Selection of technology acquisition mode using the analytic

network process
Hakyeon Lee 1, Sora Lee 1, Yongtae Park

Department of Industrial Engineering, School of Engineering, Seoul National University,

San 56-1, Shillim-Dong, Kwanak-Gu, Seoul 151-742, Republic of Korea

Abstrak

Memilih mode akuisisi yang sesuai untuk teknologi yang diperlukan, adalah salah satu keputusan
strategis penting dalam merumuskan strategi teknologi. Meskipun sejumlah faktor yang ditemukan
berpengaruh dalam pemilihan mode akuisisi teknologi, masih ada kekosongan dalam literatur
bagaimana membuat keputusan strategis, berdasarkan sejumlah besar faktor-faktor tersebut dengan
bantuan pendekatan sistematis. Penelitian ini berkaitan dengan pemilihan mode akuisisi teknologi
sebagai masalah pengambilan keputusan berganda (MCDM). Solusi yang diusulkan untuk masalah
dalam penelitian ini, adalah pendekatan analitik jaringan proses (ANP). Karena ANP adalah metode
MCDM yang dapat mengakomodasi saling ketergantungan di antara atribut keputusan, ia mampu
memberikan prioritas alternatif dengan pertimbangan hubungan timbal balik di antara faktor-faktor
strategis. 21 faktor berpengaruh yang diidentifikasi dari studi empiris dimasukkan sebagai sub-
kriteria dalam model ANP, dan mereka dikelompokkan ke dalam lima kriteria: kemampuan,
strategi, teknologi, pasar, dan lingkungan. Keputusan akhir dapat dibuat berdasarkan prioritas yang
dihasilkan dari mode akuisisi alternatif. Pendekatan yang diusulkan diharapkan untuk secara efektif
membantu pengambilan keputusan tentang mode mana yang diadopsi untuk akuisisi teknologi yang
diperlukan. Kasus perusahaan perangkat lunak disajikan untuk ilustrasi pendekatan yang diusulkan.

1. Pengantar
Perumusan dan implementasi strategi teknologi yang efektif telah dianggap sebagai
pendorong utama bagi keunggulan kompetitif suatu perusahaan. Meskipun masih banyak
perdebatan tentang bagaimana mendefinisikan ruang lingkup strategi teknologi, dari yang
secara khusus berfokus pada pengembangan teknologi, hingga definisi berbasis
pengetahuan yang sangat luas [1], yang memiliki kesamaan literatur adalah bahwa strategi
teknologi dapat dipandang sebagai sebuah proses yang terdiri dari serangkaian langkah
yang membutuhkan keputusan dan tindakan strategis, seperti akuisisi-manajemen-
eksploitasi [1,2]. Salah satu keputusan strategis penting dalam merumuskan strategi
teknologi adalah bagaimana memperoleh teknologi yang dibutuhkan. Akuisisi teknologi
menyangkut apakah akan memperoleh teknologi melalui pengembangan internal, bekerja
sama dengan perusahaan lembaga lain, atau membeli teknologi [3]. Berbagai strategi
akuisisi teknologi (atau mode) yang tersedia dan kompleksitas lingkungan bisnis modern
telah menyebabkan keputusan menjadi sulit.
Beberapa studi empiris telah dilakukan untuk mengidentifikasi faktor penentu
utama yang mempengaruhi pilihan mode akuisisi teknologi [4 7]. Namun, ada hubungan
yang hilang antara faktor-faktor yang berpengaruh dan keputusan akhir. Meskipun sejumlah
faktor yang ditemukan berpengaruh dalam memilih mode akuisisi, masih ada kekosongan
dalam literatur bagaimana membuat keputusan strategis berdasarkan sejumlah besar faktor
yang berpengaruh dengan bantuan pendekatan sistematis dan kuantitatif. Berbagai
pendekatan, berdasarkan pada pemrograman matematis, analisis statistik, atau metode multi
kriteria pengambilan keputusan (MCDM) telah diusulkan untuk membantu keputusan baik
sebelum maupun sesudah pemilihan mode akuisisi teknologi: pemilihan teknologi yang
akan diperoleh di antara alternatif yang diidentifikasi, seperti pemilihan teknologi [8],
pemilihan proyek R&D [9], dan keputusan dalam mode akuisisi yang dipilih seperti
pemilihan pemasok teknologi [10], keputusan go / no-go proyek R&D [11]. Namun, sangat
sedikit pendekatan sistematis yang telah diusulkan untuk pemilihan strategi akuisisi
teknologi, sementara ada kebutuhan yang meningkat untuk menggunakan pemodelan
matematika yang canggih untuk masalah pemilihan strategi tersebut.
Studi ini berkaitan dengan pemilihan mode akuisisi teknologi sebagai masalah
MCDM. Dalam MCDM, pembuat keputusan mengevaluasi beberapa alternatif
menggunakan beberapa kriteria yang saling bertentangan. Lingkungan keputusan memilih
strategi akuisisi teknologi merupakan bentuk khas MCDM: memilih opsi yang sesuai di
antara beberapa mode akuisisi teknologi sebagai alternatif dengan mempertimbangkan
berbagai faktor yang berpengaruh sebagai kriteria. Di antara berbagai metode MCDM,
proses jaringan analitik (ANP) digunakan dalam pendekatan yang diusulkan. ANP adalah
generalisasi dari proses hierarki analitik (AHP), yang merupakan salah satu metode MCDM
yang paling banyak digunakan [12]. Karena ANP memungkinkan hubungan timbal balik
yang lebih kompleks di antara elemen-elemen, dengan mengganti hirarki dalam AHP
dengan jaringan, ia mampu memberikan prioritas alternatif yang menangkap hubungan
timbal balik di antara faktor-faktor strategis [13]. Secara khusus, ANP telah terbukti
bermanfaat untuk masalah pemilihan strategi, karena elemen strategis yang perlu
dipertimbangkan dalam pengambilan keputusan memiliki saling ketergantungan satu sama
lain dalam banyak kasus. Contoh penggunaan ANP untuk pemilihan strategi termasuk
strategi bisnis [14], strategi e-bisnis [15], strategi manajemen pengetahuan [16], dan strategi
militer nasional [17]. Studi ini juga menggunakan ANP untuk pemilihan strategi akuisisi
teknologi.
 Sisa dari makalah ini disusun sebagai berikut. Bagian 2 meninjau metodologi yang
mendasari pendekatan yang diusulkan, ANP. Pendekatan yang diusulkan dijelaskan di
Bagian 3 dan diilustrasikan dengan studi kasus di Bagian 4. Makalah ini berakhir dengan
kesimpulan di Bagian 5.

