Dematel
Dematel
SKRIPSI
Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik
FAKULTAS TEKNIK
PROGRAM SARJANA TEKNIK INDUSTRI
DEPOK
2021
SKRIPSI
Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik
FAKULTAS TEKNIK
PROGRAM SARJANA TEKNIK INDUSTRI
DEPOK
2021
ii
Tanda Tangan :
iii
DEWAN PENGUJI
Ditetapkan di : Depok
Tanggal : 28 Juni 2021
iv
Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Esa, karena rahmat
dan karunia-Nya, Penulis dapat menyelesaikan skripsi yang berjudul “Perancangan
Strategi Untuk Mendapatkan Faktor Keberhasilan Implementasi Internet Of Things (IoT)
Pada Industri Manufaktur Sektor Otomotif Dengan Metode Berbasis DEMATEL
(DANP)”. Penulisan skripsi ini dilakukan dalam rangka memenuhi salah satu syarat untuk
memperoleh gelar Sarjana Teknik pada Program Studi Teknik Industri, Fakultas Teknik,
Universitas Indonesia. Penulis menyadari bahwa penyusunan skripsi ini tidak dapat
berjalan dengan baik tanpa bantuan dan bimbingan secara langsung maupun tidak
langsung dari berbagai pihak. Untuk itu, Penulis mengucapkan terima kasih kepada:
(1) Ibu Inaki Maulida Hakim, S.T., M.T., selaku dosen pembimbing yang telah
menyediakan waktu, pikiran dan tenaga serta memberikan bimbingan dan masukan
dalam menyelesaikan penulisan penelitian ini.
(2) Bapak Mawan, Bapak Yanyan, Bapak Anwar, dan seluruh pihak perusahaan
Industri Manufaktur pada Sektor Otomotif atas kesediaannya untuk membantu
Penulis dalam melakukan penelitian.
(3) Para dosen penguji yang telah mengkritisi dan memberikan masukan selama masa
penyusunan skripsi.
(4) Seluruh dosen Teknik Industri Universitas Indonesia yang telah memberikan
banyak ilmu pengetahuan dan wawasan kepada Penulis selama masa perkuliahan.
(5) Nenek dan kedua orang tua Penulis, Nini Lulu Lugijati, Bapak Budiman Sudrajat,
dan Ibu Rianti Dwiyani, serta seluruh keluarga Penulis yang telah mendoakan dan
terus memberikan semangat, motivasi, dukungan, dan doa kepada Penulis.
(6) Rifani Adella, Raja Mula, Aloysia Elva, dan Sauqi Malikal selaku teman
seperjuangan Penulis selama proses bimbingan, yang telah saling membantu dan
mendukung selama prosesn penyusunan skripsi.
(7) Hayu Astuti, Lafebya Yustika, Nabiilah Tiara, Nadine Mediha, Fienka Wiandianti,
Adhwa Rana, Cindy Natasha, Nadila Adhani, Karina Nisa, Vanya Permata, Nabiela
Setia, Maraya Ghassani, Rahman Mirza, Guntur Pamungkas, dan Ananda Pasha
selaku teman dekat yang telah membantu dan mendukung satu sama lain selama
masa perkuliahan hingga penyusunan skripsi.
vi
Sebagai sivitas akademik Universitas Indonesia, saya yang bertanda tangan di bawah ini:
Nama : Denise Savia Anindita
NPM : 1706069921
Program Studi : Teknik Industri
Departemen : Teknik Industri
Fakultas : Teknik
Jenis Karya : Skripsi
beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Noneksklusif
ini Universitas Indonesia berhak menyimpan, mengalihmedia/format-kan, mengelola
dalam bentuk pangkalan data (database), merawat, dan memublikasikan tugas akhir saya
selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak
Cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Depok
Pada tanggal : 21 Juni 2021
Yang menyatakan
vii
Kata Kunci:
Internet of Things (IoT), Key Success Factors (KSF), Industri Otomotif, DANP
Keywords:
Internet of Things (IoT), Key Success Factors (KSF), Automotive Industry, DANP
ix Universitas Indonesia
ABSTRAK..................................................................................................................... viii
ABSTRACT .................................................................................................................... ix
........................................................................................................................................ xii
x Universitas Indonesia
xi Universitas Indonesia
xv Universitas Indonesia
Pada bab ini akan dijabarkan mengenai penelitian yang akan dilakukan melalui
menjelaskan latar belakang masalah yang menjadi urgensi penelitian, diagram keterkaitan
masalah, perumusan masalah, tujuan penelitian, metodologi penelitian, batasan penelitan,
serta tempat dan waktu penelitian. Gambaran umum mengenai sistematika penulisan
masing-masing bab akan disertakan pada akhir bab ini.
Produk Domestik Bruto (PDB) merupakan salah satu indikator penting untuk
menilai kondisi ekonomi suatu negara. Pada dasarnya, PDB didefinisikan sebagai jumlah
nilai tambah yang dihasilkan oleh seluruh unit usaha atau jumlah nilai barang dan jasa
akhir yang dihasilkan oleh seluruh unit ekonomi dalam suatu negara. Terdapat dua dasar
pengukuran harga PDB, yaitu atas dasar harga berlaku dan atas dasar harga konstan.
Pengukuran pergeseran dan struktur ekonomi dapat diketahui melalui PDB atas dasar
harga berlaku dan pengukuran pertumbuhan ekonomi dari tahun ke tahun dapat diketahui
melalui PDB atas dasar harga (Badan Pusat Statistik, 2020).
Pada tahun 2019, PDB Indonesia berada pada posisi ke-16 dari 217 negara. PDB
Indonesia terdiri atas sembilan belas lapangan usaha yang berkontribusi di dalamnya
dengan kontribusi terbesar dari Industri Pengolahan. Terdapat 16 sektor industri di dalam
Industri Pengolahan, dimana beberapa sektor tersebut dapat dikategorikan ke dalam
Industri Manufaktur. Struktur PDB Indonesia dapat dilihat pada Gambar 1.1 berikut ini.
1
Universitas Indonesia
Sejak awal tahun 2000, Industri Manufaktur kerap mengalami penurunan porsi
kontribusi terhadap PDB Indonesia. Tabel 1.1 memperlihatkan proyeksi penurunan porsi
kontribusi Industri Manufaktur terhadap PDB Indonesia. Situasi penurunan porsi
kontribusi tersebut dikonfirmasi oleh Kementrian Perindustrian yang menyatakan bahwa
penurunan porsi kontribusi ini akan terus menurun apabila tidak dilakukan intervensi
apapun untuk merevitalisasi Industri Manufaktur. Selain berdampak terhadap
perekonomian, menurunnya kontribusi Industri Manufaktur juga dapat berdampak
terhadap penyerapan tenaga kerja, peningkatan ekspor, dan peningkatan investasi. Oleh
karena itu, diperlukan upaya untuk merevitalisasi Industri Manufaktur di Indonesia agar
dapat menjadi industri andalan yang berdaya saing tinggi.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
vehicle (EV), dimulai dengan kemampuan manufaktur sepeda motor listrik (Kementrian
Perindustrian, 2018).
Sebagaimana tertera pada inisatif Making Indonesia 4.0, inisatif ini bertujuan
untuk mempercepat implementasi teknologi Industri 4.0 di Indonesia. Terdapat 9 pilar
teknologi Industri 4.0, yaitu: autonomous robots, simulation, system integration, internet
of things, cyber security, cloud computing, additive manufacturing, augmented reality,
dan big data. Menurut laporan yang disusun oleh Dr. Naoufel Boulila dari Siemens
Corporate Technology di Jerman yang terdapat pada Gambar 1.4, menemukan bahwa
Industri 4.0 dibangun di atas internet services, yang dibangun di atas smart factories,
yang dibangun di atas cyber physical systems, yang menggunakan internet of things
sebagai infrastrukturnya. Berdasarkan hal ini, pilar teknologi internet of things (IoT)
merupakan lapisan utama dari implementasi Industri 4.0 yang perlu dipenuhi terlebih
dahulu agar dapat terbentuk ekosistem Industri 4.0 yang memadai. Oleh karena itu,
teknologi internet of things dipilih sebagai fokus pada penelitian ini.
Universitas Indonesia
Universitas Indonesia
strategy mampu membantu perusahaan dalam memperjelas visi, tujuan, dan arah
perusahaan, dalam hal ini memperjelas visi, tujuan, dan arah pengimplementasian
teknologi IoT.
Saat ini, banyak penelitian terdahulu yang telah membahas identifikasi KSF dalam
penerapan Industri 4.0 di berbagai sektor. Salah satunya adalah penelitian yang dilakukan
oleh Sony & Naik (2020) terkait identifikasi KSF untuk implementasi Industri 4.0.
Kemudian, Shinohara et al. (2017) juga telah melakukan identifikasi KSF untuk
implementasi Industri 4.0 di tingkat lebih spesifik, yaitu pada digital manufacturing di
pabrik perakitan otomotif. Pada penelitian yang dilakukan Abidin (2012) terkait
menentukan dan memprioritaskan KSF di sektor otomotif Malaysia, digunakan metode
analytic network process (ANP) karena dinilai sebagai metode yang dapat memberikan
penilaian akurat terhadap KSF, mempertimbangkan hubungan antar faktor,
membutuhkan jumlah responden sedikit, dekat dengan situasi di dunia nyata, dan
sederhana untuk dibuat. Selain menggunakan ANP, metode hibridasi ANP dengan
DEMATEL juga digunakan untuk menganalisis KSF. Pertama, terdapat penelitian oleh
Khan et al. (2020) yang menggunakan metode ANP berbasis DEMATEL (DANP) untuk
menganalisis KSF terhadap transisi ekonomi sirular. Selanjutnya, terdapat penelitian oleh
Nilashi et al. (2015) yang menggunakan metode hibridasi DEMATEL dan ANP, yaitu
NRM of ANP untuk mengevaluasi KSF pada proyek konstruksi.
