jurnal teknik industri

Pemilihan Area Pengetahuan Kunci (Dedy Sugiarto) 65

PEMILIHAN AREA PENGETAHUAN KUNCI PADA PROSES

PRODUKSI BARANG CELUP LATEKS DENGAN PENDEKATAN

LOGIKA FUZZY

Dedy Sugiarto1, M Syamsul Ma’arif

2, Marimin

2, Illah Sailah

2, Sukardi

2, Suharto Honggokusumo

3

1Jurusan Teknik Industri, FTI, Universitas Trisakti

2Program Studi Teknologi Industri Pertanian Institut Pertanian Bogor

3Gabungan Perusahaan Karet Indonesia

ABSTRACT

One of important aspect in codification strategy in relation to knowledge management

implementation is selective in choosing knowledge area to be codified. This paper showed a

model for selecting key knowledge area using knowledge gap analysis and importance-

performance matrix with fuzzy logic approach from latex dipped production process. Model was

packaged in decision support system which designed using visual basic for applications and

Matlab programming. Fuzzy average technique and Sugeno fuzzy inference system were used in

this model. Four key knowledge areas detected based on two methods. They were compound

formulation, product inspection and failure analysis, dispersion inspection and leaching.

Keywords : Knowledge gap analysis, importance-performance matrix, fuzzy logic, latex dipped

goods.

1. PENDAHULUAN1

Di tengah situasi persaingan yang

semakin kompetitif ditandai dengan

bertambahnya jumlah pemain pasar di

tingkat lokal, nasional maupun

internasional serta tuntutan pasar yang

semakin tinggi, sebuah perusahaan tidak

lagi hanya bisa mengandalkan kepada

lokasi yang mudah dicapai, bahan baku

yang mudah didapat atau ketersediaan akses

modal, tetapi juga kemampuan untuk bisa

menghasilkan produk yang lebih

berkualitas dan inovatif serta kemampuan

menjalin kerjasama dengan lembaga

pendukung lainnya seperti lembaga

penelitian dan pelatihan dalam suatu klaster

industri.

Untuk itu tentunya lembaga penelitian

dan pelatihan dalam suatu klaster industri

harus memiliki sumber daya pengetahuan

yang cukup, baik pengetahuan mengenai

teknologi proses, pasar dan pemasaran,

pengembangan bisnis maupun area

pengetahuan lainnya sesuai kebutuhan

perusahaan pada lingkup klaster tersebut.

Nonaka dan Takeuchi (1995) juga

menekankan bahwa saat ini organisasi yang

Korespondensi : 1Dedy Sugiarto

E-mail: [email protected]

ingin sukses adalah mereka yang secara

konsisten menciptakan pengetahuan baru,

menyebarkannya secara luas dalam

organisasi, dan secara cepat mengubahnya

menjadi berbagai teknologi dan produk

baru. Cara bagaimana sumber daya

pengetahuan tersebut dikelola merupakan

domain dari manajemen pengetahuan.

Implementasi manajemen pengetahuan

antara lain dapat dilakukan dengan strategi

kodifikasi (Nicolas 2004; Wu dan Lee

2007). Strategi kodifikasi menekankan pada

aspek teknologi untuk akuisisi,

penyimpanan dan penyebaran pengetahuan

dari pakar. Kodifikasi pengetahuan itu

sendiri berarti mengubah pengetahuan

menjadi kode agar sebisa mungkin mudah

untuk diatur, eksplisit, mudah dipindahkan,

dimengerti dan diakses oleh orang lain.

Salah satu aspek penting dalam strategi

kodifikasi pengetahuan dalam rangka

implementasi manajemen pengetahuan

adalah selektif dalam memilih pengetahuan

yang akan dikodifikasi (Davenport dan

Prusak, 1998).

Penelitian mengenai pemilihan area

pengetahuan kunci antara lain pernah

dilakukan oleh Carrion et.al (2004) dengan

menggunakan metode penelitian eksploratif

dan teknik delphi serta oleh Febriyanti

(2006) menggunakan teknik analisis

66 Jurnal Teknik Industri, ISSN:1411-6340

kesenjangan pengetahuan. Dalam penelitian

Febriayanti (2006) tersebut baik tingkat

kebutuhan atau kepentingan area

pengetahuan serta kondisi pengetahuan saat

ini didasarkan pada skala 5 titik (1-5).

