Prosiding Seminar Nasional Manajemen Teknologi XVII

Program Studi MMT-ITS, Surabaya 2 Februari 2013

PEMODELAN STRUKTURAL KETERKAITAN RISIKO RANTAI

PASOK DENGAN PENDEKATAN INTERPRETIVE STRUCTURAL
MODELING (ISM)
Chatarina Dian Indrawati
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Jurusan Teknik Industri
Kampus ITS Sukolilo, Surabaya 60111
Email : ch.dian.indrawati@gmail.com

ABSTRAK
Risiko merupakan salah satu faktor yang kerap muncul pada aliran bisnis proses baik
di satu perusahaan maupun antar rantai pasoknya. Tingkat ketergantungan antar perusahaan
yang terus meningkat mengakibatkan risiko yang ditimbulkan semakin tidak terduga dan
kompleks. Timbulnya risiko yang semakin tidak pasti dan kompleks ini akan mempengaruhi
kinerja dari perusahaan. Terkait munculnya kejadian risiko-risiko pada rantai pasok yang
berpotensi untuk mengganggu aktivitas organisasi maka pengelolaan risiko menjadi bagian
utama dari aktivitas organisasi.
Dalam ranah identifikasi risiko rantai pasok, terdapat banyak literatur yg empirik
mengenai risiko rantai pasok dan bagaimana mengelolanya, akan tetapi masih sedikit yang
melakukan penelitian mengenai keterkaitan (interconnectedness) antara risiko pada rantai
pasok. Dengan mengetahui sumber-sumber risiko dan keterkaitannya akan membantu dalam
mengupayakan keseimbangan dalam strategi pengurangan risiko yang efektif.
Oleh karena pentingnya studi mengenai keterkaitan risiko rantai pasok sementara
belum terlalu banyak yang membahas mengenai hal ini dalam kondisi yang berbeda-beda,
maka pada tujuan penelitian ini adalah menganalisa secara struktural mengenai risiko-risiko
potensial dari rantai pasok dengan pendekatan Interpretive Structural Modeling (ISM).
Kata kunci: Pengelolaan risiko rantai pasok, keterkaitan antar risiko rantai pasok,
pembobotan keterkaitan risiko, Interpretive Structural Modeling (ISM).

PENDAHULUAN
Latar Belakang Masalah
Risiko merupakan salah satu faktor yang kerap muncul pada aliran bisnis proses baik
di satu perusahaan maupun antar rantai pasoknya . Pada lingkup bisnis, jejaring (networking)
merupakan solusi yang tak dapat dielakkan untuk membantu perusahaan merespon dengan
cepat perubahan pasar (Hallikas, 2002).
Identifikasi kejadian risiko akan menjadi pondasi untuk membangun langkah
berikutnya yaitu analisa dan kontrol dari pengelolaan risiko. Identifikasi risiko yang tepat
akan menjamin efektivitas pengelolaan risiko (Tchankova, 2002). Dalam ranah identifikasi
risiko rantai pasok, terdapat banyak literatur yg empirik mengenai risiko rantai pasok dan
bagaimana mengelolanya, dan juga literatur konseptual mengenai konsep baru dari
manajemen risiko rantai pasok, akan tetapi masih sedikit yang melakukan penelitian mengenai
keterkaitan (interconnectedness) antara risiko pada rantai pasok (Pfohl dkk., 2011). Sementara
itu menurut Chopra dan Sodhi (2004) dengan mengetahui sumber-sumber risiko dan
keterkaitannya akan membantu dalam mengupayakan keseimbangan dalam strategi
pengurangan risiko yang efektif. Mengidentifikasikan korelasi sebab-akibat antara risiko
ISBN : 978-602-97491-6-8
A-25-1
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