Meskipun terdapat banyak penelitian terdahulu terkait identifikasi KSF, belum
ada penelitian yang menjelaskan mengenai identifikasi KSF untuk implementasi
teknologi IoT pada sektor otomotif. Padahal, identifikasi KSF merupakan hal esensial
yang perlu dilakukan agar kesuksesan dapat tercapai. Oleh karena itu, untuk mendukung
tercapainya inisiatif Making Indonesia 4.0 terutama dalam sektor otomotif, diperlukan
identifikasi KSF pada implementasi teknologi IoT disertai strategi dalam
pengimplementasiannya agar terbentuk ekosistem IoT yang baik dan dapat menunjang
pencapaian tujuan yang diharapkan.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Berdasarkan latar belakang yang telah dijabarkan di atas, kunci kesuksesan dalam
penerapan teknologi IoT terletak pada identifikasi key success factors dan perancangan
roadmap strategy. Maka, peneliti merumuskan masalah dari penelitian ini adalah
“Bagaimana rancangan strategi yang tepat terhadap faktor-faktor keberhasilan yang
terpilih dalam implementasi IoT di Industri Manufaktur pada sektor otomotif?”.
Batasan penelitian bertujuan untuk mengarahkan hasil dari penelitian ini. Adapun,
Batasan penelitian yang digunakan dalam penelitian ini adalah:
1. Penelitian akan dilakukan di salah satu Industri Manufaktur pada sektor
otomotif kendaraan roda dua.
2. Penelitian akan dilaksanakan pada periode Januari-Juni 2021.
3. Pengumpulan data primer dan data sekunder akan dilakukan pada periode
Januari-Juni 2021 dengan data primer yang digunakan adalah penilaian panel
ahli.
Universitas Indonesia
Penelitian akan dilakukan melalui beberapa tahapan yang dapat dilihat secara jelas
pada diagram alir metodologi penelitian pada Gambar 1.7.
Universitas Indonesia
Secara garis besar, terdapat enam tahapan pada penelitian ini, yaitu:
1. Tahap Awal Penelitian
Tahap awal penelitian diawali dengan diskusi dengan dosen pembimbing untuk
menentukan tema dan topik penelitian. Selanjutnya, peneliti melakukan tinjauan
pustaka dari berbagai sumber, seperti jurnal, buku, dan berita terkait tema dan topik
penelitian sehingga peneliti memperoleh rumusan masalah dari penelitian, tujuan
penelitian, serta Batasan yang digunakan dalam penelitian. Pada tahap ini, peneliti
mempelajari terkait key success factors implementasi teknologi dan penerapan IoT
di Industri Manufaktur pada sektor otomotif.
2. Tahap Studi Literatur
Tahap studi literatur dilakukan dengan melakukan tinjauan pustaka dari berbagai
sumber literatur yang membahas mengenai industri 4.0, internet of things, Making
Indonesia 4.0, dan key success factors. Selain itu, peneliti juga melakukan tinjauan
pustaka terkait metode yang sesuai untuk menyelesaikan permasalahan penelitian.
Adapun, metode yang peneliti tetapkan adalah ANP berbasia DEMATEL.
3. Tahap Pengumpulan Data
Data yang digunakan pada penelitian ini terbagi menjadi data primer dan data
sekunder. Tahap awal pengumpulan data diawali dengan pengumpulan data sekunder
melalui studi literatur terkait key success factors implementasi teknologi Industri 4.0
untuk memperoleh daftar key success factors implementasi IoT di Industri
Manufaktur pada sektor otomotif dan melakukan studi literatur terkait strategi
implementasi teknologi Industri 4.0.
Selanjutnya, peneliti melakukan pengumpulan data primer dengan menggunakan
metode delphi. Metode ini dapat membantu mengurangi bias pada pengumpulan data
yang dilakukan melalui pengisian kuesioner oleh panel ahli terkait topik penelitian.
Terdapat dua kuesioner yang terbagi menjadi kuesioner identifikasi KSF dan
kuesioner pembobotan KSF. Pertama, peneliti melakukan validasi daftar key success
factors implementasi IoT di Industri Manufaktur pada sektor otomotif. Setelah
tervalidasi, dilanjutkan dengan pengumpulan data kuesioner yang dilakukan melalui
wawancara dengan panel ahli via media komunikasi online.
Universitas Indonesia
Universitas Indonesia
metodologi penelitian. Selain itu, diagram keterkaitan masalah juga disertakan pada bab
ini untuk memberikan pemahaman yang sistematis terhadap permasalahan yang diangkat.
Bab 2 adalah bab tinjauan pustaka. Pada bab ini, dijabarkan mengenai landasan
teoritis yang menjadi acuan dalam penelitian, dan konsep umum mengenai teori yang
relevan untuk menyelesaikan permasalahan dalam penelitian.
Bab 3 adalah bab pengumpulan dan pengolahan data. Bab ini membahas mengenai
tahapan pengumpulan data yang dilakukan selama periode penelitian serta tahapan
pengolahan data yang digunakan untuk mengolah data yang telah dikumpulkan
menggunakan metode Analytic Network Process berbasis Decision Making Trial and
Evaluation Laboratory (DANP).
Bab 4 adalah bab analisis hasil. Pada bab ini, disajikan analisis hasil dari setiap
langkah dalam penelitian dan perancangan strategi implementasi IoT di Industri
Manufaktur pada sektor otomotif.
Bab 5 adalah bab kesimpulan dan saran. Bab ini merupakan bagian penutup yang
menyajikan kesimpulan dari hasil penelitian dan saran yang dapat diberikan untuk
penelitian selanjutnya berdasarkan penelitian yang telah dilakukan
Universitas Indonesia
Pada bab dua akan dijabarkan mengenai studi literatur penelitian. Literatur yang
digunakan berasal dari berbagai sumber, yaitu buku, jurnal penelitian, dan sumber lain.
Studi literatur yang dilakukan pada penelitian ini adalah terkait key success factors dan
metode pengolahan data yang akan digunakan, yaitu Delphi Method, Geometric Mean,
Decision Making Trial and Evaluation Laboratory (DEMATEL), Analytic Network
Process (ANP), dan ANP berbasis DEMATEL (DANP).
Key Success Factors (KSF) biasa disebut Critical Success Factors (CSF). Konsep
pengaplikasian KSF terhadap permasalahan bisnis telah dilakukan sejak tahun 1961,
namun metode penelitian untuk mendapatkan KSF pertama kali dikembangkan oleh John
Rockhart di sekolah Sloan MIT. KSF didefinisikan sebagai sebuah elemen yang penting
agar organisasi dapat mencapai tujuannya (Khan et al., 2020). KSF menjadi faktor kunci
yang diperlukan untuk keberhasilan pencapaian bisnis yang mewakili zona-zona sistem
yang harus diberi perhatian terus menerus untuk mencapai kinerja yang lebih baik (Khan
et al., 2020).
Sebagaimana dijelaskan sebelumnya, KSF mendefinisikan area kunci yang
esensial bagi suatu perusahaan atau organisasi. Istilah KSF bukan hal yang asing bagi
level manajemen, mereka memahami bahwa KSF adalah area yang kunci yang perlu
dipikirkan ketika menentukan target atau aktivitas operasional untuk mencapai target
tersebut. Akan tetapi, salah satu tantangan terkait KSF adalah diperlukannya performa
yang baik secara konsisten karena kegagalan dapat berakibat negatif terhadap target yang
diinginkan (Caralli, 2004).
Terdapat dua metode yang dapat digunakan untuk menentukan KSF, yaitu delphi
method dan balance scorecard (Hamza et al., 2010):
1. Delphi method
Metode delphi adalah cara mendapatkan informasi, membuat keputusan, atau
menentukan indikator yang reliabel melalui eksplorasi ide dan informasi dari orang-
16
Universitas Indonesia
orang yang panel ahli di bidang yang diinginkan dengan menggunakan kuesioner.
Beberapa komponen dari metode delphi adalah menentukan periode waktu,
menentukan jumlah putaran pengambilan pendapat, menentukan panel ahli,
melakukan sesi diskusi dan hasil feedback, dan menyepakati hasil.
2. Balance scorecard
Balance scorecard adalah Teknik yang digunakan untuk menerjemahkan strategi-
strategi perusahaan ke dalam objektif atau satuan pengukuran. Metode ini merupakan
bagian dari sistem manajemen dan perencanaan strategis yang digunakan untuk
menerjemahkan aktivitas bisnis pada visi dan strategi perusahaan. Beberapa
komponen dari balance scorecard adalah finance, process, customers, dan learning
and growth.
Ketika perusahaan atau organisasi sedang menentukan KSF, ada beberapa hal
yang menjadi persyaratan yang menjadikan yang berkualitas baik dan buruk. Persyaratan
dari KSF yang berkualitas adalah harus jelas, singkat, dan mudah dimengerti, sedangkan
KSF yang berkualitas buruk memiliki definisi yang tidak jelas sehingga dapat
diinterpretasikan secara berbeda oleh manajer yang berbeda (Caralli, 2004).
Universitas Indonesia
Universitas Indonesia
6. Interpretasi dan presentasi: Penyajian hasil yang diperoleh dapat dilakukan secara
grafis dan statistik.
Meskipun memiliki keuntungan, metode delphi memiliki kekurangan, yaitu
kesulitan untuk menemukan panel ahli yang tepat, membutuhkan ketelitian dalam
mempersiapkan kuesioner, dan validitas hasil sangat tergantung pada pemilihan panel
ahli yang tepat. Maka, dalam menggunakan metode delphi, diperlukan kecermatan dalam
memilih panel ahli yang sesuai dengan tujuan penelitian.