2. Analytic network process

ANP adalah generalisasi dari AHP [12]. AHP, juga dikembangkan oleh Saaty [18],
adalah salah satu metode MCDM yang paling banyak digunakan. AHP menguraikan
masalah menjadi beberapa tingkatan, membuat hierarki di mana setiap elemen keputusan
dianggap independen. ANP memperluas AHP ke masalah dengan ketergantungan dan
umpan balik. ANP memungkinkan untuk hubungan timbal balik yang lebih kompleks di
antara elemen-elemen keputusan dengan mengganti hirarki dalam AHP dengan jaringan
[19].
Karena keuntungan seperti itu, beberapa tahun terakhir telah melihat peningkatan
besar dalam penggunaan ANP untuk berbagai masalah MCDM [20]. Selain itu, ANP telah
diterapkan untuk pengambilan keputusan dengan kerangka kerja yang ada seperti
penyebaran fungsi kualitas (QFD) [21] dan balanced scorecard (BSC) [22]. Berbagai upaya
juga telah dilakukan untuk mengintegrasikan ANP dengan teori atau teknik lain seperti teori
himpunan fuzzy [23,24] dan pemrograman matematika [25,26].
Proses ANP terdiri dari empat langkah utama berikut [12,19,27]:
a. Langkah 1 (konstruksi model): Masalah didekomposisi ke dalam jaringan di mana node
sesuai dengan komponen. Elemen-elemen dalam suatu komponen dapat berinteraksi
dengan beberapa atau semua elemen dari komponen lain. Juga, hubungan antar elemen
dalam komponen yang sama dapat ada. Hubungan ini diwakili oleh busur dengan arah.
b. Langkah 2 (perbandingan berpasangan dan vektor prioritas lokal): Elemen-elemen
tersebut dibandingkan secara berpasangan sehubungan dengan dampaknya terhadap
elemen lain. Cara melakukan perbandingan berpasangan dan mendapatkan vektor
prioritas sama dengan di AHP. Nilai kepentingan relatif ditentukan pada skala 1 9, di
mana skor 1 menunjukkan kepentingan yang sama antara kedua elemen dan 9 mewakili
kepentingan ekstrim dari satu elemen dibandingkan dengan yang lainnya. Nilai timbal
balik ditugaskan untuk perbandingan terbalik; yaitu, aji D1 = aij di mana aij
menunjukkan pentingnya elemen ke-i dibandingkan dengan elemen ke-j. Juga, aii D1
dipertahankan dalam matriks perbandingan berpasangan. Kemudian, metode vektor
eigen digunakan untuk mendapatkan vektor prioritas lokal untuk setiap matriks
perbandingan berpasangan. Untuk menguji konsistensi perbandingan berpasangan,
rasio konsistensi (CR) dapat diperkenalkan dengan indeks konsistensi (CI) dan indeks
 acak (RI). Jika CR kurang dari 0,1, perbandingan berpasangan dianggap dapat diterima.
Untuk informasi terperinci tentang cara menghitung CR, lihat teks oleh Saaty [18].
c. Langkah 3 (pembentukan dan transformasi supermatrix): Vektor prioritas lokal
dimasukkan ke dalam kolom supermatrix yang sesuai, yang merupakan matriks yang
dipartisi di mana setiap segmen mewakili hubungan antara dua komponen. Supermatrix
dari sistem komponen N dilambangkan sebagai berikut:

Tabel 1
Faktor-faktor yang mempengaruhi pemilihan mode akuisisi teknologi

Ck adalah komponen k th ( 1,2,…,N) yang memiliki elemen nk dilambangkan sebagai

ek1,ek2,...,eknk.. Segmen matriks, Wij, mewakili hubungan antara komponen ke-i dan

komponen ke-j. Setiap kolom Wij adalah vektor prioritas lokal diperoleh dari
perbandingan berpasangan yang sesuai, mewakili pentingnya unsur-unsur dalam
komponen ke-satu untuk unsur dalam komponen ke-j. Ketika tidak ada hubungan
antara komponen, segmen matriks yang sesuai adalah matriks nol. Kemudian,
supermatrix ditransformasikan menjadi supermatrix tertimbang, masing-masing
kolomnya berjumlah satu. Fitur 'kolom stokastik' dari supermatrix tertimbang ini
memungkinkan terjadinya konvergensi pada batas supermatrix. Akhirnya, supermatrix
 tertimbang diubah menjadi supermatrix batas dengan menaikkannya menjadi kekuatan.
Alasan untuk mengalikan supermatrix tertimbang, adalah untuk menangkap transmisi
pengaruh sepanjang semua jalur yang mungkin dari supermatrix. Meningkatkan
supermatrix tertimbang memungkinkan konvergensi dari matriks, dan matriks yang
dihasilkan disebut batas supermatrix, yang menghasilkan prioritas batas menangkap
semua pengaruh langsung dan tidak langsung dari setiap elemen pada setiap elemen
lainnya.

d. Langkah 4 (prioritas akhir): Ketika supermatrix mencakup seluruh jaringan, prioritas

akhir elemen ditemukan di kolom yang sesuai dalam batas supermatrix. Jika
supermatrix hanya mencakup komponen yang saling terkait, perhitungan tambahan
harus dilakukan untuk mendapatkan prioritas akhir.

3. Pendekatan yang Diusulkan

3.1 Pengembangan Model
Bagian ini mengembangkan model ANP untuk pemilihan mode akuisisi teknologi.
Tujuan dari model ANP adalah untuk memilih opsi terbaik untuk memperoleh
teknologi yang diperlukan di antara mode alternatif. Sejumlah mode akuisisi teknologi
tersedia, seperti akuisisi, merger, lisensi, usaha patungan, R&D bersama, kontrak R&D,
aliansi, konsorsium, outsourcing, in-house R&D [3]. Karena terlalu banyak alternatif
membuat prosedur ANP menjadi sangat kompleks dan memakan waktu, tiga kategori
luas dari mode akuisisi teknologi telah didefinisikan sebagai alternatif dari model ANP:
Make, Cooperate, and Buy. Membuat sarana dalam-rumah R&D, dan Bekerjasama
mencakup berbagai bentuk kerjasama dengan perusahaan lain dengan atau tanpa
keterlibatan ekuitas seperti usaha patungan, R&D bersama dan aliansi. Beli merupakan
bentuk kontrak R&D, akuisisi, lisensi, dan outsourcing.
Tinjauan pustaka dilakukan untuk mengidentifikasi faktor-faktor yang perlu
dipertimbangkan ketika mengevaluasi kesesuaian mode akuisisi. Total 21 faktor
diidentifikasi dan dirangkum dalam Tabel 1 dengan referensi mereka. Faktor-faktor
tersebut juga dapat diklasifikasikan ke dalam lima kategori: kemampuan, strategi,
teknologi, pasar, dan lingkungan. Kelima kategori dan 21 faktor digunakan masing-
masing dalam model sebagai kriteria dan sub-kriteria.
Gambar. 1 menunjukkan model ANP yang dikembangkan terdiri dari tujuan, lima
kriteria, 21 sub-kriteria, dan tiga alternatif. Di antara berbagai bentuk model jaringan
dalam ANP, model yang diusulkan mengambil bentuk hirarki kontrol, yang hanya
hirarki kriteria dan sub-kriteria di mana prioritas diperoleh sehubungan dengan tujuan
keseluruhan sistem yang dianalisis [12 ] Diasumsikan bahwa saling ketergantungan
 terjadi pada tingkat sub-kriteria; sub-kriteria yang termasuk dalam kriteria yang sama
memiliki saling ketergantungan satu sama lain. Sebagai contoh, posisi teknologi suatu
perusahaan kemungkinan akan dipengaruhi oleh tenaga R&Dnya atau pengalaman
R&D, dan sebaliknya. Dengan demikian, keterkaitan antara faktor-faktor ini perlu
dicerminkan dalam evaluasi mode akuisisi teknologi. Itulah mengapa ANP digunakan
dalam pendekatan yang diusulkan, bukan AHP. Bentuk model ANP ini mirip dengan
model oleh Meade dan Sarkis [19], Agarwal dan Shankar [58], dan Jharkharia dan
Shankar [59].

