BAB III METODE PELAKSANAAN

3.1 Tempat dan Waktu Pelaksanaan

Penelitian ini akan dilaksanakan di PT. Kampung Coklat yang berlokasi di

Jl. Banteng – Blorok No. 18 RT. 01 / RW. 06, Desa Plosorejo, Kademangan,
Blitar, Jawa Timur. Pengolahan data dan analisis data akan dilakukan di
Laboratorium Komputasi dan Analisis Sistem, Teknologi Pertanian, Universitas
Brawijaya. Penelitian ini akan dilakukan mulai bulan Juni 2018 sampai dengan
selesai.

3.2 Batasan Masalah

Batasan masalah ditujukan agar ruang lingkup penelitian menjadi lebih

jelas, fokus, dan spesifik. Batasan masalah dari penelitian ini antara lain:
1. Responden yang digunakan adalah karyawan yang merupakan pakar
terhadap bidang pemasaran dari PT. Kampung Coklat Blitar berjumlah 2
responden
2. Risiko yang diukur adalah risiko pada bagian pemasaran produk
3. Produk yang diukur adalah produk cokelat yang diproduksi oleh PT.
Kampung Coklat Blitar
4. Penelitian hanya sampai pada penentuan prioritas risiko dan alternatif
solusi yang mungkin diambil dan tidak sampai pada penerapan alternatif
solusi pada PT. Kampung Coklat Blitar
5. Alternatif solusi hanya diberikan pada 3 risiko dengan nilai FRPN
tertinggi.

3.3 Prosedur Penelitian

Prosedur penelitian adalah langkah-langkah yang digunakan sebagai

kerangka dalam melakukan penelitian. Prosedur penelitian dibuat agar penelitian
dapat dilakukan secara sistematis dan terstruktur. Sehingga dapat
mempermudah dalam meneliti, dan menganalisis data penelitian. Diagram alir
prosedur penelitian dapat dilihat pada Gambar 3.1. Prosedur penelitian pada
penelitian ini, antara lain:

18
 Mulai

Studi Pustaka

Penelitian Pendahuluan

Identifikasi dan Perumusan Masalah

Metode Pengumpulan Data

Penentuan Responden/Pakar

Identifikasi Risiko Pemasaran

Pembuatan Kuesioner

Valid dan Reliabel

Tidak
Ya
Penilaian Risiko dengan Fuzzy FMEA
- Pembuatan Tabel FMEA
- Pengisian Kuesioner oleh Pakar
- Analisis FMEA
- Fuzzifikasi

Penentuan Strategi dengan AHP

- Identifikasi Alternatif Solusi pada Risiko
Prioritas
- Analisis Alternatif Solusi
- Pengisian Kuesiober Oleh Pakar
- Analisis AHP
-

Kesimpulan dan Saran

Selesai

Gambar 3.1 Diagram Alir Prosedur Penelitian

Sumber: Data Primer (2018)