Geometric mean adalah metode penghitungan rata-rata dengan akar pangkat n dari
perkalian semua nilai yang ada (Mohapatra et al., 2010). Berbeda dengan rata-rata
aritmatika yang menghasilkan rata-rata yang tidak sensitif terhadap gap yang ada,
geometric mean memiliki kencenderungan untuk meredam nilai yang sangat tinggi atau
rendah serta mampu memperhitungkan komponen secara periodik. Selain itu, geometric
mean juga memiliki tingkat kesalahan yang lebih kecil. Geometric mean dapat digunakan
untuk mengevaluasi data, mengevaluasi rasio, mengevaluasi presentase, atau kumpulan
data lain yang dibatasi oleh nol yang nilainya akan dikalikan bersama-sama atau bersifat
eksponensial.
Persamaan yang digunakan untuk geometric mean sebagai beirkut.
𝐺 = 𝑛√𝑥1 . 𝑥2 . 𝑥3. … . 𝑥𝑛 (2.1)
Dimana,
𝑥1 , 𝑥2, 𝑥3 … , 𝑥𝑛 ≥ 0
Pada penelitian yang dinilai menggunakan 5-skala likert menggunakan angka 3,5
dari sebagai rata-rata yang diterima dalam membuat suatu kriteria tetap dipertimbangkan
(Dachyar & Pratama, 2014).
Universitas Indonesia
nyata berdasarkan berbagai kriteria kualitatif atau kuantitatif di lingkungan yang pasti,
tidak pasti, atau berisiko untuk menemukan tindakan, pilihan, strategi, atau kebijakan
yang sesuai di antara opsi yang tersedia (Zavadskas et al., 2014). Pengaplikasian MCDM
dalam riset dan publikasi berkembang pesat sejak tahun 1980an dan tumbuh secara
eksponensial hingga saat ini. Secara luas, metode MCDM dapat diklasifikasikan ke dalam
dua kategori yaitu, metode MCDM diskrit atau Multi Attribute Decision Making
(MADM) dan metode MCDM kontinu atau Multi Objective Decision Making (MODM).
Metode MADM berurusan dengan alternatif dan kriteria yang sudah ditentukan
terlebih dahulu. Tujuan dari metode MADM adalah menentukan pilihan paling rasional
dari beberapa opsi dan memberikan urutan prioritas dari opsi tersebut. Selanjutnya,
metode MODM diasosiasikan dengan permasalahan dengan opsi yang belum ditentukan.
Tujuan dari permasalahan yang sedang dikonsiderasi adalah untuk mendesain opsi
optimal melalui batasan yang jelas dan objektik yang terukur.
Universitas Indonesia
dari penggunaan metode DEMATEL akan menunjukkan hubungan timbal balik sebab
akibat yang dapat digunakan untuk mengetahui bagaimana hubungan pengaruh antar
faktor dalam sistem. Metode DEMATEL juga menghasilkan Network Relationship Map
(NRM) sebagai visualisasi.
Langkah-langkah dalam perhitungan metode DEMATEL menurut Tseng (2009)
adalah sebagai berikut (Adalı & Işık, 2016):
1. Tahap pertama adalah mengumpulkan pendapat panel ahli dan menciptakan direct
relation matrix (Z).
Sekelompok panel ahli dan faktor digunakan dalam tahap ini. Setiap panel ahli
diminta untuk melihat tingkat pengaruh langsung antara dua faktor dengan manilai
sejauh mana faktor i mempengaruhi faktor j dengan dilambangkan sebagai 𝑧𝑖𝑗 . Skala
yang digunakan adalah sebagai berikut:
0 No influence
1 Low influence
2 Medium influence
3 High influence
Universitas Indonesia
Apabila terdapat lebih dari satu panel ahli, diperlukan untuk menggabungkan
direct relation matrix seluruh panel ahli. Agregat Z dapat dihitung melali persamaan
(2.2). Dalam persamaan (2.2), 𝐻 menunjukkan jumlah panel ahli.
∑𝐻
ℎ=1 𝑍
ℎ
𝑍= , ℎ = 1, 2, … , 𝐻 (2.2)
𝐻
2. Tahap kedua adalah menghitung direct relation matrix yang dinormalisasi (D).
Direct relation matrix yang dinormalisasi menjadikan nilai setiap elemen dalam
matriks D berkisar antara 0 hingga 1. Perhitungannya melalui persamaan di bawah
ini:
𝐷 =𝜆∗𝑍 (2.3)
Dimana,
1 1
𝜆 = min[max 1≤𝑖≤𝑛 ∑𝑛 𝑧 , max 1≤𝑖≤𝑛 ∑𝑛 𝑧 ] (2.4)
𝑗 𝑖𝑗 𝑖 𝑖𝑗
Universitas Indonesia
Universitas Indonesia
seperti pada Analytic Hierarchy Process (AHP) seperti terlihat pada Gambar 2.2.
Terdapat tiga elemen utama dalam model ANP yaitu cluster, node, dan dependencies.
Universitas Indonesia
Universitas Indonesia
𝑅𝐼 adalah 𝐶𝐼 rata-rata pada banyak entri acak dari matriks resiprokal dengan ordo
yang sama. Jika 𝐶𝑅 ≤ 0,1, maka estimasi diterima. Sebaliknya, matriks perbandingan
berpasangan direvisi hingga 𝐶𝑅 ≤ 0,1 untuk meningkatkan konsistensi (Adalı & Işık,
2016).
3. Tahap ketiga yaitu membangun unweighted supermatrix (W) seperti terlihat pada
Gambar 2.3.
Universitas Indonesia
unweighted supermatrix berjumlah satu dan setiap blok dari unweighted supermatrix
harus dikalikan dengan prioritas klaster yang sesuai (Tseng, 2010).
Sama seperti metode lainnya, metode ANP memiliki kelebihan dan kekurangan.
Kelebihan dari metode ANP menurut (Abidin et al., 2012) adalah:
1. Jumlah responden yang dibutuhkan sedikit.
2. Model evaluasi yang komprehensif, menggabungkan faktor tangible dan intangible.
3. Dekat dengan keadaan sebenarnya.
4. Mampu secara akurat mengevaluasi dan memberi peringkat sesuai prioritas.
5. Memfasilitasi proses pengambilan keputusan yang kompleks.
6. Ketergantungan antar faktor memudahkan pemilihan alternatif.
7. Mampu mengurangi kesalahan pengambilan keputusan.
8. Perhitungan transparan dan validasi secara matematis atau explanatory.
9. Keputusan yang logis dan konsisten.
10. Sederhana untuk dikembangkan.
Sedangkan, kekurangan dari metode ANP adalah:
1. Dibutuhkan waktu yang ekstra karena diperlukannya brainstorming untuk memilih
keputusan dari multikriteria yang telah disediakan.
2. Membutuhkan perhitungan matriks perbandingan berpasangan tambahan yang lebih
banyak dibandingkan AHP.
3. Keakuratan hasil penelitian tergantung dari keahlian peneliti dan responden
Beberapa tahun terakhir, ada banyak penggabungan metode DEMATEL dan ANP
telah banyak diaplikasikan. Sebagai alat yang mampu memodelkan hubungan sebab
Universitas Indonesia
akibat, aplikasi metode DEMATEL telah meningkat dan memiliki banyak varian berbeda
terkait hibridasi dengan ANP.
Metode ANP telah menjadi pendekatan MCDM yang banyak digunakan. Berbeda
dengan metode MCDM lain yang menganggap bahwa satu faktor independen terhadap
yang lainnya, metode ANP mengasumsikan bahwa satu faktor interdependen dengan
faktor lainnya. Selain itu, asumsi bahwa satu faktor independen terhadap yang lainnya
diaggap tidak realistis untuk banyak kasus di dunia nyata (Gölcük & Baykasoʇlu, 2016),
sehingga metode ANP dianggap cocok untuk pengaplikasian di dunia nyata karena
mampu menemukan ketergantungan antar faktor. Namun, seringkali struktur jaringan
pada metode ANP tidak diketahui dan survey kuesioner ANP dianggap terlalu banyak
dan rumit (Gölcük & Baykasoʇlu, 2016). Oleh karena itu, terdapat metode intergrasi
DEMATEL dengan ANP yang mampu menghilangkan kesulitan tersebut, yaitu ANP
berbasis DEMATEL atau (DANP).
Penelitian ini menggunakan integrasi metode DANP. DANP merupakan salah
satu metode gabungan dari metode DEMATEL dan ANP yang menggunakan total
relation matrix (T) yang diperoleh pada metode DEMATEL untuk mendapatkan
unweighted supermatrix pada metode ANP.
Langkah-langkah dalam perhitungan metode DANP menurut (Khan et al., 2020)
adalah sebagai berikut:
1. Tahap pertama adalah memperoleh matrix of direct influence.
Tahap ini memperoleh matriks dari para panel ahli yang menunjukkan pengaruh
ℎ
faktor i terhadap faktor j yang diwakili oleh 𝑥ℎ = 𝑥𝑖𝑗 dimana k adalah ahli ke-h.
2. Tahap kedua adalah membentuk direct relation matrix (Z)
Matriks Z dapat diperoleh menggunakan persamaan 2.2 pada metode DEMATEL.
3. Tahap ketiga adalah membentuk normalized direct relation matrix (D).
Normalized direct relation matrix (D) dapat dihitung menggunakan persamaan
2.3 dan 2.4 pada metode DEMATEL
4. Tahap keempat adalah menghitung total relation matrix (T).
Total relation matrix (T) diperoleh dengan menggunakan persamaan 2.5 pada
metode DEMATEL.
5. Tahap kelima adalah menghitung Network Relationship Map (NRM) yang dihasilkan
dari parameter pada persamaan 2.7 dan 2.8.