Gambar. 1. Model ANP untuk pemilihan mode akuisisi teknologi

3.2 Prosedur
Evaluasi mode alternatif untuk akuisisi teknologi dimulai dengan model ANP yang
diusulkan. Perbandingan berpasangan dibuat di antara lima kriteria sehubungan dengan
pentingnya tujuan, di antara sub-kriteria dengan menghormati pentingnya kriteria
mereka. Selain itu, perbandingan berpasangan perlu dilakukan untuk saling
ketergantungan antara sub-kriteria dalam kriteria yang sama.
Kemudian, preferensi terhadap alternatif dalam hal masing-masing sub-kriteria
diperoleh melalui perbandingan berpasangan. Pertanyaan untuk perbandingan adalah:
berapa banyak mode akuisisi teknologi yang tepat daripada mode lain ketika
mempertimbangkan sub-kriteria yang diberikan? Untuk membantu menjawab
pertanyaan, Tabel 2 memberikan pedoman umum yang dikembangkan berdasarkan
temuan empiris yang diperoleh dari studi sebelumnya. Jumlah ‘‘+'’menunjukkan
preferensi relatif untuk setiap mode ketika tingkat nilai untuk setiap faktor tinggi. Jika
posisi teknologi suatu perusahaan tinggi, misalnya, urutan preferensi adalah Make (++),
Cooperate (+), dan Buy. Ketika sebuah perusahaan memiliki pengalaman R&D yang
cukup, mode yang disukai adalah Make (+). Satu hal yang harus dicatat di sini adalah
skala ‘‘ + ’bukan interval tetapi ordinal; yaitu, ‘‘ ++ ’tidak dua kali lebih baik dari‘ ‘+’.
Dengan demikian, dalam perbandingan berpasangan, skala apa pun dari 2 hingga 9
dapat digunakan untuk membandingkan mode yang dilambangkan sebagai ‘‘ ++
’dengan mode lain yang dilambangkan sebagai‘ ‘+’. Untuk beberapa faktor yang
temuan empirisnya kontroversial, banyak pedoman disajikan dengan studi sebelumnya
yang mendukungnya.
Setelah semua jenis perbandingan berpasangan selesai, supermatrix dikonstruksi
dengan vektor prioritas yang diperoleh dari perbandingan berpasangan untuk saling
ketergantungan. Dalam pendekatan yang diusulkan, supermatrix setara dengan
supermatrix tertimbang karena supermatrix sudah menjadi kolom stokastik. Karena itu,
supermatrix langsung berubah menjadi supermatrix batas.
Prioritas akhir dihitung dengan pendekatan indeks keinginan yang diusulkan oleh
Meade dan Sarkis [19]. Indeks keinginan .Di/ untuk alternatif i didefinisikan sebagai
berikut:

(2)
Kj adalah kumpulan indeks sub-kriteria untuk kriteria j, dan J adalah indeks yang
ditetapkan untuk kriteria j. Pj adalah kepentingan relatif dari kriteria j dan Adkj adalah
kepentingan relatif dari sub-kriteria k dari kriteria j untuk hubungan ketergantungan
(D). Ini diturunkan dari perbandingan berpasangan di antara kriteria dan di antara sub-
kriteria, masing-masing. ADkj adalah bobot kepentingan stabil dari kriteria k dari kriteria
j untuk hubungan interdependensi (I), yang diambil dari batas supermatrix. Sikj adalah
penilaian alternatif i pada sub-kriteria k dari kriteria j. Indeks bobot kesesuaian (AWI)
dapat diperoleh dengan menormalkan indeks keinginan yang diperoleh. Keputusan
akhir kemudian dibuat berdasarkan AWI dari tiga mode alternatif.
Tabel 2
Pedoman Umum Untuk Membandingkan Mode Akuisis
 Tabel 3
Pasangan membandingkan matrix dengan kriteria tertentu sesuai dengan sasarannya