19
1. Studi Pustaka
Studi pustaka adalah sebuah metode mengumpulkan data-data yang
menunjang dalam penelitian untuk memecahkan permasalahan, berupa: buku,
jurnal ilmiah, skripsi, tesis, prosiding, penelitian terdahulu dan internet. Data-data
yang didapatkan digunakan sebagai referensi untuk membuat kuesioner
penelitian, menganalisa pembahasan hasil kuesioner, dan membahas hasil
penelitian. Teori yang diperlukan yakni terkait dengan manajemen risiko, Fuzzy
FMEA dan AHP serta pemasaran.
2. Penelitian Pendahuluan
Penelitian pendahuluan berguna untuk mengetahui informasi yang
berkaitan dengan topik penelitian berupa observasi dan wawancara langsung
kepada karyawan perusahaan. Penelitian pendahuluan dilakukan di PT.
Kampung Coklat Blitar melalui wawancara dengan narasumber dari karyawan
bagian pemasaran dan HRD untuk mengetahui kondisi umum dan permasalahan
yang dialami perusahaan. Wawancara yang dilakukan berfokus pada bagian
pemasaran.
3. Identifikasi dan Perumusan Masalah
Identifikasi masalah merupakan tahap untuk mengenali ruang lingkup
permasalahan yang ada pada objek penelitian, yaitu di PT. Kampung Coklat
Blitar. Permasalahan yang diidentifikasi berkaitan dengan topik penelitian yang
diambil yaitu manajemen risiko pemasaran menggunakan metode Fuzzy Failure
Mode and Effect Analysis (Fuzzy FMEA) dan Analytical Hierarchy Process
(AHP). Variabel risiko dalam penelitian ini adalah proses pemasaran, penentuan
urutan risiko pemasaran dan penentuan strategi penanganan risiko.
Berdasarkan identifikasi masalah, dapat diketahui rumusan masalahnya
sesuai kondisi yang ada pada objek penelitian. Rumusan masalah ditandai
dengan pernyataan penelitian, yang umumnya dibuat dalam bentuk pertanyaan.
Rumusan masalah masalah dalam penelitian ini terdapat pada BAB 1.
4. Metode Pengumpulan Data
Pengumpulan data dilakukan untuk memperoleh informasi yang dibutuhkan
untuk mencapai tujuan penelitian. Pada penelitian, ini sumber data yang
digunakan ialah data primer dan data sekunder. Berikut penjelasan dari data
primer dan data sekunder:

20
a. Data Primer
Data Primer adalah data yang diperoleh secara langsung dari sumber di
lapang. Data primer diperoleh dengan cara wawancara, observasi, dan
kuesioner.
b. Data Sekunder
Data Sekunder adalah sumber data penelitian yang diperoleh secara tidak
langsung atau melalui media perantara, berupa buku, arsip atau dokumen
perusahaan penunjang.
Ada berbagai metode pengumpulan data yang digunakan dalam sebuah
penelitian. Metode pengumpulan data dalam penelitian ini, antara lain:
a. Wawancara
Wawancara adalah metode pengumpulan data dengan cara mengajukan
pertanyaan langsung kepada seorang informan atau seorang yang ahli/pakar
dibidangnya. Wawancara dilakukan kepada beberapa orang karyawan PT.
Kampung Coklat Blitar bagian pemasaran.
b. Kuesioner
Kuesioner adalah teknik pengumpulan informasi dengan cara memberikan
pertanyaan tertulis kepada responden. Pertanyaan yang diajukan pada
penelitian ini ialah terkait manajemen risiko pemasaran. Kuesioner akan
disebarkan kepada 2 orang responden pakar atau ahli dibidangnya, yaitu 2
orang karyawan bagian pemasaran PT. Kampung Coklat Blitar.
c. Obsevasi
Observasi merupakan teknik pengumpulan informasi dengan cara
pengamatan secara langsung kepada objek penelitian. Observasi pada
penelitian ini dilakukan dengan mengamati secara langsung kondisi PT.
Kampung Coklat Blitar.
d. Dokumentasi
Dokumentasi adalah metode pengumpulan data kualitatif dengan mengambil
gambar terkait dokumen-dokumen atau kondisi lapang pada objek penelitian.
e. Studi Dokumen
Studi dokumen adalah teknik pengumpulan data secara tidak langsung ditujukan
kepada subjek penelitian dalam rangka memperoleh informasi terkait objek
penelitian.