Namun demikian penilaian dalam analisis

kesenjangan pengetahuan cenderung

bersifat samar dan kualitatif. Pendekatan

yang dilakukan untuk mengatasi masalah

ini adalah menggunakan metode fuzzy.

Selain itu terdapat pula pendekatan lain

untuk menentukan area pengetahuan kunci

yang diadaptasi dari matrik kepentingan

dan performansi (importance-performance

matrix) dalam riset pemasaran (Deng,

2011).

Tujuan penelitian ini adalah

menentukan area pengetahuan kunci untuk

kodifikasi pengetahuan menggunakan

teknik analisis kesenjangan dan matriks

kepentingan dan performansi yang

diintegrasikan dengan pendekatan fuzzy

dalam rangka mendukung strategi inovasi

dan teknologi pada klaster industri barang

celup lateks di Jawa Barat dan Banten.

Pilihan strategi inovasi dan teknologi

didasarkan pada penelitian Sugiarto et al.

(2011).

2. TINJAUAN PUSTAKA

Analisis Kesenjangan Pengetahuan

Natarajan dan Shekhar (2001)

memperkenalkan teknik analisis

kesenjangan pengetahuan yang berguna

untuk mengetahui area pengetahuan mana

yang menjadi prioritas pengembangan

manajemen pengetahuan dalam bentuk

matriks yang terbagi atas 3 daerah yaitu

daerah 1 (red alert zone), daerah 2 (stay

updated zone) atau daerah 3 (just do it).

Pemetaan area pengetahuan ke dalam 3

daerah tersebut didasarkan pada penentuan

rata-rata dari kondisi pengetahuan saat ini

dengan kebutuhan pengetahuan.

Analisis Kepentingan-Performansi

Analisis ini umum digunakan dalam

penelitian pemasaran dimana atribut produk

atau jasa dapat diperingkat menurut

kepentingan pelanggan (customer

importance) dan performansi atau kinerja

perusahaan (company performance).

Analisa kepentingan-performansi

(importance-performance analysis)

memperingkat berbagai elemen dari atribut

produk atau jasa dan mengidentifikasi

tindakan apa yang diperlukan yang terbagi

dalam 4 kuadran (Kotler, 1997).

Gambar 1. Matriks Kepentingan dan Performansi

Pendekatan Logika Fuzzy pada Matriks

Internal-Eksternal

Matriks Internal-Ekstenal (IE)

memposisikan perusahaan dalam matriks

yang terdiri atas 9 sel. Matriks IE terdiri

atas 2 dimensi, yaitu skor total dari Matriks

internal factor evaluation (IFE) pada

sumbu X dan skor total dari Matriks

external factor evaluation (EFE) pada

sumbu Y. Shulian dan Davies (2001) dan

Shuliang et al. (2002) memperkenalkan

representasi fuzzy terhadap matriks IE

seperti disajikan dalam gambar berikut ini.

3. METODE PENELITIAN

Penelitian diawali dengan identifikasi

alur pemetaan pengetahuan pada proses

pembuatan barang celup lateks melalui

kajian pustaka yang terkait serta wawancara

dengan pakar. Secara lengkap tahapan

penelitian dapat dilihat pada diagram alir


pengembangan model pemilihan

pengetahuan kunci seperti tersaji pada

Gambar 1. Model dikemas dalam bentuk

sistem pendukung keputusan yang

dirancang menggunakan Visual Basic for

Applications (VBA) sebagai bahasa

pemrograman untuk produk-produk

Microsoft Office (Office), termasuk

spreadsheet Microsoft Excel (Excel).

Pengumpulan Data

Pengumpulan data penelitian

dilakukan melalui studi pustaka dan

wawancara yang mendalam (in-depth

interview) untuk identifikasi alur

pengetahuan pembuatan barang celup lateks

dengan responden Dr. Ary A Alfa dari

BPTK Bogor. Data tingkat kebutuhan

pengetahuan dan tingkat kondisi saat ini

didapatkan melalui wawancara terhadap

empat orang peneliti di BPTK Bogor yaitu

Arif Ramadhan, STP, Hendry Prastanto,

ST, M.Eng, Hani Handayani, SSi dan Dr.

Ary A Alfa.

Pengolahan dan Analisis Data

Dalam penelitian ini tingkat kebutuhan

atau kepentingan area pengetahuan serta

kondisi pengetahuan saat ini menggunakan

skala interval fuzzy dalam bentuk triangular

fuzzy number (TFN) yang dikembangkan

dari skala 5 titik (1-5) seperti dapat dilihat

pada Tabel 1 dan Tabel 2.

