Upload
noormalita-irviana
View
92
Download
0
Embed Size (px)
DESCRIPTION
vol 65-731
Citation preview
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
Pemilihan Area Pengetahuan Kunci (Dedy Sugiarto) 67
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
68 Jurnal Teknik Industri, ISSN:1411-6340
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.
Pemilihan Area Pengetahuan Kunci (Dedy Sugiarto) 69
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.
70 Jurnal Teknik Industri, ISSN:1411-6340
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.
Pemilihan Area Pengetahuan Kunci (Dedy Sugiarto) 71
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.
72 Jurnal Teknik Industri, ISSN:1411-6340
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
Pemilihan Area Pengetahuan Kunci (Dedy Sugiarto) 73
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.