individual adalah menjadi penting karena terdapat pengaruh tersembunyi pada risiko tertentu
sehubungan dengan risiko-risiko lainnya dan memungkinkan untuk menyebabkan kerusakan
yg cukup besar (Chopra dan Sodhi, 2004).
Penelitian terdahulu mengenai keterkaitan risiko-risiko pada rantai pasok diantaranyan
adalah penelitian yang telah dilakukan oleh Pfohl dkk pada tahun 2011 membahas mengenai
bagaimana memodelkan struktur keterkaitan antara risiko pada rantai pasok dengan
menggunakan metode interpretive structural modeling (ISM) sedangkan identifikasi elemen-
lemen risiko menggunakan Supply Chain Management Process (SCRMP). Implementasi
pada hasil penelitian dilakukan studi kasus industri di Jerman dan perusahaan perdagangan
(trade company). Hasil penelitian dari kedua studi kasus tersebut telah dibuktikan bahwa ISM
adalah metode yang berdaya guna untuk menstrukturkan risiko rantai pasok dengan cara yang
mudah dan dengan pendekatan terdistribusi yang juga dapat dilakukan pada langkah-langkah
dalam proses di beberapa tahapan dalam manufaktur.
Oleh sebab itu, pada penelitian ini akan melakukan dibahas mengenai bagaimana
mengidentifikasi keterkaitan antar risiko pada rantai pasok dengan melibatkan pemicu
internal dalam ranah plan-sources-make -deliver-return.
Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk
1. Melakukan identifikasi risiko pada 5 proses dalam rantai pasok yaitu plan-source-make-
deliver-return
2. Mengkonstruksi model struktural keterkaitan risiko-risiko pada rantai pasok yang telah
teridentifikas dengan menggunakan metode interpretive structural modeling (ISM)

METODE
Interpretive Structural Modeling
Interpretive structural modeling (ISM) diperkenalkan pertama kali oleh J. Warfield
pada tahun 1975 untuk menganalisa sistem yang kompleksitasnya cukup tinggi dan mencari
solusi untuk permasalahan yang kompleks atau melibatkan banyak faktor didalamnya dan
saling berinteraksi (Mohammed dkk., 2008). ISM adalah metode kualitatif dan interpretive
yang menyajikan solusi untuk permasalahan yang kompleks melalui dasar wacana pada
pemetaan struktural dari keterkaitan elemen-elemen yang kompleks (Malone, 1975; Watson,
1978 dalam Pfohl dkk., 2011). ISM telah diimplementasikan dalam berbagai permasalahan
(Thakkar dkk., 2007;Gorvett dan Liu, 2007;Sagheer dan Yadav, 2009;Khurana dkk,
2010;Shahbandarzadeh dan Ghobanpour, 2011;Kang dkk, 2012). Sementara itu terdapat
beberapa penelitian yang menggunakan ISM dalam permasalahan pengelolaan rantai pasok
(Mohammed dkk, 2008;Faisal, 2010;Thakkar ddk., 2008;Grzybowska, 2012). Dalam
pengelolaan risiko rantai pasok terdapat penelitian-penelitian yang juga menggunakan metode
ISM (Faisal dkk., 2006a,b;Faisal dkk., 2007;Thakkar dkk.,2008;Khurana dkk.,2010;Pfhol,
2011)
Metodologi dari ISM adalah proses pembelajaran yang interaktif dimana sekumpulan
dari elemen-elemen yang disusun dalam model sistem yang komprehensif. ISM membantu
dalam menentukan urutan dan tujuan pada hubungan yang kompleks antar elemen dalam
sistem (Pfohl dkk., 2011). ISM adalah sebuah alat yang dapat menganalisa pengambilan
keputusan pada pemahaman atau ide dalam situasi yang kompleks dengan cara
mengelompokkan dan membuat koneksi yang tertuang dalam sebuah peta. Proses pembuatan
Interpretive Structural Modeling dapat dilakukan cara mengembangkan pengetahuan
perorangan terhadap suatu permasalahan secara menyeluruh yang diambil dari proses diskusi

ISBN : 978-602-97491-6-8
A-25-2
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

atau sebuah analisa. Pengetahuan tersebut yang dibutuhkan dalam mengkomunikasikan

sehingga menghasilkan sebuah keputusan yang diinginkan.
Diagram Alir Penelitian
Diagram alir merupakan gambaran bebereapa proses penelitian yang meliputi
beberapa tahapan diantaranya : penentuan topik penelitian, perumusan masalah, pengumpulan
dan pengolahan data, analisa dan pembahasan serta penarikan dan saran.