Universitas Indonesia
(2.14)
1𝑗
Dimana, 𝑟1 = ∑𝑚 1𝑚 𝑚 𝑚 𝑚𝑚
𝑗=1 𝑡𝐷 ; 𝑟𝑖 = ∑𝑗=1 𝑡𝐷 ; 𝑟𝑚 = ∑𝑗=1 𝑡𝐷
(2.15)
Total relation matrix untuk faktor (𝑇𝑐 ) dikelompokkan ke dalam klaster menurut
beberapa dimensi. Setiap elemen dalam sebuah klaster dibagi dengan jumlah baris
dari klasternya seperti yang ditunjukkan pada persamaan 2.16.
Universitas Indonesia
(2.16)
(2.17)
8. Tahap kedelapan adalah membentuk weighted matrix (W*)
Weighted supermatrix (W*) dibentuk dengan mengkalikan unweighted
supermatrix (W) dengan transpose dari 𝑇𝐷𝑛𝑜𝑟𝑚 yang dapat dilihat pada persamaan
2.18.
Universitas Indonesia
(2.18)
9. Tahap kesembilan adalah memperoleh bobot faktor.
Global priority vector yang mendefnisikan bobot pengaruh 𝑤=
(𝑤1, … , 𝑤𝑗, … , 𝑤𝑛) dari lim(𝑊 ∗ )∝ untuk faktor diperoleh dengan melimit weighted
∞
supermatrix (W*) sampai diperoleh supermatrix yang stabil. Nilai elemen pada limit
supermatrix merupakan bobot dari tiap faktor.
Universitas Indonesia
Pada bab ini akan dibahas mengenai data yang dibutuhkan untuk penelitian yang
dilakukan beserta cara pengolahan data tersebut. Data yang digunakan adalah data primer
dan data sekunder. Pengumpulan data primer berupa pengisian kuesioner oleh expert
yang dilakukan melalui wawancara. Kuesioner terbagi menjadi tiga, kuesioner pertama
yaitu untuk mengidentifikasi KSF yang relevan untuk implementasi IoT di sektor terkait,
kuesioner kedua yaitu untuk memetakan hubungan serta melakukan pembobotan KSF,
dan kuesioner 3 yaitu untuk perancangan strategi implementasi IoT. Pengumpulan data
sekunder dilakukan melalui studi literatur. Selanjutnya, pengolahan data akan
menggunakan geometric mean dan ANP berbasis DEMATEL (DANP).
32
Universitas Indonesia
Universitas Indonesia
Compatibility /
19 (Kiba-Janiak, 2016; S. Kumar et al., 2015)
Functionality / Reliability
(Attaran, 2012; S. Kumar et al., 2015; Shinohara et
Technology &
20 al., 2017; Sony & Naik, 2020; Talib et al., 2015;
infrastructure integration
Wan & Zeng, 2015)
(Sony & Naik, 2020; Talib et al., 2015; Wan &
21 Product quality
Zeng, 2015)
Information & work (Attaran, 2012; Talib et al., 2015; Wan & Zeng,
22
quality 2015)
(S. Kumar et al., 2015; Talib et al., 2015; Wan &
23 Customer support
Zeng, 2015)
Ability for trial and
24 (R. Kumar et al., 2015; S. Kumar et al., 2015)
observe-ability
25 Customer focus (Attaran, 2012; Shinohara et al., 2017)
(Attaran, 2012; Finney & Corbett, 2007; Fui-Hoon
26 Project management Nah et al., 2001; Huang et al., 2019; Shinohara et
al., 2017; Sony & Naik, 2020)
(Attaran, 2012; R. Kumar et al., 2015; Talib et al.,
27 Mutual trust
2015)
(Attaran, 2012; Finney & Corbett, 2007; Fui-Hoon
Top management support Nah et al., 2001; Gandhi et al., 2015; Huang et al.,
28
& commitment 2019; R. Kumar et al., 2015; Shinohara et al.,
2017; Sony & Naik, 2020; Talib et al., 2015)
Universitas Indonesia
Pada penelitian ini terdapat tiga ahli. Jumlah ahli yang dibutuhkan pada
pengumpulan data dengan metode delphi tidak memiliki jumlah minimal, namun ahli
yang menjadi responden perlu memiliki minat terhadap penelitian, berpengetahuan luas
pada bidang penelitian, dan berkomitmen terhadap beberapa putaran kuesioner pada
penelitian (Grisham, 2009). Tiga ahli yang menjadi responden penelitian sudah
memenuhi seluruh kriteria pada Tabel 3.2. Profil panel ahli didapatkan pada Tabel 3.3.
Tabel 3. 3 Profil Panel Ahli
Nama Panel Ahli Jabatan Pengalaman
Bapak MA Koordinator Process Engineering C 16 Tahun
Bapak YY Manajer Divisi Engineering 20 Tahun
Bapak AE Asisten Manajer Process Engineering C 13 Tahun
Universitas Indonesia
Uji validitas isi dilakukan oleh panel ahli yang meliputi tiga orang profesional di
Industri Manufaktur pada Sektor Otomotif. Hasil perhitungan akan disimpulkan dalam
bentuk pengklasifikasian validitas. Pengklasifikasian yang digunakan mengacu pada
literatur yang dikemukakan oleh Guilford (Tomoliyus & Sunardianta, 2020) pada Tabel
3.4.
Tabel 3. 4 Klasifikasi Aiken's V
Total V Klasifikasi Pengertian
0,80 < Total V < 1,00 Validitas Sangat Tinggi Sangat Baik
0,60 < Total V < 0,80 Validitas Tinggi Baik
0,40 < Total V < 0,60 Validitas Sedang Cukup
0,20 < Total V < 0,40 Validitas Rendah Kurang
0,00 < Total V < 0,20 Validitas Sangat Rendah Kurang Sekali
Total V < 0,00 Tidak Valid Sangat Kurang
(Sumber: Tomoliyus & Sunardianta, 2020)
Universitas Indonesia
Pada penelitian ini, pertanyaan yang memperoleh nilai di atas 0,60 atau setara
dengan klasifikasi validitas tinggi dan sangat tinggi dianggap sebagai pertanyaan yang
valid. Hasil uji validitas Aiken’s V terlihat pada Tabel 3.5.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
menjadi matrix of direct influence dari tiap ahli. Gambar 3.1 merupakan contoh matrix of
direct influence.
Universitas Indonesia
Universitas Indonesia
Matriks pada Gambar 3.1 merupakan matriks hasil penilaian panel ahli yang
berasal dari salah satu panel ahli. Angka pada tiap elemen matriks menunjukkan besar
pengaruh faktor pada baris terhadap faktor pada kolom. Sebagai contoh, elemen pada
baris M1 dan kolom G1 memiliki nilai 2, artinya KSF M1 cukup memengaruhi KSF G1.
Pembentukan matrix of direct influence dibuat untuk seluruh panel ahli pada penelitian.
Langkah selanjutnya adalah memperoleh direct relation matrix dengan merata-ratakan
setiap elemen pada ketiga matrix of direct influence. Pada direct relation matrix, elemen
pada setiap matriks merupakan hasil rata-rata penilaian ketiga panel ahli. Gambar 3.2
menunjukkan direct relation matrix yang telah dibentuk.
Universitas Indonesia
Universitas Indonesia
Direct relation matrix (matriks D) merupakan matriks awal yang akan digunakan
untuk pengolahan data selanjutnya menggunakan metode DANP. Maka, langkah yang
dilakukan selanjutnya adalah membentuk normalized total relation martrix, total relation
matrix untuk dimensi dan faktor, normalized total relation matrix untuk dimensi dan
faktor, dan membentuk supermatrix yang terdiri dari unweighted supermatrix, weighted
supermatrix, dan limit supermatrix.
Pengolahan data pada matrikz Z dilakukan dengan mengkalikan masing-masing
elemen pada direct relation matrix (matriks D) dengan 𝜆 yang diperoleh dari persamaan
2.4. Selanjutnya, pengolahan data pada total relation matrix untuk faktor (𝑇𝑐 ) dilakukan
dengan mengalikan Matriks D dengan pengurangan matriks identitas dengan matriks D
yang diinvers menggunakan persamaan 2.5. Setelah itu, pengolahan data total relation
matrix untuk dimensi (𝑇𝐷 ) diperoleh dengan merata-ratakan elemen 𝑡𝑖𝑗 pada matriks 𝑇𝑐
sesuai dengan baris dan kolom masing-masing dimensi.
Pengolahan data normalized total relation matrix untuk faktor (𝑇𝐶𝑛𝑜𝑟𝑚 ) dan
normalized total relation matrix untuk dimensi (𝑇𝐷𝑛𝑜𝑟𝑚 ) dilakukan dengan menormalisasi
matriks 𝑇𝑐 dan 𝑇𝐷 menggunakan persamaan 2.14, 2.15, dan 2.16. Selanjutnya, pengolahan
data supermatrix dapat dilakukan.
Pengolahan data unweighted supermatrix (supermatrix W) dilakukan dengan
mentranspose matriks 𝑇𝐶𝑛𝑜𝑟𝑚 . Pengolahan data weighted supermatrix (supermatrix W*)
dibentuk dengan mengalikan supermatrix W dengan transpose dari matriks 𝑇𝐷𝑛𝑜𝑟𝑚 .
Terakhir, pengolahan data limit supermatrix dilakukan dengan melimit weighted
supermatrix (supermatrix W*) sampai diperoleh supermatrix yang stabil. Pada penelitian
ini, limit supermatrix sudah stabil pada iterasi kedua. Hasil limit supermatrix terdapat
pada Gambar 3.3.
Universitas Indonesia
Universitas Indonesia
Pada Gambar 3.3 dapat diperoleh bobot dari dimensi dan KSF. Nilai pada elemen
diagonal limit supermatrix merupakan bobot global dari tiap KSF. Bobot lokal juga dapat
diperoleh dengan membagi nilai bobot global KSF dengan jumlah nilai bobot global
seluruh KSF pada dimensi yang sama. Seluruh bobot yang dihasilkan dari metode DANP
dalah dilihat pada Tabel 3.10.
