Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Edisi terkini dan arsip teks lengkap jurnal ini tersedia di Emerald Insight di:
https://www.emerald.com/insight/1463-5771.htm

Analisis SWOT variabel Industri 4.0 KERJA KERAS

analisis
menggunakan metodologi AHP dan
model persamaan struktural
Vineet Jain 2147
Departemen Teknik Mesin, Mewat Engineering College, Nuh, India
Puneeta Ajmera
Diterima 19 Oktober 2020
Revisi 17 Juli 2021
Departemen Kesehatan Masyarakat, 28 Agustus 2021
Diterima 6 September 2021
Universitas Penelitian dan Ilmu Farmasi Delhi New Delhi,
New Delhi, India, dan
Jo~ao Paulo Davim
Departemen Teknik Mesin, Universitas Aveiro, Aveiro, Portugal

Abstrak
Tujuan -Teknik digitalisasi canggih yang dipadukan dengan kecerdasan buatan dan sistem robot otomatis telah
menciptakan organisasi “Cerdas” yang menghasilkan revolusi baru dalam sistem produksi industri sebagai Industri 4.0
(I4.0). Penelitian ini bertujuan untuk melakukan pemindaian cermat terhadap lingkungan internal dan eksternal yang
berkaitan dengan penerapan I4.0 di industri manufaktur di India.
Desain/metodologi/pendekatan –Sebuah survei dilakukan di antara manajer manufaktur dan profesional
teknologi informasi tentang faktor-faktor yang mempengaruhi penerapan I4.0, dan 20 faktor internal dan
eksternal diidentifikasi. Analisis faktor eksplorasi (EFA) dan analisis faktor konfirmatori (CFA) dilakukan
untuk analisis faktor, dan empat dimensi dalam hal faktor kekuatan, kelemahan, peluang dan ancaman
(SWOT) ditentukan dari variabel. Metodologi proses hierarki analitis (AHP) kemudian diterapkan.

Temuan –Hasil penelitian menunjukkan bahwa peningkatan produktivitas dan efisiensi tampaknya menjadi kekuatan terbesar I4.0,
sedangkan kelemahan terbesarnya adalah perlunya pelatihan dan keterampilan khusus. Peluang terbesar yang ditemukan adalah
meningkatnya kepercayaan pelanggan terhadap transaksi Internet dan penolakan karyawan untuk mengadopsi teknologi baru
ternyata menjadi ancaman terbesar.
Implikasi praktis –Organisasi akan dapat mengevaluasi kekuatan, mengatasi kelemahan, memanfaatkan peluang,
dan melindungi diri dari tantangan dan ancaman eksternal sebelumnya sambil menerapkan teknologi I4.0.

Orisinalitas/nilai –Keempat dimensi SWOT yang berkaitan dengan industri manufaktur telah diidentifikasi dengan
mengumpulkan data asli dari industri manufaktur, dan kemudian dilakukan AHP dan CFA untuk membuat
prioritas dan memverifikasinya.
Kata kunciIndustri 4.0, analisis SWOT, AHP, EFA, CFA, SEM, Industri manufaktur Jenis
kertasMakalah penelitian

1. Perkenalan
Industrialisasi dan globalisasi telah mengakibatkan kemajuan teknologi yang berujung pada
perubahan paradigma, yang saat ini dipopulerkan dengan istilah “Revolusi Industri” (Kebenaran-
Goik, 2021). Jika revolusi industri pertama melibatkan mekanisasi, revolusi industri kedua dan
ketiga menandai penggunaan energi listrik secara ekstensif dan digitalisasi yang meluas (Miskin
dkk.,2019;Jain dan Ajmera, 2020). Teknik digitalisasi tingkat lanjut yang dikombinasikan dengan
kecerdasan buatan dan sistem robot otomatis telah menciptakan organisasi “Cerdas” yang
menghasilkan revolusi baru dalam sistem produksi industri yang dikenal sebagai Industri 4.0
Pembandingan: Internasional
(I4.0), yaitu “revolusi industri keempat (Wilkesmann dan Wilkesmann, 2018;Oztemel dan Gursev, Jurnal
2020). Visinya adalah menciptakan sistem yang efisien dan modular sehingga produk memiliki Jil. 29 Nomor 7 Tahun 2022
hal.2147-2176
kapasitas untuk mengendalikan proses produksi (Jain dan Ajmera, 2020;dopiko dkk.,2016). © Emerald Publishing Terbatas
1463-5771
DOI10.1108/BIJ-10-2020-0546
BIJ I4.0 mencakup teknologi digital terkini dan konsep pabrik pintar di mana sistem fisik siber melacak

29,7 proses fisik dengan melaksanakan pekerjaannya berdasarkan data yang diperoleh dari dunia virtual dan
fisik. Teknologi I4.0 melibatkan berbagai sensor, sistem teknologi informasi (TI) dan mesin yang
terhubung dan dapat berinteraksi satu sama lain menggunakan jaringan Internet tertentu (asetodkk.,
2019;Dalmarcodkk.,2019). I4.0 dapat menunjukkan dengan tepat ruang lingkup perbaikan dan membuat
proses pengambilan keputusan menjadi lebih informatif dan inovatif (Kambledkk.,2020). Teknologinya
memiliki kemampuan untuk menciptakan fleksibilitas dalam sistem manufaktur dengan memenuhi
2148 kebutuhan pelanggan dan mengoptimalkan pengambilan keputusan (Zhengdkk.,2021). Hal ini akan
meningkatkan produktivitas manufaktur, mendorong pertumbuhan industri dan mengubah profil tenaga
kerja.
I4.0 didukung oleh sembilan pilar teknologi mendasar yang dijelaskan di bawah ini (
Ajmera dan Jain, 2019;Jain dan Ajmera, 2020).
(1) “Integrasi sistem horizontal dan vertikal”:I4.0 mengembangkan hubungan antara pemasok
dan konsumen dan juga antar departemen yang berbeda untuk meningkatkan fungsi dan
kemampuan mereka.

(2) “Internet untuk Segala (IoT)”:IoT saling terhubung antara perangkat elektronik dan
komputasi, mesin digital, manusia, dan objek sehingga data dapat ditransfer dalam
jaringan tanpa interaksi manusia ke manusia atau manusia ke komputer untuk
meningkatkan produktivitas dan membuat keputusan yang lebih baik.

(3) “Keamanan cyber":Keamanan siber adalah subjek terpenting saat menggunakan teknologi
I4.0. Komunikasi dan strategi yang aman, tulus, jeli, waspada, dan autentik diperlukan
karena ancaman dunia maya semakin meningkat seiring dengan meningkatnya
komunikasi dan jaringan.

(4) “Awan":Dalam konsep I4.0, data dibagikan ke berbagai organisasi. Peningkatan teknologi
komputasi awan akan meningkatkan kapasitas fungsional mesin, mengurangi waktu
respons, dan menghasilkan penyampaian layanan yang lebih baik.

(5) “Analisis Data Besar”:Teknologi I4.0 memerlukan data dalam jumlah besar yang
dikumpulkan dari berbagai sumber untuk meminimalkan biaya dan
mengoptimalkan kualitas produksi. Dengan bertambahnya jumlah prosesor dan
sensor yang digabungkan akan meningkatkan kuantitas dan kualitas data.
(6) “Simulasi”:Simulasi juga dikenal sebagai “Digital Twin” dan merupakan gambaran cermin digital
dari unit manufaktur dan mensimulasikan kinerjanya secara real-time. Hal ini membantu dalam
memeriksa kinerja mesin untuk produk berikutnya secara virtual sebelum dijalankan secara fisik.

(7) “Manufaktur aditif”:Juga disebut sebagai “pencetakan 3D”, hal ini didukung oleh perusahaan untuk
memproduksi produk khusus dalam jumlah kecil yang memiliki beberapa keunggulan, seperti
produk berbobot ringan dan mudah diangkut. Ini juga mengurangi biaya inventaris dan
transportasi.

(8) “realitas tertambah”:Ini memainkan peran penting dalam I4.0 untuk memberikan informasi aktual dan tepat pada
waktu, tempat, dan orang yang tepat. Hal ini membantu membuat sistem produksi lebih mudah beradaptasi
dan fleksibel sehingga menghasilkan lebih sedikit cacat dan pengambilan keputusan yang lebih baik.

(9) “Robot otonom”:Robot saat ini telah menjadi lebih mandiri, suportif, dan memiliki kemampuan
untuk melakukan tugas-tugas kompleks dengan mudah. Robot dapat diprogram dengan cara
yang diinginkan untuk beroperasi di zona yang tidak dapat diakses dalam atmosfer yang serupa,
seperti manusia.
Implementasi I4.0 adalah pekerjaan yang membosankan karena telah banyak diketahui bahwa jika KERJA KERAS
sebuah organisasi memutuskan untuk mengadopsi teknologi baru namun membutuhkan terlalu banyak
analisis
waktu dalam menerapkannya, maka akan sangat sulit untuk mewujudkan keuntungan dari adopsi
teknologi tersebut. Demikian pula, dalam penerapan suatu teknologi baru, jika diperlukan investasi
modal yang berlebihan di luar antisipasi, penerapannya mungkin akan ditinggalkan, dan manfaat
teknologi tidak akan pernah dapat direalisasikan (Leonard, 2004;Penggigitdkk.,2002). Hal ini mungkin
disebabkan oleh fakta bahwa teknologi berubah dengan sangat cepat dan prospek peluang yang ada
bagi organisasi untuk memperoleh manfaat dari teknologi baru telah menjadi lebih pendek (Afuah, 2003;
2149
Stewart, 2000;Rainey, 2008). Oleh karena itu, sangat penting untuk memperoleh pengetahuan
menyeluruh tentang setiap teknologi baru sebelum diadopsi dan diimplementasikan. Selain itu,
meskipun ada kemajuan teknologi yang sangat besar, komunitas bisnis masih ragu mengenai
implementasi dan pelaksanaan I4.0 karena tantangan-tantangan yang muncul, seperti ketakutan akan
kehilangan pekerjaan, kepuasan kerja, investasi awal yang tinggi, teknologi yang kompleks, dll. Oleh
karena itu, penting untuk melakukan pemindaian dan penilaian sistematis terhadap konsep I4.0 dengan
menggunakan alat analisis strategis untuk mengeksplorasi elemen pengembangan I4.0. Analisis
Kekuatan, Kelemahan, Peluang dan Ancaman (SWOT) merupakan salah satu alat perencanaan strategis
wilayah yang dapat diterapkan secara universal dan mudah dipahami oleh para pengelola. Namun
keterbatasan analisis SWOT tradisional adalah analisis ini tidak mengukur signifikansi faktor individu
yang mempengaruhi organisasi. Menganalisis kepentingan relatif variabel atau pilihan alternatif tidak
mungkin dilakukan dalam SWOT. Keterbatasan lainnya adalah sulitnya mengatasi dua faktor yang saling
berkaitan, misalnya satu faktor dapat menjadi kekuatan atau peluang, atau faktor lain dapat menjadi
kelemahan atau ancaman (Nordmeyer, 2016). Oleh karena itu, analisis SWOT diintegrasikan dengan
analisis faktor dan teknik pengambilan keputusan beberapa atribut (MADM), seperti proses hierarki
analitis (AHP), teknik preferensi pesanan berdasarkan kesamaan dengan solusi ideal (TOPSIS), dll. untuk
mengatasi hal ini. permasalahan dan mengevaluasi alternatif terbaik diantara alternatif strategis yang
ada (Ajmera, 2017; Ajmera Singh dan Satia, 2015;Pipatprapadkk.,2018). AHP adalah pendekatan yang
terbukti dan efektif untuk menangani isu-isu baru dan kompleks dimana pengambilan keputusan sulit
dilakukan. Dengan melakukan perbandingan berpasangan antar variabel SWOT kemudian
menganalisisnya menggunakan teknik nilai eigen AHP, maka dapat diperoleh nilai lebih dari studi SWOT.
AHP menimbang setiap faktor, menganalisanya dan kemudian memberikan bobot prioritas. Hal ini
mempercepat proses pengambilan keputusan. Penetapan prioritas dalam proses pengambilan
keputusan sangat penting untuk mengidentifikasi faktor-faktor yang signifikan sehingga lebih banyak
perhatian dapat diberikan pada faktor-faktor tersebut. Karena sifat teknologi I4.0 yang heterogen, AHP
akan menjadi teknik terbaik untuk kuantifikasinya. Analisis faktor eksplorasi faktor SWOT Meskipun
beberapa peneliti telah menggunakan analisis SWOT untuk menilai faktor penentu I4.0 (Bakhtaridkk.,
2020;Szumand Nazarko, 2020). Namun terdapat kekurangan penelitian yang melakukan kuantifikasi
faktor individual dalam matriks SWOT dan menjadi dasar penelitian ini. Oleh karena itu, penelitian ini
bertujuan untuk mengisi kekosongan tersebut dengan memindai lingkungan internal dan eksternal
sehubungan dengan penerapan I4.0 di industri manufaktur India dalam hal “kekuatan, kelemahan,
peluang dan ancaman”. Sejauh pengetahuan kami, penelitian ini merupakan penelitian pertama di mana
analisis SWOT diintegrasikan dengan teknik EFA dan AHP untuk mengukur, mengembangkan dan
memprioritaskan struktur faktor yang mengacu pada I4.0 dan selanjutnya struktur faktor tersebut
dikonfirmasi dengan analisis faktor konfirmatori. (CFA).
Terlebih lagi, saat ini, banyak penelitian telah dilakukan pada berbagai aspek I4.0 namun tidak
banyak yang spesifik pada wilayah tertentu. Beberapa makalah dan laporan menyoroti faktor-
faktor penting yang penting bagi penerapan I4.0, seperti kebutuhan akan pelatihan khusus,
kendala keuangan, proses yang rumit, dan lain-lain di berbagai sektor (Jain dan Ajmera, 2020;
Eberhard dkk.,2017). Penelitian lain membahas atribut dan pengaruh teknologi I4.0 (Rauch dkk.,
2019). Literatur menunjukkan perlunya melakukan studi yang lebih spesifik wilayah geografis
karena terdapat perbedaan besar antara lingkungan kerja di berbagai wilayah. Oleh karena itu,
BIJ penyelidikan dan pemindaian lingkungan regional penting untuk keberhasilan penerapan
29,7 I4.0.
Tujuan dari penelitian ini adalah sebagai berikut:

(1) Untuk melakukan pemindaian yang cermat terhadap lingkungan internal dan eksternal yang berkaitan
dengan I4.0 di industri manufaktur India.

(2) Untuk mengidentifikasi dimensi/faktor yang dapat mempengaruhi implementasi dan

2150 pelaksanaan I4.0 di industri manufaktur oleh EFA melalui software SPSS.

(3) Menggali faktor/dimensi SWOT “(kekuatan, kelemahan, peluang dan

ancaman)” sehubungan dengan penerapan I4.0 di unit manufaktur dan
diprioritaskan oleh AHP.
(4) Untuk memverifikasi struktur faktor menggunakan CFA dengan AMOS 20.

Penelitian ini berkontribusi dalam berbagai cara. Pertama, studi ini dilakukan dalam konteks
sektor manufaktur India. Kondisi pengembangan I4.0 dalam konteks regional digambarkan
dengan mengumpulkan data asli dari para pekerja industri manufaktur India sehingga faktor
SWOT dapat diidentifikasi secara cermat untuk pembangunan industri berkelanjutan. Kedua, hal
ini memberikan metodologi komprehensif untuk menilai secara sistematis faktor-faktor yang
mempengaruhi pengembangan I4.0. Ketiga, memprioritaskan semua faktor sehingga dapat
ditangani berdasarkan preferensi. Keempat, struktur faktor untuk I4.0 dikembangkan dan
divalidasi sehingga pembuat kebijakan dan administrator dapat memahaminya dan lebih fokus
pada faktor tersebut untuk menerapkan teknologi I4.0 di organisasi mereka.
Tinjauan literatur yang berkaitan dengan aplikasi I4.0 dan metodologi yang digunakan dibahas pada
bagian selanjutnya. Pada bagian ketiga, penjelasan singkat tentang metodologi diberikan. Bagian empat
mengidentifikasi faktor/dimensi yang mempunyai pengaruh terhadap penerapan teknologi I4.0 di sektor
manufaktur India oleh EFA. Struktur faktor dikonfirmasi dengan CFA menggunakan AMOS 20 di bagian
yang sama. Hasil, pembahasan dan kesimpulan masing-masing disajikan pada bagian lima dan enam.

2. Tinjauan Pustaka
2.1 dan 4.0
Chendkk.,pada tahun 2018 mengusulkan struktur hierarki pabrik pintar dan membahas isu-isu penting
mengenai teknologi besar, seperti komputasi awan, data besar, dll. yang berdampak pada proses
manufaktur. Teknologi tersebut kemudian diverifikasi dengan menggunakan jalur pengemasan permen,
dan hasilnya menunjukkan peningkatan efektivitas peralatan tersebut (Chendkk.,2018). Secara total, 12
hambatan dieksplorasi oleh Kambledkk.yang dapat menghambat perusahaan manufaktur untuk
menerapkan teknologi I4.0. Mereka menggunakan pendekatan Interpretive Structural Modeling (ISM)
untuk mendeteksi hubungan kolaboratif dari hambatan untuk mengembangkan kerangka kerja untuk
I4.0 di unit manufaktur (Kambledkk.,2018). Saham dan Seliger (2016)melakukan tinjauan terhadap
aplikasi I4.0 dengan mempertimbangkan perkembangan penelitian kontemporer. Penulis juga
memaparkan garis besar berbagai aplikasi I4.0.Harisondkk. (2016)mempelajari praktik teknik tertentu
yang diterapkan untuk I4.0 tentang bagaimana perangkat sistem cyber-fisik (CPS) dapat membantu
sistem otomatis.Bagheri dkk. (2015)mengembangkan kerangka kerja di mana CPS dapat digunakan
dalam industri manufaktur dengan tujuan untuk memahami informasi secara akurat.Zhoudkk. (2015)
menghadirkan teknologi signifikan serta berbagai peluang dan ancaman terhadap I4.0 di Tiongkok. Para
penulis menyatakan bahwa untuk keberhasilan penerapan I4.0 di industri manufaktur, Tiongkok
memerlukan teknologi dan strategi manajemen yang inovatif.Lasdkk. (2014)menjelaskan beberapa
teknologi penting dan membahas beberapa kekuatan pendorong fenomena I4.0. Thuemmler dan Bai
pada tahun 2017 menjelaskan bagaimana proses digital inovatif dan analisis data besar memengaruhi KERJA KERAS
industri layanan kesehatan. Para penulis telah menjelaskan bahwa pilar teknis I4.0, yaitu cloud,
analisis
kecerdasan buatan, robot otomatis, printer 3D, dan sistem fisik siber, terus membawa perubahan
signifikan dalam struktur industri, dan hal ini juga memengaruhi bidang kesehatan, dan sekarang pasien
sendiri dapat melacak kondisi kesehatannya dengan menggunakan perangkat pintar (Thuemmler dan
Bai, 2017). Tersedia perangkat klinis yang dapat dipakai dan disesuaikan dengan sensor yang dapat
memberikan informasi tentang kesehatan fisik dan mental (Manogaran dkk.,2017).Chawla dan Davis
(2013)memberikan kerangka kerja untuk memanfaatkan data besar untuk meningkatkan hasil klinis yang
2151
berorientasi pada pasien dan untuk mengurangi penerimaan kembali pasien.Jee dan Kim (2013)
membahas banyak peluang dan tantangan terkait penggunaan big data. Hasilnya menunjukkan bahwa
keamanan data adalah tantangan utama, yang perlu ditangani dengan sangat hati-hati, dan pendekatan
yang terorganisir sangat penting untuk integrasi dan pengelolaan big data.
Literatur menunjukkan bahwa banyak penelitian telah dilakukan pada berbagai aspek I4.0 di
domain berbeda. Tantangan dan peluang yang terkait dengan I4.0 dipelajari dari sudut pandang
yang berbeda. Terdapat penelitian terbatas yang telah melakukan analisis SWOT terhadap
teknologi I4.0. Penelitian ini mencoba untuk mengintegrasikan analisis SWOT dengan pendekatan
AHP dan pemodelan persamaan struktural (SEM) untuk mengembangkan metodologi
komprehensif untuk memahami berbagai elemen konsep I4.0 sehingga teknologi I4.0 dapat
diterapkan dengan bijaksana dan tanpa rasa takut di organisasi manufaktur.

3. Metodologi
3.1 Identifikasi faktor internal dan eksternal yang berkaitan dengan I4.0
Tinjauan literatur secara luas dilakukan terlebih dahulu untuk mengidentifikasi berbagai faktor
yang mungkin mempengaruhi penerapan I4.0 di industri manufaktur di India. Panel yang terdiri
dari sepuluh ahli di tingkat manajerial dari industri (N56) dan akademisi (N54) mempunyai
pengalaman lebih dari lima tahun di sektor manufaktur kemudian diajak berkonsultasi untuk
melakukan langkah-langkah lainnya. Umumnya, 10–30 ahli umumnya dianggap cukup (Murry dan
Hammons, 1995). Berdasarkan tinjauan literatur dan konsultasi dengan para ahli, kuesioner awal
yang disusun sendiri telah disiapkan, yang selanjutnya dilakukan uji validitas dan reliabilitas.
“Indeks validitas isi (CVI)” item yang lebih dari 0,7 disimpan dalam kuesioner dan item yang kurang
dari 0,7 dikeluarkan (Jain dan Raj, 2015). Alfa Cronbach adalah 0,954, lebih dari 0,7. Keandalan
kuesioner terjamin dengan kuesioner alpha Cronbach, dan kuesioner tersebut kemudian
diedarkan di antara 320 profesional TI dan manajer di unit manufaktur India, yang telah
menerapkan atau mencoba menerapkan fenomena I4.0 untuk mengumpulkan tanggapan mereka
tentang I4.0 aplikasi. Secara total, 225 tanggapan benar telah diterima, dan sekitar 39 faktor
internal dan eksternal yang berkaitan dengan penerapan I4.0 di sektor manufaktur India telah
dieksplorasi. Hal ini diikuti oleh teknik Delphi dimana tim yang terdiri dari sepuluh ahli diambil
untuk memvalidasi faktor-faktor tersebut, dan setelah beberapa putaran Delphi, 20 faktor internal
dan eksternal dipilih dan digambarkan dalam gambar.Tabel 1.
3.1.1 Faktor internal.
(1) Peningkatan produktivitas dan efisiensi.

(2) Mengurangi biaya produksi dan meningkatkan profitabilitas.

(3) Desentralisasi proses pengambilan keputusan.

(4) Menghasilkan produk yang inovatif dan berkualitas tinggi.

(5) Lebih banyak fleksibilitas dalam proses produksi.

(6) Pemantauan proses yang mudah.

(7) Investasi awal yang berlebihan.

BIJ S.
29,7 TIDAK Nama faktornya Keterangan

1 Peningkatan produktivitas dan efisiensi
2152 2 Mengurangi biaya produksi dan meningkatkan
profitabilitas
3 Desentralisasi proses pengambilan
keputusan
4 Produksi produk inovatif dan
berkualitas tinggi
5 Lebih banyak fleksibilitas dalam proses produksi
Teknologi I 4.0 telah memungkinkan pengumpulan dan analisis
data di berbagai mesin dan menciptakan proses yang lebih
cepat, fleksibel, dan efisien sehingga menghasilkan peningkatan
produktivitas dan efisiensi (Zhoudkk.,2015)
Setelah investasi awal, teknologi I4.0 kemudian mengarah pada
penyediaan produk berkualitas tinggi dengan biaya rendah yang
mengarah pada produktivitas dan profitabilitas tinggi bagi organisasi
(Kambledkk.,2018;Kamigaki, 2017)
I 4.0 mengarah pada desentralisasi proses pengambilan
keputusan karena seluruh sistem diotomatisasi (Alabadkk.,2017)
Untuk mencapai keberhasilan adopsi teknologi I4.0, diperlukan
inovasi berkelanjutan dalam produk dan layanan. Daripada
mencapai keunggulan kompetitif dengan biaya rendah,
organisasi harus bergerak menuju pencapaian keunggulan
kompetitif melalui inovasi dalam efisiensi, profesionalisme,
pengetahuan dan kualitas produk (Thuemmler dan Bai, 2017;
Zhoudkk.,2015) Memiliki kemampuan untuk menciptakan
fleksibilitas dalam sistem manufaktur dengan memenuhi
kebutuhan pelanggan dan mengoptimalkan pengambilan
keputusan (Zhoudkk., 2015)

6 Pemantauan proses yang mudah Teknologi I.40 meningkatkan produktivitas manufaktur,

mendorong pertumbuhan industri, memudahkan pemantauan
proses dan mengubah profil tenaga kerja (Gehrkedkk., 2015)

7 Investasi awal yang berlebihan
8 Kebutuhan akan pelatihan dan keterampilan khusus
9 Sistem pendukung pemeliharaan yang tidak
memadai dan mahal
10 Dukungan pemerintah dan manajemen
puncak
Diperlukan investasi awal yang berlebihan dalam organisasi
untuk implementasi I 4.0 (Kambledkk.,2018) Tenaga kerja
terampil diperlukan untuk penerapan I4.0 karena karyawan
harus memelihara mesin otomatis, menghubungkan pabrik
cerdas, dan menganalisis data digital (digantung, 2016) Untuk
memelihara dan menyediakan layanan TI dalam organisasi
untuk implementasi I4.0 memerlukan sistem pendukung
pemeliharaan yang tepat (Leedkk.,2014) Ketersediaan Internet
berkelanjutan diperlukan untuk aplikasi I4.0. Pemerintah dapat
mendukung dengan menyediakan fasilitas Internet dengan tarif
bersubsidi kepada industri yang mencoba menerapkan teknologi
I4.0 untuk memperkuat digitalisasi di sektor manufaktur (
Bonczekdkk., 2014)

11 Meningkatkan kepercayaan nasabah dalam bertransaksi Teknologi I4.0 telah mengubah aturan dan regulasi praktik
melalui internet bisnis konvensional. Internet of Things telah meningkatkan
harapan pasien, dan mereka kini lebih sadar akan hak-hak
mereka. I4.0 membutuhkan lebih banyak transaksi Internet.
Namun, peningkatan penggunaan Internet tidak mengubah
kebutuhan untuk memperkuat hubungan pelanggan (Davis,
1989). Semakin besar kepercayaan pelanggan terhadap IoT,
semakin sukses adopsi I4.0

12 Infrastruktur TI industri Infrastruktur TI wajib untuk penggunaan IoT untuk

Tabel 1. manufaktur India memperkuat I4.0 (Hecklaudkk.,2016)
Internal dan eksternal
faktor (lanjutan)
 KERJA KERAS
S.
TIDAK Nama faktornya Keterangan analisis
13 Perluasan pasar digital Tren pasar yang sedang berkembang dan meningkatnya
kesadaran teknologi akan memberikan peluang bagi organisasi
manufaktur untuk menerapkan teknologi I4.0 (Babiceanu dan
Seker, 2016;Kambledkk.,2018) Pemangku kepentingan harus
14 Meningkatnya kesadaran di kalangan pemangku kepentingan menyadari manfaat teknologi I4.0 sebelum penerapannya 2153
untuk memaksimalkan manfaat teknologi sehingga manfaat maksimal dapat dicapai (Qureshi dan Syed,
2014) Di I4.0, data tersedia secara online sehingga
15 Masalah keamanan data dan privasi menyebabkan masalah keamanan informasi karena “sistem fisik
siber” lebih rentan terhadap serangan siber (Alabadkk.,2017)
Otomatisasi menghasilkan produktivitas dan daya saing yang
16 Risiko gangguan pekerjaan lebih tinggi melalui pengembangan produk yang cepat. Oleh
karena itu, saat ini pekerjaan di industri manufaktur rentan
terhadap penggantian karyawan dengan teknologi otomatis
tersebut (Frey dan Osborne, 2017) Ada risiko hukum terkait
penggunaan teknologi terkini, paten, hak cipta dan lisensi, dll. (
17 Risiko hukum terkait penggunaan data eksternal Kristen dan Liepin, 2017)

18 Resistensi karyawan untuk mengadopsi Implementasi I4.0 memerlukan keterampilan dan kompetensi
teknologi baru khusus untuk memahami teknologinya dan karyawan harus
memenuhi syarat untuk memahami dan mendekati konsep ini.
Di satu sisi terdapat tantangan yang dihadapi organisasi untuk
mengembangkan kompetensi tersebut dan di sisi lain tantangan
lainnya adalah penerimaan teknologi terkini oleh karyawan.
Organisasi harus mampu mengatasi kekhawatiran karyawan
karena kecemasan mereka mungkin berdampak negatif pada
penerapan konsep baru. Oleh karena itu, jika karyawan
diberdayakan dan merasa percaya diri sebelum penerapan I4.0,
hal ini pasti akan menjadi keuntungan bagi organisasi (Mueller
dkk., 2017)

19 Persaingan yang meningkat Meningkatnya persaingan karena masuknya pemain asing di

sektor layanan kesehatan India merupakan ancaman terbesar
bagi organisasi manufaktur di India karena mereka harus
bersaing dengan organisasi yang sudah menjadi pionir dalam
adopsi I4.0 (Kristen dan Liepin, 2017)
20 Kurangnya standar seragam Langkah-langkah yang memadai menuju standarisasi data
untuk pertukaran informasi terbukti bermanfaat bagi implementasi I4.0 (Raghupathi dan
Raghupathi, 2014) Tabel 1.

(8) Kebutuhan akan pelatihan dan keterampilan khusus.

(9) Sistem pendukung pemeliharaan yang tidak memadai dan mahal.

3.1.2 Faktor eksternal.

(10) Meningkatnya kesadaran di kalangan pemangku kepentingan untuk memaksimalkan manfaat teknologi.

(11) Masalah keamanan data dan privasi.

(12) Risiko gangguan pekerjaan.

(13) Meningkatkan kepercayaan pelanggan dalam transaksi Internet.

(14) Infrastruktur TI industri manufaktur India.

BIJ (15) Risiko hukum terkait penggunaan data eksternal.

29,7 (16) Penolakan karyawan untuk mengadopsi teknologi baru.

(17) Meningkatnya persaingan.

(18) Kurangnya standar seragam untuk pertukaran informasi.

(19) Perluasan pasar digital.

2154
(20) Meningkatnya kesadaran di kalangan pemangku kepentingan untuk memaksimalkan manfaat teknologi.

3.2 Analisis faktor

3.2.1 EFA melakukan analisis SWOT yaitu “kekuatan, kelemahan, peluang dan ancaman” terhadap
faktor internal dan eksternal.EFA dilakukan untuk menentukan dimensi alat ukur dengan struktur
data multivariat, dan “faktor laten” yang umum diasumsikan dalam EFA dengan tujuan untuk
mengidentifikasi variabel umum seminimal mungkin dengan mempertimbangkan hubungan di
antara variabel tersebut (McDonald dan Ho, 2002). Variabel terikat dan variabel dasar masing-
masing didefinisikan sebagai “atribut permukaan dan atribut internal”. Variabel yang
mempengaruhi suatu variabel tertentu disebut faktor spesifik dan yang mempengaruhi lebih dari
satu atribut permukaan disebut faktor persekutuan (Fabrigar dan Wegener, 2011). Setelah itu,
analisis matriks korelasi dan pemuatan faktor dilakukan untuk menghitung skor faktor (Jain dan
Ajmera, 2018). EFA dilakukan terlebih dahulu terhadap faktor internal dan eksternal yang
diidentifikasi di atas dengan menggunakan software SPSS versi 20 dan menghasilkan empat
dimensi variabel yang diberi nama “SWOT”. CFA kemudian dilakukan untuk memverifikasi dimensi
dalam analisis faktor dengan “analisis perangkat lunak struktur momen (AMOS 20)”.
Analisis SWOT adalah kerangka kerja yang kuat, yang biasanya digunakan untuk mengevaluasi
posisi kompetitif organisasi dengan memindai lingkungan internal dan eksternal untuk
mempersiapkan rencana strategis untuk pertumbuhan bisnis.
Kekuatan: Ini adalah atribut positif internal dan sumber daya yang digunakan secara efisien
oleh organisasi untuk mencapai tujuan yang diantisipasi.
Kelemahan: Ini adalah faktor negatif internal dan keterbatasan dalam proses
organisasi yang menghalangi mereka mencapai tujuan.
Peluang: Ini adalah faktor eksternal atau situasi yang menguntungkan dalam lingkungan
bisnis yang dapat berkontribusi terhadap keberhasilan organisasi.
Ancaman: Ini adalah faktor atau situasi eksternal yang tidak menguntungkan yang dapat
merusak strategi organisasi.
3.2.2 Prioritas faktor SWOT melalui AHP.AHP menyediakan kerangka kerja untuk
menangani berbagai situasi atribut yang melibatkan aspek inheren, logis, kualitatif dan kuantitatif.
Ini diperkenalkan pada tahun 1972 dengan tujuan untuk memecahkan masalah yang relatif rumit
dengan mengatur atribut teoritis dari suatu masalah ke dalam kerangka hierarki (Saaty, 1990).
AHP membantu peneliti untuk mengambil keputusan terbaik melalui pemeringkatan dan
perbandingan rasional serta memilih alternatif ideal terbaik (Dagudkk.,1999). Metodologi AHP
digunakan sebagai alat pengambilan keputusan di beberapa bidang, seperti rantai pasokan,
kesehatan, teknik, nutrisi, ekologi dan pendidikan. Chan menggunakan AHP untuk mengukur
kinerja organisasi layanan kesehatan dibandingkan dengan pesaingnya (Chan, 2006). AHP juga
dikombinasikan dengan TOPSIS, analisis SWOT, data envelopment analysis (DEA), meta-heuristik,
dll (Jain dan Raj, 2014a;Jain dan Ajmera, 2019a). Ajmeradkk.menggabungkanAHP dengan analisis
SWOT untuk memprioritaskan variabel SWOT yang berkaitan dengan sektor pariwisata medis
India (Ajmera Singh dan Satia, 2015). Model AHP-PGP (pre-emptive goal programming)
terintegrasi telah digunakan untuk mengevaluasi manajemen rantai pasokan (Bhagwat dan
Sharma, 2009). Metodologi AHP dikombinasikan dengan TOPSIS untuk wisata medis (Ajmera, 2017
).Jain (2018)mengidentifikasi bobot melalui AHP dan digunakan dalam MOORA (multi-
optimasi objektif berdasarkan analisis rasio) untuk menentukan peringkat faktor kinerja sistem KERJA KERAS
manufaktur fleksibel (FMS).Jain dan Ajmera (2019b)menerapkan AHP dengan pendekatan berbasis
analisis
matematika kombinatorial (CMBA) dan eliminasi et choix traduisant la realit-e (ELECTRE) untuk
evaluasi faktor kinerja FMS.Jain dan Chand (2021)menggunakan AHP dengan penilaian
proporsional kompleks (COPRAS) untuk pengambilan keputusan di FMS.
Langkah-langkah berbeda dari pendekatan AHP diberikan di bawah ini:

(1) Langkah pertama meliputi pengembangan kerangka AHP yang terdiri dari tujuan, bidang 2155
strategis, subfaktor, dan terakhir hasil. Tujuan dari penelitian ini adalah untuk memprioritaskan
faktor SWOT untuk I4.0 yang berkaitan dengan industri manufaktur India sehingga teknologi
I4.0 dapat berhasil diterapkan di organisasi manufaktur. Empat bidang strategis, yaitu kekuatan,
kelemahan, peluang dan ancaman, diidentifikasi untuk mencapai tujuan ini. Secara total,
subfaktor yang ditentukan meliputi enam subfaktor terkait kekuatan, tiga subfaktor terkait
kelemahan, lima subfaktor terkait peluang, dan enam subfaktor terkait ancaman.

(2) Sebuah tim yang terdiri dari sepuluh ahli diambil, dan skala sembilan poin (Jain dan Raj, 2013b)
digunakan untuk melakukan perbandingan berpasangan antar elemen di setiap level terhadap
elemen induk, dan bobot lokal semua subfaktor dihitung dan dikalikan dengan bobot semua
node induk untuk menentukan bobot prioritas global untuk semua subfaktor. Perbandingan
berpasangan digambarkan dalamTabel 2–6.

(3) Indeks konsistensi (CI) diperoleh untuk semua kelompok SWOT CI5 (Lambdamaks–n)/
(n–1) dimanaNadalah jumlah atribut yang dibandingkan. CI dibagi dengan indeks
acak (RI), yang dipilihTabel 7(Jain dan Raj, 2013b), untuk menghitung rasio
konsistensi (CR). Matriks akan konsisten dan diterima hanya jika CR kurang dari 0,1.
Nilai CI dan CR seluruh faktor SWOT disajikan dengan bobot prioritas globalnya
pada tabel masing-masing.
(4) Terakhir, prioritas relatif setiap sub-faktor dalam kelompok SWOT ditentukan berdasarkan
bobot prioritas global untuk semua sub-faktor dan disajikan dalam bentuk berikut: Tabel 8
.

3.2.3 Analisis faktor konfirmatori (CFA).CFA digunakan untuk mengkonfirmasi struktur faktor dari variabel
yang diamati (Jain dan Ajmera, 2018;Stevens, 1996). Ini memverifikasi hipotesis yang telah ditentukan
dengan mengevaluasi pemuatan faktor (Schumacker dan Lomax, 1996). Uji statistik SEMisa untuk
melakukan CFA untuk mengetahui apakah model sesuai dengan data atau tidak (Angsa liardkk.,2008).
SEM diperkenalkan oleh Joreskog pada tahun 1970 dan digunakan untuk identifikasi, representasi dan
analisis model teoritis yang memiliki interaksi struktural antar variabel terkait (Jain dan Raj, 2016). Ini
memberikan model analisis data yang lebih sederhana, termudah dan akurat. Metodologi ini terdiri dari
dua komponen: “analisis faktor dan analisis regresi/jalur” (Hox dan Bechger, 1998). Analisis faktor sekali
lagi melibatkan “analisis faktor eksplorasi” dan “CFA” yang memiliki dua divisi lebih lanjut, “model
pengukuran dan model persamaan struktural”. Model tersebut menggambarkan validitas dan reliabilitas
variabel yang diamati (J€oreskog dan S€orbom, 1993). SEM telah digunakan untuk mengetahui hubungan
antara informasi eksternal dan internal

1 2 3 4 CI50,068, Kr50,0765
Sr.tidak Variabel Kekuatan Kelemahan Peluang Ancaman Berat prioritas

1 Kekuatan 1 1/3 1/7 5 0,11

2 Kelemahan 3 1 1/3 7 0,26 Meja 2.
3 Peluang 7 3 1 9 0,59 Perbandingan berpasangan dari
4 Ancaman 1/5 1/7 1/9 1 0,04 faktor SWOT
 BIJ
29,7

Tabel 3.
2156

(Kekuatan)
Sub faktor SWOT
Perbandingan berpasangan dari
CI50,071,
1 2 3 4 5 Kr50,0570
S2: Berkurang S4: Produksi S5: Lebih lanjut

S1 : Meningkat biaya produksi S3: Desentralisasi inovatif dan fleksibilitas dalam S6: Mudah
produktifitas dan meningkat pengambilan keputusan kualitas tinggi produksi pemantauan Prioritas
Sr.tidak Variabel dan efisiensi profitabilitas proses produk proses proses berat

1 S1 : Meningkat 1 9 3 7 5 3 0,44
produktivitas dan
efisiensi
2 S2: Berkurang 1/9 1 1/5 1/3 1/3 1/5 0,03
biaya produksi dan
ditingkatkan
profitabilitas
3 S3: Desentralisasi 1/3 5 1 3 3 1/3 0,15
pengambilan keputusan
proses
4 S4: Produksi 1/7 3 1/3 1 1/3 1/3 0,06
inovatif dan tinggi
produk berkualitas
5 S5: Lebih banyak fleksibilitas 1/5 3 1/3 3 1 1/3 0,09
dalam proses produksi
S6: Pemantauan mudah 1/3 5 3 3 3 1 0,22
proses
 KERJA KERAS
CI50,032,
1 2 3 Kr50,0624 analisis
W2: Kebutuhan untuk W3: Tidak cukup dan
W1: Berlebihan terspesialisasi mahal
awal pelatihan dan dukungan pemeliharaan Prioritas
Sr.tidak Variabel investasi keterampilan sistem berat

1 W1: Inisial yang berlebihan 1 1/3 1/9 0,081 2157

investasi
2 W2: Kebutuhan untuk 3 1 1/7 0,731
pelatihan khusus
dan keterampilan

3 W3: Tidak cukup dan 9 7 1 0,188 Tabel 4.

mahal Perbandingan berpasangan dari
dukungan pemeliharaan Sub-faktor SWOT
sistem (Kelemahan)

sistem, biaya, kualitas dan profitabilitas organisasi (Maigadkk.,2015).Valmohammadi dan

Roshanzamir (2015)menganalisis dampak budaya dan penerapan Total Quality Management
(TQM) terhadap kinerja organisasi.Leedkk. (2015)mengusulkan model struktural untuk
menggambarkan pengaruh investasi dan praktik produksi terhadap kinerja organisasi.Schoenherr
dkk. (2015)menggunakan SEM untuk mengetahui hubungan outsourcing di sektor manufaktur.
Chavezdkk. (2015)menggunakan SEM dalam rantai pasokan untuk menjelaskan pentingnya
interaksi hubungan pelanggan. Jain dan Raj membangun model faktor-faktor yang
mempengaruhi produktivitas di FMS dengan menggunakan SEM (Jain dan Raj, 2014b).Su dan Yang
(2010) mengevaluasi dampak ERP pada sistem logistik.Laudkk. (2010)menggunakan SEM untuk
mengintegrasikan rantai pasokan dengan perancangan produk di sektor manufaktur. SEM juga
diusulkan untuk mengevaluasi risiko dalam layanan perlindungan anak (Fitch, 2007), penelitian
perjalanan (Golob, 2003), Variabel lean dalam layanan kesehatan (Jain dan Ajmera, 2019c), riset
komunikasi dan pemasaran (Taman dkk.,2002;Rambutdkk.,2012).
Beberapa indeks digunakan dalam penelitian ini untuk mengkonfirmasi model, seperti indeks
kecocokan absolut dan indeks kecocokan tambahan (Jain dan Raj, 2013a). Diagram alir EFA dan CFA
ditunjukkan padaGambar 1.

4. Hasil
4.1 Hasil PUS
Secara total, 20 variabel internal dan eksternal yang diidentifikasi di atas menjadi sasaran EFA.
Nilai Cronbach’s alpha dihitung dengan bantuan software SPSS untuk mengkonfirmasi reliabilitas
variabel yaitu sebesar 0,954 yang ditunjukkan padaTabel 9. Ukuran spesifisitas Kaiser-Meyer-Olkin
(KMO) dan Bartlett adalah 0,934, dan nilai signifikansinya adalah 0,000 yang menjelaskan
kesesuaian data untuk analisis faktor dan diberikan dalamTabel 10.
Semua variabel memiliki komunalitas lebih besar dari 0,5 seperti yang ditunjukkan padaTabel 11.
Scree plot yang menunjukkan empat komponen disajikan dalamGambar 2. Empat komponen
diekstraksi karena memiliki nilai eigen lebih dari satu dan memiliki total varians 81.133, yang diberikan
dalamTabel 12.
Terakhir, empat komponen dikonfirmasi karena tidak ada perubahan yang terlihat bahkan setelah rotasi
matriks komponen dengan normalisasi varimax. Ini digambarkan dalamTabel 13. Keempat dimensi tersebut
adalah sebagai berikut:
4.1.1 Kekuatan.

S1: Peningkatan produktivitas dan efisiensi.

 BIJ
29,7

Tabel 5.
2158

(peluang)
Sub faktor SWOT
Perbandingan berpasangan dari
CI50,089,
1 2 3 4 5 Kr50,0799
O1: Pemerintah O2: Meningkatkan kepercayaan O3: infrastruktur TI O5: Meningkatnya kesadaran
dan atas pelanggan di dari India O4: Digital antar pemangku kepentingan untuk

pengelolaan Internet manufaktur pasar memaksimalkan teknologi Prioritas

Sr.tidak Variabel mendukung transaksi industri ekspansi manfaat berat

1 O1: Dukungan pemerintah 1 3 3 5 3 0,270

dan manajemen puncak
2 O2: Meningkatkan kepercayaan 1/3 1 3 5 3 0,419
pelanggan terhadap Internet
transaksi
3 O3: Infrastruktur TI 1/3 1/3 1 3 3 0,157
manufaktur India
industri
4 O4: Pasar digital 1/5 1/5 1/3 1 1/3 0,053
ekspansi
5 O5: Meningkatnya kesadaran 1/3 1/3 1/3 3 1 0,101
antar pemangku kepentingan untuk

memaksimalkan teknologi
manfaat
 CI50,112,
1 2 3 4 5 Kr50,0900
T1: Data T6: Kurangnya seragam
keamanan dan T2: Pekerjaan T3: Resiko hukum T4: Karyawan standar untuk
pribadi gangguan tentang penolakan untuk mengadopsi T5: Bangkit informasi Prioritas
Sr.tidak Variabel kekhawatiran mempertaruhkan penggunaan data eksternal teknologi baru kompetisi menukarkan berat

1 T1: Keamanan data 1 9 3 7 5 3 0,13

dan privasi
kekhawatiran

2 T2: Gangguan pekerjaan 1/9 1 1/5 1/3 1/3 1/5 0,04

mempertaruhkan

3 T3: Resiko hukum 1/3 5 1 3 3 1/3 0,08

mengenai eksternal
penggunaan data

4 T4: Karyawan 1/7 3 1/3 1 1/3 1/3 0,37

penolakan untuk mengadopsi

teknologi baru
5 T5: Bangkit 1/5 3 1/3 3 1 1/3 0,21
kompetisi
6 T6: Kurangnya standar 1/3 5 3 3 3 1 0,17
yang seragam untuk
informasi
menukarkan

Perbandingan berpasangan dari

Sub faktor SWOT
Tabel 6.

(Ancaman)
analisis

2159
KERJA KERAS
 BIJ

nilai-nilai
29,7

Tabel 7.
2160

Indeks acak (RI)

Atribut 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

RI 0,00 0,00 0,52 0,89 1.11 1.25 1.35 1.4 1.45 1.49 1.52 1.54 1.56 1.58 1.59
 KERJA KERAS
Timbangan lokal Bobot global
Tuan Tidak Faktor/Variabel Peringkat Bobot Peringkat Bobot analisis
Tingkat Sehubungan dengan SWOT
2 Kekuatan 0,073 4 0,073 4
Kelemahan 0,248 2 0,248 2
Peluang 0,554 1 0,554 1
Ancaman 0,126 3 0,126 3 2161
Tingkat Sehubungan dengan kekuatan
3 S1: Peningkatan produktivitas dan efisiensi S2: 0,442 1 0,032 1
Mengurangi biaya produksi dan meningkatkan 0,033 6 0,002 6
profitabilitas
S3: Desentralisasi proses pengambilan keputusan 0,154 3 0,011 3
S4: Produksi produk yang inovatif dan berkualitas 0,059 5 0,004 5
tinggi
S5: Lebih banyak fleksibilitas dalam proses produksi 0,090 4 0,007 4
S6: Pemantauan proses yang mudah 0,222 2 0,016 2
Sehubungan dengan kelemahan W1:
Investasi awal yang berlebihan 0,081 3 0,020 3
W2: Perlunya pelatihan dan keterampilan khusus W3: 0,731 1 0,181 1
Sistem pendukung pemeliharaan tidak memadai dan 0,188 2 0,047 2
mahal
Sehubungan dengan peluang
O1: Dukungan pemerintah dan manajemen puncak O2: 0,270 2 0,149 2
Meningkatkan kepercayaan pelanggan dalam transaksi 0,419 1 0,232 1
Internet
O3: Infrastruktur TI industri manufaktur 0,157 3 0,087 3
India
O4: Perluasan pasar digital 0,053 5 0,029 5
O5: Meningkatnya kesadaran di kalangan pemangku kepentingan 0,101 4 0,056 4
untuk memaksimalkan manfaat teknologi
Sehubungan dengan ancaman
T1: Masalah keamanan data dan privasi T2: 0,128 4 0,016 4
Risiko gangguan pekerjaan 0,045 6 0,006 6
T3: Risiko hukum terkait penggunaan data eksternal 0,077 5 0,010 5 Tabel 8.
T4: Keengganan karyawan untuk mengadopsi teknologi baru T5: 0,369 1 0,046 1 Bobot lokal dan
Meningkatnya persaingan 0,213 2 0,027 2 global dari kriteria
T6: Kurangnya standar seragam untuk pertukaran 0,168 3 0,021 3 empat faktor dan 20
informasi variabel

S2: Mengurangi biaya produksi dan meningkatkan profitabilitas.

S3: Desentralisasi proses pengambilan keputusan.

S4: Produksi produk yang inovatif dan berkualitas tinggi. S5:

Lebih banyak fleksibilitas dalam proses produksi.

S6: Pemantauan proses yang mudah.

4.1.2 Kelemahan.
W1: Investasi awal yang berlebihan.

W2: Kebutuhan akan pelatihan dan keterampilan khusus.

W3: Sistem pendukung pemeliharaan tidak memadai dan mahal.

BIJ Daftar variabel/item di Industri 4.0 Tinjauan literatur di Industri 4.0

29,7 dan pendapat ahli

Ikuti survei untuk mengetahui variabel-variabel ini

modifikasi
Diperlukan

Modifikasi yang diperlukan

2162 Intern
Konsistensi
Tidak jika <0,7

memeriksa

modifikasi
Diperlukan
Ya jika > 0,7

Tidak jika <0,5

Uji pengambilan sampelnya

kecukupan

Ya jika > 0,5

Putuskan apakah ada perubahan Ya
Ekstraksi awal perlu dibuat (misalnya
Drop item, include
item dll)
Pilih variabel yang akan dipertahankan

TIDAK

Ekstrak faktor awal

Dimensi yang diidentifikasi dan digunakan lebih lanjut
- nilai eigen lebih besar dari satu
- total varians menjelaskan lebih dari 50% analisis
- faktor di atas siku dalam plot scree
- Minimal 3 item atau variabel yang diamati per
faktor dengan signifikansi faktor yaitu > 0,30 Buatlah diagram jalur sesuai dengan ini
dimensi dan item
Pilih sejumlah faktor untuk dipertahankan

Temukan Ringkasan Model Fit

Gambar 1. Putar matriks komponen dengan Konfirmasikan hasil faktornya

Diagram alir EFA Varimax dengan Kaiser Normalisasi
dan CFA

Statistik keandalan

Tabel 9. Alfa Cronbach Jumlah item

Alfa Cronbach 0,954 20

Tes KMO dan Bartlett

Kaiser–Meyer–Olkin mengukur kecukupan pengambilan 0,934

Tabel 10. sampel Uji kebulatan Bartlett Kira-kira. Chi-kuadrat 6629.871
KMO dan df 190
tes Bartlett tanda tangan. 0,000
 KERJA KERAS
Komunitas
Awal Ekstraksi analisis
var1 1.000 0,858
var2 1.000 0,886
var3 1.000 0,808
var4 1.000 0,816
var5 1.000 0,884 2163
var6 1.000 0,852
var7 1.000 0,868
var8 1.000 0,810
var9 1.000 0,808
var10 1.000 0,852
var11 1.000 0,872
var12 1.000 0,817
var13 1.000 0,699
var14 1.000 0,657
var15 1.000 0,822
var16 1.000 0,805
var17 1.000 0,837
var18 1.000 0,819
var19 1.000 0,798
var20 1.000 0,660 Tabel 11.
Catatan:Metode ekstraksi: analisis komponen utama Komunitas

Gambar 2.
Plot layar
 BIJ
29,7

2164

menjelaskan
Tabel 12.
Varians total
Varians total dijelaskan
Nilai eigen awal Jumlah ekstraksi kuadrat Jumlah rotasi beban kuadrat
Komponen Total % varians Kumulatif % pembebanan Total % varian Kumulatif % Total % varians Kumulatif %

1 10.860 54.301 54.301 10.860 54.301 54.301 4.770 23.851 23.851

2 2.307 11.536 65.837 2.307 11.536 65.837 4.520 22.600 46.451
3 1.604 8.022 73.860 1.604 8.022 73.860 4.279 21.395 67.847
4 1.455 7.273 81.133 1.455 7.273 81.133 2.657 13.286 81.133
5 0,580 2.902 84.034
6 0,468 2.342 86.376
7 0,341 1.704 88.080
8 0,326 1.628 89.708
9 0,279 1.396 91.104
10 0,264 1.321 92.425
11 0,217 1.083 93.508
12 0,212 1.062 94.571
13 0,186 0,932 95.503
14 0,174 0,868 96.371
15 0,159 0,795 97.166
16 0,140 0,699 97.866
17 0,133 0,663 98.529
18 0,109 0,547 99.076
19 0,097 0,483 99.559
20 0,088 0,441 100.000
Catatan:Metode ekstraksi: analisis komponen utama
 KERJA KERAS
Sr. Faktor milik Cronbach
TIDAK Ukuran Variabel/Item memuat alfa analisis
1 Kekuatan S1: Peningkatan produktivitas dan efisiensi S2: 0,844 0,944
Mengurangi biaya produksi dan meningkatkan 0,842
profitabilitas
S3: Desentralisasi proses pengambilan keputusan 0,792
S4: Produksi produk yang inovatif dan berkualitas 0,849 2165
tinggi
S5: Lebih banyak fleksibilitas dalam proses produksi 0,808
S6: Pemantauan proses yang mudah 0,820
2 Kelemahan W1: Investasi awal yang berlebihan 0,848 0,905
W2: Perlunya pelatihan dan keterampilan khusus 0,852
W3: Sistem pendukung pemeliharaan tidak 0,850
memadai dan mahal
3 Peluang O1: Dukungan pemerintah dan manajemen puncak O2: 0,858 0,943
Meningkatkan kepercayaan pelanggan dalam transaksi 0,810
Internet
O3: Infrastruktur TI industri manufaktur 0,824
India
O4: Perluasan pasar digital 0,832
O5: Meningkatnya kesadaran di kalangan pemangku kepentingan 0,799
untuk memaksimalkan manfaat teknologi
Tabel 13.
4 Ancaman T1: Masalah keamanan data dan privasi T2: 0,823 0,932
Metode ekstraksi:
Risiko gangguan pekerjaan 0,831
komponen utama
T3: Risiko hukum terkait penggunaan data eksternal 0,844
analisis dan rotasi
T4: Keengganan karyawan untuk mengadopsi 0,790 metode: varimax dengan
teknologi baru Normalisasi Kaiser
T5: Meningkatnya persaingan 0,764 dengan keandalan
T6: Kurangnya standar seragam untuk pertukaran 0,690 statistik (hasil analisis
informasi faktor eksplorasi)

4.1.3 Peluang.
O1: Dukungan pemerintah dan manajemen puncak.

O2: Meningkatkan kepercayaan pelanggan dalam bertransaksi

melalui Internet. O3: Infrastruktur TI industri manufaktur India.

O4: Perluasan pasar digital.

O5: Meningkatnya kesadaran di kalangan pemangku kepentingan untuk memaksimalkan manfaat teknologi.

4.1.4 Ancaman.

T2: Risiko gangguan pekerjaan.

T1: Masalah keamanan data dan privasi. T3: Risiko

hukum terkait penggunaan data eksternal.

T4: Keengganan karyawan untuk mengadopsi teknologi baru. T5:

Meningkatnya persaingan.

T6: Kurangnya standar seragam untuk pertukaran informasi.

BIJ 4.2 Metodologi AHP
29,7 Hasilnya menunjukkan bahwa “peningkatan produktivitas dan efisiensi” menjadi kekuatan terbesar
dengan bobot prioritas global 0,032, yang menunjukkan bahwa teknologi I4.0 membuat proses produksi
lebih efisien. Kemajuan teknologi telah membawa peningkatan produktivitas secara cermat sejak
munculnya Revolusi Industri Keempat. Hal ini diikuti oleh “pemantauan proses yang mudah dan
desentralisasi proses pengambilan keputusan” di peringkat kedua dan ketiga dengan bobot prioritas
global masing-masing 0,016 dan 0,011. Teknologi I4.0 memungkinkan pengumpulan dan analisis data di
2166 seluruh mesin, memberdayakan proses yang lebih cepat, fleksibel, dan efisien untuk menghasilkan
produk berkualitas tinggi dengan biaya lebih rendah. Karena desentralisasi proses pengambilan
keputusan, pemantauan menjadi lebih mudah sehingga memungkinkan respons yang lebih cepat
terhadap kebutuhan pelanggan. Kelemahan terbesar adalah “kebutuhan akan pelatihan dan
keterampilan khusus” dengan bobot prioritas global 0,181 sedangkan peluang terbesar adalah
“meningkatkan kepercayaan pelanggan dalam transaksi Internet” diikuti oleh “Dukungan pemerintah dan
manajemen puncak” yang memiliki bobot prioritas 0,232 dan 0,149, masing-masing. Karena industri
manufaktur memerlukan lebih banyak konektivitas dan interaksi mesin dan proses di perusahaan,
keterampilan dan pelatihan khusus diperlukan untuk menjalankan sistem tersebut. “Keengganan
karyawan untuk mengadopsi teknologi baru” muncul sebagai ancaman terbesar dengan bobot prioritas
0,046. “Meningkatnya persaingan” adalah ancaman lain yang harus ditangani secara hati-hati oleh
industri untuk mempertahankan diri di era globalisasi dan digitalisasi ini.

4.3 Hasil CFA

Setelah menentukan prioritas “kekuatan, kelemahan, peluang dan ancaman”, langkah selanjutnya adalah
mengkonfirmasi struktur faktor dengan melakukan “SEM” untuk melakukan CFA orde pertama pada model
pengukuran yang terdiri dari struktur empat faktor (Kekuatan, kelemahan, peluang dan ancaman).
menggunakan AMOS 20.0, seperti yang ditunjukkan padaGambar 3.
Model fit dari data yang disajikan padaTabel 14model menunjukkan kesesuaian model yang dapat
diterima.
“Keandalan komposit (CR)” dari semua variabel laten lebih besar dari 0,7, dan “varians rata-rata yang
diekstraksi” AVE untuk semua faktor juga lebih besar dari 0,5, yang dianggap sebagai batas yang dapat
diterima dan ditunjukkan padaTabel 15.
Nilai AVE seluruh faktor yaitu kekuatan, kelemahan, peluang dan ancaman lebih besar
dibandingkan kuadrat korelasi antar konstruksi yang disajikan pada Gambar 1.Tabel 16. Hal ini
sepenuhnya mendukung validitas diskriminan.
Oleh karena itu, struktur empat orde pertama I4.0 di industri manufaktur dikonfirmasi oleh
model persamaan struktural.
Strategi yang dinamis diperlukan agar I4.0 bisa sukses. Tujuan dari penelitian ini adalah untuk
mengembangkan kerangka kerja untuk keberhasilan penerapan I4.0 di industri manufaktur India dan
mengevaluasi dampak dari setiap hambatan dengan menerapkan model SWOT gabungan, AHP dan SEM.
EFA dilakukan untuk mengekstrak faktor SWOT. Pendekatan proses AHP digunakan untuk menentukan
peringkat faktor SWOT ini. CFA dilakukan untuk mengembangkan dan mengkonfirmasi model faktor.
Kombinasi penggunaan analisis SWOT, AHP dan SEM merupakan metodologi yang menjanjikan dalam
mendukung proses pengambilan keputusan strategis terkait implementasi I4.0. Melakukan
perbandingan berpasangan memaksa pengambil keputusan untuk berpikir berulang kali tentang bobot
komponen SWOT dan menganalisis skenario dengan lebih detail dan presisi dibandingkan analisis SWOT
biasa. Menilai kemungkinan berbagai kondisi penggunaan dan pelaksanaan I4.0 di AHP dan
mempertimbangkan variabel SWOT dapat memberikan pemahaman yang lebih realistis tentang dampak
kejadian potensial di masa depan dalam bidang ini. Oleh karena itu, hasil penelitian ini dapat membantu
para pengambil keputusan dan praktisi untuk mengatasi permasalahan utama dan membuka jalan bagi
keberhasilan penerapan dan penerapan teknologi I4.0 di industri manufaktur.
 KERJA KERAS

analisis

2167

Gambar 3.
Diagram jalur CFA

Indeks kecocokan mutlak

Model chi-kuadrat (χ2) 382.38

DF 163
P 0,000
χ2/DF 2.346(<5)
Statistik kesesuaian (GFI) Residu 0,910
rata-rata akar kuadrat (RMR) 0,047
Kesalahan perkiraan akar rata-rata kuadrat (RMSEA) 0,058
Statistik kebaikan yang disesuaikan (AGFI) 0,900

Indeks kecocokan tambahan

Indeks kesesuaian norma (NFI) 0,942
Indeks kesesuaian non-norma (NNFI) 0,959
Indeks kesesuaian komparatif (CFI) 0,962 Tabel 14.
Indeks kesesuaian inkremental (IFI) 0,964 Nilai indeks kesesuaian model

5. Diskusi
Penelitian ini menyajikan pemahaman lebih dalam mengenai faktor-faktor yang mempengaruhi lapangan kerja
I4.0 pada industri manufaktur di India dengan melakukan SWOT dengan analisis faktor. Tujuan penggunaan
analisis SWOT dalam penelitian ini adalah untuk menganalisis permasalahan internal dan eksternal
BIJ P-nilai
29,7 sl. Terstandarisasi (* penting
TIDAK Ukuran Variabel/Item memperkirakan padahal <0,001) jalan Kr

1 Kekuatan S1: Peningkatan produktivitas dan 0,910 * 0,74 0,94

efisiensi
S2: Mengurangi biaya produksi dan 0,904 *
2168 meningkatkan profitabilitas
S3: Desentralisasi proses 0,837 *
pengambilan keputusan
S4: Produksi produk yang inovatif 0,875 *
dan berkualitas tinggi
S5: Lebih banyak fleksibilitas 0,888 *
dalam proses produksi
S6: Pemantauan proses 0,735 *
yang mudah
2 Kelemahan W1: Investasi awal yang berlebihan 0,884 * 0,77 0,91
W2: Perlunya spesialisasi 0,935 *
pelatihan dan keterampilan
W3: Sistem pendukung 0,813 *
pemeliharaan tidak mencukupi dan
3 Peluang mahal O1: Pemerintah dan atasan 0,949 * 0,77 0,94
Dukungan manajemen
O2: Meningkatkan kepercayaan 0,873 *
pelanggan terhadap Internet
transaksi
O3: Infrastruktur TI industri 0,910 *
manufaktur India
O4: Perluasan pasar digital O5: 0,838 *
Meningkatnya kesadaran para 0,811 *
pemangku kepentingan untuk
memaksimalkan manfaat teknologi
4 Ancaman T1: Masalah keamanan data 0,891 * 0,73 0,94
dan privasi
T2: Risiko gangguan pekerjaan T3: 0,918 *
Risiko hukum terkait penggunaan 0,931 *
data eksternal
T4: Keengganan karyawan untuk 0,885 *
mengadopsi teknologi baru
Tabel 15. T5: Meningkatnya persaingan 0,747 *
Faktor konfirmasi T6: Kurangnya standar seragam 0,733 *
hasil analisa untuk pertukaran informasi

Kekuatan Kelemahan Peluang Ancaman

Rakyat 0,74
Kualitas 0,275 0,77
Mesin 0,320 0,464 0,77
Fleksibilitas 0,215 0,260 0,287 0,73
Catatan:Elemen diagonal dalam matriks korelasi konstruk adalah nilai AVE dan nilai di luar diagonal
Tabel 16. adalah kuadrat korelasi antar konstruk; agar validitas diskriminan ada, elemen diagonalnya harus lebih
Validitas diskriminan besar daripada diagonalnya
Industri manufaktur India mengacu pada adopsi I4.0 sehingga konsep ini dapat diterapkan secara KERJA KERAS
efektif, dan organisasi dapat memanfaatkan sepenuhnya konsep yang terus berkembang ini.
analisis
Empat komponen (kekuatan, kelemahan, peluang dan ancaman) yang memiliki nilai eigen lebih
besar dari satu dan menjelaskan total varians 81.133 telah diekstraksi. Hal ini juga dikonfirmasi
oleh scree plot. Tujuan penggunaan AHP dalam kerangka SWOT adalah untuk mengevaluasi
komponen SWOT secara kuantitatif dan menjadikannya sebanding dalam hal intensitasnya. Dalam
analisis SWOT, atribut-atribut AHP dapat dianggap berharga. Hasil metodologi AHP menunjukkan
bahwa teknologi I4.0 memungkinkan pengumpulan dan analisis data di berbagai mesin dan 2169
menciptakan proses yang lebih cepat, fleksibel, dan efisien sehingga menghasilkan peningkatan
produktivitas dan efisiensi. Teknologi ini juga memudahkan pemantauan proses dan mengubah
profil tenaga kerja. Namun pada saat yang sama, agar implementasi I4.0 berhasil dan efektif,
diperlukan “pelatihan khusus dan tenaga kerja terampil” untuk menjalankan mesin pintar.
Organisasi harus menekankan pada penyediaan pelatihan khusus karena digitalisasi dan Internet
memerlukan pengetahuan dan keterampilan praktis yang memadai. Meningkatnya kepercayaan
pelanggan dalam transaksi Internet muncul menjadi peluang terbesar yang harus diambil oleh
organisasi untuk mencapai keunggulan kompetitif. Hal ini jelas dari hasil bahwa meskipun di satu
sisi terdapat tantangan bagi organisasi untuk mengembangkan kompetensi di antara
karyawannya untuk menangani mesin otomatis, di sisi lain, tantangan lainnya adalah penerimaan
teknologi terbaru oleh karyawan. Organisasi harus mampu mengatasi kekhawatiran karyawan
karena kecemasan mereka mungkin berdampak negatif pada penerapan konsep baru. Oleh
karena itu, jika karyawan diberdayakan dan merasa percaya diri sebelum penerapan I4.0, hal ini
pasti akan menjadi keuntungan bagi organisasi (Chauhandkk.,2021). Tujuan lainnya adalah
memverifikasi struktur faktor menggunakan CFA. Nilai indeks yang berbeda setelah menganalisis
model ditunjukkan pada Tabel 14, dan semua nilai mewakili kecocokan model yang baik.

Oleh karena itu, semua nilai yang dijelaskan di atas menjelaskan kecukupan solusi faktor.
Industri manufaktur harus menghadapi ancaman baru setiap hari karena perubahan pasar yang
terus menerus dan ketat serta kebutuhan pelanggan (Ajmera, 2017). Ketika teknologi I4.0
memungkinkan lebih banyak inovasi dalam proses produksi di satu sisi, di sisi lain juga
memerlukan pengaturan TI yang tepat yang harus sering dipelihara karena setiap gangguan
dalam proses kohesif dapat mengganggu keseluruhan sistem dan informasi penting mungkin
hilang. hilang (Chauhandkk.,2021;Szum dan Nazarko, 2020). Sebuah organisasi dapat
memanfaatkan peluang dan mempertahankan ancaman, namun tidak dapat mengubahnya ketika
kekuatan dan kelemahan internal dapat berubah. Sejumlah besar data rahasia dan sensitif ada di
cloud. Sebuah studi oleh Pereiradkk.menjelaskan bahwa keamanan data adalah masalah paling
krusial saat menggunakan teknologi I4.0 dalam organisasi (Pereiradkk.,2017). Pemahaman yang
tepat mengenai kekuatan, kelemahan, peluang dan ancaman akan membantu manajer
manufaktur untuk mengambil keputusan penting sebelumnya sehingga teknologi I4.0 dapat
diterapkan dalam industri manufaktur di India.

6. Implikasi penelitian
I4.0 merupakan fenomena luar biasa di sektor manufaktur yang memiliki kemampuan untuk
memberikan perspektif baru pada industri manufaktur dengan mengintegrasikan teknologi
terkini untuk mencapai penggunaan sumber daya yang minimal. Sebagaimana digambarkan
dalam literatur, manajer manufaktur tidak memiliki pemahaman menyeluruh tentang faktor-
faktor yang mendorong konsep menakjubkan ini. Penelitian ini memberikan beberapa implikasi.
20 faktor internal dan eksternal penting pertama yang berkaitan dengan teknologi I4.0 di industri
manufaktur India telah dieksplorasi. EFA kemudian dilakukan untuk mengeksplorasi “kekuatan,
kelemahan, peluang dan ancaman” I4.0 yang mengacu pada sektor manufaktur. Kedua,
penggabungan analisis SWOT dan evaluasi kuantitatif memungkinkan dilakukannya identifikasi
BIJ faktor-faktor yang mempengaruhi ketenagakerjaan I4.0 serta menentukan prioritasnya.
29,7 Perbandingan berpasangan memaksa pengambil keputusan untuk berulang kali memikirkan
bobot komponen SWOT dan mengevaluasi skenario dengan lebih teliti dan tepat. Menilai
kemungkinan berbagai skenario pekerjaan dan pelaksanaan I4.0 di AHP dan mempertimbangkan
variabel SWOT dapat memberikan pengetahuan yang lebih realistis mengenai implikasi dari
antisipasi kejadian di masa depan dalam domain ini. Para manajer dapat dengan cermat
menghargai dan memahaminya serta lebih fokus pada teknologi tersebut agar dapat menerapkan
2170 dan melaksanakan teknologi I4.0 secara efektif secara metodis di organisasi mereka. Ketiga,
struktur faktor dikonfirmasi dengan metodologi SEM. Organisasi akan dapat mengevaluasi
kekuatan, mengatasi kelemahan, memanfaatkan peluang, dan melindungi diri dari tantangan dan
ancaman eksternal sebelumnya sambil menerapkan teknologi I4.0.

7. Keterbatasan dan prospek penelitian ke depan

Ada beberapa keterbatasan dalam penelitian ini. Dalam penelitian ini, metodologi AHP telah digunakan
untuk memprioritaskan faktor SWOT sehubungan dengan teknologi I4.0 dan mengkonfirmasi struktur
empat faktor orde pertama dengan SEM untuk 20 variabel saja. Metodologi AHP memiliki kelemahan
yaitu mungkin terdapat inkonsistensi dalam penentuan posisi saat memasukkan dan menghilangkan
opsi sebagai bagian dari matriks informasi. Oleh karena itu, teknik pengambilan keputusan berganda
(MCDM) lainnya, seperti TOPSIS, ELECTREE dan Preference Ranking Organization Method for Enrichment
Evaluations (PROMETEE), dapat diterapkan untuk memprioritaskan variabel SWOT. Model yang unggul
dan canggih yang melibatkan lebih banyak variabel juga dapat ditentukan. Keterbatasan lainnya adalah
bahwa 20 variabel telah diidentifikasi terkait dengan adopsi I4.0 di industri manufaktur India, namun
mungkin ada lebih banyak variabel juga yang dapat mempengaruhi adopsi I4.0 di negara lain. Jadi, jenis
penelitian serupa dapat dilakukan di negara lain juga untuk mengetahui keberadaan variabel lain, jika
ada. Penelitian komparatif mengenai keberadaan faktor-faktor terkait penerapan I4.0 pada industri
manufaktur di negara berkembang dan maju juga dapat dilakukan di masa depan untuk mengeksplorasi
variasi yang signifikan jika ada.

8. Kesimpulan
Penelitian saat ini bertujuan untuk mengeksplorasi faktor-faktor yang memiliki dampak signifikan
terhadap penerapan konsep I4.0 di organisasi manufaktur India dengan mengidentifikasi
“kekuatan, kelemahan, peluang dan ancaman” dari fenomena luar biasa ini. Analisis SWOT
meletakkan dasar untuk mengevaluasi kekuatan/potensi internal, kelemahan/keterbatasan serta
peluang dan ancaman dari lingkungan eksternal. Ini mengevaluasi semua faktor konstruktif dan
obstruktif di dalam dan di luar organisasi yang dapat mempengaruhi keberhasilan. AHP telah
memprioritaskan faktor SWOT sehingga dapat ditangani berdasarkan preferensi. Selain itu,
struktur faktor diverifikasi menggunakan CFA. Penggunaan pendekatan gabungan untuk
mempelajari lingkungan di mana organisasi berfungsi membantu memperkirakan berbagai tren
untuk memfasilitasi proses pengambilan keputusan. Para manajer dapat memperoleh informasi
tentang kekuatan, kelemahan, peluang dan ancaman dari berbagai dimensi penting sehingga
teknologi I4.0 dapat diterapkan dengan sukses di organisasi mereka. Dengan informasi yang
mendalam dan tepat mengenai intensitas dan kekuatan faktor-faktor tersebut, manajer
manufaktur dan pembuat kebijakan akan mampu menangani faktor-faktor tersebut dengan lebih
kompeten. Penerapan I4.0 secara luas memerlukan kerja sama asosiasi industri dan dunia usaha.
Organisasi harus memimpin dalam mendeteksi kemajuan teknologi, memastikan infrastruktur
dan tuntutan politik, dan merencanakan peta jalan peningkatan keterampilan bagi pekerjanya.
Selain itu, mereka harus berinvestasi dalam mendidik pengguna akhir tentang manfaat teknik I4.0
dengan mempromosikan kampanye kesadaran. Lebih-lebih lagi,
Industri manufaktur India harus bekerja sama secara cermat dengan pemerintah untuk KERJA KERAS
mempercepat penerapan I4.0 di India dan mengembangkan kekuatannya di pasar global.
analisis
Referensi
Aceto, G., Persico, V. dan Pescap-e, A. (2019), “Survei informasi dan komunikasi
teknologi untuk industri 4.0: mutakhir, taksonomi, perspektif, dan tantangan”,Survei
dan Tutorial Komunikasi IEEE,Jil. 21 No.4, hal.3467-3501. 2171
Afuah, A. (2003),Manajemen Inovasi-Strategi, Implementasi, dan Keuntungan,Universitas Oxford
Pers, New York.
Ajmera, P. (2017), “Pemeringkatan strategi sektor pariwisata medis India melalui integrasi
Analisis SWOT dan metode TOPSIS”,Jurnal Internasional Penjaminan Mutu Pelayanan Kesehatan,
Jil. 30 No.8, hal.668-679.
Ajmera, P. dan Jain, V. (2019), “Memodelkan hambatan Kesehatan 4.0–industri perawatan kesehatan keempat
revolusi di India oleh TISM”,Riset Manajemen Operasi,Jil. 12 No.3, hal.129-145.
Ajmera Singh, M. dan Satia, H. (2015), “Memprioritaskan kekuatan, kelemahan, peluang dan ancaman
sektor pariwisata medis India menggunakan analisis Swot Ahp terintegrasi”,Jurnal Internasional
Penelitian Inovatif dalam Sains, Teknik dan Teknologi,Jil. 4 No.5, hal.3665-3673.
Alaba, FA, Othman, M., Hashem, IAT dan Alotaibi, F. (2017), “Keamanan Internet of Things: survei”,
Jurnal Aplikasi Jaringan dan Komputer,Jil. 88, hal.10-28.
Babiceanu, RF dan Seker, R. (2016), “Big Data dan virtualisasi untuk pembuatan cyber-fisik
sistem: survei status saat ini dan prospek masa depan”,Komputer di Industri,Jil. 81,
hal.128-137.
Bagheri, B., Yang, S., Kao, H.-A. dan Lee, J. (2015), “Arsitektur sistem siber-fisik untuk kesadaran diri
mesin di lingkungan Industri 4.0”,IFAC-Makalah OnLine,Jil. 48 No.3, hal.1622-1627.
Bakhtari, AR, Waris, MM, Mannan, B., Sanin, C. dan Szczerbicki, E. (2020),Menilai Industri 4.0
Fitur Menggunakan Analisis SWOT,diterjemahkan oleh, Springer, Singapura, hal. 216-225.
Bhagwat, R. dan Sharma, MK (2009), “Penerapan model AHP-PGP terintegrasi untuk
pengukuran kinerja manajemen rantai pasokan”,Perencanaan dan Pengendalian Produksi,
Jil. 20 No.8, hal.678-690.
Bitner, MJ, Ostrom, AL dan Meuter, ML (2002), “Menerapkan teknologi swalayan yang sukses”,
Perspektif Akademi Manajemen,Jil. 16 No.4, hal.96-108.
Bonczek, RH, Holsapple, CW dan Whinston, AB (2014),Landasan Sistem Pendukung Keputusan,
Pers Akademik, New York.
Chan, YCL (2006), “Kerangka hierarki analitik untuk mengevaluasi kartu skor berimbang
organisasi kesehatan”,Jurnal Ilmu Administrasi Kanada/Revue Canadienne des
Sciences de l'Administration,Jil. 23 No.2, hal.85-104.
Chauhan, C., Singh, A. dan Luthra, S. (2021), “Hambatan adopsi industri 4.0 dan kinerjanya
implikasinya: penyelidikan empiris terhadap negara-negara berkembang”,Jurnal Produksi Bersih,
Jil. 285, 124809.
Chavez, R., Yu, W., Jacobs, M., Fynes, B., Wiengarten, F. dan Lecuna, A. (2015), “Praktik lean internal
dan kinerja: peran turbulensi teknologi”,Jurnal Internasional Ekonomi Produksi,Jil. 160,
hal.157-171.
Chawla, NV dan Davis, DA (2013), “Membawa data besar ke layanan kesehatan yang dipersonalisasi: pendekatan yang berpusat pada pasien
kerangka",Jurnal Penyakit Dalam Umum,Jil. 28 No.3, hal.660-665.
Chen, B., Wan, J., Shu, L., Li, P., Mukherjee, M. dan Yin, B. (2018), “ Pabrik pintar industri 4.0: kunci
teknologi, kasus aplikasi, dan tantangan”,Akses IEEE,Jil. 6, hal.6505-6519.
Chin, K.-S., Chiu, S. dan Rao Tummala, V. (1999), “Evaluasi faktor keberhasilan menggunakan AHP untuk
menerapkan EMS berbasis ISO 14001”,Jurnal Internasional Manajemen Kualitas dan Keandalan, Jil.
16 No.4, hal.341-362.
BIJ Christian, A. dan Liepin, M. (2017), “Konsekuensi digitalisasi terhadap hukum perdata Jerman dari
sudut pandang legislator nasional”,Zeitschrift fuer Geistiges Eigentum/Jurnal Kekayaan
29,7 Intelektual,Jil. 9 No.3, hal.331-339.
Dalmarco, G., Ramalho, FR, Barros, AC dan Soares, AL (2019), “Menyediakan Industri 4.0
teknologi: kasus klaster teknologi produksi”,Jurnal Riset Manajemen Teknologi Tinggi,
Jil. 30 No. 2, hal. 100355.

2172
Davis, FD (1989), “Kegunaan yang dirasakan, kemudahan penggunaan yang dirasakan, dan penerimaan informasi oleh pengguna
teknologi",MIS Triwulanan,Jil. 13 No.3, hal.319-340.
Dopico, M., G-omez, A., De La Fuente, D., Garc-Sayaa, N., Rosillo, R. dan Puche, J. (2016), “Sebuah visi
industri 4.0 dari sudut pandang kecerdasan buatan”,diterjemahkan oleh Athens:
Komite Pengarah Kongres Dunia dalam Ilmu Komputer, Teknik Komputer dan
Komputasi Terapan (WorldComp),Jil. 407.
Eberhard, B., Podio, M., Alonso, AP, Radovica, E., Avotina, L., Peiseniece, L., Caaman ~o Sendon, M.,
Gonzales Lozano, A. dan Sol-e-Pla, J. (2017), “Pekerjaan cerdas: transformasi pasar
tenaga kerja akibat revolusi industri keempat (I4.0)”,Jurnal Internasional Penelitian
Terapan Ilmu Bisnis dan Ekonomi,Jil. 10 No.3, hal.47-66.
Fabrigar, LR dan Wegener, DT (2011),Analisis Faktor Eksplorasi,Pers Universitas Oxford, New York.
Fitch, D. (2007), “Pemodelan persamaan struktural penggunaan instrumen penilaian risiko pada anak
layanan perlindungan”,Sistem Pendukung Keputusan,Jil. 42 No.4, hal.2137-2152.
Frey, CB dan Osborne, MA (2017), “Masa depan lapangan kerja: seberapa rentannya pekerjaan terhadapnya
komputerisasi?",Peramalan Teknologi dan Perubahan Sosial,Jil. 114, hal.254-280.
Gehrke, L., Ku€hn, A., Rule, D., Moore, P., Bellmann, C., Siemes, S., Dawood, D., Lakshmi, S., Kulik, J.
dan Standley, M. (2015), “A diskusi tentang kualifikasi dan keterampilan di pabrik masa
depan: perspektif Jerman dan Amerika”,Industri VDI/ASME,Jil. 4, hal.1-28.
Golob, TF (2003), “Pemodelan persamaan struktural untuk penelitian perilaku perjalanan”,Angkutan
Penelitian Bagian B: Metodologis,Jil. 37 No.1, hal.1-25.
Hair, JF, Sarstedt, M., Ringle, CM dan Mena, JA (2012), “Penilaian penggunaan parsial paling sedikit
pemodelan persamaan struktural kuadrat dalam riset pemasaran”,Jurnal Akademi
Ilmu Pemasaran,Jil. 40 No.3, hal.414-433.
Harrison, R., Vera, D. dan Ahmad, B. (2016), “Metode dan alat rekayasa untuk cyber-fisik
sistem otomasi”,Prosiding IEEE,Jil. 104 No.5, hal.973-985.
Hecklau, F., Galeitzke, M., Flachs, S. dan Kohl, H. (2016), “Pendekatan holistik untuk sumber daya manusia
manajemen di Industri 4.0”,Procedia CIRP,Jil. 54, hal.1-6.
Hooper, D., Coughlan, J. dan Mullen, MR (2008), “ Pemodelan persamaan struktural: pedoman untuk
menentukan kecocokan model”,Jurnal Elektronik Metode Penelitian Bisnis,Jil. 6 No.1, hal.53-60.
Hox, JJ dan Bechger, TM (1998), “Pengantar pemodelan persamaan struktural”,Ilmu Keluarga
Tinjauan,Jil. 4 No.11, hal.334-373.
Digantung, M (2016),Laporan Khusus-Tantangan dan Peluang IoT pada tahun 2017,Tersedia di:http://www.
gartner.com/technology/research/internet-of-things/report/?cm_sp5sr-_-iot-_-tautan(diakses 25
Mei 2017).
Jain, V. (2018), “Penerapan metode gabungan MADM seperti MOORA dan PSI untuk pemeringkatan FMS
faktor kinerja”,Pembandingan: Jurnal Internasional,Jil. 25 No.6, hal.1903-1920.
Jain, V. dan Ajmera, P. (2018), “ Mengukur variabel yang mempengaruhi sektor pariwisata medis India berdasarkan
teori graf dan pendekatan matriks”,Surat Ilmu Manajemen,Jil. 8 No.4, hal.225-240.
Jain, V. dan Ajmera, P. (2019a), “Penerapan metode MADM seperti MOORA dan WEDBA untuk pemeringkatan
fleksibilitas FMS”,Jurnal Internasional Ilmu Data dan Jaringan,Jil. 3 No.2, hal.119-136.
Jain, V. dan Ajmera, P. (2019b), “Evaluasi faktor kinerja FMS dengan keputusan gabungan
menjadikan metode sebagai metodologi AHP, CMBA dan ELECTRE”,Surat Ilmu Manajemen,
Jil. 9 No.4, hal.519-534.
Jain, V. dan Ajmera, P. (2019c), “ Pemodelan faktor-faktor yang mempengaruhi implementasi lean dalam layanan kesehatan
KERJA KERAS
menggunakan pemodelan persamaan struktural”,Jurnal Internasional Rekayasa dan Manajemen
Jaminan Sistem,Jil. 10 No.4, hal.563-575.
analisis
Jain, V. dan Ajmera, P. (2020), “Memodelkan pendukung industri 4.0 di sektor manufaktur India
industri",Jurnal Internasional Produktivitas dan Manajemen Kinerja,Jil. 70 No.6,
hal.1233-1262.
Jain, V. dan Chand, M. (2021), “Pengambilan keputusan di FMS dengan pendekatan COPRAS”,Jurnal Internasional
Manajemen Kinerja Bisnis,Jil. 22 No.1, hal.75-92. 2173
Jain, V. dan Raj, T. (2013a), “Mengevaluasi variabel yang mempengaruhi fleksibilitas dalam FMS dengan cara eksplorasi dan
Analisis faktor konfirmatori”,Jurnal Global Manajemen Sistem Fleksibel,Jil. 14 No.4,
hal.181-193.
Jain, V. dan Raj, T. (2013b), “Peringkat fleksibilitas dalam sistem manufaktur fleksibel dengan menggunakan a
menggabungkan metode pengambilan keputusan beberapa atribut”,Jurnal Global Manajemen
Sistem Fleksibel,Jil. 14 No.3, hal.125-141.
Jain, V. dan Raj, T. (2014a), “Evaluasi fleksibilitas dalam FMS dengan metodologi VIKOR”,Internasional
Jurnal Teknik Industri dan Sistem,Jil. 18 No.4, hal.483-498.
Jain, V. dan Raj, T. (2014b), “Pemodelan dan analisis variabel produktivitas FMS oleh ISM, SEM dan
Pendekatan GTMA”,Perbatasan Teknik Mesin,Jil. 9 No.3, hal.218-232.
Jain, V. dan Raj, T. (2015), “Mengevaluasi intensitas variabel yang mempengaruhi fleksibilitas di FMS berdasarkan grafik
teori dan pendekatan matriks”,Jurnal Internasional Teknik Industri dan Sistem, Jil. 19
No.2, hal.137-154.
Jain, V. dan Raj, T. (2016), “ Pemodelan dan analisis variabel kinerja FMS dengan ISM, SEM dan
Pendekatan GTMA”,Jurnal Internasional Ekonomi Produksi,Jil. 171 No.1, hal.84-96.
Jee, K. dan Kim, G.-H. (2013), “Potensi data besar di sektor medis: fokus pada bagaimana membentuknya kembali
sistem kesehatan”,Penelitian Informatika Kesehatan,Jil. 19 No.2, hal.79-85.
J€oreskog, KG dan S€orbom, D. (1993),LISREL 8: Pemodelan Persamaan Struktural dengan SIMPLIS
Bahasa Perintah,Perangkat Lunak Ilmiah Internasional, Chicago.
Kamble, SS, Gunasekaran, A. dan Sharma, R. (2018), “Analisis kekuatan pendorong dan ketergantungan
hambatan untuk mengadopsi industri 4.0 di industri manufaktur India”,Komputer di Industri, Jil.
101, hal.107-119.
Kamble, S., Gunasekaran, A. dan Dhone, NC (2020), “Industri 4.0 dan praktik lean manufacturing
untuk kinerja organisasi yang berkelanjutan di perusahaan manufaktur India”,Jurnal
Internasional Penelitian Produksi,Jil. 58 No.5, hal.1319-1337.
Kamigaki, T. (2017), “RFID berorientasi objek dengan IoT: konsep desain sistem informasi di
manufaktur”,Elektronik,Jil. 6 No. 1, hal. 14.
Lasi, H., Fettke, P., Kemper, H.-G., Feld, T. dan Hoffmann, M. (2014), “Industri 4.0”,Bisnis dan
Rekayasa Sistem Informasi,Jil. 6 No.4, hal.239-242.
Lau, AK, Yam, RC dan Tang, EP (2010), “Integrasi rantai pasokan dan modularitas produk:
sebuah studi empiris tentang kinerja produk untuk industri manufaktur Hong Kong
tertentu”,Jurnal Internasional Manajemen Operasi dan Produksi,Jil. 30 No.1, hal.20-56.

Lee, J., Kao, H.-A. dan Yang, S. (2014), “Inovasi layanan dan analisis cerdas untuk industri 4.0 dan besar
lingkungan data”,Procedia Cirp,Jil. 16, hal.3-8.
Lee, D., Rho, B.-H. dan Yoon, SN (2015), “Pengaruh investasi dalam praktik manufaktur terhadap proses
efisiensi dan kinerja organisasi”,Jurnal Internasional Ekonomi Produksi, Jil. 162,
hal.45-54.
Leonard, KJ (2004), “Faktor penentu keberhasilan yang berkaitan dengan adopsi teknologi baru di layanan kesehatan: a
panduan untuk meningkatkan kemungkinan keberhasilan implementasi”,Layanan Kesehatan Elektronik,Jil. 2 No.4,
hal.72-81.
BIJ Maiga, AS, Nilsson, A. dan Axe, C. (2015), “Hubungan antara informasi internal dan eksternal
integrasi sistem, kinerja biaya dan kualitas, dan profitabilitas perusahaan”,Jurnal
29,7 Internasional Ekonomi Produksi,Jil. 169, hal.422-434.
Manogaran, G., Thota, C., Lopez, D. dan Sundarasekar, R. (2017),Intelijen Keamanan Data Besar untuk
Industri Kesehatan 4.0,Keamanan siber untuk Industri 4.0, Springer, Cham.
Mcdonald, RP dan Ho, M.-HR (2002), “Prinsip dan praktik dalam melaporkan persamaan struktural
analisis”,Metode Psikologis,Jil. 7 No. 1, hal. 64.
2174
Murry, JW Jr dan Hammons, JO (1995), “Delphi: metodologi serbaguna untuk melakukan penelitian kualitatif
riset",Tinjauan Pendidikan Tinggi,Jil. 18 No.4, hal.423-436.
Mueller, E., Chen, X.-L. dan Riedel, R. (2017), “Tantangan dan persyaratan penerapan
Industri 4.0: wawasan khusus dengan penggunaan sistem cyber-fisik”,Jurnal Teknik
Mesin Cina,Jil. 30 No. 5, hal. 1050.
Nordmeyer, B. (2016), “Kelebihan dan kelemahan analisis SWOT”, Diperoleh dari Chron,
Tersedia di:http://smallbusiness.chron.com/advantages-amp-disadvantages-swot-
analisis-41398.html.
Oztemel, E. dan Gursev, S. (2020), “Tinjauan literatur Industri 4.0 dan teknologi terkait”,Jurnal
Manufaktur Cerdas,Jil. 31 No.1, hal.127-182.
Park, HS, Dailey, R. dan Lemus, D. (2002), “Penggunaan analisis faktor eksplorasi dan prinsip
analisis komponen dalam penelitian komunikasi”,Penelitian Komunikasi Manusia,Jil. 28 No.4,
hal.562-577.
Pereira, T., Barreto, L. dan Amaral, A. (2017), “Tantangan keamanan jaringan dan informasi dalam
Paradigma Industri 4.0”,Manufaktur Procedia,Jil. 13, hal.1253-1260.
Pipatprapa, A., Huang, H.-H. dan Huang, C.-H. (2018), “Meningkatkan efektivitas AHP untuk
penilaian kinerja lingkungan industri makanan Thailand dan Taiwan”, Pemantauan
dan Penilaian Lingkungan,Jil. 190 No.12, hal.1-16.
Po-atau, P., Z-
en-Saya-sek, D. dan Basl, J. (2019),Tinjauan Sejarah Strategi Manajemen Pemeliharaan:
Perkembangan dari Pemeliharaan Breakdown ke Pemeliharaan Prediktif Sesuai dengan
Empat Revolusi Industri,Pilsen, hal.495-504.
Qureshi, MO dan Syed, RS (2014), “Dampak robotika terhadap pekerjaan dan motivasi
pekerja di sektor jasa, dengan rujukan khusus pada pelayanan kesehatan”,Keselamatan dan Kesehatan di Tempat
Kerja,Jil. 5 No.4, hal.198-202.

Raghupathi, W. dan Raghupathi, V. (2014), “Analisis data besar dalam layanan kesehatan: janji dan potensi”,
Ilmu dan Sistem Informasi Kesehatan,Jil. 2 No. 1, hal. 3.
Rainey, DL (2008),Inovasi Produk: Memimpin Perubahan melalui Pengembangan Produk Terintegrasi,
Pers Universitas Cambridge, New York.
Rauch, E., Morandell, F. dan Matt, DT (2019), “Pedoman desain AD untuk implementasi I4. 0 pembelajaran
pabrik”,Manufaktur Procedia,Jil. 31, hal.239-244.
Saaty, TL (1990), “Cara membuat keputusan: proses hierarki analitik”,Jurnal Eropa
Riset Operasional,Jil. 48 No.1, hal.9-26.
Schoenherr, T., Narayanan, S. dan Narasimhan, R. (2015), “Pembentukan kepercayaan dalam outsourcing
hubungan: perspektif teoritis pertukaran sosial”,Jurnal Internasional Ekonomi
Produksi,Jil. 169, hal.401-412.
Schumacker, RE dan Lomax, RG (1996),Panduan Pemula untuk Pemodelan Persamaan Struktural,
Lawrence Erlbaum, New Jersey.
Stevens, JP (1996),Statistik Multivariat Terapan untuk Ilmu Sosial,Lawrence Erlbaum
Rekan, Mahwah, New Jersey.
Stock, T. dan Seliger, G. (2016), “Peluang manufaktur berkelanjutan di Industri 4.0”,prosedur
lingkaran,Jil. 40, hal.536-541.
Stuart, TE (2000), “Aliansi antarorganisasi dan kinerja perusahaan: studi tentang pertumbuhan dan KERJA KERAS
tingkat inovasi dalam industri teknologi tinggi”,Jurnal Manajemen Strategis,Jil. 21 No.8,
hal.791-811. analisis
Su, Y.-F. dan Yang, C. (2010), “Model persamaan struktural untuk menganalisis dampak ERP pada SCM”,
Sistem Pakar dengan Aplikasi,Jil. 37 No.1, hal.456-469.
Szum, K. dan Nazarko, J. (2020), “Menjelajahi faktor-faktor penentu pengembangan Industri 4.0 menggunakan
analisis SWOT yang diperluas: studi regional”,energi,Jil. 13 No.22, hal. 5972.
2175
Thuemmler, C. dan Bai, C. (2017),Kesehatan 4.0: Bagaimana Virtualisasi dan Big Data Merevolusi
Kesehatan,Springer, New York.
Trauth-Goik, A. (2021), “Menolak wacana revolusi industri keempat: sebuah episteme baru dari
Perkembangan teknologi",Masa Depan Dunia,Jil. 77 No.1, hal.55-78.
Valmohammadi, C. dan Roshanzamir, S. (2015), “Pedoman perbaikan: hubungan antar
budaya organisasi, TQM dan kinerja”,Jurnal Internasional Ekonomi Produksi, Jil. 164,
hal.167-178.
Wilkesmann, M. dan Wilkesmann, U. (2018), “Industri 4.0–mengorganisasi rutinitas atau inovasi?”,
Jurnal VINE Sistem Manajemen Informasi dan Pengetahuan,Jil. 48 No.2, hal.238-254.
Zheng, T., Ardolino, M., Bacchetti, A. dan Perona, M. (2021), “ Penerapan Industri 4.0
teknologi dalam konteks manufaktur: tinjauan literatur sistematis”,Jurnal Internasional
Penelitian Produksi,Jil. 59 Nomor 6, hal.1922-1954.
Zhou, K., Liu, T. dan Zhou, L. (2015),Industri 4.0: menuju Peluang Industri Masa Depan dan
Tantangan,diterjemahkan oleh Zhangjiajie, IEEE, Cina, hal. 2147-2152.

Tentang Penulis
Dr Vineet Jain bekerja sebagai Profesor & HOD di Departemen Teknik Mesin, Perguruan Tinggi Teknik
Mewat, Badan Wakaf Haryana, Pemerintah Haryana, Nuh, Haryana-122107, India. Beliau menerima gelar
PhD di bidang Teknik Mesin di Departemen Teknik Mesin, Universitas Sains dan Teknologi YMCA,
Faridabad, India. Beliau menyelesaikan BE Mechanical dengan penghargaan dari NIT Kurukshetra, India
dan M. Tech (Manufaktur dan Otomasi) dengan penghargaan dari YMCA Institute of engineering,
Faridabad, India. Bidang minatnya adalah Teknologi Manufaktur, Riset Operasi, Teknik Industri, Industri
4.0, Kesehatan, Manajemen Lean, Pemodelan dan Pengambilan Keputusan dengan keahlian di bidang
ISM, GTMA, EFA, CFA, SPSS, AMOS, ANFIS, GA, TLBO dan MADM, seperti AHP, TOPSIS, VIKOR,
PROMETHEE, MOORA, PSI, CMBA, ELECTRE, WEDBA dll. Ia memiliki pengalaman lebih dari 22 tahun di
bidang pengajaran dan industri. Dia telah menulis tiga buku di bidang teknik mesin yang diterbitkan
dengan Dhanpat Rai Publication New Delhi, India. Menerbitkan 36 makalah di Jurnal Internasional seperti
Elsevier, Springer, Emerald, Inderscience, Taylor & Francis, Growing Science dll. dan mempresentasikan
makalah di Konferensi Internasional dan Nasional. Anggota Dewan Redaksi International Journal of Data
and Network Science, Scopus (Elsevier) terindeks: ISSN 2561-8156 (Online) - ISSN 2561-8148 (Cetak).
Reviewer 37 Jurnal Internasional (terindeks SCI/Scopus/Web of Science), Anggota Komite Program Teknis
36 Konferensi Internasional yang diadakan di luar negeri. Vineet Jain adalah penulis koresponden dan
dapat dihubungi di:vjdj2004@gmail.com
Puneeta Ajmera bekerja sebagai Asso. Profesor di Departemen Kesehatan Masyarakat, Universitas Riset dan
Sains Farmasi Delhi, New Delhi, India. Dia telah menyelesaikan gelar Ph.D. dalam manajemen Kesehatan. Bidang
minatnya adalah manajemen kesehatan, administrasi rumah sakit, asuransi kesehatan, pariwisata medis,
metodologi penelitian, dan penelitian operasi perawatan kesehatan. Dia telah menulis tiga buku tentang sistem
perawatan kesehatan dan kebijakan kesehatan India. Dia memiliki pengalaman lebih dari 16 tahun dalam industri
pengajaran dan kesehatan.
Jo~ao Paulo Davim menerima gelar Ph.D. gelar di bidang Teknik Mesin pada tahun 1997, M.Sc. gelar
di bidang Teknik Mesin (bahan dan proses manufaktur) pada tahun 1991, gelar Teknik Mesin (5 tahun)
pada tahun 1986 dari University of Porto (FEUP), gelar Agregat (Habilitation Penuh) dari University of
Coimbra pada tahun 2005 dan D.Sc . dari London Metropolitan University pada tahun 2013. Beliau adalah
Senior Chartered Engineer di Portugal Institution of Engineers dengan gelar MBA dan gelar spesialis di
bidang Teknik dan Manajemen Industri serta Metrologi. Dia juga Eur Ing oleh FEANI-Brussels dan Fellow
(FIET) oleh IET-London. Saat ini beliau menjabat sebagai Profesor di Departemen
BIJ Teknik Mesin Universitas Aveiro, Portugal. Beliau memiliki lebih dari 30 tahun pengalaman
mengajar dan penelitian di bidang Manufaktur, Material, Teknik Mesin dan Industri, dengan
29,7 penekanan khusus pada Permesinan dan Tribologi. Ia juga tertarik pada manajemen, pendidikan
teknik, dan pendidikan tinggi untuk keberlanjutan.

2176

Untuk petunjuk tentang cara memesan cetak ulang artikel ini, silakan kunjungi situs web
kami: www.emeraldgrouppublishing.com/licensing/reprints.htm Atau hubungi kami
untuk informasi lebih lanjut:izin@emeraldinsight.com