2. TINJAUAN PUSTAKA

2.1 Industri Gula

Gula merupakan salah satu sumber energi yang dibutuhkan manusia

dalam kehidupan sehari-hari, dan input penting dalam industri makanan dan

minuman yang berperan sebagai bahan pemanis maupun bahan pengawet untuk

sebagian pangan olahan. Klasifikasi pemanis menurut bentuk dan sumber bahan

dapat di lihat pada Gambar 5 berikut ini :

Gambar 5 Klasifikasi Pemanis Berdasarkan Bentuk dan Sumbernya

(Sumaryanto 2003 dalam Sabil 2005)

Secara fisik terdapat tiga jenis gula yaitu : 1) gula kristal, 2) gula bukan kristal,

dan 3) gula cair. Menurut SK No. 527/MPP/Kep/9/2004 tentang Tata Niaga

Impor Gula antara lain mengkategorikan gula kristal sebagai gula kristal

mentah/gula kasar (raw sugar), gula kristal rafinasi (refined sugar), dan gula

kristal putih (plantation white sugar).

Gula yang dikenal dalam masyarakat luas adalah sakarosa atau sukrosa

yang merupakan disakarida yang pada hidrolisa menghasilkan glukosa dan

fruktosa. Produk gula dalam negeri termasuk dalam kualifikasi yang dikenal

dengan nama SHS (Superieure Hoofd Suiker).

Pemanis

Gula

Non Gula

Gula Kristal

Gula Cair

Dari bahan

tanaman

Dari bahan kimia

Gula bukan

kristal

Gula kristal terdiri dari gula pasir yang dihasilkan dari tebu dan gula yang

dihasilkan dari bit. Namun, menurut Prihandana (2005) biaya produksi gula

berbahan baku tebu lebih murah 70% dibandingkan dengan biaya produksi gula

berbahan baku bit. Oleh karena itu, bahan baku industri gula yang banyak

digunakan adalah tebu (Saccharum officinarum) yang merupakan tanaman

perkebunan.

Di dalam batang tebu terkandung 20% cairan gula. Effendi (2009)

menyebutkan bahwa cairan dalam tebu terdiri dari tiga macam yaitu : 1) Nira

Tebu, 2) Air tanah atau air tebu bebas brix, dan 3) Protoplasma. Nira tebu

tersimpan dalam sel-sel parenchim. Air tebu bebas brix merupakan air yang

secara chemis bersatu dengan serat dan tidak dapat dipisahkan secara mekanis.

Protoplasma berbentuk semi cairan tetapi tidak mengandung gula.

Sisa pengolahan batang tebu adalah 1) tetes tebu (molases) yang

diperoleh dari tahap pemisahan kristal gula dan masih mengandung gula antara

50% sampai dengan 60%, asam amino dan mineral. Pemanfaatan tetes tebu

sampai saat ini adalah sebagai bahan baku bumbu masak MSG, gula cair, dan

arak; 2) Pucuk daun tebu, yang dapat digunakan sebagai pakan ternak dalam

bentuk silase, pellet , dan wafer diperoleh pada tahap penebangan tebu; 3)

ampas tebu yang merupakan hasil samping dari proses ekstraksi cairan tebu,

dimanfaatkan sebagai bahan bakar pabrik, bahan industri kertas, particle board

dan media untuk budidaya jamur, atau dikomposkan untuk pupuk; 4) Blotong

yang merupakan hasil samping proses penjernihan dapat dimanfaatkan sebagai

pupuk tanaman tebu. Adapun pohon industri untuk industri berbasis tebu dapat

dilihat pada Lampiran 1.

Menurut Badan Penelitian dan Pengembangan Pertanian (2005), tipe

pengusahaan tanaman tebu terbagi dalam dua tipe yaitu : 1) kebun tebu dikelola

dengan menggunakan manajemen perusahaan perkebunan dimana pabrik gula

(PG) sekaligus memiliki lahan HGU untuk pertanaman tebunya, dan 2) tanaman

tebu dikelola oleh rakyat. Pada umumnya, petani merupakan pemasok bahan

baku tebu sedangkan PG lebih berkonsentrasi pada pengolahan. Sistem bagi

hasil yang diterapkan adalah sekitar 66% dari produksi gula untuk petani dan

34% untuk PG.

Terdapat dua sistem penebangan tebu yaitu 1) tebu bakar, sebelum

dilakukan penebangan tebu dibakar terlebih dahulu; dan 2) tebu hijau, tebu

langsung ditebang jika batang sudah masak. Tebu bakar akan mempercepat

turunnya kadar sukrosa dan kerusakannya lebih cepat karena mudah

terkontaminasi oleh mikroba (Leouconostoc mesenteroides).

Berdasarkan peralatan yang digunakan pada saat penebangan dan

pengangkutan (sistem pemasokan) dapat dibedakan tiga jenis, yaitu 1)

penebangan dilakukan oleh tenaga tebang manual kemudian batang tebu diikat

dan diangkut menggunakan truk atau trailer (system bundled cane); 2)

penebangan dilakukan oleh tenaga tebang manual tetapi pada saat pemuatan

menggunakan bantuan alat mekanis karena tebu tidak diikat (system loosed

cane); 3) penebangan dan pemuatan dilakukan oleh alat mekanis yang disebut

harvester, dimana tebu dipotong secara otomatis dan langsung ditampung dalam

bak truk (system chopped cane).

Tebu yang telah dipanen dari areal budidaya tebu diangkut dan

ditempatkan dalam areal penampungan (cane yard). Untuk menghindari

menurunnya rendemen, maka tenggang waktu yang ditolerir antara waktu tebang

dan giling adalah 24 jam (Moerdokusumo 1993; Effendi 2009). Makin lama

tenggang waktu antara tebang dan giling akan menyebabkan semakin rendah

kandungan sukrosa yang mudah larut dalam air dan dapat terhidrolisis oleh

adanya ion hidrogen atau akibat aktifitas mikroba tertentu. Gula atau sukrosa

dapat terdekomposisi oleh bakteri, khamir dan jamur yang aktifitasnya

tergantung pada kadar sukrosa, suhu dan aktivitas air.

Sebelum proses produksi gula dilakukan, diperlukan pra-pengolahan.

Pada tahap ini, tebu masuk ke dalam cane preparation menggunakan sistem

elevator yang berjalan melewati cane cutter 1 yaitu suatu alat yang akan

memotong tebu menjadi bagian yang lebih kecil. Setelah itu tebu akan melewati

cane cutter 2 yang berfungsi untuk memotong tebu menjadi bagian yang lebih

kecil lagi karena pisau yang digunakan mempunyai jarak yang lebih rapat. Tebu

yang telah dipotong-potong tersebut akan dihancurkan oleh alat yang disebut

shredder sehingga tebu menjadi serpihan halus berbentuk ampas yang kemudian

akan dikirim pada mill station untuk diperah.