21
5. Penentuan Responden / Pakar
Dalam penelitian ini, terdapat responden / pakar yang menjadi subjek
penelitian. Responden yang digunakan adalah responden yang memiliki keahlian
atau pakar dibidang pemasaran pada PT. Kampung Coklat Blitar. Responden
pada penelitian ini terdiri dari 2 orang karyawan bagian pemasaran. Teknik
pengambilan sampel ini adalah teknik purposive sampling. Teknik ini adalah
teknik pengambilan sampel secara sengaja sesuai dengan persyaratan sampel
yang diperlukan. Pada penelitian ini digunakan 2 jenis kuesioner, yaitu kuesioner
1 tentang metode Fuzzy FMEA dan kuesioner 2 tentang metode AHP yang
ditujukan pada responden pakar.
6. Identifikasi Risiko Pemasaran
Identifikasi risiko pemasaran dilakukan berdasarkan hasil dari wawancara
dan kuesioner responden. Responden merupakan karyawan dari PT. Kampung
Coklat yang ahli atau pakar dibidang pemasaran. Pada penelitian ini, risiko
dikelompokan menjadi 6 jenis, yaitu risiko produk, risiko harga, risiko saluran
distribusi, risiko promosi, risiko konsumen dan risiko kompetitif (pesaing).
Penjelasan lebih lengkap tentang variabel risiko pemasaran pada PT. Kampung
Coklat dapat dilihat pada Tabel 3.1.
Tabel 3.1 Variabel Risiko Pemasaran pada PT. Kampung Coklat
Faktor Risiko Indikator Risiko
- Produk cokelat mudah rusak (tidak tahan lama)
- Kemasan produk terlihat tidak menarik dan tidak praktis
Product
- Adanya return produk ke perusahaan
- Inovasi produk kurang diminati konsumen
- Harga produk mahal dan tidak sebanding dengan kualitas
produk
Price
- Harga produk fluktuatif bergantung pada biaya produksi
- Harga kurang kompetitif dengan produk sejenis
- Pengiriman / distribusi produk terlambat ke konsumen
Place - Kerusakan produk saat distribusi ke konsumen
- Lokasi penjualan sulit dijangkau
- Biaya pemasaran tinggi
- Promosi kurang efektif
Promotion
- Belum memiliki jaringan media periklanan
- Merk produk kurang terkenal
- Daya beli konsumen menurun
- Preferensi konsumen untuk pemilihan jenis produk cokelat
Consumer mudah berubah dengan cepat
- Konsumen kurang merasa nyaman dengan kondisi outlet/galeri
penjualan pada Kampung Coklat
- Muncul pesaing produk cokelat sejenis
- Perubahan strategi untuk bersaing dengan pesaing sejenis
Competitiveness
- Kampung Coklat belum mengetahui kebutuhan konsumen
dengan baik
Sumber: Data Primer (2018)

22
7. Pembuatan Kuesioner
Kuesioner pada penelitian ini terdiri dari kuesioner Fuzzy FMEA dan
kuesioner AHP. Penyusunan kuesioner Fuzzy FMEA bertujuan untuk
mendapatkan informasi yang dbutuhkan mengenai risiko pemasaran pada
produk cokelat. Kuesioner ini dibuat berdasarkan hasil wawancara dari
narasumber/pakar tentang severity (S), occurrence (O), dan detection (D) untuk
menganalisa risiko-risiko yang berkaitan dengan produk cokelat. Penelitian ini
menggunakan enam varibel risiko yaitu 4 variabel berdasarkan bauran
pemasaran dan 2 variabel tambahan sesuai dengan kebutuhan lapang. Variabel
pada penelitian ini: yaitu product, price, place, promotion, consumer dan
competitiveness. Kuesioner berisi pertanyaan yang terkait dengan risiko-risiko
yang dihadapi. Penilaian pada kuesioner dilakukan dengan memberikan bobot
numerik pada setiap elemen. Kuesioner yang kedua adalah kuesioner tentang
AHP. Kuesioner AHP bertujuan untuk memberikan penilaian terhadap beberapa
alternatif strategi minimasi risiko pemasaran oleh responden pakar.
8. Uji Validitas dan Reliabilitas
a. Uji Validitas
Uji Validitas adalah suatu ukuran yang menunjukan bahwa variable yang
diukur valid (sesuai) dengan yang diukur. Alat ukur yang valid akan memiliki
data penelitian yang valid sehingga penelitian dapat dilakukan. Pengujian
validitas ini berguna untuk mengukur ketepatan kuesioner yang digunakan.
Menurut Azwar (2010) validitas dibagi menjadi dua tipe, yaitu Face Validity
dan Logical Validity. Face validity adalah tipe validitas yang paling rendah
validasinya karena hanya didasarkan pada penilaian selintas mengenai isi alat
ukur atau daftar pertanyaan pada kuesioner. Apabila isi alat ukur atau daftar
kuesioner telah sesuai maka dapat dikatakan valid. Logical validity adalah
validitas yang menunjuk pada representasi dari daftar pertanyaan kuesioner
terhadap aspek yang akan diukur.
b. Uji Reliabilitas
Menurut Singarimbun (2008), realibilitas adalah indeks yang menunjukkan
sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Bila
suatu alat pengukur dipakai dua kali – untuk mengukur gejala yang sama dan
hasil pengukuran yang diperoleh relative konsisten, maka alat pengukur
tersebut reliable. Dengan kata lain, realibitas menunjukkan konsistensi suatu
alat pengukur di dalam pengukur gejala yang sama