4. Contoh Ilustratif
Pada bagian ini, contoh berikut disajikan untuk ilustrasi pendekatan yang
diusulkan. Pendekatan yang diusulkan diterapkan untuk pemilihan mode akuisisi teknologi
di perusahaan perangkat lunak yang berlokasi di Seoul, Korea. Selama dekade terakhir,
perusahaan telah mengembangkan dan menyediakan berbagai solusi IT canggih untuk klien
di seluruh dunia. Meskipun produk utama adalah solusi peralatan menengah, perusahaan
memiliki rencana untuk memasuki pasar perencanaan sumber daya perusahaan (UKM)
usaha kecil dan menengah dengan mengembangkan paket ERP sendiri. Teknologi atau
produk yang diperlukan untuk mengembangkan paket ERP yang dirancang adalah sebagai
berikut: (1) AJAX, (2) ATAU pemetaan, (3) Pemrograman berorientasi aspek (AOP), (4)
Kontrol akses berbasis peran (RBAC), dan (5) Perlengkapan grup. Perusahaan sudah
memiliki teknologi AJAX dan grup ware tingkat tinggi, dan pemetaan OR dan AOP dapat
diperoleh sebagai freeware. Masalah yang harus dihadapi adalah bagaimana cara
memperoleh teknologi RBAC.
4.1 Perbandingan berpasangan dan vektor prioritas
Pertama, kepentingan relatif dari masing-masing kriteria sehubungan dengan
tujuan, pemilihan mode akuisisi teknologi yang paling tepat diturunkan. Matriks
 perbandingan berpasangan dan vektor prioritas yang dihasilkan ditunjukkan pada Tabel
3. Vektor prioritas kriteria diimpor sebagai Pj pada Tabel 9.
Kedua, perbandingan berpasangan di antara sub-kriteria dilakukan sehubungan
dengan kriteria mereka. Sebagai contoh, matriks perbandingan berpasangan
sehubungan dengan Kemampuan ditunjukkan pada Tabel 4. Perbandingan tambahan
juga dibuat untuk empat kriteria lainnya. Vektor prioritas yang diperoleh di sini dibawa
sebagai ADkj pada Tabel 9.
Kemudian, perbandingan berpasangan dilakukan untuk mengukur saling
ketergantungan di antara sub-kriteria. Karena model mencakup 21 sub-kriteria, 21
perbandingan berpasangan dibuat sehubungan dengan dampak pada sub-kriteria yang
diberikan di antara sub-kriteria di bawah kriteria yang sama. Matriks perbandingan
berpasangan untuk sub-kriteria sehubungan dengan TP di bawah Kemampuan
ditampilkan sebagai contoh pada Tabel 5. Vektor prioritas yang dihasilkan dimasukkan
ke dalam supermatrix pada Tabel 7.

Akhirnya, alternatif dibandingkan secara berpasangan sehubungan dengan

preferensi, dalam hal masing-masing sub-kriteria. Pedoman dalam Tabel 2 dirujuk
untuk mengevaluasi kesesuaian relatif dari tiga mode akuisisi teknologi. Sebagai
contoh, matriks perbandingan berpasangan di antara alternatif sehubungan dengan TP
ditunjukkan pada Tabel 6.
4.2 Pembentukan dan transformasi supermatrix
Supermatrix dibangun dengan vektor prioritas yang diperoleh dari perbandingan
berpasangan untuk saling ketergantungan di antara sub-kriteria, seperti yang
ditunjukkan pada Tabel 7. Karena supermatrix sudah stokastik; itu langsung berubah
 menjadi supermatrix batas. Dalam hal ini, konvergensi dicapai pada W 77. Batas
supermatrix ditunjukkan pada Tabel 8. Prioritas konvergen untuk sub-kriteria dilakukan
sebagai Aikj pada Tabel 9.
4.3 Prioritas Akhir
Prioritas akhir, AWI, dihasilkan oleh pendekatan indeks keinginan, seperti yang
ditunjukkan pada Tabel 9. Nilai-nilai kolom ketiga adalah prioritas kriteria yang berasal
dari Tabel 4. Nilai-nilai kolom keempat, yang diimpor dari Tabel 5 dan perbandingan
berpasangan lainnya di antara sub-kriteria, adalah kepentingan relatif dari sub-kriteria
dalam mempengaruhi kriteria mereka. Nilai-nilai kolom kelima mewakili prioritas sub-
kriteria yang diperoleh dari batas supermatrix pada Tabel 8. Nilai-nilai dari delapan
kolom berikutnya sesuai dengan prioritas dari tiga mode akuisisi dalam hal masing-
masing sub-kriteria, termasuk prioritas sehubungan dengan TP pada Tabel 6. Indeks
keinginan yang diperoleh oleh Persamaan.
(1) disajikan dalam dua baris terakhir dari Tabel 9. Prioritas akhir dari tiga mode
alternatif, indeks bobot kesesuaian ditunjukkan pada baris terakhir. Hasilnya
menunjukkan AWI dari Make (0,465) sekitar dua kali lebih tinggi daripada Cooperate
(0,242) dan Buy (0,293). Dengan demikian, direkomendasikan bahwa teknologi RBAC
diperoleh melalui R&D internal.