A B
Awal

Menjalankan prosedur ISM:

1. Merinci risiko-risiko pada jaringan rantai pasok
Studi Literatur
2. Menentukan relasi kontekstual
3. Membuat SSIM
4. Membuat RM dan memeriksa transitivity
5. Menentukan level partitionary
Identifikasi Permasalahan 6. Menggambarkan digraph dengan hubungan transitivity yang telah dihapus
7. Mengkonversi digraph ke ISM dan checking inkonsistensi secara konseptual
8. Menampilkan pernyataan relasi pada model
Penentuan Metode

Pengumpulan Data :
Data Primer (Wawancara, observasi), Data Sekunder
(Data profil risiko perusahaan)

Pengolahan Data
Analisa dan interpretasi Hasil

A B
Penarikan kesimpulan dan saran

akhir

Gambar 1. Diagram alir penelitian

Pengumpulan Data
Data Elemen Risiko
Data-data yang digunakan dalam penelitian ini diperoleh dari data primer dan
sekunder perusahaan. Yang merupakan data primer adalah hasil wawancara pendapat ahli
yang berkecimpung pada departemen perencanaan dan gudang material (PGM), produksi dan
manajemen risiko yang ada pada perusahaan PT. Petrokimia Gresik. Perusahaan ini
merupakan produsen pupuk kimia maupun organik serta produk kimia di Indonesia. Dimana
data yang dikumpulkan hanya fokus pada satu produk pupuk amatan, yaitu pupuk dengan
merk dagang Phonska.
Sedangkan data sekunder didapatkan dari laporan tahunan Profil Risiko tahun 2012
yang merupakan produk dari departemen Manajemen Risiko PT. Petrokimia Gresik. Laporan
tahunan Profil Risiko ini memiliki konten risiko-risiko yang berpotensi tinggi untuk terjadi
berdasar pola historis tahun-tahun sebelumnya. Data risiko yang dimasukkan pada profil
risiko bersumber pada masing-masing departemen yang ada pada perusahaan PT. Petrokimia
Gresik.

ISBN : 978-602-97491-6-8
A-25-3
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

Tabel 1. Data risiko pada jaringan rantai pasok produksi pupuk Phonska
No Jenis Risiko Risiko
1. Bahan baku, barang dagangan, dan bahan kimia/ penolong terlambat datang
2. Risiko Barang dan spare part terlambat datang
3. Pengadaan Retergantungan pada pemasok tunggal
4. (PLAN) Pembelian dari banyak sumber (multi sourching)
5. Pengiriman barang tidak aman
6. Pengadaan jasa terlambat
7. Keterlambatan/tdk sesuai jadwal
8. Gudang tidak cukup
9. Risiko PGM Verifikasi terlambat
10. (SOURCE) Spesifikasi tdk sesuai
11. Selisih stock
12. Kompetensi SDM tidak mencukupi
13. Penyimpanan stock pupuk di open storage
14. Data stock gudang tidak mencerminkan kondisi riil
15. Darang digudang penyangga rusak/ susut
Risiko
16. Sistem monitoring stock pupuk belum optimal
Distribusi
17. (DISTRIBU Pupuk original kurang timbang
18. TION) Pupuk hilang dijalan saat pengiriman ke gudang penyangga
19. Stock pupuk petroganik di gudang penyangga over space
20. Penumpukan stok di gudang gresik karena pergeseran musim tanam
21. Keterlambatan muat ke atas truk/KA di gudang gresik
22. Kelambatan muat keatas truk EMKL/kapal di gudang gresik
23. Kerusakan/susut pupuk di gudang gresik
24. Stock out digudang penyangga
25. Gangguan Proses akibat bahan baku KCl shortage
26. Gangguan Proses akibat bahan baku urea shortage
27. Risiko Gangguan Proses akibat bahan baku phospate rock shortage
28. Produksi Gangguan Proses akibat bahan baku ZA shortage
29. (MAKE)
Kenaikan consumption rate (melebihi target)
30. Produktivitas menurun
31. Re-bag pupuk (akibat kantong terkoyak)
Return
32. Re-process pupuk (akibat pupuk menggumpal)

Pengolahan Data
Structural Self-Interaction Matrix (SSIM)
Data rekapitulasi keterkaitan antar elemen risiko (tabel 4.2) dimasukkan ke dalam
SSIM dengan mengkonversi angka menjadi huruf yang meyatakan kategori hubungan.
Konversi angka ke huruf di rinci sebagai berikut:
 1 = V  adanya variabel i mencapai/memicu adanya variabel j
 2 = A  adanya variabel i dicapai/dipicu dengan adanya varibael j
 3 = X  variabel i dan variabel j saling memicu untuk tercapai
 4 = O variabel i dan variabel i tidak berhubungan