23
9. Pengukuran Risiko dengan Metode Fuzzy FMEA
Pada penelitian ini digunakan metode FMEA untuk mengidentifikasi dan
mencegah risiko kegagalan pemasaran produk cokelat yang mungkin akan
timbul dengan skala prioritas. Sehingga risiko dapat diselesaikan dengan skala
prioritas. Dalam mengukur risiko yang ada, diperlukan pertimbangan Severity,
Occurrence, dan Detection (SOD). Setelah itu, dapat dihitung nilai RPN (Risk
Priority Number) atau angka risiko prioritas.
Tahapan metode FMEA adalah sebagai berikut:
a. Menetapkan nilai severity, occurrence, dan detection
b. Melakukan perhitungan RPN (risk priority number) untuk setiap risiko
dengan mengalikan nilai rata-rata severity, occurrence dan detection
c. Menghitung RPN tiap risiko dari seluruh responden
d. Perankingan dilakukan dari nilai RPN, rangking teratas adalah nilai
RPN terbesar. Rangking teratas adalah prioritas risiko yang harus
segera ditangani
Severity adalah penilaian terhadap keseriusan dari efek yang ditimbulkan.
Dalam arti setiap kegagalan yang timbul akan dinilai seberapa besarkah tingkat
keseriusannya. Terdapat hubungan secara langsung antara efek dan severity.
Sebagai contoh, apabila efek yang terjadi adalah efek yang kritis, maka nilai
severity pun akan tinggi. Dengan demikian, apabila efek yang terjadi bukan
merupakan efek yang kritis, maka nilai severity pun akan sangat rendah. Skala
severity ditunjukan pada Tabel 3.1
Tabel 3.2. Skala Severity
Ranking Severity Deskripsi
10 Berbahaya tanpa Kegagalan sistem yang menghasilkan efek sangat
peringatan berbahaya
9 Berbahaya dengan Kegagalan sistem yang menghasilkan efek bahaya
peringatan
8 Sangat tinggi Sistem tida beroperasi
7 Tinggi Sistem beroperasi tetapo tidak dapat dijalanlan
secara penuh
6 Sedang Sistem beroperasi dan aman tetapi mengalami
penurunn perform sehingga mempengaruhi output
5 Rendah Mengalami penurunan kinerja secara bertahap
4 Sangat rendah Efek yang kecil pada perform sistem
3 Kecil Sedikit berpengaruh pada kinerja sistem
2 Sangat Kecil Efek yang diabaikan pada kinerja sistem
1 Tidak ada efek Tidak ada efek
Sumber: Dermott et al (2009)