5. Kesimpulan
Studi ini mengusulkan pendekatan ANP untuk pemilihan mode akuisisi teknologi.
Pendekatan yang diusulkan mengevaluasi kesesuaian mode alternatif untuk akuisisi
teknologi, dalam hal kemampuan, strategi, teknologi, pasar, dan lingkungan. Kasus
perusahaan perangkat lunak disajikan untuk ilustrasi pendekatan yang diusulkan. Terlihat
bahwa ANP berhasil digunakan untuk menghasilkan prioritas moda alternatif, dengan
pertimbangan saling ketergantungan di antara elemen-elemen keputusan.
Makalah ini berkontribusi ke lapangan, dengan mengusulkan metode untuk
menghubungkan faktor-faktor yang berpengaruh dengan keputusan akhir. Sebagian besar
studi sebelumnya terbatas pada mengidentifikasi faktor-faktor yang mempengaruhi pilihan
mode akuisisi teknologi; belum dibagikan.
dengan cara membuat keputusan strategis berdasarkan sejumlah besar faktor yang
berpengaruh. Pendekatan yang diusulkan menggabungkan faktor-faktor berpengaruh yang
diidentifikasi dalam studi sebelumnya dalam model ANP dan membantu mengambil
keputusan akhir dengan faktor-faktor tersebut, menggunakan prosedur ANP.
Namun, kriteria atau alternatif yang termasuk dalam model ANP sama sekali tidak
lengkap atau tetap. Model ANP dapat dikustomisasi tergantung pada konteksnya. Model
ANP yang diusulkan pada Gambar. 1 hanya mencakup tiga mode alternatif untuk akuisisi
teknologi pada tingkat agregasi yang tinggi, tetapi mereka dapat dibagi menjadi bentuk yang
lebih spesifik. Jika mode akuisisi pada level tinggi sudah dipilih (mis., Buat, Bekerja Sama,
atau Beli), hanya mode khusus untuk mode yang dipilih yang perlu disertakan (mis. Usaha
 patungan, R&D bersama, aliansi untuk Bekerja Sama). Kriteria juga dapat ditambahkan
atau dihapus dari model atas penilaian suatu perusahaan.

Penyempurnaan dari pendekatan yang diusulkan untuk pemodelan yang lebih

canggih akan menjadi bidang yang bermanfaat untuk penelitian di masa depan. Model ANP
yang diusulkan hanya mencerminkan saling ketergantungan di antara sub-kriteria di bawah
kriteria yang sama, tetapi mungkin ada keterkaitan antara sub-kriteria dalam kriteria yang
berbeda. Memasukkan hubungan-hubungan tersebut dalam model ANP diharapkan
menghasilkan hasil yang lebih akurat dan realistis. Angka fuzzy juga dapat dimasukkan
dalam matriks perbandingan berpasangan, untuk lebih mengukur ketepatan dalam hal sub-
kriteria yang memiliki ketidakpastian besar.

Referensi
[1] S. Davenport, C. Campbell-Hunt, J. Solomon, The dynamics of technology strategy: An exploratory study, R&D Manage. 33 (5) (2003) 481 499.

[2] D. Ford, Develop your technology strategy, Long. Range. Plann. 21 (5) (1988) 85 95.

[3] V. Chiesa, R&D Strategy and Organization: Managing Technical Change in Dynamic Contexts, Imperial College Press, London, 2001.

[4] S. Kurokawa, Make-or-buy decisions in R&D: Small technology based firms in the United States and Japan, IEEE Trans. Eng. Manage. 44 (2) (1997) 124 134.
[5] D.H. Cho, P.I. Yu, Influential factors in the choice of technology acquisition mode: An empirical analysis of small and medium size firms in Korean
telecommunication industry, Technovation 20 (12) (2000) 691 704.
[6] M. Hemmert, The influence of institutional factors on the technology acquisition performance of high-tech firms: Survey results from Germany and Japan, Res.
Policy 33 (6 7) (2004) 1019 1039.
[7] S.W. Hung, R.H. Tang, Factors affecting the choice of technology acquisition mode: An empirical analysis of the electronic firms of Japan, Korea and Taiwan,
Technovation (2007) doi:10.1016/j.technovation.2007.10.005.
[8] N. Gerdsri, D.F. Kocaoglu, Applying the Analytic Hierarchy Process (AHP) to build a strategic framework for technology roadmapping, Math. Comput.
Modelling 46 (7-8) (2007) 1071 1080.
[9] L.M. Meade, A. Presley, R&D project selection using the analytic network process, IEEE Trans. Eng. Manage. 49 (1) (2002) 59 66.