Proses produksi gula dari tebu terdiri dari lima tahap, yaitu : 1) proses

pemerahan atau penggilingan yang bertujuan untuk menghasilkan nira, pada

proses ini ditambahkan air imbibisi yang digunakan untuk melarutkan

kandungan sukrosa dan membunuh mikroba Leuconostoc mesenteroides; 2)

proses pemurnian yang bertujuan untuk memisahkan kotoran atau zat-zat non-

gula; 3) proses penguapan yang bertujuan untuk menguapkan air sebanyak-

banyaknya sehingga dihasilkan nira kental; 4) proses kristalisasi ( metoda

spontan, pancingan, penambahan slurry atau seed) yang bertujuan untuk

memisahkan gula dari nira kental; dan 5) proses pemutaran (sentrifuse) yang

bertujuan untuk memisahkan sukrosa dan molases. Adapun skema proses

pembuatan gula kristal putih diperlihatkan pada Gambar 6.

Gambar 6 Proses Pembuatan Gula Kristal Putih (Effendi 2009)

Industri gula merupakan salah satu industri pengolahan yang

berkembang pertama kali di Indonesia. Ditinjau dari potensi yang dimiliki

(iklim yang sangat sesuai untuk tumbuhnya tebu dan sebagai negara terkaya

sumber daya genetik tebu) serta kapasitas produksi industri gula nasional yang

Nira Kotor

Batang tebu

Ekstraksi Nira

Penjernihan Penyaringan

Blotong

Muddy juice

Nira jernih

EvaporasiAir

Bagasse

GULA

Kristalisasi

Sentrifuse

masih terpakai 72%, maka para ahli gula dunia berpendapat bahwa Indonesia

sangat berpotensi untuk mengembangkan industri gula (Khudori 2004).

Pada awal abad ke-16 industri gula telah diusahakan oleh penduduk

Cina perantauan di sekitar Jakarta, dan selanjutnya dikembangkan secara

besar-besaran oleh VOC (pengusaha Belanda) di seluruh Jawa pada abad ke-

19. Jawa menjadi sentra industri gula yang memberikan kontribusi utama bagi

pemerintah kolonial Belanda pada abad-20. Pada tahun 1930, Jawa menjadi

eksportir terbesar ke dua di dunia setelah Kuba. Pada jaman kolonial, integrasi

sistem agribisnis gula dijamin melalui organisasi dari pemerintah yang

mempunyai kekuatan untuk memaksa. Petani dipaksa oleh pemerintah kolonial

menanam tebu sesuai dengan luasan, teknologi, jadwal tanam, dan jadwal

panen yang ditetapkan oleh pabrik. Dengan demikian, pabrik gula dapat

memperoleh pasokan bahan baku yang cukup sepanjang musim giling,

sehingga industri gula di Jawa sangat efisien.

Industri gula ditinjau dari aktivitas ekonomi merupakan industri yang

memberikan dampak ganda cukup signifikan secara nasional terhadap penciptaan

output, pendapatan, nilai tambah dan tenaga kerja mengingat gula merupakan

suatu komoditi pangan yang penggunaannya sangat luas. Selain dikonsumsi

secara langsung (konsumsi akhir), gula juga merupakan bahan baku bagi banyak

industri (input antara). Struktur Industri gula (Ismail 2005) berdasarkan analisis

keterkaitan antara industri melalui analisis input-output menunjukkan bahwa

secara nasional industri gula memiliki keterkaitan langsung dengan sektor-sektor

dibelakangnya sebanyak 53 sektor (dari 172 sektor) dan keterkaitan langsung ke

depan dengan 30 sektor. Oleh karena itu, peningkatan produksi gula selain untuk

memenuhi kebutuhan konsumsi akhir saat ini , juga diperlukan untuk mendorong

peningkatan produksi industri-industri yang menggunakan gula sebagai bahan

bakunya.

Permasalahan yang dihadapi industri gula nasional ditandai dengan

ketidakmampuan industri gula nasional mencukupi kebutuhan gula setiap tahun

untuk konsumsi dan input bagi industri di dalam negeri. Kondisi industri gula

nasional dalam lima tahun terakhir menunjukkan bahwa peningkatan produksi

gula nasional tidak dapat memenuhi kebutuhan gula yang semakin meningkat.

Mengingat gula merupakan salah satu bahan kebutuhan pokok masyarakat

Indonesia sehari-hari, pemerintah mengemban tanggungjawab untuk senantiasa

menjamin ketersediaannya dalam jumlah yang cukup dan pada tingkat harga yang

layak sesuai dengan kondisi perekonomian masyarakat. Untuk memenuhi

kebutuhan gula dari tahun ke tahun, pemerintah Indonesia mengambil kebijakan

untuk melakukan impor gula.

Dibukanya impor gula secara bebas sejak awal tahun 1998, telah

mengubah situasi pasar gula di dalam negeri menjadi sangat dipengaruhi oleh

pasar gula dunia. Perubahan terhadap kebijakan gula nasional secara mendasar

pada industri gula yang sebelumnya dikenal sebagai the most regulated

commodity untuk melindungi produsen diubah menjadi komoditas yang

diperlakukan dengan free trade policy berupa bebas impor dengan tarif bea

masuk yang rendah. Kebijakan free trade tersebut telah menyebabkan gula impor

dengan volume yang kurang terkontrol oleh pemerintah, hal ini menyebabkan

excess supply yang berlebihan dipasar gula nasional. Hal tersebut berakibat pada

harga gula dalam negeri hingga mencapai tingkat yang dapat menyebabkan

kebangkrutan total industri gula nasional.

Pada umumnya, kebijakan free trade dengan tarif bea masuk yang rendah

tidak dilakukan oleh negara produsen gula yang termasuk dalam kategori paling

efisien, apalagi di negara produsen yang masih tergantung pada gula impor seperti

Indonesia. Jika industri gula nasional tidak mampu meningkatkan produksi, maka

impor gula akan semakin besar.

Husodo (2000) menyebutkan bahwa secara umum kondisi pergulaan

nasional memiliki tiga persoalan utama. Pertama, rendahnya harga gula dipasaran

dunia. Kedua, produktivitas pabrik gula rendah dan banyak yang tidak efisien.

Ketiga, perkembangan industri gula nasional terus merosot. Selanjutnya, Husodo

(2000) juga menyatakan bahwa persoalan makro pergulaan nasional adalah 1)

dalam jangka pendek : bagaimana mengatur stok gula hingga mencapai harga

yang wajar bagi produsen tanpa memberatkan konsumen, dan 2) dalam jangka

panjang : bagaimana meningkatkan efisiensi dan produktivitas pergulaan nasional,

dan mengarah pada swasembada dan ekspor.

Permasalahan industri gula nasional, pada dasarnya dapat didiagnosa

dengan mengkaji permasalahan yang terdapat pada faktor-faktor yang

berpengaruh terhadap keberlanjutan industri gula nasional. Salah satu dari faktor-

faktor yang berpengaruh adalah pabrik gula. Pada umumnya, pabrik gula (PG)

di Indonesia didirikan sejak jaman Belanda. Pada tahun 1930 tercatat ada 179

PG, dan pada tahun-tahun berikutnya terjadi fluktuasi dalam hal jumlah PG.