Tabel 1. Penyajian fuzzy pada skala kondisi

area pengetahuan saat ini menggunakan

TFN Keterangan Keanggotaan Fuzzy

Bawah Tengah Atas

Sangat Lemah 0 0 0,2

Lemah 0,05 0,25 0,45

Sedang 0,3 0,5 0,7

Kuat 0,55 0,75 0,95

Sangat Kuat 0,8 1 1

Tabel 2. Penyajian fuzzy pada skala

kebutuhan atau kepentingan area

pengetahuan saat ini menggunakan TFN Keterangan Keanggotaan Fuzzy

Bawah Tengah Atas

Sangat tidak penting 0 0 0,2

Tidak Penting 0,05 0,25 0,45

Cukup 0,3 0,5 0,7

Penting 0,55 0,75 0,95

Sangat Penting 0,8 1 1

Protect positioninvest to grow at maximum

digestible rate, concentrate

effort on maintaining strenght

Invest to buildchallenge for leadership; build

selectively on strenghs;

reinforce vulnerable areas

Build selectivelyspecialise around limited

strenghts; seek ways to

overcome weakness; wthdraw

if indication of sustainable

growth are lacking

Selectively buildinvest heavily in most attractive

segments; build up ability to

counter competition;

emphasise profitability by

raising productivity

Selectivity/ manage for

earningsProtect exixting programme;

concentrate investments in

segments where profitability is

good and risk is relatively low

Limited expansion or

harvestLook for ways to expand

without high risk; otherwise,

minimize investment and

rationalise operations

Protect and refocusmanage for current earnings;

concentrate on attractive

segments defend strenghts

Manage for earningsProtect position in most

profitable segments; upgrade

product line; minimise

investment

DivestSell at time that will maximise

cash value cut fixed cost and

avoid investment meanwhile

High

Medium

Low

Strong Medium Weak

Gambar 2. Representasi Fuzzy dari Matriks Internal-Eksternal


Perhitungan fuzzy average untuk

setiap area pengetahuan

Mulai

Sistem inferensi fuzzy menggunakan model

Takagi Sugeno

Selesai

Identifikasi alur proses sebagai area

pengetahuan proses

Penilaian tingkat kondisi saat ini

dan kebutuhan area pengetahuan

menggunakan skala linguistik oleh

aktor terkait

Fuzzifikasi hasil penilaian menggunakan

Triangular fuzzy number

Defuzzifikasi

Nilai kondisi area

pengetahuan saat ini

dan kebutuhan area

pengetahuan

Fuzzifikasi matriks

kesenjangan pengetahuan

menggunakan Trapezoidal

Fuzzy Number

Pembuatan basis aturan

fuzzy

Area pengetahuan kunci

menurut matriks kesenjangan

pengetahuan dan matriks

kepentingan dan performansi

Perhitungan rata-rata kebutuhan

dan kondisi saat ini

Plot matrik kebutuhan dan

kondisi saat ini (matriks

kepentingan dan performansi)

4

2 321 aaaV A

nA javg

n

1i

n

1i

i

j3

n

1i

i

j2

i

j1 a,a,a

)(,...,1

)(,...,1

atributjj

respondenni

Gambar 3. Diagram Alir Pengembangan Model Penentuan Area Pengetahuan Kunci dengan

Pendekatan Logika Fuzzy

Sedangkan penempatan rata-rata tingkat

kebutuhan dan kepentingan ke dalam matriks

kesenjangan pengetahuan menggunakan teknik

penalaran fuzzy menggunakan metode Sugeno.

Penalaran dengan metode Sugeno hampir sama

dengan penalaran Mamdani, hanya saja output

(konsekuen) sistem tidak berupa himpunan

fuzzy melainkan berupa konstanta atau

persamaan linier. Input tingkat kebutuhan dan

kepentingan disusun dalam bentuk trapezoidal

fuzzy number seperti dapat dilihat pada Gambar

4.


Red Alert Zone Red Alert ZoneStay updated zone

Red Alert Zone Stay updated zone Just do it zone

Stay updated zone Just do it zone Just do it zone

Tinggi

Sedang

Rendah

Lemah SedangKuat

Kondisi Saat Ini

Kep

entin

gan

(Keb

utuh

an)

Gambar 4. Representasi Fuzzy dari Matriks Kesenjangan Pengetahuan

4. HASIL DAN PEMBAHASAN

Identifikasi dan Nilai Rata-rata Area

Pengetahuan

Area pengetahuan dalam proses

produksi barang celup teridentifikasi dalam

18 area pengetahuan yang dimulai dari

formulasi kompon lateks, formulasi

koagulan, pemeriksaan bahan baku sampai

dengan pemeriksaan produk akhir dan

analisis kegagalan. Adapun contoh penilaian

tingkat kondisi saat ini dan kepentingan dari

salah seorang responden pakar dapat dilihat

pada Gambar 5.

Gambar 5. Tampilan input penilaian setiap area pengetahuan

Nilai rata-rata dari keempat responden yang

didapatkan dari proses defuzzifikasi pada

masing-masing area pengetahuan dapat

dilihat pada Gambar 6. Nilai X-bar mewakili

rata-rata kondisi saat ini dan nilai Y-bar

mewakili rata-rata kepentingan.


Gambar 6. Tampilan output penilaian setiap area pengetahuan

Sistem Penalaran Fuzzy dalam Analisis Kesenjangan Pengetahuan

Sistem penalaran fuzzy menggunakan 2 input yaitu tingkat kebutuhan dan kondisi saat ini

area pengetahuan yang dikemas dalam bentuk trapezoidal fuzzy number seperti dapat dilihat

pada Gambar 7.

Gambar 7. Penyajian tingkat kondisi saat ini dalam bentuk trapezoidal fuzzy number

Adapun basis aturan yang dibangun untuk menentukan atribut setiap area pengetahuan

terdapat 9 aturan seperti dapat dilihat pada Gambar 8.


Gambar 8. Basis aturan dalam sistem penalaran fuzzy dengan metode Sugeno

Berdasarkan hasil perhitungan dengan

bantuan paket program Matlab dapat

diketahui atribut dari masing-masing area

pengetahuan dalam matriks kesenjangan

pengetahuan seperti terlihat pada Tabel 3.

Area pengetahuan yang terdeteksi masuk

dalam area 3 (red alert zone) adalah 9 area

pengetahuan yaitu formulasi kompon,

formulasi koagulan, pemeriksaan bahan

baku, pembuatan dispersi, pemeriksaan

dispersi, pencelupan kompon, pencucian,

vulkanisasi, dan pemeriksaan produk serta

analisis kegagalan.

Analisis Matriks Kepentingan-

Performansi

Berdasarkan matriks kepentingan dan

performansi dapat diketahui bahwa area

pengetahuan formulasi kompon,

pemeriksaan produk, pemeriksaan dispersi

dan pencucian termasuk dalam kuadran II

dimana penguasaan area pengetahuan

belum pada tingkat yang diharapkan

sehingga organisasi atau dalam hal ini

BPTK Bogor harus berkonsentrasi untuk

meningkatkan performansi penelitinya pada

area ini.

Kompon lateks adalah campuran antara

lateks dengan berbagai bahan kimia untuk

memperoleh hasil akhir suatu barang jadi

lateks. Bahan kimia kompon yang secara

umum terdiri dari bahan pemvulkanisasi,

pengaktif, pencepat, antioksidan, pengisi,

pewarna dan sebagainya. Formula kompon

lateks pada umumnya disesuaikan dengan

jenis produk yang akan dihasilkan karena

umumnya mempunyai sifat tertentu yang

diutamakan.


Tabel 3. Daerah pengembangan dari masing area pengetahuan

Keempat area pengetahuan tersebut

termasuk pula ke dalam area red alert zone

berdasarkan analisis kesenjangan

pengetahuan sehingga memang perlu

menjadi prioritas untuk dilakukan kodifikasi

pengetahuan terutama yang memiliki posisi

paling kiri-atas dalam matriks kepentingan

dan performansi yaitu formulasi kompon

seperti terlihat pada Gambar 9

0,650,600,550,500,45

0,9

0,8

0,7

0,6

0,5

Kondisi Saat Ini

Ke

bu

tuh

an

Pemeriksaan produk

Pembersihan powder Pelepasan

Pembedakan

Vulkanisasi

Pencucian

Pembuatan cincin

Pengeringan awal

Pencelupan kompon

Pencelupan koagulanPembersihan cetakan

Pemeriksaan dispersi

Pencampuran dispersi dan pemeraman

Pembuatan koagulan

Pembuatan dispersi

Pemeriksaan bahan baku

Formulasi koagulan

Formulasi kompon

Plot Tingkat Kebutuhan dan Kondisi Area Pengetahuan Saat Ini

Gambar 9. Plot matriks tingkat kebutuhan dan kondisi penguasaan area pengetahuan saat ini


5. KESIMPULAN DAN SARAN

1.1. Kesimpulan

Model pemilihan area pengetahuan

kunci menggunakan metode analisis

kesenjangan pengetahuan dan metode

matriks kepentingan dan performansi

dengan pendekatan logika fuzzy dapat

digunakan untuk menentukan area

pengetahuan kunci dari dari suatu proses

produksi barang celup lateks. Berdasarkan

metode analisis kesenjangan pengetahuan

terdapat sembilan area pengetahuan yang

perlu menjadi prioritas pengembangan

dalam manajemen pengetahuan yaitu

formulasi kompon, formulasi koagulan,

pemeriksaan bahan baku, pembuatan

dispersi, pemeriksaan dispersi, pencelupan

kompon, pencucian, vulkanisasi, dan

pemeriksaan produk serta analisis

kegagalan. Sedangkan berdasarkan metode

matriks kepentingan dan performasi

terdeteksi hanya empat area pengetahuan

kunci yaitu formulasi kompon, pemeriksaan

produk dan analisis kegagalan, pemeriksaan

dispersi dan pencucian.

1.2. Saran

Pengembangan model area pengetahuan

kunci dapat dikembangkan pula dari sisi

pengukuran tingkat kepentingan area

pengetahuan dengan melibatkan tingkat

keterkaitannya dengan strategi

organisasinya. Hal ini mengingat dari sudut

pandang strategi pengetahuan, pengetahuan

yang dipentingkan adalah pengetahuan yang

menunjang implementasi strategi organisasi

tersebut.

6. DAFTAR PUSTAKA

[1] Carrion G.C., J.L. Gonzales, A Leal.

2004. Identifying key knowledge area

in the professional service industr: a

case study. Journal of Knowledge

Management. Vol 8 (6) : 131-149

[2] Davenport TH dan Prusak L. 1998.

Working Knowledge : How

Organizations Manage What They

Know. Boston : Harvard Business

School Press.

[3] Deng WJ. 2008. Fuzzy importance-

performance analysis for determining

critical service attributes. International

Journal of Service Industry

Management. Vol 19 (2) : 252-270

[4] Febriyanti L. 2006. Strategi manajemen

pengetahuan (knowledge management

strategy) di PT. Perkebunan Nusantara

VIII Gunung Mas Bogor. [Tesis].

Bogor : Sekolah Pascasarjana Institut

Pertanian Bogor.

[5] Kotler P. 1997. Marketing Management

: Analysis, Planning, Implementation

and Control. London : Prentice Hall

[6] Natarajan G, S Shekhar. 2001.

Knowledge Management Enabling

Business Growth. Boston : McGraw-

Hill.

[7] Nicolas R. 2004. Knowledge

Management Impact on Decision

Making Process. Journal of Knowledge

Management 8(1): 20-31.

[8] Nonaka I dan Takeuchi H.. 1995. The

Knowledge Creating Company. New

York : Oxford University Press Inc.

[9] Shuliang L dan B Davies. 2001. Golstra

– A hiybrid system for developing

global strategy and associated internet

strategy. Management + Data System :

132

[10] Shuliang L, B Davies, J Edwards, R

Kinman, Y Duan. 2002. Integrating

group Delphi, fuzzy logic and expert

systems for marketing strategy

development : the hybridisation and its

effectiveness, Marketing Intelligence

and Planning . Vol. 20 (5) : 273-284.

[11] Sugiarto D, MS Ma’arif, Illah S,

Sukardi, Suharto S. 2011. Pemilihan

Strategi Pengembangan Klaster Industri

dan Strategi Manajemen Pengetahuan

pada Klaster Industri Barang Celup

Lateks. Jurnal Teknologi Industri

Pertanian.Vol. 20 (2) : 89-100

[12] Wu W dan Lee YT. 2007. Selecting

knowledge management strategies by

using the analytic network process.

Expert Systems with Applications 32 :

841-847.

Documents

jurnal teknik industri