[10] R.F. Saen, A decision model for selecting technology suppliers in the presence of nondiscretionary factors, Appl. Math. Comput. 181 (2) (2006) 1609 1615.

[11] V. Kumar, A.N.S. Persaud, U. Kumar, To terminate or not an ongoing R&D project: A managerial dilemma, IEEE Trans. Eng. Manage. 43 (3) (1996) 273 284.
[12] T.L. Saaty, Decision Making with Dependence and Feedback: The Analytic Network Process, RWS Publications, Pittsburgh, 1996.

[13] H.J. Shyur, H.S. Shih, A hybrid MCDM model for strategic vendor selection, Math. Comput. Modelling 44 (7 8) (2006) 749 761.

[14] I. Yuksel, M. Dagdeviren, Using the analytic network process (ANP) in a SWOT analysis: A case study for a textile firm, Inform. Sci. 177 (16) (2007) 3364
3382.
[15] M.S. Raisinghani, L. Meade, L.L. Schkade, Strategic e-business decision analysis using the analytic network process, IEEE Trans. Eng. Manage. 54 (4) (2007)
673 686.
[16] W.W. Wu, Y.T. Lee, Selecting knowledge management strategies by using the analytic network process, Expert Syst. Appl. 32 (3) (2007) 841 847.
[17] B. Simunich, The ANP had shown a better way to deal with Iraq, Math. Comput. Modelling 46 (7-8) (2007) 1130 1143.

[18] T.L. Saaty, The Analytic Hierarchy Process, McGraw-Hill, New York, 1980.

[19] L.M. Meade, J. Sarkis, Analyzing organizational project alternatives for agile manufacturing processes: An analytic network approach, Int. J. Prod. Res. 37 (2)
(1999) 241 261.
[20] H. Lee, H. Seol, N. Sung, Y.S. Hong, Y. Park, An analytic network process approach to measuring design change impacts in modular products. J. Eng. Des.,
doi:10.1080/09544820802232517.
[21] C. Kahraman, T. Ertay, G. Büyüközkan, A fuzzy optimization model for QFD planning process using analytic network approach, Eur. J. Oper. Res. 171

(2) (2006) 390 411.

[22] L.C. Leung, K.C. Lam, D. Cao, Implementing the balanced scorecard using the analytic hierarchy process & the analytic network process, J. Oper. Res. Soc. 57
(6) (2006) 682 691.
[23] M. Da§deviren, Yüksel, M. Kurt, A fuzzy analytic network process (ANP) model to identify faulty behaviors risk (FBR) in work systems, Safety Sci. 46

(5) (2008) 771 783.

[24] M.A.B. Promentilla, T. Furuichi, K. Ishii, N. Tanikawa, A fuzzy analytic network process for multi-criteria evaluation of contaminated site remedial
countermeasures, J. Environ. Manage. 88 (3) (2008) 479 495.

[25] J.W. Lee, S.H. Kim, Using analytic network process and goal programming for interdependent information system project selection, Comput. Oper. Res. 27 (4)
(2000) 367 382.

[26] O. Ustun, E.A. Demirtas, An integrated multi-objective decision-making process for multi-period lot-sizing with supplier selection, Omega 36 (4) (2008) 509
521.

[27] H. Lee, C. Kim, H. Cho, Y. Park, An ANP-based technology network for identification of core technologies: A case of telecommunication technologies, Expert
Syst. Appl. (2007) doi:10.1016/j.eswa.2007.10.026.

[28] E.B. Roberts, C.A. Berry, Entering new business: Selecting strategies for success, Sloan Manage. Rev. 26 (3) (1985) 3 17.

[29] R.K. Moenaert, D. Desschoolmeester, A. de Meyer, J. Barbe, Organizational strategy and resource allocation for technological turnaround, R&D Manage. 20 (4)
(1990) 291 303.

[30] B.B. Tyler, H.K. Steensma, Evaluating technological collaborative opportunities: A cognitive modeling perspective, Strategic Manage. J. 16 (1995) 43 70.

[31] J. Lowe, P. Taylor, R&D and technology purchase through license agreements: Complementary strategies and complementary assets, R&D Manage. 28

(4) (1998) 263 278.