Effendi (2009) menyebutkan bahwa pada tahun 2000 jumlah PG di Indonesia

mencapai 71 unit. Namun pada tahun 2008 hanya 58 unit yang beroperasi di

tambah empat unit PG rafinasi.

Lokasi PG menurut Badan Penelitian dan Pengembangan Pertanian

(2005) tersebar di 8 propinsi. Di Jawa, sebagai sentra utama adalah Jawa Timur

(31 PG), sedangkan Jawa Tengah dan Jawa Barat masing-masing memiliki

delapan dan lima PG. Di luar Jawa, Lampung menempati peringkat pertama

dengan lima PG, diikuti oleh Sulawesi Selatan (3 PG), Sumatera Utara (2 PG),

Sumatera Selatan (1 PG), dan Gorontalo (1). Adapun daftar pabrik gula beserta

kapasitas gilingnya dapat di lihat pada Lampiran 2.

Kinerja industri gula yang mencerminkan daya saing industri gula,

merupakan hasil dari interaksi antar sub sistem dalam agribisnis gula, yang terdiri

dari empat sub sistem, yaitu : 1) sub sistem penyediaan input, 2) sub sistem

usahatani tebu, 3) sub sistem pengolahan gula (pabrik), dan 4) sub sistem

pemasaran. Selain itu, Disbun Jatim (2010) juga menyebutkan bahwa selain

dipengaruhi oleh interaksi dari empat sub sistem dalam agribisnis, kinerja industri

gula juga dipengaruhi oleh kebijakan pemerintah di bidang pergulaan, perubahan

keunggulan komparatif dalam penggunaan input, perubahan manajemen dan

kelembagaan, serta kemajuan penemuan, inovasi dan adopsi teknologi pada

industri gula dan industri lain yang berkompetisi, bersubstitusi dan

berkomplemen.

Upaya yang ditujukan untuk meningkatkan daya saing, menjaga eksistensi

dan sustainability industri gula serta efisiensi yang mengarah pada penurunan

biaya produksi yaitu revitalisasi industri gula. Revitalisasi industri gula pada

dasarnya mencakup usaha-usaha peningkatan produktivitas dan efisiensi pada

sektor on farm (usaha tani) dan off farm (pabrik gula), yang didukung oleh

kebijakan yang kondusif bagi terciptanya kondisi ke arah perbaikan kedua sektor

tersebut. Selain itu, revitalisasi industri gula juga berkaitan erat dengan

restrukturisasi industri gula terutama dalam aspek kelembagaan dan kepemilikan

perusahaan gula, serta pemberdayaan lembaga usaha tani (koperasi) dan lembaga

penelitian (Disbun Jatim 2010).

Kinerja PG dapat di kategorikan ke dalam dua aspek, yaitu : kinerja

ekonomis dan kinerja teknis. Kinerja teknis pabrik gula merupakan gabungan dari

1) kinerja unit penggilingan yang ditunjukkan oleh persen HPB (hasil bagi

perahan briks) dan persen pol dalam ampas; 2) kinerja unit pengolahan yang

ditunjukkan oleh persen HK (Harkat Kemurnian) dan %pol nira mentah; dan 3)

Ketel (boiler) sebagai komponen utama dalam proses produksi yang ditunjukkan

oleh persen efisiensi ketel dan pemakaian uap (kw/ton tebu). Standar yang

digunakan sebagai pembanding (Moerdokusumo 1993 dan LPPM IPB 2002)

yaitu 1) > 90% untuk persen HPB; 2) < 2% untuk persen pol dalam ampas; 3) >

96% untuk Harkat Kemurnian; 4)> 90% pol nira mentah dan 5) > 78% untuk

efisiensi ketel; serta 6) 60 kw/ton tebu untuk pemakaian uap.

Woerjanto (2000) menyebutkan beberapa upaya yang dapat dilakukan

untuk meningkatkan kinerja PG agar lebih efisien yaitu : 1) pemeliharaan mesin

dan peralatan pabrik yang lebih baik untuk menekan terjadinya jam henti giling

pada saat musim giling, 2) penggantian mesin, peralatan, dan suku cadang

dilakukan dengan benar, dalam arti mutu sesuai spesifikasi teknis yang diinginkan

dan harga yang wajar serta tepat waktu, 3) perlakuan preventive maintenance

program dalam masa giling, yaitu pemeliharaan mesin dan perawatan semua

mesin serta peralatan di saat sedang operasi, untuk mencegah terjadinya kerusakan

atau gangguan yang tidak diinginkan, 4) Pengoperasian semua mesin dan

peralatan sesuai standart operating procedure (SOP) untuk mencegah terjadinya

kesalahan operasi, 5) Proses pabrikasi dilakukan secara benar dengan sasaran

mencegah terjadinya kehilangan gula dalam proses, sehingga dapat dicapai

efisiensi pengolahan yang baik dengan kualitas produk yang prima, dan 6)

penghematan pemakaian bahan pembantu pengolahan. Selain itu, untuk lebih

meningkatkan efisiensi pabrik gula, perlu dilakukan rehabilitasi mesin dan

peralatan yang sudah tidak efisien.

Pulau Jawa memegang peranan penting dalam menunjang industri gula

nasional. Di lihat dari jumlah PG secara nasional, sekitar 80% PG berada di Pulau

Jawa dan dari total produksi gula nasional, sekitar 60% dihasilkan di Pulau Jawa.

Di Pulau Jawa sebagian besar produksi gula (sekitar 80%) dihasilkan oleh petani

tebu. Petani tebu sebagian mengusahakan tanaman tebu di lahan sawah dan

sebagian di lahan kering. Namun, pertanaman tebu di lahan sawah semakin tidak

mampu bersaing dengan komoditas lain terutama padi.

PG yang ada di Pulau Jawa, pada umumnya telah tua (sebagian didirikan

pada tahun 1800-an). Namun, sebagian besar PG di Jawa sudah direhabilitasi dan

ditingkatkan kapasitasnya. Kapasitas giling ditingkatkan dengan sasaran

peningkatan efisiensi , bahkan di beberapa pabrik mencapai 3 – 4 kali kapasitas

semula. Otomatisasi dan komputerisasi beberapa peralatan pabrik telah dilakukan

sebagai upaya untuk memperkecil terjadinya kesalahan operasional. Upaya

tersebut menjadikan proses pengolahan gula lebih efisien. Namun masih ada yang

menggunakan mesin dan peralatan lama yang tingkat efisiensinya relatif rendah.

Dari sisi kapasitas terpasang yang dimiliki PG di Pulau Jawa, menurut

Sekretariat Dewan Ketahanan Pangan (2004) 53 % PG memiliki kapasitas giling

kecil (< 3.000 TTH), 44 % berkapasitas giling menengah (antara 3.000 – 6.000

TTH), dan hanya 3% yang berkapasitas giling besar ( > 6.000 TTH).

