Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitan ini dilakukan untuk mendapatkan preferensi konsumen dan kombinasi ideal dari atribut E-Toll Card dengan menggunakan metode Conjoint Analysis. Lewat metode ini, responden menilai objek berupa 16 kombinasi dari beberapa level atribut E-Toll Card. Penelitian ini melibatkan 283 responden pengendara mobil yang melewati jalan tol di daerah Jabodetabek. Dari penelitian ini didapatkan hasil berupa nilai utilitas, dimana atribut jaminan kehilangan memiliki nilai utilitas tertinggi. Kombinasi ideal untuk responden secara keseluruhan adalah ada jaminan kehilangan, menyediakan diskon sebesar 20%, dapat digunakan untuk transportasi lain, saldo dapat ditransfer, manfaat tambahan kartu diskon dan warna cerah.

---

The research aimed to obtain customer preferences and the ideal combinations of E-Toll Card using Conjoint Analysis. By this methodology, the respondent evaluates 16 profiles of E-Toll Card attribute levels combination. The research engages 283 respondents who drives car through toll road in Jabodetabek. The result is importance value (utility), which the highest utiliy gained by lost guarantee. The ideal combinations for overall respondent is there is lost guarantee, 20% discount, can be used for other public transport, transferable, addition benefit as discount card and bright color card."

"Kondisi fasilitas produksi atau mesin merupakan salah satu faktor penting yang perlu diperhatikan demi menjaga kelancaran proses produksi. Untuk mengurangi frekuensi kegagalan mesin dapat dilakukan dengan menerapkan pemeliharaan preventif. Penelitian ini dilakukan di Pabrik Kelapa Sawit yang memproduksi Crude Palm Oil (CPO) dengan objek penelitian pada mesin screw press pada stasiun pengempaan. Saat ini, perusahaan telah menerapkan pemeliharaan preventif tetapi dinilai belum efektif karena downtime mesin masih tinggi, sekitar 76% dari waktu beroperasi. Tujuan dari penelitian ini adalah menentukan interval waktu pemeliharaan preventif yang tepat untuk mesin screw press agar probabilitas mesin screw press beroperasi tanpa kegagalan dapat meningkat dengan analisis reliabilitas. Hasil penelitian menunjukkan bahwa komponen worm screw, coupling, van belt, dan gearbox merupakan komponen kritis dari mesin press 2 dan mesin press 4. Interval pemeliharaan preventif untuk komponen tersebut pada mesin press 2 agar mencapai reliabilitas 60% berturut-turut yaitu 725 jam, 820 jam, 770 jam, dan 820 jam. Sedangkan untuk mesin press 4, interval pemeliharaan preventif untuk empat komponen berturut-turut yaitu 790 jam, 970 jam, 960 jam, dan 860 jam.

---

The condition of production facilities or machine is one of the crucial factors that need to be considered to maintain the smoothness of the production process. To reduce the frequency of machine failures, preventive maintenance can be implemented. This research was conducted at a Crude Palm Oil (CPO) Processing Plant, with the research object being the screw press machine at the pressing station. Currently, the company has implemented preventive maintenance, but it is considered ineffective due to high machine downtime, approximately 76% of the operating time. The aim of this research is to determine the appropriate interval for preventive maintenance for the screw press machine to increase the probability of operation without failure through reliability analysis. The research results show that the worm screw, coupling, van belt, and gearbox components are critical components of press machines 2 and 4. The preventive maintenance intervals for these components on press machine 2 to achieve 60% reliability are 725 hours, 820 hours, 770 hours, and 820 hours, respectively. Meanwhile, for press machine 4, the preventive maintenance intervals for the four components are 790 hours, 970 hours, 960 hours, and 860 hours, respectively."

"Meningkatnya penggunaan internet di Indonesia memberikan dampak positif bagi perkembangan e-commerce di Indonesia dengan jumlah pengguna internet telah melakukan transaksi elektronik sebesar 63,5 . Dengan meningkatnya jumlah e-commerce B2C di Indonesia, diperlukannya strategi promosi yang tepat untuk mengetahui preferensi dan potensi pembelian untuk setiap konsumen sehingga dapat meningkatkan transaksi e-commerce tersebut. Web usage mining merupakan salah satu metode yang dapat mengolah data web log pengguna situs web e-commerce B2C menjadi informasi yang dapat digunakan untuk mengklasifikasi keputusan pembelian pengguna situs web. Kombinasi kategori produk pembelian yang tinggi oleh pengguna situs web e-commerce memerlukan teknik klasifikasi multi label yang dapat mengklasifikasi kombinasi pembelian secara bersamaan. Metode Label Powerset dengan algoritme Support Vector Machine SVM digunakan untuk mengklasifikasi keputusan pembelian pengguna situs web e-commerce. Seleksi fitur menggunakan Information Gain dan pemilihan parameter dengan menggunakan Grid Search terbukti dapat meningkatkan akurasi klasifikasi.

---

The advance of internet usage in Indonesia has a positive impact on the development of e commerce in Indonesia where 63.5 of internet users have made online transactions. Along with e commerce B2C growth in Indonesia, it is necessary for an effective promotional strategy to know the preferences and potential purchases for each consumer with the result that to increase transactions. Web usage mining is a method having an ability to convert web log data into information used for purchase classification.

The high combination of purchasing product categories by users of e commerce website required a multi label classification technique that could classify those combinations. Label Powerset method with Support Vector Machine SVM algorithm was applied to classify e commerce users purchases decision. The proposed feature selection with Information Gain and parameter selection using Grid Search could prove that they had an ability to enhance classification accuracy."

"Untuk mencapai kesuksesan bisnis, elemen paling penting yang harus diperhatikan oleh perusahaan adalah karyawan. Oleh karena itu, perusahaan harus mampu mempersiapkan dan mengelola karyawannya dengan baik agar dapat berkontribusi secara optimal sehingga produktivitas perusahaan meningkat. Salah satu strategi yang dapat dibuat yaitu untuk mempertahankan karyawan agar tetap bekerja di perusahaan, atau lebih dikenal dengan retensi karyawan. Banyaknya karyawan yang mengundurkan diri menyebabkan turnover meningkat dan dapat merugikan perusahaan. Dalam penyusunan strategi yang berkaitan dengan hal tersebut, salah satu cara untuk menggali informasi dan mendapatkan pemahaman tambahan yaitu dengan menggunakan workforce analytics yang menggunakan data yang berhubungan dengan karyawan seperti profil, dan menggunakan pendekatan data mining dalam pengolahannya. Penelitian ini dilakukan pada salah satu perusahaan fast-moving consumer goods FMCG di Indonesia yang memiliki turnover tinggi karena banyaknya karyawan yang mengundurkan diri. Tujuan penelitian ini yaitu mengidentifikasi atribut profil yang berpengaruh terhadap masa kerja karyawan di perusahaan. Penelitian ini menggunakan data profil karyawan yang menjabat sebagai asisten manajer pada divisi penjualan. Data tersebut bersumber dari divisi human resources perusahaan dan jejaring sosial LinkedIn. Untuk mencapai tujuan, digunakan pendekatan data mining, khususnya metode klasifikasi dengan teknik decision tree dan algoritme C4.5. Hasil dari penelitian ini berupa atribut profil yang berhubungan dengan masa kerja karyawan, yang dapat digunakan untuk membantu memberikan pertimbangan pada perusahaan dalam penyusunan strategi seleksi dan retensi karyawan.

---

To achieve business success, the most important element that must be considered by the company is its employees. Therefore, the company must be able to prepare and manage its employees well so that they can contribute optimally and increase company 39 s productivity. One strategy that can be made is to keep employees to stay and work in the company, or also known as employee retention. The number of employees who are resigned can cause increasing turnover and harm the company. In the development of such strategy, one way to explore information and gain additional understanding is using workforce analytics that uses employee related data such as profiles, and data mining approach in its processing. This research was conducted on one of the fast moving consumer goods FMCG company in Indonesia which had high turnover due to many resigned employees. The purpose of this study is to identify the profile attributes that affect the working period of employees in the company. This study used employee profile data who had become assistant manager in the sales division at the company on the period of 2009 to 2016. The data was obtained from the company 39 s human resources division and LinkedIn social networking site. To achieve the goal, data mining approach is used, namely classification method with decision tree technique and C4.5 algorithm. The results of this study were profile attributes that relate to the employment period of employees, which could be used to help giving consideration to the company in the development of employee selection and retention strategies."

"Tingkat kemacetan di Jakarta saat ini tergolong tinggi dan memiliki tren yang meningkat setiap tahu. Terdapat berbagai upaya yang dilakukan oleh pihak manajemen kemacetan untuk mengurangi kemacetan. Salah satu komponen yang perlu diperhatikan pada perencanaan upaya dalam mengurangi kemacetan adalah penemuan atribut yang memiliki pengaruh kepada tingkat kemacetan. Pendekatan machine learning (ML) pada beberapa tahun terakhir memberi hasil yang baik berdasarkan nilai metrik performa model. Maka, penelitian ini menggunakan algoritma ML, yaitu support vector machine (SVM), k-nearest neighbors (KNN), dan random forest (RF) untuk membangun model dalam memprediksi kemacetan serta menemukan faktor yang memiliki pengaruh terhadap kemacetan di ruas jalan. Variabel independen yang digunakan pada penelitian ini adalah jam, hari kerja, tanggal merah, curah hujan, ada tidaknya event, jam ganjil genap, volume motor, volume mobil, serta volume bus dan truk. Variabel dependen yang digunakan adalah tingkat kemacetan yang mewakili kecepatan rata-rata kendaraan di ruas jalan. Model dijalankan pada dua data, yakni pada data dengan variabel volume kendaraan dan data tanpa variabel kendaraan. Hasil penelitian menunjukkan model SVM, KNN, dan RF memberikan nilai akurasi, precision, recall, dan F1 score di atas 80% pada kedua data. Adapun faktor yang memiliki pengaruh kuat terhadap tingkat kemacetan terdiri dari jam dan jam ganjil genap pada data tanpa volume kendaraan serta volume motor, volume mobil, volume bus dan truk, jam, dan jam ganjil genap pada data dengan volume kendaraan.

---

The level of congestion in Jakarta is currently high and has an increasing trend every year. There are various efforts made by congestion management to reduce congestion. One component that needs to be considered in planning efforts to reduce congestion is the discovery of attributes that have an influence on the level of congestion. Machine learning (ML) approaches in recent years have provided good results based on the value of model performance metrics. So, this study uses ML algorithms, namely support vector machine (SVM), k-nearest neighbors (KNN), and random forest (RF) to build a model to predict congestion and find factors that have an influence on congestion on road sections. The independent variables used in this study are hours, weekdays, red dates, rainfall, presence or absence of events, even odd hours, motorcycle volume, car volume, and bus and truck volume. The dependent variable used is the level of congestion, which represents the average speed of vehicles on the road. The model was run on two data, namely on data with vehicle volume variables and data without vehicle variables. The results showed that the SVM, KNN, and RF models provided accuracy, precision, recall, and f1 score values above 80% on both data. The factors that have a strong influence on the level of congestion consist of hours and even odd hours on data without vehicle volume and motorcycle volume, car volume, bus and truck volume, hours, and even odd hours on data with vehicle volume."

"Perkembangan rantai pasok global telah membuka peluang hubungan yang luas antara perusahaan manufaktur dengan pemasok. Bertambahnya pemasok harus didampingi dengan program manajemen pemasok dalam rupa supplier Relationship Management (SRM). Salah satu program SRM adalah pengembagnan pemasok atau supplier development yang bertujuan untuk membawa keunggulan bagi pihak perusahaan pembeli dan pemasok. Untuk memulai supplier development, perusahaan pembeli harus terlebih dahulu menilai performa dan mensegmentasi pemasok. Sebuah perusahaan pengolahan bahan pangan kakao ingin menerapkan supplier development kepada jaringan pemasok mereka yang terdiri atas 552 pemasok. Akan tetapi perusahaan tidak memiliki data riwayat performa pemasok dan menilai pemasok secara satu per satu membutuhkan usaha dan waktu yang lebih banyak. Penelitian ini mencoba untuk mempermudah proses awal supplier development dengan mensegmentasi pemasok menggunakan konsep recency, frequency, monetary (RFM) dan menilai segmen tersebut menggunakan fuzzy SWOT. Segmentasi pemasok dilakukan dengan menggunakan algoritma K-Means terhadap nilai RFM sehingga menghasilkan empat segmen pemasok. Segmen tersebut kemudian dinilai dengan metode fuzzy SWOT yang terdiri atas penilaian kriteria internal berupa nilai RFM dan penilaian kriteria eksternal yang terdiri tiga kriteria kualitatif. Hasil dari penelitian yang dilakukan adalah diketahui segmen 1 dan 2 sebagai segmen terbaik dan kedua terbaik berdasarkan kriteria internal dan eksternal model fuzzy SWOT. Segmen 1 dan 2 disarankan untuk diterapkan strategic alliance sebagai program supplier development dalam bentuk hak kontrak pemasok eksklusif, pertukaran informasi teknologi, pengadaan vendor managed inventori (VMI) , dan pembuatan saluran komunikasi sigap. Segmen 3 dinilai sebagai segmen ketiga terbaik dan disarankan untuk menjalankan transaksi secara arm’s length transaction. Identifikasi pemasok dan pasokan bottleneck juga disarankan pada segmen 3. Segmen 4 dinilai sebagai segmen pemasok lampau dan disarankan untuk menjalankan transaksi layaknya pemasok baru dengan melakukan komparasi layanan.

---

The development of global supply chains has opened up opportunities for extensive relationships between manufacturing companies and suppliers. The increase in suppliers must be accompanied by supplier management programs in the form of Supplier Relationship Management (SRM). Among the SRM programs is supplier development, which aims to bring advantages to both the buying company and the supplier. To start supplier development, the buying company must first assess the performance and segment the suppliers. A cocoa food processing company wants to apply supplier development to their supplier network of 552 suppliers. However, the company did not have any historical supplier performance data and assessing suppliers one by one would take a lot of time and effort. This research attempts to ease the initial supplier development process by segmenting suppliers using the concept of recency, frequency, monetary (RFM) and assessing the segments using fuzzy SWOT. Supplier segmentation is performed using the K-Means algorithm based on RFM values, resulting in four supplier segments. The segments are then assessed using the fuzzy SWOT method which consists of an internal criteria assessment in the form of RFM values and an external criteria assessment consisting of three qualitative criteria. The results of the research conducted are known to be segments 1 and 2 as the best and second best segments based on internal and external criteria of the SWOT fuzzy model. Segments 1 and 2 are recommended to be implemented with a strategic alliance as a supplier development program in the form of exclusive supplier contract rights, exchange of technological information, the creation of vendor managed inventory (VMI), and the creation of an instant communication channel. Segment 3 was rated as the third best segment and was advised to conduct an arm's length transaction. Supplier and bottleneck supply identification is also recommended in segment 3. Segment 4 is rated as the lapsed supplier segment and is recommended to execute transactions as if it were a new supplier by conducting service comparisons."

"Rotating machinery dalam industri minyak dan gas merupakan aset kritis yang beroperasi dalam medan kerja yang berat, sehingga beberapa bagian umum rentan mengalami fault. Fault merupakan anomali yang menunjukkan penyimpangan dari kondisi operasi normal pada suatu sistem, sehingga perlu dideteksi lebih dini, secara akurat, dan terotomasi. Salah satu metode yang dapat digunakan adalah dengan machine learning. Data yang digunakan dalam penelitian ini adalah sensor condition monitoring aset rotating machinery yang diperoleh dari sebuah perusahaan minyak dan gas di Indonesia. Data sensor yang diperoleh mencakup 3 operation parameters yakni kecepatan, suhu, dan vibrasi. Algoritme klasifikasi pada penelitian ini menggunakan supervised learning yakni Support Vector Machine (SVM), Random Forest (RF), dan K-Nearest Neighbors (KNN). Kinerja model machine learning dievaluasi menggunakan metrik accuracy, precision, F1 score, dan matthews correlation coefficient (MCC). Hasil model klasifikasi random forest menunjukkan hasil yang sangat baik dengan akurasi 98,5%, presisi 98,6%, f1-score 98,5%, dan MCC sebesar 97,2%. Analisis SHAP Explainer secara global mampu menjelaskan feature importance dan secara lokal yang memperlihatkan kontribusi variabel-variabel operating parameter yang berkontribusi paling besar pada kelas normal, alert, dan fault.

---

Rotating machinery in the oil and gas industry is a critical asset that operates in a tough work environment, where some of the common parts are prone to faults. Fault is an anomaly that indicates a deviation from the normal operating conditions of a system, so it needs to be detected early, accurately, and automated. The data used in this study is obtained from a condition monitoring sensor of rotating machinery in an oil and gas company in Indonesia. The acquired sensor data includes 3 operating parameters: speed, temperature, and vibration. The classification algorithms used in this research are supervised learning methods, namely Support Vector Machine (SVM), Random Forest (RF), and K-Nearest Neighbors (KNN). The performance of the machine learning models is evaluated using metrics such as accuracy, precision, F1 score, and Matthews correlation coefficient (MCC). The results of the random forest classification model show very good results with an accuracy of 98.5%, a precision of 98.6%, an f1-score of 98.5%, and an MCC of 97.2%. SHAP Explainer in global explanation is able to explain the feature importance and also locally which shows the contribution of operating parameter variables that contribute the most to the normal, alert, and fault classes."

"

Banjir merupakan bencana alam yang sering terjadi di Indonesia, menimbulkan kerusakan dan mengakibatkan kerugian ekonomi. Hingga saat ini pun, ibukota negara, Jakarta, tak lepas dari banjir akibat luapan dari Sungai Ciliwung. Untuk itu, diperlukan langkah preventif seperti peringatan dini banjir untuk mengurangi kerugian akibat banjir. Namun, sistem peringatan dini banjir yang saat ini dimiliki oleh Balai Besar Wilayah Sungai Ciliwung-Cisadane masih memiliki beberapa kekurangan, seperti model hidrologi yang tidak cocok untuk prediksi jangka pendek dan akurasinya yang belum optimal dan waktu yang belum efisien untuk tahap simulasi berikutnya. Untuk mengatasi kekurangan tersebut, pendekatan machine learning dikembangkan untuk mendapatkan model prediksi tinggi muka air dengan tingkat galat yang rendah dan waktu komputasi yang efisien. Model prediksi banjir diwakilkan oleh tinggi muka air berdasarkan limpasan air hujan dan limpasan dari aliran air ruas hulunya melalui 4 ruas Sungai Ciliwung. Dilakukan perbandingan dua metode berbasis neural network, yaitu Adaptive Neuro-Fuzzy Inference System (ANFIS) dan Recurrent Neural Network-Long Short Term Memory (RNN-LSTM). Model yang unggul secara umum adalah RNN-LSTM dengan tingkat galat yang lebih rendah dan waktu komputasi yang lebih cepat. Pada RMSE dan MAPE, RNN-LSTM unggul pada 3 dari 4 ruas. Waktu komputasi RNN-LSTM selalu lebih cepat dibandingkan dengan ANFIS. Sedangkan dilihat dari R², baik ANFIS maupun RNN-LSTM memiliki kemampuan yang cukup baik kecuali untuk RNN-LSTM pada ruas ketiga. Sehingga secara keseluruhan RNN-LSTM lebih unggul dalam memprediksi tinggi muka air Sungai Ciliwung dilihat dari tingkat galatnya yang lebih rendah dan efisiensi waktunya. RNN-LSTM juga lebih unggul dalam memprediksi tinggi muka air yang fluktuasi dan standar deviasinya lebih besar.

---

Floods are natural disasters that often occur in Indonesia, causing damage and economic losses. Until now, the nation's capital, Jakarta, has not been free from flooding due to the overflow of the Ciliwung River. Therefore, preventive action like early warning of floods is needed, to reduce losses due to flooding. However, the flood early warning system currently done by the Ciliwung-Cisadane River Center still has several drawbacks, such as hydrological models that are not suitable for short-term predictions in which resulting their accuracy is not optimal and efficient computing time is needed. To overcome these deficiencies, a machine learning approach is developed to obtain a water level prediction model with a low error and efficient computing time. The model is predicting water level based on rainwater and upstream segment of the river runoff through the 4 segments of the river. Two neural network-based methods, Adaptive Neuro-Fuzzy Inference System (ANFIS) and Recurrent Neural Network-Long Short Term Memory (RNN-LSTM) are compared. Generally, the RNN-LSTM outperformed with a lower error rate and faster computation time. On the RMSE and MAPE, RNN-LSTM excels on 3 out of 4 segments. Based on computing time, RNN-LSTM is always faster than ANFIS. Meanwhile, seen from the R², both ANFIS and RNN-LSTM have decent capabilities except for RNN-LSTM on the third segment. Hence, the RNN-LSTM is superior in predicting the water level of the river based on its lower error and time efficiency. RNN-LSTM is also superior in predicting water level fluctuations with a larger standard deviation.

"

"

Kebutuhan pangan terus meningkat seiring dengan bertambahnya jumlah penduduk dunia. Namun permasalahan dalam aspek lingkungan, sosial dan ekonomi muncul karena sebagian makanan akan terbuang sia-sia, bahkan sampah makanan ini dihasilkan pada setiap tahapan dalam rantai pasok makanan. Masalah ini perlu menjadi perhatian baik pemerintah sebagai regulator maupun pelaku usaha sebagai operator dan masyarakat sebagai konsumen. Berdasarkan penelitian yang dilakukan oleh Kementerian Perencanaan Pembangunan Nasional, proporsi sampah makanan paling banyak dihasilkan pada tahap konsumsi. Tahapan konsumsi dibagi menjadi dua pelaku yaitu food service dan rumah tangga. Makalah ini berfokus untuk membahas timbulan sampah makanan pada sektor layanan makanan di DKI Jakarta dengan menggunakan system dynamics. Penelitian ini bertujuan untuk mengusulkan strategi pengurangan timbulan sampah makanan di sektor layanan makanan. Timbulan sampah makanan yang dihasilkan dari tiga sumber: pemasok makanan, layanan makanan, dan food bank. Donasi bahan makanan, kampanye kesadaran sampah, dan pemberian potongan harga untuk makanan yang tidak habis terjual menjadi strategi untuk mengurangi jumlah timbulan sampah.

---

The need for food continues to increase along with the increase in world population. However, problems in environmental, social and economic aspects arise because some of the food will end up being wasted, in fact, this food waste is produced at every stage in the food supply chain. This problem needs to be of concern to both the government as a regulator and business actors as operators and the public as consumers. Based on research conducted by the Ministry of National Development Planning, the proportion of food waste is mostly generated at the consumption stage. The consumption stage is divided by two actors, food service and households. This paper focuses on discussing the generation of food waste in food services in Jakarta using a causal loop analysis. This study aims to propose a strategy for reducing food waste in the food service sector. Food waste is generated from three sources: food suppliers, food services, and food banks. Food donations, waste awareness campaigns, and giving discounts for food that doesn't sell out are strategies to reduce the amount of waste generated.

"

"

Globalisasi di era yang semakin maju tanpa adanya pembatasan pergerakan telah mendorong pergerakan barang. Perkembangan pergerakan barang mendorong pertumbuhan permintaan akan kegiatan jasa logistik. Di antara lapangan usaha yang berkembang di Indonesia, industri jasa logistik memiliki peluang pertumbuhan yang paling tinggi diantara lapangan usaha lainnya. Pada saat yang sama, perkembangan proses bisnis berpotensi berada dalam ketidakpastian dan meningkatkan risiko gangguan. Oleh karena itu, perusahaan industri jasa logistik memerlukan strategi rantai pasok yang tangguh untuk membantu perusahaan bertahan dari segala kemungkinan risiko yang dapat merugikan perusahaan. Studi ini bertujuan untuk mengembangkan struktur strategi supply chain resilience yang relevan untuk industri jasa logistik di Indonesia. Data diambil dari tinjauan pustaka untuk mendapatkan daftar pendek awal dari strategi ketahanan rantai pasok yang ada. Kemudian strategi dinilai dan divalidasi oleh enam pakar logistik dari industri, asosiasi industri, dan akademisi. Selanjutnya, skor dianalisis menggunakan indeks validitas isi-item (I-CVI) dan statistik kappa (K) yang dimodifikasi. Dan bantuan dari metode Interpretive Structural Modelling (ISM) dana analisis MICMAC untuk menyusun strategi dalam bentuk struktural hierarki. Penelitian ini menghasilkan 16 strategi dari 3 dimensi, dan struktur strategi yang dapat digunakan oleh industri jasa logistik untuk mencapai sistem ketahanan rantai pasoknya.

---

Globalization in an increasingly advanced era without any restrictions on movement has encouraged the movement of goods. The development of the movement of goods encourages growth in demand for logistics services activities. Among the growing business fields in Indonesia, the logistics services industry has the highest growth opportunity among other business fields. At the same time, developments in business processes have the potential to be in a state of uncertainty and increase the risk of disruption. Hence, logistics service industry companies need a resilient supply chain strategy to help companies survive all possible risks that can harm the company. This study aims to develop a relevant supply chain resilience strategy for the logistics services industry in Indonesia. The data is taken from the literature review to obtain an initial shortlist of existing supply chain resilience strategies. Then strategies were assessed and validated by six logistic experts from industry, industry associations, and academic. Next, the scores were analyzed using the item-content validity index (I-CVI) and the modified kappa (K) statistic. And an approach of Interpretive Structural Modelling (ISM) method and MICMAC analysis to develop strategies in a hierarchical structural form. This research resulted in 16 strategies from 3 dimensions, and the strategic structure that can be used by the logistics services industry to achieve its supply chain resilience system.

"