Tabel 3. 10 Hasil Pembobotan dari Metode DANP
Bobot Bobot Bobot
No Dimensi Faktor
Dimensi Lokal Global
(M2) Market
1 Marketing 0,118 1,000 0,118
requirements
(G1) Peraturan dan
2 Regulations 0,085 1,000 0,085
kebijakan pemerintah
3 (P1) Training 0,499 0,061
People and
0,121 (P2) Komunikasi yang
4 Management 0,501 0,061
efektif
(O1) Clear architecture
5 reference standard for 0,242 0,033
IoT components
(O2) Service flexibility
6 Operations 0,137 0,247 0,034
and quality
(O3) Personal privacy
7 0,253 0,035
invasion
8 (O4) Data security 0,257 0,035
(T1) Technology
9 standardization 0,506 0,070
Technology 0,139 approach
(T2) Partnership with
10 0,494 0,069
technology providers
(F1) System formation
11 0,248 0,032
cost
(F2) System
12 0,251 0,032
maintenance cost
Finance 0,129
(F3) System integration
13 0,252 0,033
cost
(F4) Minimization, cost
14 effectiveness, and 0,249 0,032
financial factors
Universitas Indonesia
Bobot global pada Tabel 3.10 merupakan bobot dari KSF secara keseluruhan,
sedangkan bobot lokal meupakan bobot dari KSF di dalam dimensi. Setelah memperoleh
pembobotan, bobot global diurutkan untuk memperoleh peringkat prioritas KSF dalam
penelitian ini.
Tabel 3. 11 Peringkat KSF untuk Penunjang Keberhasilan Implementasi IoT
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Pada Gambar 3.4 dan 3.5, total relation matrix mengindikasikan bagaimana satu
elemen memengaruhi elemen lainnya. Maka, nilai yang tertera pada matriks
menunjukkan besar pengaruh masing-masing elemen. Langkah selanjutnya adalah
menentukan threshold value untuk KSF secara global, threshold value untuk dimensi, dan
threshold value untuk KSF di dalam dimensi. Theshold value untuk dimensi didapatkan
dengan merata-ratakan matriks 𝑇𝐷 , threshold value untuk KSF secara global didapatkan
dengan merata-ratakan matriks 𝑇𝑐 , dan threshold value untuk KSF di dalam dimensi
didapatkan dengan merata-ratakan matriks 𝑇𝑐 sesuai dengan dimensi yang diinginkan.
Maka, nilai threshold value dapat dilihat pada Tabel 3.12.
Tabel 3. 12 Nilai Threshold Value
Nilai
Keterangan
Threshold Value
Threshold value untuk KSF secara global (TV Global) 0,490
Threshold value untuk dimensi (TV Dimensi) 0,462
Marketing 0,419
Regulations 0,231
People and Management 0,438
Threshold value untuk KSF di Operations 0,513
dalam dimensi (TV Lokal) Technology 0,539
Finance 0,488
Innovation and Ideas 0,488
Resources 0,481
Universitas Indonesia
Dimensi atau KSF yang memiliki nilai 𝐷𝑖 − 𝑅𝑖 positif merupakan kelompok cause, dan
dimensi atau KSF dengan nilai 𝐷𝑖 − 𝑅𝑖 negatif merupakan kelompok effect.
Pada Tabel 3.13, dapat dilihat pengelompokkan cause dan effect pada tiap dimensi
dimana dihasilkan adanya empat kelompok cause dan empat kelompok effect.
Selanjutnya, untuk memetakan hubungan pada NRM, nilai pada elemen matriks 𝑇𝐷 yang
melebih threshold value untuk dimensi (TV Dimensi) akan diberikan angka “1”
sebagaimana tertera pada Gambar 3.6.
Universitas Indonesia
Angka “1” pada elemen matriks menunjukkan bahwa dimensi yang berada pada
baris mempunyai pengaruh signifikan terhadap dimensi pada kolom. Sebagai contoh,
dimensi marketing memiliki pengaruh signifikan terhadap dimensi lain kecuali dimensi
regulations. Selanjutnya, NRM dapat dibentuk dengan memetakan 𝐷𝑖 + 𝑅𝑖 pada sumbu
x dan 𝐷𝑖 − 𝑅𝑖 pada sumbu y, dan memetakan panah pada dimensi yang diberikan angka
“1”. NRM antar dimensi dapat dilihat pada Gambar 3.7.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Tabel 3. 14 Nilai (D+R) dan (D-R) pada KSF dalam Dimensi (Sambungan)
Pada Tabel 3.14, dapat dilihat pengelompokkan cause dan effect pada tiap KSF di
dalam dimensi masing-masing. Pemetaan panah pada NRM dilakukan pada elemen yang
memiliki nilai melebihi threshold value menurut masing-masing TV Lokal sebagaimana
tertera pada Tabel 3.12. Pemberian angka “1” diberikan sama halnya seperti pada NRM
antar dimensi yang dapat dilihat pada Gambar 3.8.
Universitas Indonesia
Universitas Indonesia
Angka “1” pada Gambar 3.8. menunjukkan adanya pengaruh signifikan antar KSF
dalam dimensi yang sama. Berdasarkan gambar tersebut, enam NRM antar KSF dalam
dimensi dapat dibentuk dengan memetakan 𝐷𝑖 + 𝑅𝑖 pada sumbu x dan 𝐷𝑖 − 𝑅𝑖 pada
sumbu y, dan memetakan panah pada elemen yang diberikan angka “1”. Keenam NRM
antar KSF dalam dimensi dapat dilihat pada Gambar 3.9, Gambar 3.10, Gambar 3.11,
Gambar 3.12, Gambar 3.13, dan Gambar 3.14.
Gambar 3. 9 Network Relationship Map Antar KSF dalam Dimensi People and
Management
Universitas Indonesia
Universitas Indonesia
Gambar 3. 13 Network Relationship Map Antar KSF dalam Dimensi Innovation and
Ideas
Universitas Indonesia
Universitas Indonesia
(O1) Clear
architecture
5 12,039 11,953 23,992 0,086 cause
reference standard
for IoT components
(O2) Service
6 flexibility and 12,332 12,205 24,537 0,127 cause
quality
(O3) Personal
7 12,090 12,490 24,580 -0,400 effect
privacy invasion
8 (O4) Data security 12,137 12,677 24,814 -0,540 effect
(T1) Technology
9 standardization 12,742 12,684 25,426 0,057 cause
approach
(T2) Partnership
10 with technology 12,691 12,355 25,046 0,337 cause
providers
(F1) System
11 11,986 11,485 23,470 0,501 cause
formation cost
(F2) System
12 12,083 11,671 23,754 0,412 cause
maintenance cost
(F3) System
13 12,035 11,717 23,752 0,319 cause
integration cost
(F4) Minimization,
cost effectiveness,
14 12,321 11,533 23,854 0,789 cause
and financial
factors
(I1) Readability /
15 11,150 12,308 23,458 -1,157 effect
Traceability
(I2) Compatibility /
16 Functionality / 11,839 12,255 24,094 -0,417 effect
Reliability
(I3) Technology &
17 infrastructure 11,611 12,206 23,817 -0,595 effect
integration
18 (I4) Product quality 11,700 12,176 23,876 -0,476 effect
(I5) Information
19 11,051 12,389 23,441 -1,338 effect
and work quality
(I7) Ability for trial
20 11,439 12,158 23,597 -0,719 effect
and observe-ability
(R1) Customer
21 11,809 12,253 24,063 -0,444 effect
focus
Universitas Indonesia
(R2) Project
22 11,299 11,462 22,760 -0,163 effect
management
23 (R3) Mutual trust 11,716 11,953 23,669 -0,238 effect
(R4) Top
management
24 11,579 12,382 23,961 -0,803 effect
support &
commitment
Pengelompokkan cause dan effect tiap KSF dapat terlihat pada Tabel 3.15.
Terdapat 12 KSF yang termasuk dalam kelompok cause dan 12 KSF yang termasuk
dalam kelompok effect. Pemetaan panah pada NRM dilakukan pada elemen yang
memiliki nilai melebihi threshold value global atau TV Global. Pemberian angka “1”
untuk elemen yang memiliki nilai melebihi TV Global dapat dilihat pada Gambar 3.15.
Universitas Indonesia
Universitas Indonesia
Angka “1” pada Gambar 3.15. menunjukkan adanya pengaruh signifikan antar
KSF. Sebagai contoh, KSF T1 atau technology standardization approach memiliki
pengaruh signifikan terhadap hampir seluruh KSF, kecuali KSF market requirements dan
regulations. Selain itu, diketahui juga bahwa KSF peraturan dan kebijakan pemerintah
tidak memengaruhi maupun dipengaruhi KSF lainnya. Berdasarkan gambar tersebut,
NRM antar KSF dapat dibentuk pada Gambar 3.16.
Pada NRM Antar KSF, dapat terlihat bahwa semakin atas posisi KSF, maka
semakin besar pengaruh KSF tersebut terhadap KSF lain. Sebaliknya, semakin rendah
posisi KSF, maka KSF tersebut semakin mudah untuk dipengaruhi KSF lain. Selain itu,
KSF juga bisa tidak memiliki hubungan signifikan dengan KSF lainnya, sebagaimana
terlihat pada KSF peraturan dan kebijakan pemerinta (G1) yang tidak memiliki panah
apapun. Pada Gambar 3.16 juga dapat dilihat bahwa KSF yang memiliki pengaruh
terbesar terhadap KSF lainnya adalah KSF market requirements (M2) dan KSF yang
paling dipengaruhi oleh KSF lainnya adalah KSF information and work quality (I5).
Universitas Indonesia
Pada bab ini, akan dibahas mengenai analisis dari hasil pengolahan data
identifikasi KSF, pembobotan KSF, dan hubungan antar KSF. Selain itu, perancangan
strategi implementasi IoT untuk prioritas KSF juga akan dijabarkan.