Industri gula di Pulau Jawa menurut Woerjanto (2000) menghadapi tiga

permasalahan struktural yaitu 1) rendahnya efisiensi dan produktivitas pabrik

gula, 2) rendahnya daya saing tanaman tebu dibandingkan komoditas agribisnis

lainnya, dan 3) industri gula termasuk dalam klasifikasi padat karya. Padatnya

jumlah penduduk di Pulau Jawa dan konversi lahan sawah menyebabkan luas

areal lahan tebu, baik pada lahan sawah maupun lahan kering menurun dari tahun

ke tahun. Dengan banyaknya jumlah pabrik gula yang sampai saat ini beroperasi,

luas lahan yang tersedia menjadi tidak memadai untuk mendukung kelancaran

produksi. Hal ini menjadi ancaman tersendiri bagi keberlanjutan pabrik gula yang

sangat tergantung pada kecukupan, kontinuitas, serta mutu bahan baku tebu yang

diperolehnya.

Industri gula di Pulau Jawa dengan segala permasalahan yang dihadapi,

merupakan kegiatan ekonomi yang secara langsung terkait dalam pemanfaatan

potensi keunggulan kompetitif sumber daya lokal. Oleh karena itu, industri gula

di Pulau Jawa akan tetap menjadi existing assets yang memiliki prospek di masa

mendatang.

Jawa Timur selama ini merupakan propinsi penghasil gula terbesar di

Indonesia, yang dihasilkan dari 30 PG milik BUMN (PTPN X, PTPN XI, dan

RNI) serta satu pabrik gula swasta (PG Kebon Agung). Produktivitas gula yang

masih rendah di Jawa Timur, terutama disebabkan oleh kualitas bahan baku (tebu)

dan kinerja pengolahan (Disbun Jatim 2010).

Di sisi on-farm, Jawa Timur menghadapi dua permasalahan penting

(Disbun Jatim 2010) yaitu : Pertama, pergeseran budidaya tebu ke lahan tegalan

akibat persaingan yang ketat dengan padi dan alih fungsi sawah menjadi area non-

pertanian seperti pemukiman dan industri. Perubahan budidaya tebu ke lahan

tegalan harus diikuti dengan perubahan paradigma budidaya tebu, mengingat pola

reynoso yang memerlukan tenaga kerja sangat intensif dan biasa dilakukan di

lahan sawah tidak dapat dilakukan lagi pada lahan tegalan. Inovasi teknologi

(varietas tebu yang sesuai, pengolahan tanah yang tepat, dan pemupukan yang

efektif) yang menunjang optimalisasi budidaya tebu di lahan tegalan perlu terus

dikembangkan. Kedua, proporsi tebu keprasan yang relatif tinggi dibanding

tanaman tebu pertama (Plant Cane). Produktivitas gula menjadi sulit ditingkatkan

pada kondisi tanaman ratoon yang dikepras lebih dari empat kali. Dampak dari

tanaman ratoon yang dikepras secara berulang-ulang tidak terkendali akan

mengakibatkan kualitas tanaman tebu menurun tajam akibat terjadinya penurunan

(degradasi) inheren genetik dari varietas tebu, peka terhadap serangan penyakit

tertentu seperti penyakit Ratoon Stunsting Disease (RSD) dan menimbulkan ekses

campuran varietas apabila dilakukan tambal sulam bibit secara tidak terkendali.

Di sisi Off-farm Jawa Timur perlu merevitalisasi dua aspek penting

(Disbun Jatim 2010) yaitu : peningkatan kapasitas giling dan rehabilitasi PG

dalam rangka meningkatkan efisiensi. Meskipun rerata produktivitas tebu yang

dihasilkan di lahan tegalan lebih rendah dibanding lahan sawah, upaya

peningkatan produksi gula di masa mendatang salah satunya ditempuh dengan

pengembangan areal tegalan. Jawa Timur memiliki potensi areal pengembangan

tebu yang cukup luas yang tersebar di beberapa kabupaten atau kota. Mengingat

jumlah tebu yang dihasilkan akan meningkat, maka kemampuan PG dalam

menggiling tebu juga harus ditingkatkan. Oleh karena itu, kelebihan pasokan tebu

harus diantisipasi dengan peningkatan kapasitas giling PG.

Selanjutnya, Disbun Jatim (2010) juga menyatakan cara lain untuk

mengimbangi lonjakan jumlah tebu giling di tahun-tahun yang akan datang, yaitu

dengan : meningkatkan kinerja PG serta melakukan audit PG. Kinerja PG

diperbaiki dengan cara mengurangi idle capacity dan meningkatkan efisiensi

melalui rehabilitasi mesin-mesin atau alat-alat yang tua dan berkinerja rendah.

Kapasitas giling efektif PG diusahakan bisa mendekati atau sama dengan

kapasitas terpasangnya. Hal ini dapat dilakukan dengan menekan jam henti giling.

Peningkatan pemanfaatan kapasitas giling PG dapat dilakukan dengan

meningkatkan efisiensi gilingan, pengolahan, dan penggunaan energi. Audit PG

dimaksudkan untuk menilai kinerja PG secara keseluruhan sehingga bisa

dihasilkan rekomendasi untuk memperbaiki kinerja PG tersebut. Proses audit

dilakukan dengan menelusuri perjalanan tebu menjadi gula didalam PG. Melalui

proses tersebut maka berbagai hal yang menyebabkan ketidak efisienan atau

kinerja PG menurun bisa ditelusuri, sehingga bisa dibuat rekomendasi untuk

perbaikan. Selain itu, audit PG juga digunakan sebagai kontrol atas pelaksanaan

best management practices di PG.

Luthfie (2010) menyatakan bahwa sisi pengolahan pada industri pergulaan

di Jawa Timur dinilai sebagai titik lemah yang menjadi pangkal rendahnya

produktivitas pabrik gula. Selanjutnya, Luthfie (2010) membandingkan kinerja

pabrik gula di Jawa Timur dengan pabrik gula di Propinsi Lampung dengan hasil

perbandingan sebagai berikut : 1) kapasitas produksi : di propinsi Lampung

mencapai 8,91 ton per hektare sedangkan provinsi Jawa Timur hanya mencapai

5,975 ton per hektare , 2) rendemen : enam pabrik gula di Lampung memiliki

rerata rendemen sebesar 9% sedangkan 31 pabrik gula di Jawa Timur hanya

memiliki rerata rendemen sebesar 7,8%, dan 3) penghasilan petani lahan tegalan :

rerata petani tebu di provinsi Lampung meraih penghasilan sebesar Rp. 13 juta –

Rp. 15 Juta per hektare sedangkan petani di Jawa Timur hanya meraih

penghasilan sebesar Rp. 9 juta – Rp. 11 Juta per hektare.

Dalam pembangunan industri gula nasional, pemerintah telah menerapkan

beberapa instrumen kebijakan yang diarahkan untuk mendorong perkembangan

industri gula Indonesia, seperti yang dapat dilihat pada Tabel 1. Berdasarkan

Tabel 1 dapat disimpulkan bahwa kebijakan yang dilakukan mempunyai

dimensi yang cukup luas, yaitu mencakup input, produksi, distribusi, dan harga

(perdagangan). Namun dari segi intensitas, kebijakan distribusi dan perdagangan

jauh lebih intensif dibandingkan dengan kebijakan produksi dan input. Badan

Penelitian dan Pengembangan Pertanian (2005) menyatakan bahwa secara garis

besar, dinamika kebijakan distribusi dan perdagangan dapat dibagi menjadi

empat tahapan utama, yaitu 1) Era Isolasi (1980 - 1997), 2) Era Perdagangan

Bebas (1997 - 1999), 3) Era Transisi (1999 - 2002), dan 4) Era Proteksi dan

Promosi (2003 - sekarang).