ISBN : 978-602-97491-6-8
A-25-4
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

Tabel 2. Structural Self-Interaction Matrix (SSIM) keterkaitan elemen risiko rantai pasok

Digunakannya simbol V, A, X, dan O dilakukan untuk mempermudah menerjemahkan

kategori keterkaitan ke dalam reachability matrix.
Reachability Matrix
Tahap selanjutnya adalah membuat reachability matrix, yaitu dengan mengubah SSIM
menjadi matriks biner. Yang dilakukan adalah mengkonverso simbol V, A, X dan O dengan
angka 0 dan 1. Aturan konversi adalah sebagai berikut:
- Jika relasi (i, j) dinotasikan sebagai V maka masukan (i, j) pada RM menjadi 1 dan (j, i)
menjadi 0
- Jika relasi (i, j) dinotasikan sebagai A maka masukan (i, j) pada RM menjadi 0 dan (j, i)
menjadi 1
- Jika relasi (i, j) dinotasikan sebagai X maka masukan (i, j) pada RM menjadi 1 dan (j, i)
menjadi 1
- Jika relasi (i, j) dinotasikan sebagai O maka masukan (i, j) pada RM menjadi 0 dan (j, i)
menjadi 0
Esensi dari reachability matrix adalah menjawab pertanyaan “Ya” atau “Tidak”,
apakah terdapat hubungan langsung antara varibael i dan vaiabel j. Konversi SSIM menjadi
reachability matrix dapat di lihat pada tabel berikut ini.

ISBN : 978-602-97491-6-8
A-25-5
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

Tabel 3. Reachability Matrix keterkaitan elemen risiko rantai pasok

Menyekat Reachability Matrix

Tahap selanjutnya adalah melakukan penyekatan terhadap reachability matrix, akan
tetapi sebelummnya perlu dilakukan koreksi lebih lanjut sampai menjadi matriks tertutup
yang memenuhi aturan transitivity. Kaidah transitivity adalah kelengkapan dari lingkaran
sebab-akibat (causal-loop), sebagai misal A mempengaruhi B dan B mempengaruhi C maka
dapat dikatakan bahwa A harus mempengaruhi C.
Tabel 4. Final Reachability Matrix keterkaitan elemen risiko rantai pasok

Keterangan dari Tabel D:

- Yang ada tanda * adalah sel yang telah mengalami revisi
- D = dependence -R = ranking
- DP = driver power -L = level/hirarki
ISBN : 978-602-97491-6-8
A-25-6
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

Setelah diketahui reachability matrix yang telah di koreksi dengan kaidah transitivity,
maka yang dilakukan selanjutnya adalah penyekatan reachability matrix. Pada tahapan ini
reachability matrix dibagi menjadi reachability yaitu variabel i dan antecedent yaitu variabel
j.
Hasil penyekatan reachablity matrix diketahui bahwa dari total 32 elemen risiko rantai
pasok terbagi dalam sembilan level. Rekapitulasi level yang ada keterkaitan rantai pasok dapat
dilihat pada tabel F berikut ini.

Tabel 5 Pelevelan keterkaitan elemen risiko rantai pasok

Level Elemen Variabel
1 25 Gangguan proses akibat bahan baku KCl shortage
26 Gangguan proses akibat bahan baku urea shortage
27 Gangguan proses akibat bahan baku phospate rock shortage
28 Gangguan proses akibat bahan baku ZA shortage
30 Produktivitas menurun
2 7 Keterlambatan/tidak sesuai jadwal
24 Stock out digudang penyangga
31 Re-bag pupuk (akibat kantong terkoyak)
32 Re-process pupuk (akibat pupuk menggumpal)
3 2 Barang dan spare part terlambat datang
13 Penyimpanan stock pupuk di open storage
14 Data stock gudang tidak mencerminkan kondisi riil
15 Barang digudang penyangga rusak/ susut
29 Kenaikan consumption rate (melebihi target)
4 1 Bahan baku, barang dagangan, dan bahan kimia/ penolong terlambat datang
8 Gudang tidak cukup
9 Verifikasi terlambat
5 5 Pengiriman barang tidak aman
6 3 ketergantungan pada pemasok tunggal
6 Pengadaan jasa terlambat
10 Spesifikasi tdk sesuai
7 4 Pembelian dari banyak sumber (multi sourching)
11 Selisih stock
21 Keterlambatan muat ke atas truk/KA di gudang gresik
23 Kerusakan/susut pupuk di gudang gresik
8 16 Sistem monitoring stock pupuk belum optimal
17 Pupuk original kurang timbang
18 Pupuk hilang dijalan saat pengiriman ke gudang penyangga
22 Kelambatan muat keatas truk EMKL/kapal di gudang gresik
9 12 Kompetensi SDM tidak mencukupi
19 Stock pupuk petroganik di gudang penyangga over space
20 Penumpukan stok di gudang gresik karena pergeseran musim tanam