70
Universitas Indonesia
Universitas Indonesia
Terdapat 3 KSF yang tidak melewati tahap uji validitas kuesioner atau tahap
validasi Aiken’s V, KSF tersebut adalah karyawan panel ahli, training cost, dan customer
support. KSF karyawan panel ahli dan training cost berhubungan dengan keahlian
karyawan dalam operasional teknologi IoT, dapat dianalisis bahwa pada fase
implementasi IoT, karyawan sudah memiliki keahlian dan wawasan terkait IoT sehingga
adanya training cost bukan merupakan faktor yang penting pada fase implementasi.
Berdasarkan hasil diskusi dengan panel ahli, dapat dianalisis bahwa adanya karyawan
panel ahli bukan merupakan faktor yang penting pada fase implementasi karena teknologi
yang digunakan tidak melibatkan sumber daya manusia dalam jumlah yang besar.
Selanjutnya, KSF customer support merupakan faktor yang berhubungan dengan adanya
dukungan dari pelanggan yang mendorong perusahaan untuk mengimplementasikan IoT.
Analisis untuk tidak validnya faktor ini pada tahap pengembangan kuesioner adalah
bahwa keinginan perusahaan untuk mengimplementasikan IoT berasal dari faktor
eksternal lain selain customer support.
Pada tahap validasi open ended questions yang dilakukan dengan panel ahli,
seluruh KSF dinyatakan valid sehingga tidak terjadi pengurangan KSF. Namun, pada
tahap eliminasi geomean, terdapat 1 KSF yang tidak valid karena memiliki nilai di bawah
3,5 berdasarkan penilaian panel ahli, yaitu kompetisi. KSF kompetisi merupakan faktor
eksternal yang menjadi pendorong bagi perusahaan untuk mengimplementasikan IoT
sehingga memiliki keunggulan kompetitif dibandingkan dengan kompetitor. Tidak
validnya KSF ini dapat diasumsikan karena implementasi IoT bukan menjadi keunggulan
Universitas Indonesia
kompetitif perusahaan karena sudah menjadi standar yang perlu dilakukan seluruh
perusahaan dalam menyambut Industri 4.0.
Setelah KSF telah teridentifikasi, KSF dikelompokkan berdasarkan 8 dimensi
yang didapatkan dari studi literatur dan open ended questions dengan panel ahli. Dimensi
dan jumlah KSF yang terdapat pada dimensi tersebut dapat dilihat pada Tabel 4.2.
Tabel 4. 2 Jumlah Dimensi dan KSF
Marketing 1
Regulations 1
People and Management 2
Operations 4
Technology 2
Finance 4
Innovation and Ideas 6
Resources 4
Total 24
Pada Tabel 4.2, diketahui bahwa dimensi dengan jumlah KSF terbanyak adalah
innovation and ideas yaitu sejumlah 6 KSF, sedangkan dimensi dengan jumlah KSF
paling sedikit adalah marketing dan regulations dengan 1 KSF. Dimensi operations,
finance, dan resources masing-masing memiliki 4 KSF dan dimensi people and
management serta technology masing-masing memiliki 2 KSF. Berdasarkan
pengelompokkan ini, dapat dianalisis bahwa terdapat banyak KSF yang dapat menjadi
pendorong bagi perusahaan untuk terus berinovasi dalam mengimplementasikan IoT di
perusahaan.
Universitas Indonesia
dengan melihat peringkat KSF berdasarkan KSF dari seluruh dimensi. Hasil pembobotan
dimensi dan KSF dapat dilihat pada Tabel 3.10 pada bab sebelumnya.
1 Marketing 0,118 7
2 Regulations 0,085 8
3 People and Management 0,121 6
4 Operations 0,137 2
5 Technology 0,139 1
6 Finance 0,129 5
7 Innovation and Ideas 0,137 3
8 Resources 0,134 4
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Semakin besar bobot global KSF, maka semakin besar pengaruh KSF tersebut
terhadap keberhasilan implementasi IoT. Sama halnya pada tingkat dimensi, semakin
besar bobot lokal KSF dalam kelompok dimensinya, maka semakin besar pengaruh KSF
tersebut terhadap keberhasilan implementasi IoT dibandingkan dengan KSF lain dalam
dimensi yang sama. Penggunaan metode DANP dapat mengurangi bias atau kecondongan
tersendiri oleh panel ahli. Tiga KSF yang menempati urutan teratas sebagai KSF yang
paling memengaruhi keberhasilan implementasi IoT adalah KSF market requirements,
KSF peraturan dan kebijakan pemerintah, dan KSF technology standardization approach.
KSF market requirements menempati urutan pertama dengan bobot 0,118 atau 11,8%,
diikuti oleh KSF peraturan dan kebijakan pemerintah dengan bobot 0,085 atau 8,5%, dan
KSF technology standardization approach menempati urutan ketiga dengan bobot 0,070
atau 7%. Pada Gambar 4.2 dapat dilihat grafik batang pembobotan KSF menggunakan
bobot global yang sudah diurutkan. Pada gambar tersebut, dapat dilihat bahwa terdapat
gap yang besar antara KSF pada urutan pertama hingga ketiga dibandingkan dengan KSF
lainnya. Ketiga KSF ini akan menjadi KSF prioritas untuk perancangan strategi
penelitian.
Universitas Indonesia
KSF market requirements merupakan hal yang paling vital dilakukan agar
keberhasilan implementasi IoT di Industri Maufaktur pada Sektor Otomotif dapat
tercapai. Mengetahui kebutuhan pasar akan mendorong perusahaan dalam menjalankan
proses bisnisnya, salah satunya adalah dalam hal implementasi IoT. Selain itu, dapat
dilihat bahwa KSF market requirements memiliki bobot lokal dan bobot global yang
sama. Hal ini dikarenakan tidak adanya KSF lain pada dimensi marketing. Walaupun KSF
market requirements merupakan KSF dengan peringkat tertinggi, dimensi marketing
menempati posisi ke-7 pada pembobotan kepentingan dimensi. Posisi ini disebabkan oleh
jumlah KSF pada dimensi marketing yang hanya berjumlah satu. Meskipun begitu, KSF
pada dimensi marketing memiliki kontribusi yang besar terhadap dimensi terkait dan
implementasi IoT dibandingkan dengan KSF lainnya.
Pada peringkat kedua, terdapat KSF peraturan dan kebijakan pemerintah yang
berada pada dimensi regulations. Hal ini mengindikasikan bahwa adanya peraturan dan
kebijakan pemerintah terkait standarisasi implementasi IoT menjadi faktor yang memiliki
pengaruh besar terhadap implementasi IoT. Sama halnya dengan KSF market
requirements, KSF peraturan dan kebijakan pemerintah merupakan satu-satunya KSF
pada dimensi regulations dimana dimensi tersebut menempati posisi ke-8 pada bobot
Universitas Indonesia
dimensi. Meskipun berada pada dimensi dengan bobot dimensi terkecil, KSF peraturan
dan kebijakan pemerintah memiliki kontribusi yang besar terhadap implementasi IoT
dibandingkan dengan KSF lainnya.
Pada urutan ketiga, terdapat KSF technology standardization approach yang
didefinisikan sebagai pendekatan implementasi teknologi IoT yang sesuai dengan
standar. KSF ini memiliki menempati posisi ke-3 pada bobot global dan posisi pertama
pada bobot lokal pada dimensi technology. Hal ini menunjukkan bahwa keberhasilan
implementasi IoT berasal dari pendekatan penerapan teknologi yang terstruktur, sesuai
dengan standar, dan didasari oleh rancangan standarisasi yang baik. Apabila pendekatan
penerapan teknologi terstandar, maka akan berpengaruh terhadap keberhasilan
implementasi IoT.
Pada penelitian ini, analisis hubungan akan dilakukan pada tingkat dimensi dan
KSF kepada tiga KSF yang terpilih sebagai KSF prioritas untuk perancangan strategi
implementasi IoT di Industri Manufaktur pada Sektor Otomotif.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Gambar 4. 4 Hubungan Pengaruh Antar KSF Pada KSF Peraturan dan Kebijakan Pemerintah
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Gambar 4. 5 Hubungan Pengaruh Antar KSF Pada KSF Technology Standardization Approach
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Berdasarkan rancangan strategi untuk KSF market requirements pada Tabel 4.5,
penting bagi perusahaan untuk menetapkan KPI terkait kepuasan pelanggan yang
dievaluasi secara berkala. Informasi terkait kebutuhan pasar diperoleh melalui market
research yang hasilnya akan diberikan kepada level operasional untuk mengidentifikasi
kebutuhan pasar yang dapat dipenuhi melalui implementasi IoT. Selanjutnya, level
operasional akan memberikan usulan solusi kepada level manajerial.
Pada analisis hubungan KSF, didapatkan bahwa KSF market requirements
memiliki pengaruh yang signifikan terhadap KSF lainnya. Melalui rancangan strategi
yang didapatkan, akan diperoleh identifikasi kebutuhan pasar yang dapat ditingkatkan
melalui implementasi IoT. Solusi pemenuhan kebutuhan melalui implementasi IoT
tersebut dapat dianalisis melalui performa IoT pada perangkat teknologi yang digunakan,
keahlian karyawan yang diperlukan, sumber daya yang dibutuhkan, estimasi biaya yang
Universitas Indonesia
akan dikeluarkan, dan lain-lain yang merupakan KSF implementasi IoT. Oleh karena itu,
rancangan strategi untuk KSF market requirements menjadi hal penting untuk
keberhasilan implementasi IoT perusahaan karena memiliki pengaruh terhadap KSF
lainnya.