Berbagai kebijakan yang dilakukan oleh pemerintah merupakan respon

pemerintah terhadap permasalahan yang dihadapi industri gula nasional, yang

dikeluarkan secara reaktif dan cenderung bersifat ad-hoc. Kebijakan yang hanya

menekankan pada hambatan perdagangan dan pembatasan impor saja tidak akan

menyelesaikan permasalahan yang dihadapi industri gula nasional.

Direktorat Jenderal Industri Agro dan Kimia Departemen Perindustrian

(2009) merumuskan visi, misi dan indikator pencapaian untuk industri gula

nasional sebagai berikut :

VISI :

Mewujudkan industri gula nasional yang mandiri, berdaya saing, dan

mampu memenuhi kebutuhan dalam negeri dan ekspor

MISI :

1. Memperkuat struktur industri gula

2. Meningkatkan produktivitas dan efisiensi

3. Mendorong investasi PG-PG keluar P. Jawa

4. Terpenuhinya kebutuhan gula konsumsi dan industri oleh industri gula

dalam negeri

Indikator Pencapaian : tercapainya swasembada gula nasional pada tahun 2014

Tabel 1 Instrumen kebijakan untuk Industri Gula Indonesia (Badan Penelitian dan

Pengembangan Pertanian 2005) Nomor SK/Keppres/Kepmen Perihal Tujuan

Keppres No. 43/1971,

14 Juli 1971

Pengadaan, penyaluran, dan

pemasaran gula

Menjaga kestabilan pasokan gula

sebagai bahan pokok

Surat Mensekneg No. B.136/abn

sekneg/3/74,

27 Maret 1974

Kepmen Perdagangan dan

Koperasi No. 122/Kp/III/81, 12

Maret 1981

Kepmenkeu No.

342/KMK.011/1987

Intensifikasi Tebu Rak-yat

(TRI)

Tataniaga gula pasir dalam

negeri

Penetapan harga gula pasir

produksi dalam negeri

Penjelasan mengenai Keppres No.

43/1971 yang meliputi gula PNP

Peningkatan produksi gula

serta peningkatan petani tebu

Menjamin stabilitas harga,

devisa, serta kesesuaian pendapatan

petani dan pabrik

UU No. 12/1992

Inpres No. 5/1997,

29 Desember 1997

Inpres No. 5/1998 ,

5 Januari 1998

Kepmenperindag No.

25/MPP/Kep/1/1998

Kepmenhutbun No.282/Kpts-

IX/1999,

7 Mei 1999

Kepmenperindag No.

363/MPP/Kep/8/1999,

5 Agustus 1999

Kepmenperindag No.

230/MPP/Kep/6/2000,

5 Juni 2000

Kepmenkeu No.

324/KMK.01/2002

Kepmenperindag No.

643/MPP/Kep/9/2002,

23 September 2002

SK 522/MPP/Kep/9/2004

Budidaya tanaman

Program Pemgembangan Tebu

Rakyat

Penghentian pelaksanaan

Inpres No. 5/1997

Komoditas yang diatur

tataniaga impornya

Ppenetapan harga provenue

gula pasir produksi petani

Tataniaga impor gula

Mencabut Kepmenperindag

No. 363/MPP/Kep/8/1999

Perubahan bea masuk

Tataniaga impor gula

Tentang ketentuan impor gula

Memberikan kebebasan pada petani

untuk menanam komoditas sesuai

dengan prospek pasar

Pemberian peranan kepada pelaku

bisnis dalam rangka perdagangan

bebas

Memberikan kebebasan pada petani

untuk menanam komoditas sesuai

dengan UU No. 12/1992

Mendorong efisiensi dan kelancaran

arus barang

Menghindari kerugian petani dan

mendorong peningkatan produksi

Pengurangan beban anggaran

pemerintah melalui impor gula oleh

produsen

Pembebasan taris impor gula untuk

melindungi industri dalam negeri

Peningkatan efektivitas bea masuk

Pembatasan pelaku impor gula untuk

meningkatkan pendapatan petani atau

produsen

Revisi dan mempertegas esensi

Kepmenperindag No.

643/MPP/Kep/9/2002

Adapun roadmap sasaran pengembangan industri gula adalah sebagai berikut :

Gambar 7 Roadmap Sasaran Pengembangan Industri Gula 2010 – 2025 (Dirjen

Industri Agro dan Kimia Departemen Perindustrian 2009)

2.2 Perbaikan Kinerja

Tonchia dan Toni (2001) menyebutkan bahwa pada dasarnya kinerja dapat

dikategorikan menjadi dua, yaitu kinerja yang berkaitan dengan biaya (biaya

produksi) dan kinerja yang berkaitan dengan selain biaya (seperti kualitas,

fleksibilitas, dan sebagainya). Lingkup dari kinerja menurut Grunberg (2004)

mencakup aspek ekonomi dan aspek operasional. Kinerja pabrik gula (PG) dapat

di kategorikan ke dalam dua aspek (Lembaga Penelitian IPB 2002), yaitu : kinerja

ekonomis dan kinerja teknis.

Hasil identifikasi terhadap berbagai penelitian yang terkait dengan

manajemen kinerja (Holloway 2009) menunjukkan bahwa sebagian besar

penelitian membahas topik perbaikan kinerja. Adapun pendekatan yang

digunakan bervariasi yaitu kuantitatif, kualitatif, partisipatif, interpretatif,

history, prediksi, dan pengembangan model.

1. Tercapainya swasembada gula nasional tahun 2014

2. Berhasilnya program revitalisasi pabrik gula melalui peningkatan mutu

dan volume produksi gula putih

3. Meningkatnya produksi raw sugar dalam negeri

4. Memberlakukan SNI wajib gula putih

1. Pemenuhan berbagai jenis gula dari produksi dalam negeri

2. Ekspor gula setelah kebutuhan dalam negeri terpenuhi

3. Restrukturisasi teknologi proses pada industri gula sesuai perkembangan

yang terjadi

4. Penghapusan dikotomi pasar gula rafinasi yang dapat pula dijual ke

konsumen langsung

1. Indonesia menjadi negara produsen gula yang mampu memasok

kebutuhan negara-negara lain di Asia Pasifik

JANGKA

PENDEK

2010-2015

JANGKA

MENENGAH

2015-2020

JANGKA

PANJANG

2020-2025

Inisiatif terhadap perbaikan kinerja diawali pada masa revolusi industri.

Seiring dengan perubahan lingkungan organisasi, meningkatnya persaingan,

perubahan kebutuhan internal dan eksternal organisasi dan perkembangan

teknologi yang menyebabkan perubahan dalam setiap aspek manajemen dan

organisasi maka pendekatan dan metodologi dalam perbaikan kinerja juga terus

berkembang.

