3+2+1+2
=
6
=2

Setelah menghitung nilai korelasi, total efektifitas, dan tingkat kesulitan

tindakan preventif maka selanjutnya mengukur Effectiveness of Ratio (ETD).

44
Tabel 4.15 Penggalan Tabel Perhitungan Metode House Of Risk (HOR) Fase 2
Mempertahankan
kualitas semen
Tindakan Preventif
Program sehingga konsumen
Kode ARP push promo tetap memiliki minat
terhadap semen yang
Penyebab Risiko dipasarkan
PA1 PA2
A14 Perang Harga 1521.5 9 1
A12 Banyaknya pemain baru 1377.8 3 9
A4 Regulasi Pemerintah Soal Impor Klinker 1219.5 2 0
Tingkat Kesulitan Tindakan Preventif (Dk) 1.83 2.00
Total Efektifinas (Tek) 20265.89 13921.50
Tingkat Kesulitan untuk Rasio Kesulitan Tindakan (ETDk) 11054.12 6960.75

Contoh perhitungan total efektifitas untuk rasio tingkat kesulitan (ETDk)

usulan tindakan preventif meningkatkan program push promo (PA1) adalah
sebagai berikut:
Agregat penyebab risiko ARP A14 = 1521,5
Agregat penyebab risiko ARP A12 = 1377,8
Agregat penyebab risiko ARP A4 = 1219,5
Tingkat kesulitan (Dk) PA1 = 1,83
Korelasi (penyebab risiko j dan kejadian risiko i) (E1IP3) =9
Korelasi (penyebab risiko j dan kejadian risiko i) (E2P3) =3
Korelasi (penyebab risiko j dan kejadian risiko i) (E3P3) =2

TEPA3 = ARPj . Ejk

j

= (1521,5 x 9) + (1377,8 x 3) + (1219,5 x 2)

= 20265,89

TEk
ETDk =
Dk
20265,89
=
1.83
= 11054,12

45
 Hasil perhitungan House of Risk (HOR) fase 2 ini dapat dilihat pada
Lampiran F. Urutan nilai total efektifitas untuk rasio tingkat kesulitan (ETDk)
dari terbesar hingga terkecil dapat dilihat pada Tabel 4.16.

Tabel 4.16 Nilai Total Efektifitas untuk Rasio Tingkat Kesulitan (ETDk) Usulan
Tindakan Preventif
Kode Pengendalian Risiko ETDk
PA3 Meningkatkan penjualan semen ke luar negeri 13961.40
PA1 Program push promo 11054.12
Mempertahankan kualitas semen sehingga
PA2 konsumen tetap memiliki minat terhadap semen 6960.75
yang dipasarkan
PA4 Meminimalisir biaya operasional perusahaan 6784.87
Menggarap potensi pasar yang belum terisi
PA6 4760.72
(mapping blank spot area)
PA5 Memperkuat jaringan sales force 4656.85
PA7 Pengembangan pasar semen tipe khusus 1518.22

Dari Tabel 4.15 dapat disimpulkan bahwa tindakan preventif yang paling
ideal untuk diterapkan perusahaan saat ini adalah meningkatkan penjualan semen
ke luar negeri (PA3). Tindakan preventif diurutkan dari yang memiliki nilai ETD
yang terbesar hingga yang terkecil karena menandakan bahwa nilai ETD yang
tinggi lebih mudah diterapkan aksi mitigasinya dibanding dengan nilai ETD yang
lebih rendah.

Berdasarkan nilai efektifitas dan tingkat kesulitan tindakan preventif

usulan, maka tindakan preventif usulan dikelompokkan ke dalam 4 kuadran
seperti berikut (Listio, 2017):
a. Kuadran 1 merupakan kelompok tindakan preventif yang memiliki tingkat
efektifitas tinggi dan tingkat kesulitan rendah.
b. Kuadran 2 merupakan kelompok tindakan preventif yang memiliki tingkat
efektifitas dan tingkat kesulitan yang rendah.
c. Kuadran 3 merupakan kelompok tindakan preventif yang memiliki tingkat
efektifitas rendah dan tingkat kesulitan yang tinggi.

46
d. Kuadran 4 merupakan kelompok tindakan preventif yang memiliki tingkat
efektifitas rendah dan tingkat kesulitan yang tinggi.

Gambar 4.2 Kuadran Tindakan Preventif

Berdasarkan Gambar 4.2 dapat dilihat bahwa banyak usulan tindakan

preventif yang berada pada kuadran 3 dan kuadran 4, artinya banyak usulan
tindakan preventif yang masih sulit untuk diterapkan. Sedangkan untuk usulan
tindakan preventif dengan kode PA1 dan PA3 berada pada kuadran 1, artinya
usulan ini lebih ideal atau lebih mudah untuk dilakukan dibandingkan usulan
lainnya.

47