Universitas Indonesia
Rancangan strategi untuk KSF peraturan dan kebijakan pemerintah pada Tabel
4.6 berupa pelaksanaan focus group discussion untuk mengevaluasi implementasi IoT
yang dilaksanakan perusahaan berdasarkan layanan, platform, device, network, dan
keamanan yang dialami. Hasil dari focus group discussion berupa solusi untuk
permasalahan implementasi IoT yang dialami perusahaan, baik dalam hal penyesuaian
dengan regulasi internet of things pemerintah maupun usulan standar regulasi untuk
dievaluasi oleh level manajerial.
Universitas Indonesia
Analisis hubungan antar KSF menunjukkan bahwa KSF peraturan dan kebijakan
pemerintah tidak memengaruhi maupun dipengaruhi KSF lain secara signifikan.
Meskipun begitu, KSF ini tetap memiliki pengaruh terhadap KSF lainnya melalui adanya
standarisasi pada regulasi internet of things yang telah disahkan oleh pemerintah. Oleh
karena itu, memiliki strategi untuk mengiimplementasikan IoT berdasarkan regulasi yang
telah disahkan dibutuhkan oleh perusahaan.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
terstandarisasi melalui pemilihan rekan penyedia perangkat teknologi IoT yang sesuai
dengan standar perusahaan.
Universitas Indonesia
Bab lima merupakan penutup dari penelitian ini yang akan membahas mengenai
kesimpulan dan saran. Pertama, akan dibahas mengenai kesimpulan akan memberikan
jawaban terhadap tujuan penelitian yang tertera pada bab 1. Setelah itu, saran penelitian
menjadi penutup yang akan membahas mengenai saran untuk penelitian selanjutnya.
Saran yang diberikan didasari oleh penelitian yang telah dilakukan dan usulan perbaikan
yang dapat dilakukan.
5.1 Kesimpulan
Penelitian ini melakukan identifikasi KSF, analisis hubungan KSF, pembobotan
KSF, dan perancangan KSF terhadap tiga KSF prioritas implementasi IoT di Industri
Manufaktur pada Sektor Otomotif. Setelah melakukan tahapan penelitian, maka
kesimpulan yang diperoleh adalah:
1. Identifikasi faktor-faktor keberhasilan yang dilakukan melalui studi literatur dan
penilaian panel ahli dalam tahap uji validitas kuesioner, open ended questions, dan
eliminasi geometric mean menghasilkan delapan dimensi, yaitu marketing,
regulations, people and management, operations, technology, finance, innovation
and ideas, dan resources, serta dua puluh empat key success factors (KSF).
2. Hubungan antara dimensi dan faktor-faktor keberhasilan diperoleh melalui metode
DANP yang menunjukkan adanya hubungan sebab akibat beserta besar pengaruh
antara dimensi dan KSF. Visualisasi hubungan juga diperoleh melalui network
relationship map. Berdasarkan metode tersebut, diketahui bahwa terjadi hubungan
antar dimensi, hubungan antar KSF dalam dimensi, dan hubungan antar KSF dimana
terdapat setidaknya satu jenis dari tiga jenis hubungan yang ada, yaitu inner
dependence, outer dependence, dan feedback. Pada hubungan antara dimensi terpilih,
didapatkan bahwa dimensi marketing dan regulations merupakan kelompok cause.
Dimensi marketing memiliki pengaruh signifikan terhadap dimensi lainnya, namun
dimensi regulations tidak memengaruhi atau dipengaruhi dimensi lain secara
signifikan. Sementara, dimensi technology termasuk ke dalam kelompok effect dan
97
Universitas Indonesia
dipengaruhi secara signifikan oleh dimensi lainnya. Selain itu, terdapat hubungan
feedback antara dimensi marketing dan technology. Pada hubungan antar KSF
terpilih, terdapat hubungan outer dependence pada KSF market requirements sebagai
KSF pada kelompok cause yang paling memengaruhi KSF lainnya dan tidak
dipengaruhi KSF lainnya secara signifikan. KSF market requirements memiliki
pengaruh signifikan terhadap KSF technology standardization approach. Sementara
itu KSF peraturan dan kebijakan pemerintah juga termasuk dalam kelompok cause,
namun KSF ini tidak memengaruhi dan dipengaruhi KSF lainnya secara signifikan,
termasuk KSF market requirements dan technology standardization approach. Pada
KSF technology standardization approach, didapatkan bahwa KSF ini termasuk
dalam kelompok cause, memiliki hubungan outer dependence dengan KSF lain, salah
satunya KSF market requirements, dan memiliki hubugan feedback dengan KSF
lainnya.
3. Pembobotan faktor-faktor keberhasilan juga diperoleh melalui metode DANP dengan
menormalisasi total relation matrix untuk faktor sehingga dihasilkan limit
supermatrix. Elemen diagonal pada limit supermatrix merupakan bobot global dari
KSF dan didapatkan tiga KSF prioritas yang telah divalidasi oleh panel ahli melalui
open ended questions. Tiga KSF tersebut adalah market requirements, peraturan dan
kebijakan pemerintah, dan technology standardization approach.
4. Rancangan strategi dilakukan kepada tiga KSF prioritas berdasarkan studi literatur
dan wawancara dengan panel ahli. Melalui studi literatur dan wawancara dengan
panel ahli diperoleh rancangan strategi usulan untuk tiga KSF prioritas, yaitu
melakukan market research dan identifikasi peran implementasi IoT untuk KSF
market requirements, pelaksanaan focus group discussion untuk KSF peraturan dan
kebijakan pemerintah, dan memberlakukan standarisasi pendekatan penggunaan
teknologi IoT yang ditinjau setiap bulannya untuk KSF technology standardization
approach.
Universitas Indonesia
5.2 Saran
Berdasarkan penelitian yang telah dilakukan, saran yang dapat Peneliti berikan
untuk penelitian selanjutnya terkait topik faktor keberhasilan implementasi internet of
things adalah:
1. Memperluas batasan penelitian. Hal ini dapat dilakukan melalui mengikutsertakan
panel ahli dari sektor otomotif kendaraan roda empat dan kendaraan besar atau
memperluas cakupan industri manufaktur ke beberapa sektor yang menjadi fokus
pada inisiatif Making Indonesia 4.0.
2. Melakukan perancangan strategi dengan metode yang lebih komprehensif
dibandingkan hanya berdiskusi dengan panel ahli. Metode yang dapat digunakan
adalah menggunakan Interpretive Structural Modeling (ISM) atau framework
perancangan strategi SI/TI seperti Ward and Peppard.
3. Menambahkan latar belakang pendidikan pada kriteria panel ahli dan memastikan
waktu pengalaman kerja panel ahli disesuaikan dengan topik penelitian.
Universitas Indonesia
Abidin, A. S. Z., Muslimen, R., & Yusuff, R. M. (2012). Determining and ranking of
CSFs for design capabilities development in Malaysian automotive vendors.
Advanced Materials Research, 433–440, 2212–2218.
https://doi.org/10.4028/www.scientific.net/AMR.433-440.2212
Adalı, E. A., & Işık, A. T. (2016). Integration of DEMATEL, ANP and DEA methods for
third party logistics providers’ selection. Management Science Letters, 325–340.
https://doi.org/10.5267/j.msl.2016.3.004
Ahmad Alinejad, E., Pishvaee, M. S., & Bonyadi Naeini, A. (2018). Key success factors
for logistics provider enterprises: an empirical investigation in Iran. Kybernetes,
47(3), 426–440. https://doi.org/10.1108/K-10-2015-0269
Anand, K. R., Ramalingaiah, & Parthiban, P. (2014). Evaluation of green supply chain
factors using DEMATEL. Applied Mechanics and Materials, 592–594, 2619–2627.
https://doi.org/10.4028/www.scientific.net/AMM.592-594.2619
Badan Pusat Statistik. (2021). [Seri 2010] Distribusi PDB Triwulanan Seri 2010 Atas
Dasar Harga Berlaku (Persen), 2021. Diakses pada 5 Februari 2021, dari
https://www.bps.go.id/indicator/11/106/1/-seri-2010-distribusi-pdb-triwulanan-
seri-2010-atas-dasar-harga-berlaku.html
100
Universitas Indonesia
Boswell, C., Cannon, S., Aung, K. K., & Eldridge, J. (2004). An application of health
literacy research. Applied Nursing Research, 17(1), 61–64.
https://doi.org/10.1016/j.apnr.2003.12.001
Dasaklis, T. K., & Pappis, C. P. (2018). Critical success factors for implementing cholera
vaccination campaigns in humanitarian emergencies: a DEMATEL-based approach.
EURO Journal on Decision Processes, 6(1–2). https://doi.org/10.1007/s40070-017-
0062-3
Denolf, J. M., Trienekens, J. H., Wognum, P. M., Van Der Vorst, J. G. A. J., & Omta, S.
W. F. (2015). Towards a framework of critical success factors for implementing
supply chain information systems. In Computers in Industry (Vol. 68, pp. 16–26).
Elsevier. https://doi.org/10.1016/j.compind.2014.12.012
Universitas Indonesia
Feng, P., Yang, H. L., Xu, L., Ojo, O., Lu, X. Y., Zhang, H. Y., & Wang, X. H. (2021).