Metoda perbaikan kinerja pada umumnya diawali dengan melakukan

pemetaan terhadap aliran proses. Pendekatan ini dapat membantu dalam

mengidentifikasi area potensial untuk diperbaiki. LaBonte (2001) mendefinisikan

perbaikan kinerja sebagai proses yang digunakan secara sistematis untuk

mengidentifikasi gap kinerja, meneliti sebab utama, memilih dan merancang

tindakan, mengukur hasil, dan memperbaiki kinerja secara berkesinambungan.

Usaha yang dilakukan organisasi untuk memperbaiki kinerjanya dapat

dilakukan melalui beberapa cara. Pada umumnya, terdapat lima tahap yang harus

dilakukan dalam model perbaikan kinerja (Swanson 1996) yaitu : 1) tahap

analisis; 2) tahap desain; 3) tahap pengembangan; 4) tahap implementasi; dan 5)

tahap evaluasi. Tahap yang paling kritis adalah tahap analisis. Tujuan dari tahap

analisis adalah untuk menentukan kinerja, menentukan target kinerja yang

diinginkan, dan untuk menentukan prioritas perbaikan.

2.3 Pengukuran Kinerja

Untuk menentukan kinerja perlu dilakukan pengukuran kinerja.

Pengukuran kinerja merupakan sub sistem dari manajemen kinerja (Cokins 2004;

Halachmi 2005; Stiffler 2006; Baxter dan MacLeod 2008). Pengukuran kinerja

didefinisikan sebagai proses untuk mengkuantifikasi efisiensi dan efektivitas dari

suatu tindakan (Tangen 2004; Olsen et al. 2007; Cocca dan Alberti 2010).

Tindakan yang dimaksud adalah tindakan masa lalu (Cocca dan Alberti 2010).

Pengukuran kinerja adalah bagian dari analisa atau diagnosa terhadap proses

untuk mengidentifikasi aktivitas mana yang diprioritaskan untuk diperbaiki.

Menurut pandangan tradisional, pengukuran kinerja adalah untuk

memonitor kinerja bisnis dan mendiagnosa penyebab dari masalah. Amaratunga

dan David (2002) menyatakan bahwa fungsi utama dari sistem pengukuran kinerja

adalah untuk mengontrol operasi dalam organisasi. Dalam model umpan balik

tradisional, para manajer mengatur kinerja dengan monitoring output dan

kemudian menyesuaikan input untuk mencapai suatu target dibanding

mengendalikan suatu tugas dengan mempertimbangkan semua elemen data yang

diperlukan untuk menguraikan status dari sistem (Bond 1999).

Dikaitkan dengan manajemen operasional, Radnor dan Barnes (2007)

mendefinisikan pengukuran kinerja sebagai proses mengkuantifikasi input, output,

dan tingkat aktivitas dari suatu proses. Wibisono (1999) menyebutkan bahwa

pengukuran kinerja di perusahaan manufaktur pada level manajemen operasi

dapat dibagi menjadi tiga jenis yaitu 1) pengukuran kinerja taktis (competitive

priorities), 2) pengukuran kinerja operasional (manufacturing task), dan 3)

pengukuran kinerja strategis (resource availability). Hal yang sama juga

dikemukakan oleh Craig dan Grant (2002) bahwa keunggulan bersaing suatu

organisasi didukung oleh kemampuan sumber daya dan rutinitas organisasi.

Karim (2008) dalam Karim (2009) menyebutkan bahwa penentuan

prioritas kompetisi merupakan elemen kunci dalam strategi manufaktur. Prioritas

kompetisi menunjukkan keunggulan kompetitif dan mewakili tujuan yang

seharusnya dicapai (Rusjan 2005). Untuk menentukan prioritas kompetisi

perusahaan manufaktur Leachman et al. (2006) mengusulkan ukuran kinerja

berdasarkan pada kualitas dan volume output.

Berdasarkan pengalaman implementasi pada beberapa perusahaan di

Indonesia ditinjau dari aspek kepraktisan dan nilai tambah yang diberikan,

Wibisono (2006) menyatakan bahwa pendekatan yang sesuai untuk diterapkan di

Indonesia dalam menentukan variabel kinerja yang akan diukur adalah dengan

melakukan identifikasi variabel kinerja dari 3 perspektif yaitu 1) keluaran

organisasi (business results), 2) proses internal (internal business processes), dan

3) kemampuan atau ketersediaan sumber daya (resources availability).

Terdapat tiga aspek formal dari pengukuran kinerja (Spitzer 2007) yaitu

1) ukuran-ukuran (variabel yang diukur), 2) proses pengukuran (tahapan yang

menunjukkan bagaimana cara melakukan pengukuran), dan 3) infrastruktur teknis

(berupa hardware dan software komputer yang digunakan untuk mendukung

proses pengukuran). Tiga kriteria yang dapat digunakan untuk menilai keefektifan

dari sistem pengukuran kinerja (Olsen et al. 2007) yaitu 1) keterkaitan, 2)

perbaikan terus-menerus, dan 3) pengawasan proses.

Terkait dengan ukuran-ukuran (variabel) yang diukur, Medori dan Steeple

(2000) menyatakan bahwa pada semua framework pengukuran kinerja yang telah

dihasilkan, pada umumnya memiliki kelemahan dalam hal memberikan panduan

terhadap pemilihan variabel kinerja yang akan diukur. Denton (2005) menyatakan

bahwa meskipun banyak hal yang dapat diukur tetapi lebih penting untuk

mengukur hal yang spesifik dan relevan.

Parmenter (2010) mengkategorikan ukuran kinerja dalam tiga kategori

yaitu 1) KRI (Key Result Indikator), 2) KPI (Key Performance Indicator), dan 3)

PI (Performance Indicator). Shahin dan Mahbod (2007) menyebutkan bahwa KPI

dapat dirumuskan berdasarkan tujuan dari organisasi. Saunders et al. (2007)

menegaskan pentingnya penguraian strategi organisasi ke dalam tindakan. Kaplan

dan Norton dalam Parmenter (2010) merekomendasikan agar dalam pengukuran

kinerja tidak menggunakan lebih dari 20 ukuran kinerja. Selain itu, Hope dan

Fraser dalam Parmenter (2010) menyarankan penggunaan ukuran kinerja kurang

dari 10.

Radnor dan Barnes (2007) menyebutkan bahwa terdapat tiga

kecenderungan umum dalam pengukuran kinerja yaitu 1) keluasan dari unit

analisis (level individu, stasiun kerja, lini produksi, unit bisnis, perusahaan), 2)

kedalaman ukuran kinerja (keterkaitan variabel kinerja), 3) peningkatan range

ukuran kinerja (misalnya dari efisiensi menjadi efisiensi dan efektivitas). Dalam

hal range ukuran kinerja, beberapa penelitian terdahulu menunjukkan adanya

keterbatasan dalam model pengukuran kinerja pabrik gula karena hanya dilakukan

dengan menggunakan range ukuran kinerja yang sempit yaitu 1) produktivitas

(Yusnitati (1994) dan Manalu (2009) terkait dengan kinerja output per input, 2)

efisiensi produksi (Siagian 1999) terkait dengan kinerja proses , dan 3) efisiensi

teknis (LPPM IPB 2002) terkait dengan kinerja proses.