Setelah penyekatan reachability matrix telah dilakukan, maka tahap selajutnya adalah
membuat conical matrix. Adapun aturan dari canonical matrix ini adalah mengurutkan
reachability matrix sesuai dengan hasil penyekatan reachability matrix, dimana urutan kolom
dimulai dari elemen pertama pada level.

ISBN : 978-602-97491-6-8
A-25-7
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

Tabel 6. Conical matrix keterkaitan risiko rantai pasok

Dari hasil hirarki yang didapatkan dari conical matrix diatas, tahap selanjutnya adalah
membangun model ISM sesuai dengan varibel-variabel yang telah dipartisi.

HASIL DAN PEMBAHASAN

Pembangunan model ISM berdasarkan dari hirarki yang terdapat dalam conical
matrix. Keterkaitan yang ada pada masing-masing rantai pasok disimbolkan dengan anak
panah, dimana elemen di awal anak panah mewakili sebagai kejadian yang menyebabkan,
sedangkan elemen yang diakhir anak panah mewakili sebagai kejadian yang merupakan
akibat.
Hasil pengolahan data telah menunjukkan bahwa keterkaitan risiko rantai pasok
elemen-elemen risiko terbagi dalam sembilan level. Dari sembilan level terebut dikategorikan
dalam 3 level kategori, yaitu top level, middle level dan bottom level. Analisa untuk masing-
masing level adalah sebagai berikut :
1. Top level variable
Variabel yang terdapat dalam top level ini merupakan variabel yang memiliki driving
power yang lemah dan ketergantungan antar variabel yang kuat, artinya variabel yang
berada di top level ini akan memiliki ketergantungan terhadap variabel yang berada di
middle level dan bottom level. Dari jumlah total variabel risiko yang di olah dengan
menggunakan metode ISM pada bab 4, dihasilkan 9 variabel yang didapatkan dari
penyekatan reachability matrix, yang menjadi top level adalah level 1, 2 dan 3.
2. Middle level variable
Middle level berada tepat di bawah top level, variabel-variabel yang berada di level ini
akan memiliki pengaruh yang cukup besar terhadap variabel yang berhubungan dengan
variabel terhubung, sesuai dengan yang telah diolah dengan menggunakan metode ISM.
Perbaikan maupun peningkatan kinerja variabel pada middle level ini hanya di capai
apabila dilakukan perbaikan pada bottom level terdahulu. Perbaikan pada bottom level
akan memperbaiki middle level sedangkan perbaikan pada middle level akan
memperbaiki top level. Pada middle level ini terdiri dari level 4,5 dan 6.
ISBN : 978-602-97491-6-8
A-25-8
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

3. Bottom level variable

Level yang terbawah pada model hirarki ISM adalah bottom level. Variabel yang berada
pada bottom level memiliki sifat driver atau pengaruh yang kuat terhadap variabel yang
berada di level teratasnya. Memperbaiki pada variabel bottom level ini akan mengurangi
risiko-risiko yang ada pada middle level dan top level. Pada bottom level ini terdiri dari
level 7,8 dan 9.

25 26 27 30
28

32 24

31 7

2 14 29
13
15

1 9
8

10 3
6

4 21

11 23

22 17

18 16

12 20
19

Gambar 2. Model ISM Keterkaitan Rantai Pasok

ISBN : 978-602-97491-6-8
A-25-9
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