24
 Occurance adalah kemungkinan bahwa penyebab tersebut akan terjadi
dan menghasilkan bentuk kegagalan selama masa penggunaan produk.
Occurance merupakan nilai rating yang disesuaikan dengan frekuensi yang
diperkirakan dan atau angka kumulatif dari kegagalan yang dapat terjadi. Dengan
memperkirakan kemungkinan occurrence pada skala 1 sampai 10. Skala
occurrence ditunjukan pada Tabel 3.2.
Tabel 3.3 Skala Occurrence
Ranking Probabilitas Probabilitas Terjadinya Risiko
1 Hampir tidak pernah 0% dalam satu tahun
2 Sedikit <1% dalam satu tahun
3 Sangat kecil 2-3% dalam satu tahun
4 Kecil 3-5% dalam satu tahun
5 Rendah 5-8% dalam satu tahun
6 Sedang 8-15% dalam satu tahun
7 Cukup tinggi 15-25% dalam satu tahun
8 Tinggi 25-35% dalam satu tahun
9 Sangat tinggi 35-50% dalam satu tahun
10 Hampir pasti >50% dalam satu tahun
Sumber: Wang et al (2009)
Nilai detection diasosiasikan dengan pengendalian saat ini. Detection
adalah pengukuran terhadap kemampuan mendeteksi penyebab potensial
terjadinya suatu bentuk kegagalan. Deteksi merupakan rangking yang
menerangkan deteksi terbaik yang dapat mengkontrol. Skala detection ditunjukan
pada Tabel 3.3.
Setelah diketahui setiap nilai severity, occurrence dan detection dari setiap
tahapan, maka dilanjutkan dengan melakukan perhitungan terhadap nilai risk
priority number (RPN). RPN merupakan produk dari hasil perkalian tingkat
keparahan, tingkat kejadian, dan tingkat deteksi. RPN menentukan prioritas dari
kegagalan. RPN tidak memiliki nilai atau arti. Nilai tersebut digunakan untuk
meranking kegagalan proses yang potensial. Nilai RPN dapat ditunjukkan
dengan rumus persamaan (1)
RPN = S x O x D ………………………………………….(1)
Keterangan:
S = Severity (tingkat keparahan)
O = Occurrence (tingkat kejadian)
D = Detection (Deteksi)

25
Tabel 3.4. Skala Detection
Ranking Detection Deskripsi
1 Hampir pasti Hampir pasti kemampuan mendeteksi penyebab
risiko dan modus risiko berikutnya
2 Sangat tinggi Sangat tinggi kemampuan mendeteksi penyebab
risiko berikutnya
3 Tinggi Tinggi kemampuan mendeteksi penyebab risiko
dan modus risiko berikutnya
4 Cukup tinggi Cukup tinggi kemampuan mendeteksi penyebab
risiko dan modus risiko berikutnya
5 Cukup Sedang kemampuan mendeteksi penyebab risiko
dan modus risiko berikutnya
6 Rendah Rendah kemampuan mendeteksi penyebab risiko
dan modus risiko berikutnya
7 Sangat rendah Sangat rendah kemampuan mendeteksi
penyebab risiko dan modus risiko berikutnya
8 Kecil Kecil kemampuan mendeteksi penyebab risiko
dan modus risiko berikutnya
9 Sangat kecil Sangat kecil kemampuan mendeteksi penyebab
risiko dan modus risiko berikutnya
10 Hampir mustahil Tidak ada yang mampu mendeteksi penyebab
risiko dan modus risiko berikutnya
Sumber: Wang et al (2009)
Setelah hasil RPN setiap tahapan proses telah diketahui, maka dilanjutkan
dengan mengurutkan nilai RPN dari yang tertinggi ke terendah. Nilai RPN
tertinggi menunjukan risiko paling kritis sehingga dipandang sebagai risiko yang
lebih penting dan mendapat perhatian yang lebih besar. Oleh karena itu FMEA
dapat membantu pihak perusahaan menilai risiko kegagalan dan memberkan ke
pemiliki PT. Kampung Coklat sebagai pedoman perbaikan. Nilai RPN
memabantu memberikan pertimbangan untuk tindakan korektif pada setiap moda
kegagalan.
Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang
logika fuzzy modern dan metodis baru ditemukan beberapa tahun yang lalu,
padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri
kita sejak lama (Suhartini, 2013). Pada metode Fuzzy FMEA, faktor S, O, dan D
serta bobot kepentingan relatif dapat dievaluasi dengan cara linguistik. Istilah
linguistik dan fuzzy number yang akan digunakan untuk mengevaluasi faktor-
faktor S, O, dan D ditunjukan pada tabel Tabel 3.8, Tabel 3.9, dan Tabel 3.10.
kepentingan relatif dari faktor-faktor S, O, dan D juga dinilai bobotnya
menggunakan istilah linguistic yang dapat dilihat pada Tabel 3.11.

26
Tabel 3.5 Nilai Fuzzy Severity
Rating Severity Effect Fuzzy Number
Hazardous Without Tingkat keparahan sangat tinggi (9, 10, 10)
Warning (HWOW) tanpa peringatan.
Hazardous With Warning Tingkat keparahan sangat tinggi (8, 9, 10)
(HWW) dengan peringatan.
Very High (VH) Sistem tidak dapat beroperasi (7, 8, 9)
dengan adanya kegagalan yang
merusak.
High (H) Sistem tidak dapat beroperasi (6, 7, 8)
dengan adanya kerusakan pada
peralatan.
Moderate (M) Sistem tidak dapat beroperasi (5, 6, 7)
dengan adanya kerusakan kecil.
Low (L) Sistem tidak dapat beroperasi tanpa (4, 5, 6)
adanya kerusakan.
Very Low (VL) Sistem dapat beroperasi dengan (3, 4, 5)
kinerja mengalami penurunan secara
signifikan.
Minor (MR) Sistem dapat beroperasi dengan (2, 3, 4)
kinerja mengalami beberapa
penurunan.
Very Minor (VMR) Sistem dapat beroperasi dengan (1, 2, 3)
adanya gangguan kecil.
None (N) Tidak ada pengaruh. (1, 1, 2)
Sumber: Wang et al. (2009)
Tabel 3.6 Nilai Fuzzy Occurrence
Rating Probability of Occurrence Fuzzy Number
Very High (VH) Kegagalan tidak dapat dihindari (8, 9, 10, 10)
High (H) Kegagalan yang terjadi berulang (6, 7, 8, 9)
Moderate (M) Kegagalan kadang kali terjadi (3, 4, 6, 7)
Low (L) Kegagalan relatif sedikit (1, 2, 3, 4)
Remote (R) Kegagalan tidak mungkin terjadi (1, 1, 2)
Sumber: Wang et al. (2009)
Tabel 3.7 Nilai Fuzzy Detection
Rating Kemungkinan Terjadinya Deteksi Fuzzy Number
Absolute Uncertainty (AU) Tidak ada kesempatan (9, 10, 10)
Very Remote (VR) Kesempatan sangat kecil (8, 9, 10)
Remote (R) Kesempatan kecil (7, 8, 9)
Very Low (VL) Kesempatan sangat rendah (6, 7, 8)
Low (L) Kesempatan rendah (5, 6, 7)
Rating Kemungkinan Terjadinya Deteksi Fuzzy Number
Moderate (M) Kesempatan sedang (4, 5, 6)
Moderately High (MH) Kesempatan cukup tinggi (3, 4, 5)
High (H) Kesempatan tinggi (2, 3, 4)
Very High (VH) Kesempatan sangat tinggi (1, 2, 3)
Almost Certain (AC) Hampir pasti (1, 1, 2)
Sumber: Wang et al. (2009)

27
Tabel 3.8 Fuzzy Weight untuk Kepentingan Relatif Faktor-Faktor Risiko
Istilah Linguistik Fuzzy Number
Very Low (VL) (0 ; 0 ; 0,25)
Low (L) (0 ; 0,25 ; 0,5)
Medium (M) (0,25 ; 0,5 ; 0,75)
High (H) (0,5 ; 0,75 ; 1)
Very High (VH) (0,75 ; 1 ; 1)
Sumber: Wang et al. (2009)
Kemudian dengan mengacu pada Wang et al (2009), untuk melakukan
penilaian faktor-faktor failure mode pada FMEA dalam bentuk fuzzy, maka dapat
dilakukan langkah-langkah sebagai berikut :
a. Menentukan nilai S, O, dan D yang diisi oleh responden berdasarkan skala
pada Tabel 3.5, Tabel 3.6, dan Tabel 3.7.
b. Melakukan perhitungan agregasi penilaian peringkat Fuzzy terhadap faktor
S, O, dan D berdasarkan Persamaan (1) hingga Persamaan (3).
̃ = ∑ ̃ = (∑ ̃ ,∑ ̃ ,∑ ̃ ,∑ ̃ ) ….(1)

̃ = ∑ ̃ = (∑ ̃ ,∑ ̃ ,∑ ̃ ,∑ ̃ ) ….(2)

̃ = ∑ ̃ = (∑ ̃ ,∑ ̃ ,∑ ̃ ,∑ ̃ ) ….(3)

Dimana:
= nilai agregat dari S (severity)
= nilai agregat dari O (occurrence)
= nilai agregat dari D (detectabilition)
hj = bobot responden
n = jumlah bilangan fuzzy
c. Melakukan perhitungan agregasi bobot kepentingan untuk faktor S, O, dan D
berdasarkan Table 3.7 menggunakan persamaan (4) hingga persamaan 6.
̃ = ∑ ̃ = (∑ ̃ ,∑ ̃ ,∑ ̃ ) ….(4)

̃ = ∑ ̃ = (∑ ̃ ,∑ ̃ ,∑ ̃ ) ….(5)

̃ = ∑ ̃ = (∑ ̃ ,∑ ̃ ,∑ ̃ ) ….(6

Dimana:
𝑆 = nilai agregat dari bobot Fuzzy S (severity)
𝑂 = nilai agregat dari bobot Fuzzy O (occurrence)
𝐷 = nilai agregat dari bobot Fuzzy D (detectability)
hj = bobot responden

28
 n = jumlah bilangan fuzzy
d. Menentukan Fuzzy risk priority number (FRPN) untuk setiap model failure
(kegagalan) berdasarkan Persamaan (7).
𝐹 𝑃𝑁𝑖= ( 𝑖𝑂) 𝑂/ 𝑂+ 𝑆+ 𝐷 𝑋 ( 𝑖𝑆) 𝑆/ 𝑂+ 𝑆+ 𝐷 𝑋 ( 𝑖𝐷) 𝐷/ 𝑂+ 𝑆+ 𝐷 (7)
Dimana:
FRPN : Fuzzy Risk Priority Number
nilai agregat dari S (severity)
nilai agregat dari O (occurrence)
nilai agregat dari D (detection)
nilai agregat dari bobot Fuzzy S (severity)
nilai agregat dari bobot Fuzzy O (occurrence)
𝐷 ∶ nilai agregat dari bobot Fuzzy D (detection)
e. Nilai FRPN disesuaikan dengan skala variabel output Fuzzy FMEA yang
dapat dilihat pada Tabel 3.12. Skala variabel output tersebut disesuaikan
dengan hasil akhir nilai FRPN yang diperoleh. Hasil akhir dari tiga nilai FRPN
tertinggi akan menjadi priotitas risiko yang dibahas dandiberi saran
perbaikan. Saran perbaikan diperoleh dari konsultasi dengan pakar dan bukti
penguat dari pustaka.
Tabel 3.9. Kategori Variabel Output Fuzzy FMEA
Nilai Output Kategori
0-1,11 Very Low (VL)
1,12-2,22 Very Low – Low(VL-L)
2,23-3,33 Low (L)
Nilai Output Kategori
3,34-4,44 Low-Moderate (L-M)
4,45-5,55 Moderate (M)
5,56-6,66 Moderate- High (M-H)
6,67-7,77 High (H)
7,78-8,88 High-Very High (H-VH)
8,89-10 Very High (VH)
Sumber: Suharjito (2010).
10. Penentuan Strategi dengan Metode AHP
Dalam menentukan strategi penanganan risiko, perlu dilakukan perhitungan
menggunakan metode AHP. Metode AHP mempunyai kemampuan untuk
memecahkan masalah yang multi objektif dan multi kriteria yang didasarkan pada
perbandingan preferensi dari setiap elemen dalam hierarki. Pada dasarnya
terdapat beberapa tahapan ataupun prosedur yang harus dilakukan dalam
proses perhitungan bobot dengan metode AHP (Darmanto et al, 2014). Adapun
tahapan-tahapan dalam membuat AHP antara lain:

29
 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.
2. Membuat struktur hierarki yang diawali dengan tujuan umum, dilanjutkan
dengan kriteria-kriteria dan alternatif- alternatif pilihan. Struktur Hierarki
AHP dapat dilihat pada Gambar 3.1
3. Membuat matrik perbandingan berpasangan yang menggambarkan
kontribusi relatif atau pengaruh setiap elemen terhadap tujuan atau
kriteria yang setingkat di atasnya. Perbandingan dilakukan berdasarkan
pilihan atau judgement dari pembuat keputusan dengan menilai tingkat
kepentingan suatu elemen dibandingkan elemen lainnya. Tabel penilaian
perbandingan pasangan dapat dilihat pada Tabel 3.4.
4. Menormalkan data yaitu dengan membagi nilai dari setiap elemen di
dalam matrik yang berpasangan dengan nilai total dari setiap kolom
5. Menghitung nilai eigen vector dan menguji konsistensinya, jika tidak
konsisten maka pengambilan data (preferensi) perlu diulangi. Nilai eigen
vector yang dimaksud adalah nilai eigen vector maksimum yang
diperoleh.
6. Mengulangi langkah 3, 4 dan 5 untuk seluruh tingkat hirarki.
7. Menghitung eigen vector dari setiap matriks perbandingan berpasangan.
Nilai eigen vector merupakan bobot setiap elemen.
8. Menguji konsistensi hierarki. Jika tidak memenuhi dengan CR<0,100
9. maka penilaian harus diulangi kembali
Tabel 3.10 Skala Penilaian Perbandingan Pasangan
Itensitas
Keterangan
Kepentingan
1 Kedua elemen sama pentingnya
3 Elemen yang satu sedikit lebih penting daripada elemen yang lainnya
5 Elemen yang satu lebih penting dari elemen yang lainnya
7 Satu elemen jelas lebih mutlak penting daripada elemen lainnya
9 Satu elemen mutlak penting daripada elemen lainnya
2,4,6,8 Nilai-nilai antara dua nilai pertimbangan yang berdekatan
Kebalikan Jika aktivitas I mendapat satu angka dibandingkan dengan aktivitas j,
maka j memiliki nilai kebalikan dibandingkan i
Sumber: Sonatha dan Meri (2010)

30
 Mitigasi Risiko Pemasaran Produk Cokelat

Price Promotion Place Product

A B C D E F G H I J K L

Gambar 3.2 Struktur Hierarki AHP

Sumber: Data Primer (2018)

11. Kesimpulan dan Saran

Berdasarkan hasil penelitian yang telah dilakukan, dapat dibuat kesimpulan
dan saran penelitian. Kesimpulan bertujuan untuk menjawab tujuan dari
penelitian dan membahas kembali secara singkat mengenai hasil dari penelitian.
Saran dihasilkan dari hasil penelitian yang telah dilakukan dan bertujuan untuk
memberikan masukan penelitian ini dan selanjutnya dengan tujuan perbaikan.

31