Berdasarkan kedalaman ukuran kinerja, pada penelitian terdahulu tidak

memperhatikan keterkaitan ukuran kinerja. Hal ini dapat menyebabkan upaya

perbaikan yang dilakukan tidak menghasilkan perbaikan kinerja yang signifikan.

Selain itu, jika merujuk pada pernyataan Olsen et al. (2007) dapat menyebabkan

berkurangnya keefektifan sistem pengukuran kinerja.

Berbagai ukuran kinerja telah diidentifikasi sesuai dengan kebutuhan.

Heizer dan Render (2008) menyebutkan bahwa faktor-faktor penentu

produktivitas yaitu 1) tenaga kerja, 2) modal, dan 3) manajemen. Namun, dalam

pengukuran produktivitas dapat digunakan satu (single) atau lebih dari satu (multi)

faktor. Gleich et al. (2008) menyebutkan bahwa untuk meningkatkan kinerja

dapat digunakan indikator non finansial berupa volume, waktu siklus, dan

kapasitas yang dimiliki. Martin (2008) mengidentifikasi ukuran-ukuran kinerja

untuk menentukan efisiensi proses yaitu kualitas produk atau jasa, kapasitas atau

kuantitas output, kuantitas dari produk cacat, kuantitas dari waste, waktu siklus,

waktu produksi, kepuasan pelanggan, dan kepuasan karyawan.

Kerangka kerja proses pengukuran kinerja perlu diperbaiki secara

kontinu dengan mempertimbangkan berbagai model pengukuran kinerja yang

sesuai dengan permasalahan yang dihadapi (Nenadal 2008). Beheshti dan Lollar

(2008) menyebutkan bahwa pengukuran kinerja merupakan keputusan penting

yang sering menggunakan informasi subyektif. Oleh karena itu model keputusan

yang memanfaatkan logika fuzzy dapat memberikan solusi yang logis. Chan et al.

(2002) mengusulkan penggunaan logika fuzzy dalam evaluasi kinerja.

Terkait dengan infrastruktur yang digunakan dalam pengukuran kinerja,

Santos et al. (2007) menunjukkan adanya variasi infrastruktur yaitu secara manual

dan pemanfaatan sistem informasi. Raymond dan Marchand (2008) menunjukkan

pergeseran dalam pemanfaatan sistem informasi untuk pengukuran kinerja, yaitu

dari sistem informasi eksekutif (1980 – 1999) ke Sistem Intelijen ( 2000 – saat

ini). Selain itu, Denton (2010) menyebutkan bahwa intranet dan internet dapat

digunakan untuk meningkatkan pengelolaan dan pengukuran kinerja.

Rancangbangun SPK pernah dilakukan antara lain oleh Lau et al. (2001)

berupa Intelligent DSS for benchmarking of business partners, Marimin et al.

(2005) berupa Sistem Intelijen Penilaian Kinerja Perusahaan, dan Unahabhokha

et al. (2007) berupa Predictive performance measurement system : A fuzzy expert

system approach.

2.4 Benchmarking

Sistem pengukuran kinerja merupakan kunci untuk memandu dan menguji

hasil dari proses perbaikan, tetapi tidak mengindikasikan bagaimana suatu proses

harus di perbaiki. Salah satu pendekatan yang dapat membantu melengkapi hal

tersebut adalah benchmarking. Dattakumar (2003) menyimpulkan bahwa

pendekatan benchmarking dapat digunakan untuk perbaikan terus menerus. Hasil

review Grunberg (2003) terhadap metoda-metoda yang digunakan untuk

perbaikan kinerja aktivitas operasional pada perusahaan manufaktur menunjukkan

bahwa pendekatan benchmarking juga memungkinkan untuk digunakan. Gleich

et al. (2008) menyebutkan bahwa benchmarking dapat digunakan untuk

meningkatkan kinerja pada berbagai area.

Berbagai definisi benchmarking antara lain 1) merupakan suatu proses

untuk mengukur kinerja terhadap perusahaan yang terbaik dalam kelasnya,

kemudian menggunakan analisis untuk memenuhi dan melebihi perusahaan

tersebut (Pryor dan Katz 1993 dalam Yasin 2002), 2) pencarian praktek terbaik

yang mengarah kepada kinerja yang sangat baik apabila praktek-praktek tersebut

diterapkan (Partovi 1994), 3) proses identifikasi dan pembelajaran dari praktek

terbaik dimanapun di dunia (Allan 1997 dalam Elmuti dan Yunus 1997), dan 4)

perbandingan sistematis terhadap proses dan kinerja untuk menciptakan standar

baru dan atau meningkatkan proses (Steven et al.2003).

Benchmarking dapat dipergunakan dalam berbagai industri, baik jasa dan

manufaktur. Perusahaan-perusahaan melakukan benchmarking karena berbagai

alasan. Alasan bisa umum, seperti peningkatan produktivitas atau bisa spesifik,

seperti peningkatan desain tertentu. (Muschter 1997 dalam Elmuti dan Yunus

1997). Alasan-alasan yang digunakan pada dasarnya merupakan upaya organisasi

dalam rangka perbaikan kinerja. Berdasarkan hal tersebut, maka metode

benchmarking dapat digunakan untuk melakukan analisis perbaikan kinerja.

Aplikasi benchmarking dalam perbaikan kinerja telah banyak dilakukan.

Di mulai pada akhir 1970 oleh Xerox Corporation yang memutuskan untuk

membandingkan operasional perusahaannya dengan L.L. Bean yang memiliki

produk yang berbeda namun memiliki karakteristik fisik yang sama (Tucker et al.

1987 dalam Elmuti dan Yunus 1997). Oleh karena itu, pengelompokan organisasi

yang memiliki karakteristik yang serupa perlu dilakukan sebelum proses

benchmarking.

Pengelompokan organisasi yang memiliki karakteristik yang serupa dapat

dilakukan dengan menggunakan metode clustering. Xu dan Wunsch (2009)

menyatakan bahwa pengelompokan (clustering) obyek kedalam beberapa

kelompok (cluster) yang mempunyai sifat yang homogen atau dengan variasi

sekecil mungkin diperlukan untuk memudahkan analisis data.

Ukuran untuk kesesuaian atau kemiripan diantara data-data yang akan

dipilih menjadi beberapa cluster dinamakan interobject similarity. Cara untuk

menentukan interobject similarity tergantung pada tujuan dan jenis data. Untuk

data dengan tipe metic dapat digunakan correlational measures (tingginya

korelasi menunjukkan kesesuaian dan rendahnya korelasi menunjukkan ketidak

sesuaian) dan distance measures ( semakin tinggi nilainya semakin rendah

kesesuaiannya). Sedangkan untuk tipe data non-metic (tipe ordinal) dapat

menggunakan association measures.