Development and psychometric testing of a questionnaire to assess Nurse’s
perception of risks during enteral nutrition. BMC Nursing, 20(1).
https://doi.org/10.1186/s12912-020-00520-z
Finney, S., & Corbett, M. (2007). ERP implementation: A compilation and analysis of
critical success factors. In Business Process Management Journal (Vol. 13, Issue 3,
pp. 329–347). https://doi.org/10.1108/14637150710752272
Fui-Hoon Nah, F., Lee-Shang Lau, J., & Kuang, J. (2001). Critical factors for successful
implementation of enterprise systems. In Business Process Management Journal
(Vol. 7, Issue 3, pp. 285–296). https://doi.org/10.1108/14637150110392782
Gandhi, S., Mangla, S. K., Kumar, P., & Kumar, D. (2015). Evaluating factors in
implementation of successful green supply chain management using DEMATEL: A
case study. International Strategic Management Review, 3(1–2), 96–109.
https://doi.org/10.1016/j.ism.2015.05.001
Gölcük, I., & Baykasoʇlu, A. (2016). An analysis of DEMATEL approaches for criteria
interaction handling within ANP. Expert Systems with Applications, 46, 346–366.
https://doi.org/10.1016/j.eswa.2015.10.041
Gou, Q., Yan, L., Liu, Y., & Li, Y. (2013). Construction and strategies in IoT security
system. Proceedings - 2013 IEEE International Conference on Green Computing
and Communications and IEEE Internet of Things and IEEE Cyber, Physical and
Social Computing, GreenCom-IThings-CPSCom 2013, 1129–1132.
https://doi.org/10.1109/GreenCom-iThings-CPSCom.2013.195
Universitas Indonesia
Grisham, T. (2009). The Delphi technique: a method for testing complex and multifaceted
topics. International Journal of Managing Projects in Business, 2(1), 112–130.
https://doi.org/10.1108/17538370910930545
Hamza, A., Hendrawan, M. A., Pintoro, Y., Bramanta, F., Zainurromadhoni, M., &
Mulida, K. (2010). Critical Success Factors Delphi Method Balance Scorecard
Method. Manajemen Investasi Teknologi Informasi.
Huang, S. Y., Chiu, A. A., Chao, P. C., & Arniati, A. (2019). Critical success factors in
implementing enterprise resource planning systems for sustainable corporations.
Sustainability (Switzerland), 11(23). https://doi.org/10.3390/su11236785
Indonesia Investments. (2020, April 15). Produk Domestik Bruto - Analisis PDB Per
Kapita Indonesia - Ekonomi Indonesia | Indonesia Investments. Diakses pada 5
Februari 2021, dari https://www.indonesia-investments.com/id/keuangan/angka-
ekonomi-makro/produk-domestik-bruto-indonesia/item253
Johanson, G. A., & Brooks, G. P. (2010). Initial scale development: Sample size for pilot
studies. Educational and Psychological Measurement, 70(3), 394–400.
https://doi.org/10.1177/0013164409355692
Kadoić, N., Ređep, N. B., & Divjak, B. (2017). Decision making with the analytic
network process. Proceedings of the 14th International Symposium on Operational
Research, SOR 2017, 2017-September(Section 2), 180–186.
https://doi.org/10.1007/0-387-33987-6
Universitas Indonesia
Khan, S., Maqbool, A., Haleem, A., & Khan, M. I. (2020). Analyzing critical success
factors for a successful transition towards circular economy through DANP
approach. Management of Environmental Quality: An International Journal, 31(3),
505–529. https://doi.org/10.1108/MEQ-09-2019-0191
Kiba-Janiak, M. (2016). Key Success Factors for City Logistics from the Perspective of
Various Groups of Stakeholders. Transportation Research Procedia, 12, 557–569.
https://doi.org/10.1016/j.trpro.2016.02.011
Kumar, R., Singh, R. K., & Shankar, R. (2015). Critical success factors for
implementation of supply chain management in Indian small and medium
enterprises and their impact on performance. IIMB Management Review, 27(2), 92–
104. https://doi.org/10.1016/j.iimb.2015.03.001
Kumar, S., Luthra, S., Haleem, A., Mangla, S. K., & Garg, D. (2015). Identification and
evaluation of critical factors to technology transfer using AHP approach.
International Strategic Management Review, 3(1–2), 24–42.
https://doi.org/10.1016/j.ism.2015.09.001
Leavens, E. L. S., Stevens, E. M., Brett, E. I., Hébert, E. T., Villanti, A. C., Pearson, J.
L., & Wagener, T. L. (2019). JUUL electronic cigarette use patterns, other tobacco
product use, and reasons for use among ever users: Results from a convenience
sample. Addictive Behaviors, 95, 178–183.
https://doi.org/10.1016/j.addbeh.2019.02.011
Lee, W. S., Huang, A. Y., Chang, Y. Y., & Cheng, C. M. (2011). Analysis of decision
making factors for equity investment by DEMATEL and Analytic Network Process.
Expert Systems with Applications, 38(7), 8375–8383.
https://doi.org/10.1016/j.eswa.2011.01.027
Universitas Indonesia
Mohapatra, R. K., Yavar, A., Marg, J., East, B., Mohanty, R. P., & Dhalla, R. S. (2010).
Reengineering of Logistics Value Chain of a Petroleum Products Marketing
Company – Formulation of a Performance Measurement System. International
Conference on Industrial Engineering and Operations Management, 190–196.
Nilashi, M., Zakaria, R., Ibrahim, O., Majid, M. Z. A., Zin, R. M., & Farahmand, M.
(2015). MCPCM: A DEMATEL-ANP-Based Multi-criteria Decision-Making
Approach to Evaluate the Critical Success Factors in Construction Projects. Arabian
Journal for Science and Engineering, 40(2), 343–361.
https://doi.org/10.1007/s13369-014-1529-1
Rojko, A. (2017). Industry 4.0 concept: Background and overview. International Journal
of Interactive Mobile Technologies, 11(5), 77–90.
https://doi.org/10.3991/ijim.v11i5.7072
Shinohara, A. C., Ribeiro Da Silva, E., Pinheiro De Lima, E., Deschamps, F., Hans, E.,
& Ribeiro Da Silva, D. (2017). Critical Success Factors for Digital Manufacturing
Implementation in the Context of Industry 4.0 CIAM Assessment Model View project
Sustainable operations management View project Critical Success Factors for
Digital Manufacturing Implementation in the Context of Industry 4.0.
https://www.researchgate.net/publication/319830521
Si, S. L., You, X. Y., Liu, H. C., & Zhang, P. (2018). DEMATEL Technique: A
Systematic Review of the State-of-the-Art Literature on Methodologies and
Applications. In Mathematical Problems in Engineering (Vol. 2018). Hindawi
Limited. https://doi.org/10.1155/2018/3696457
Universitas Indonesia
Sony, M., & Naik, S. (2020). Critical factors for the successful implementation of
Industry 4.0: a review and future research direction. Production Planning and
Control, 31(10), 799–815. https://doi.org/10.1080/09537287.2019.1691278
Statista. (2021, January 22). Global IoT end-user spending worldwide 2017–2025.
Diakses pada 5 Februari 2021, dari
https://www.statista.com/statistics/976313/global-iot-market-size/
Talib, M. S. A., Hamid, A. B. A., & Thoo, A. C. (2015). Critical success factors of supply
chain management: A literature survey and Pareto analysis. EuroMed Journal of
Business, 10(2), 234–263. https://doi.org/10.1108/EMJB-09-2014-0028
Teknologi, M. I., & Dipresentasikan, I. (n.d.). Critical Success Factors Delphi Method
Balance Scorecard Method.
The World Bank. (2020, July 1). GDP ranking (GDP) | Data Catalog. The World Bank
| Data Catalog. Diakses pada 5 Februari 2021, dari
https://datacatalog.worldbank.org/dataset/gdp-ranking
Tomoliyus, T., & Sunardianta, R. (2020). Validity and reliability of reactive agility test
instrumens table tennis. 8(2), 148–157.
Trzaskoma, B. (2020). Critical Success Factors for IoT Implementation , and How They
Differ for Organizations with Low Digital Maturity.
Universitas Indonesia
Wan, J., & Zeng, M. (2015). Association for Information Systems AIS Electronic Library
(AISeL) Research on Key Success Factors Model for Innovation Application of
Internet of Things with Grounded Theory Recommended Citation Research on Key
Success Factors Model for Innovation Application of Internet of Things with
Grounded Theory (Vol. 38). http://aisel.aisnet.org/whiceb2015/38
Yoserizal, Y., & Singgih, M. L. (2012). Integrasi Metode DEMATEL (Decision Making
Trial and Evaluation Laboratory) Dan ANP (Analytic Network Process) Dalam
Evaluasi Kinerja Supplier di PT. XYZ.
Zavadskas, E. K., Turskis, Z., & Kildiene, S. (2014). State of art surveys of overviews on
MCDM/MADM methods. Technological and Economic Development of Economy,
20(1), 165–179. https://doi.org/10.3846/20294913.2014.892037
Universitas Indonesia
Persaingan di lingkup
(M1) Kompetisi
eksternal perusahaan
Marketing
Kebutuhan dari tren pasar
(M2) Market requirements
terkini
Regulasi pemerintah dan
(G1) Peraturan dan kebijakan
Regulations pihak berwajib terkait
pemerintah
adaptasi sistem
Pelatihan untuk
(P1) Training meningkatkan keahlian
karyawan
People and Komunikasi antar karyawan
Management (P2) Komunikasi yang efektif ketika mengerjakan sistem
Keahlian karyawan dalam
(P3) Karyawan ahli
mengerjakan sistem
(O1) Clear architecture
Kejelasan rancangan
reference standard for IoT
arsitektur komponen IoT
components
Operations (O2) Service flexibility and Layanan yang berkualitas
quality dan fleksibel
(O3) Personal privacy invasion Invasi data pribadi
(O4) Data security Keamanan data
(T1) Technology Pendekatan teknologi yang
standardization approach sesuai dengan standar
Technology
(T2) Partnership with Pemilihan dan hubungan
technology providers dengan partner perusahaan
(F1) System formation cost Biaya pembentukan sistem
(F2) System maintenance cost Biaya pemeliharaan sistem
(F3) System integration cost Biaya pengintegrasian sistem
Finance Kemampuan meminimasi
(F4) Minimization, cost
dan mengefektifkan biaya,
effectiveness, and financial
serta faktor finansial
factors
perusahaan
(F5) Training cost Biaya pelatihan karyawan
108
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia