Teks ini merupakan Bab I Pendahuluan yang menguraikan latar belakang, perumusan masalah, tujuan, dan batasan penelitian tentang pemilihan pemasok. **Latar Belakang:** Perkembangan TIK telah menciptakan era bisnis global yang dinamis, meningkatkan persaingan dan risiko bisnis. Kemitraan dengan pemasok menjadi krusial, namun globalisasi pasokan membuat pemilihan pemasok menjadi proses yang kompleks dan berisiko, melibatkan pertimbangan dilematis seperti harga murah vs. kualitas rendah atau biaya tinggi vs. teknologi canggih. Keputusan pemilihan pemasok kini dianggap strategis dan memerlukan pendekatan sistematis yang mempertimbangkan berbagai kriteria (kualitas, pengiriman, harga) serta keberlanjutan. Insiden kegagalan pemasok (misalnya Boeing, Toyota, dan PT X) menyoroti urgensi pengelolaan risiko rantai pasok. **Usulan Penelitian:** Berangkat dari permasalahan tersebut, penelitian ini bertujuan mengembangkan model pengambilan keputusan untuk pemilihan pemasok yang secara eksplisit mengakomodasi pertimbangan risiko pemasok. Model ini mengintegrasikan metode Multi-Criteria Decision Making (MCDM), khususnya Fuzzy Analytic Hierarchy Process (Fuzzy AHP) untuk mengatasi ketidakpastian penilaian manusia dan mempertimbangkan faktor risiko, serta Cluster Analysis (CA) untuk mengelola banyaknya alternatif pemasok secara efisien dan mengurangi inkonsistensi. **Perumusan Masalah:** Pertanyaan utama penelitian ini adalah apakah model pengambilan keputusan pemilihan pemasok dapat mengakomodasi pertimbangan risiko terkait pemasok, serta apakah Fuzzy CA dan Fuzzy AHP dapat diintegrasikan untuk tujuan tersebut. **Tujuan Penelitian:** Mengembangkan model keputusan pemilihan pemasok yang dapat mengakomodasi penilaian risiko, serta mengembangkan kriteria spesifik untuk pemilihan pemasok dengan memperhitungkan risikonya. **Pembatasan Masalah:** Penelitian ini dibatasi pada identifikasi kriteria dan penilaian ahli di divisi pembelian PT X (perusahaan manufaktur otomotif), dengan fokus pada pengembangan model untuk pemasok baru di tahap pre-kualifikasi dan pilihan akhir, menggunakan data hipotetis.