KESIMPULAN DAN SARAN

Kesimpulan
Pada ketiga level yang telah dijabarkan pada diatas telah dapat di simpulkan bahwa
risiko yang mampu mengeliminer risiko-risiko pada middle level dan top level adalah adalah
risiko yang ada pada bottom level, yaitu risiko kompetensi SDM tidak mencukupi (12), risiko
stok pupuk petroganik di gudang penyangga over space (19), risiko penumpukan stok di
gudang gresik karena pergeseran musim tanam (20), risiko sistem monitoring stock pupuk
belum optimal (16), risiko pupuk original kurang timbang (17), risiko pupuk hilang dijalan
saat pengiriman ke gudang penyangga (18), Kelambatan muat ke atas truk EMKL/kapal di
gudang Gresik (22), risiko pembelian dari banyak sumber (multi sourcing) (4), risiko selisih
stock (11), dan risiko keterlambatan muat ke atas truk/KA di gudang Gresik (21). Tindakan
mengeliminer pada kesebelas risiko pada bottom level tersebut mampu mengeliminer risiko
pada middle level dan top level dengan melihat keterkaitan risiko yang ada.
Saran
Pada penelitian ini belum dilakukan validasi model secara statistik sehingga pada
penelitian berikutnya dapat dilakuan analisis statisistik menggunakan metode structural
equation modelling (SEM). Sedangkan untuk memperkuat kontribusi metode ISM untuk
identifikasi keterkaitan pada rantai pasok maka diperlukan studi kasus pada ranah industri
yang berbeda

DAFTAR PUSTAKA
Borade, A.B., Bansod, S.V. (2007), Domain of supply chain management – a state of art,
Journal of Technology & Innovation, Vol. 2 Iss. 4, pp. 109-121.
Chopra, S., Sodhi, M.S. (2004), Managing Risk To Avoid Supply-Chain Breakdown, MIT
Sloan Management Review, pp. 53-61
Dani, S. (2009), Predicting and Managing Supply Chain Risks, International Series in
Operation Research & Management Science, Vol. 124, pp. 53-66.
Faisal, M.N. (2006), Supply chain risk mitigation : modeling the enablers, Business Process
Management Journal, Vol. 12 No.4, pp. 535-552.
Faisal, M.N. (2010), Sustainable supply chains : a study of interaction among the enablers,
Business Process Management Journal, Vol. 16 No.3, pp. 508-529.
Faisal, M.N., Banwet, D.K., Shankar, R. (2006), Mapping supply chains on risk and customer
sensitivity dimensions, Industrial Management & Data Systems, Vol. 106 No. 6, pp.
878-895.
Faisal, M.N., Banwet, D.K., Shankar, R. (2007), Information risks management in supply
chains : an assessment & mitigation framework, Journal of Enterprise Information,
Vol.20 No.6, pp. 667-699.
Fei, W., Shilei, W. (2010), Study on operating risk of supply chain based ISM, International
Conference on E-Business and E-Government, pp. 5271-5273.
Gaonkar, R. and Viswanadham, N. (2007), Analytical framework for the management of risk
in supply chain, IEEE Transactions on Automation Science and Engineering, Vol. 4
No. 2, pp. 265-73
ISBN : 978-602-97491-6-8
A-25-10
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

Gaudenzi, B. (2009), Assessing risks in projects and processes, International Series in