[32] R.R. Nelson, S.G. Winter, An Evolutionary Theory of Economic Change, Harvard University Press, Cambridge, 1982.

[33] G.P. Pisano, The R&D boundaries of the firm: An empirical analysis, Admin. Sci. Quart. 35 (1) (1990) 153 176.

[34] J. Poon, A. MacPherson, Asian firms’ technology acquisition strategies in the United States, J. Eng. Technolog. Manage. 42 (2005) 321 342.

[35] B.B. Allred, K.S. Swan, Contextual influences on international subsidiaries’ product technology strategy, J. Int. Manage. 10 (2) (2004) 259 286.

[36] T. Baines, An integrated process for forming manufacturing technology acquisition decisions, Int. J. Oper. Prod. Man. 24 (5) (2004) 447 467.

[37] D.J. Teece, Profiting from technological innovation: Implications for integration, collaboration, licensing and public policy, Res. Policy 15 (6) (1986) 285 305.

[38] B. Kogut, Joint ventures: Theoretical and empirical perspectives, Strategic Manage. J. 9 (4) (1988) 319 332.

[39] E.R. Auster, The relationship of industry evolution to patterns of technological linkages, joint ventures, and direct investment between U.S. and Japan, Manage.
Sci. 38 (6) (1992) 778 792.

[40] G.C. Cainarca, M.G. Colombo, S. Mariotti, Agreements between firms and the technological life cycle model: Evidence from information technologies, Res.
Policy 21 (1) (1992) 45 62.

[41] A. Madhok, Cost, value and foreign market entry mode: The transaction and the firm, Strategic Manage. J. 18 (1) (1997) 39 61.

[42] B. Croisier, The governance of external research: Empirical test of some transaction-cost related factors, R&D Manage. 28 (4) (1998) 289 298.

[43] L. Canez, D. Probert, Technology sourcing: The link to make-or-buy, in: Proceedings of Portland International Conference on Management of Engineering and
Technology, 1999 pp. 47 52.

[44] G. Hamel, Y.L. Doz, C.K. Prahalad, Collaborate with your competitors and win, Harvard Bus. Rev. 89 (1) (1989) 133 139.

[45] M. Dodgson, The strategic management of R&D collaboration, Technol. Anal. Strateg. 3 (1992) 227 244.

[46] H.K. Steensma, K.G. Corley, On the performance of technology-sourcing partnerships: The interaction between partner interdependence and technology
attributes, Acad. Manage. J 43 (6) (2000) 1045 1067.

[47] G. Walker, D. Webber, Supplier competition, uncertainty, and Make-or-Buy decisions, Acad. Manage. J 30 (3) (1987) 589 596.

[48] C.C. Baughn, R.N. Osborn, The role of technology in the formation and form of multinational cooperative arrangements, J. High Technol. Manage. Res. 1 (2)
(1990) 181 192.

[49] J.T. Mahoney, The choice of organizational form: Vertical financial ownership versus other methods of vertical integration, Strategic Manage. J. 13 (8) (1992)
559 584.

[50] P. Llerena, S. Wolf, Inter-firm agreements in telecommunications: Elements of an analytical framework, in: G. Pogoral (Ed.), Global Telecommunications
Strategies and Technical Changes, Elsevier Science, Amsterdam, 1994, pp. 257 276.
[51] R. Veugelers, Internal R&D expenditures and external technology sourcing, Res. Policy 26 (3) (1997) 303 315.

[52] V. Chiesa, R. Manzini, Organizing for technological collaborations: A managerial perspective, R&D Manage. 28 (3) (1998) 199 212.

[53] R.S. Rosenbloom, M.A. Cusumano, Technological pioneering and competitive advantage: The birth of VCR industry, Calif. Manage. Rev. 29 (4) (1987) 51 76.

[54] A.C. Perrino, J.W. Tipping, Global management of technology, Res. Technol. Mange. 32 (3) (1989) 12 19.

[55] W. Shan, An empirical analysis of organizational strategies by entrepreneurial high technology firms, Strategic Manage. J. 11 (2) (1990) 129 139.

[56] M. Spence, Cost reduction, competition and industry performance, Econometrica 52 (1) (1984) 101 122.

[57] R. Veugelers, B. Cassiman, Make and buy in innovation strategies: Evidence from Belgian manufacturing firms, Res. Policy 28 (1) (1999) 63 80.

[58] A. Agarwal, R. Shankar, On-line trust building in e-enabled supply chain, Supply Chain Manage. 8 (4) (2003) 324 334.

[59] S. Jharkharia, R. Shankar, Selection of logistics service provider: An analytic network process (ANP), Omega 35 (3) (2007) 274 289