Operations Research & Management Science, Vol. 124, pp. 67-82.
Gaudenzi, B., Borghesi, A. (2006), Managing risks in the supply chain using the AHP
method, The International Journal of Logistics Management, Vol. 17, pp. 114-36.
Gorvett, R., Liu, N. (2007), Using interpretative structural modeling to identify and quantify
interactive risks, 2007 ASTIN Colloquium Call For Papers.
Hallikas, J., Virolainen, V.M. and Tuominen, M. (2002), Risk analysis and assessment in
network environment: a dyadic case study, International Journal of Production
Economics, Vol. 78, pp. 45-55.
Hallikas, J., Karvonen, I., Pulkkinen, U., Virolainen, V.-M. and Tuominen, M. (2004), Risk
management processes in supplier networks, International Journal of Production
Economics, Vol. 90, pp. 47-58.
Jutner, U., Peck, H., Christopher, M. (2003), Supply chain risk management : outlining an
agenda for future research, International Journal of Logistics : Research &
Applications, Vol. 6 No.4, pp. 197-210.
Kayis, B., Karningsih, P.D., (2012), SCRIS: A knowledge-based system tool for assisting
manufacturing organizations in identifying supply chain risks, Journal of
Manufacturing Technology Management, Vol. 23 Iss: 7, pp. 834 – 852.
Khurana, M.K., Mishra, P.K., Jain, R., Singh, A.R. (2010), Modeling of information sharing
enablers for building trust in Indian manufacturing industry : an integrated ISM and
fuzzy Micmac approach, Journal of Engineering Science and Technology, Vol. 2 No.
6, pp. 1651-1669.
Malone, D.W. (1975), An introduction to the application of interpretive structural modeling,
Proceedings of the IEEE, Vol.63 Iss: 3, pp. 397-404.
March, J.G., Shapira, Z. (1987), Managerial perspectives on risk and risk taking, Management
science, Vol. 33 No. 11, pp. 1404-1418.
Mohammed, I.R., Shankar, R., Banwet, D.K. (2008), Creating flex-lean-agile value bhain by
outsourcing, Business Process Management Jornal, Vol. 14 No. 3, pp. 338-389.
Neiger, D., Rotaru, K., Churilov, L. (2009), Supply chain risk identification with value-
focused process engineering, Journal of Operations Management, Vol. 27, pp. 154-68.
Pfohl, H.C., Kohler, H, Thomas, D. (2010). State of the art in supply chain risk management
research : empirical and conceptual findings and a roadmap for the implementation in
practice, Logistics Research, Vol. 2 Iss: 1, pp. 33-44.
Pfohl, H.C., Gallus, P., Thomas, D. (2011), Interpretive structural modeling of supply chain
risks, International Journal of Physical Distribution & Logistics Management, Vol.
41 Iss: 9, pp. 839 – 859.
Ramesh, A., Banwet, D.K., Shankar, R. (2010), Modeling the barriers of supply chain
collaboration, Journal of Modelling in Management, Vol. 5 No. 2, pp. 176-193.
Saaty, T.L. (2001), Decision Making with Dependece and Feedback : The Analytic Network
Process, RWS Publications, Pittsburgh.
ISBN : 978-602-97491-6-8
A-25-11
 Prosiding Seminar Nasional Manajemen Teknologi XVII
Program Studi MMT-ITS, Surabaya 2 Februari 2013

Sagheer, S., Yadav, S.S., Deshmukh S.G. (2009), An application of interpretative structural
modeling of the structural modeling of the compliance to food standards, International
Journal of Productivity, Vol. 58 No. 2, pp. 136-159
Shahabadkar, P., Hebbal, S.S., (2012), Deployment of Interpretive Structural Modeling
Methodology in Supply Chain Management – An overview, International Journal of
Industrial Engineering & Production Research, Vol. 23 No. 3, pp. 195-205
Shahbandarzadeh, H., Ghorbanpour, A. (2011), The applying ISM/FANP approach for
appropriate location selection of health centers, Iranian journal of management studies
(IJMS), Vo. 4 No. 2, pp. 5-28.
Singhal, P., Agarwal, G., Mittal, M.L. (2011). Supply chain risk management : review,
classification and future research directions, International Journal of Business Science
and Applied Management, Vol. 6 Iss : 3, pp. 16-42.
Tang, C.S. (2006), Perspectives in supply chain risk management, International Journal of
Production Economics, Vol. 103, pp. 451-488.
Tchankova, L. (2002), Risk identification – basic stage in risk managemen, Environmental
Management ang Health, Vol. 13 No. 3, pp. 290-297.
Thakkar, J, Deshmukh, S.G., Gupta, A.D., Shankar, R. (2007), Development of a balanced
An integrated approach of Interpretive Structural Modeling (ISM) and Analytic
Network Process (ANP), International Journal of Productivity and Performance
Management, Vol. 56 No. 1, pp. 25-59.
Thakkar, J., Kanda, A., Deshmukh, S.G. (2008), Interpretive structural modeling (ISM) of IT-
enablers for Indian manufacturing SMEs, Information Management & Computer
Security, Vol. 16 Iss: 2, pp. 113 – 136.
Vanany, I., Zailani, S., Pujawan, N. (2009), Supply chain risk management : literature review
and future research, International Journal of Information Sstem and Supply Chain
Management, Vol. 2 No. 1, pp. 16-33.
Waters, D. (2007), Supply Chain Risk Management : Vulnerability and Resilience in
Logistics, Kogan Page, London and Philadelphia.
Zsidisin, G.A., Ritchie, B. (2009), Supply chain risk management – developments, issues and
challenges, International Series in Operations Research & Management Science, Vol.
124, pp. 1-12.

ISBN : 978-602-97491-6-8
A-25-12