Terdapat dua tahapan yang harus dilakukan dalam analisis cluster yaitu 1)

memutuskan apakah jumlah cluster ditentukan atau tidak dan 2) menentukan

algoritma yang akan digunakan dalam clustering. Untuk memutuskan berapa

jumlah cluster yang akan dibentuk, Miyamoto et al. (2008) menyebutkan bahwa

terdapat dua pendekatan yang dapat digunakan yaitu 1) supervised (jika jumlah

cluster ditentukan) dan unsupervised (jika jumlah cluster tidak ditentukan/alami).

Gan et al. (2007) menyatakan bahwa dalam melakukan analisis clustering

dapat memilih satu diantara 2 pendekatan yaitu 1) Hard Clustering atau 2) Soft

Clustering (dikenal juga sebagai fuzzy clustering). Pemilihan pendekatan yang

digunakan tergantung jenis data yang akan dikelompokkan. Hard Clustering

digunakan apabila data berbentuk Crips sedangkan soft clustering digunakan

apabila data berbentuk fuzzy.

Menurut Kusumadewi dan Hari (2004) yang dimaksud dengan Fuzzy

Clustering adalah salah satu teknik untuk menentukan cluster optimal dalam suatu

ruang vektor yang didasarkan pada bentuk normal Ecludian untuk jarak antar

vektor. Suatu algoritma clustering dikatakan sebagai algoritma Fuzzy Clustering

jika dan hanya jika algoritma tersebut menggunakan strategi adaptasi secara soft

competitive (non-crisp). Sebagian besar algoritma Fuzzy Clustering didasarkan

atas optimasi fungsi obyektif atau modifikasi dari fungsi obyektif tersebut

(Kusumadewi et al. 2006).

Metode yang dapat digunakan pada pendekatan Hard Clustering (Gan et

al. 2007) yaitu 1) Non-Hierarchical clustering (Partitional Clustering) dan 2)

Hierarchical Clustering. Pada metode Non-Hierarchical clustering, terdapat 3

cara untuk mengelompokkan data dalam satu cluster yaitu 1) sequential threshold,

2) parallel threshold, dan 3) Optimization. Sedangkan dalam metode Hierarchical

Clustering, Xu dan Wunsch (2009) menyatakan bahwa terdapat dua tipe dasar

yaitu 1) penyebaran (divisive), dan 2) pemusatan (agglomerative). Tipe divisive

memulai pengelompokkan dari cluster yang besar (terdiri dari semua data)

kemudian data yang paling tinggi ketidaksesuaiannya dipisahkan dan seterusnya

sedangkan tipe agglomerative memulai pengelompokkan dengan menganggap

setiap data sebagai cluster kemudian dua cluster yang mempunyai kesesuaian

digabungkan menjadi satu cluster dan seterusnya.

Terdapat lima cara untuk menggabungkan antar cluster yaitu 1) single

linkage (berdasarkan jarak terkecil), 2) complete linkage (berdasarkan jarak

terjauh), 3) centroid method (berdasarkan jarak centroid), 4) average linkage

(berdasarkan berdasarkan rata-rata jarak), dan 5) ward’s method (berdasarkan

total sum of square dua cluster). Pemilihan pendekatan ditentukan berdasarkan

kesesuaian dengan permasalahan yang dihadapi.

Clustering merupakan metode yang sudah cukup dikenal dan banyak

dipakai dalam data mining. Namun, mengingat metode yang dikembangkan saat

ini masih bersifat heuristic maka upaya untuk menghitung jumlah cluster yang

optimal dan pengklasteran yang paling baik masih terus dilakukan (Santosa 2007).

Metode lain yang dapat digunakan untuk melakukan pengelompokan

adalah klasifikasi. Kusnawi (2007) menyebutkan bahwa klasifikasi merupakan

fungsi pembelajaran yang memetakan (mengklasifikasi) sebuah unsur (item) data

ke dalam salah satu dari beberapa kelas yang sudah didefinisikan. Contoh yang

populer dan mudah diinterpretasi (Pramudiono 2008; Taniar 2008) adalah dengan

model prediksi menggunakan struktur pohon atau struktur berhirarki (Decision

tree).

Decision tree (Larose 2005; Kusnawi 2007) adalah struktur flowchart

yang menyerupai tree (pohon), dimana setiap simpul internal menandakan suatu

tes pada atribut, setiap cabang merepresentasikan hasil tes, dan simpul daun

merepresentasikan kelas atau distribusi kelas. Alur pada decision tree di telusuri

dari simpul akar ke simpul daun yang memegang prediksi kelas. Decision tree

mudah untuk dikonversi ke aturan klasifikasi (classification rules).

Terdapat berbagai algoritma yang digunakan untuk membangun pohon

keputusan antara lain yaitu algoritma C4.5. Secara umum algoritma C4.5

(Ramakrishnan 2009) adalah sebagai berikut: 1) Pilih atribut sebagai akar

(didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada), 2) Buat cabang

untuk masing-masing nilai, 3) Bagi kasus dalam cabang, 4) Ulangi proses untuk

masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang

sama.

Hasil yang dicapai melalui penerapan praktek terbaik dari L.L. Bean

adalah peningkatan efisiensi dan produktivitas (Tucker et al. 1987 dalam Yasin

2002). Selain itu, menurut Dragolea dan Cotirlea (2009) manfaat benchmarking

antara lain yaitu 1) perbaikan terus menerus untuk mencapai kinerja yang lebih

baik menjadi budaya organisasi, 2) meningkatkan pengetahuan terhadap kinerja

produk dan jasa, dan 3) membantu dalam memfokuskan sumberdaya untuk

mencapai target.

Perkembangan konsep benchmarking dapat diklasifikasikan ke dalam lima

generasi (Watson 1996; Ma’arif dan Hendri 2003; Denkena et al. 2006; Martin

2008; Anand dan Kodali 2008; Dragolea dan Cotirlea 2009; Moriarty dan

Smallman 2009) yaitu 1) Reverse engineering (berorientasi pada produk yang

meliputi perbandingan karakteristik, kegunaan dan kinerja produk) ; 2)

Competitive benchmarking (berorientasi pada efisiensi dalam menghasilkan

produk); 3) Process benchmarking (berorientasi pada proses-proses bisnis tertentu

yang menjadi sasaran analisis); 4) Strategic benchmarking (berorientasi pada

perubahan yang mendasar dengan mengadaptasi strategi-strategi sukses); dan 5)

Global benchmarking (berorientasi pada perbedaan-perbedaan budaya serta proses

perencanaan strategis). Williams (2008) mengkategorikan benchmarking ke dalam

dua tipe yaitu 1) internal benchmarking, dan 2) eksternal benchmarking.

Pierre dan Delisle (2006) mengusulkan sistem diagnosa berbasis

pengetahuan pakar untuk melakukan benchmarking kinerja. Organisasi atau

perusahaan yang berbeda memiliki metoda benchmarking sendiri, namun apapun

metode yang digunakan, langkah-langkah utamanya adalah sebagai berikut : 1)

pengukuran kinerja dari varibel-variabel kinerja terbaik pada kelompoknya relatif

terhadap kinerja kritikal; 2) penentuan bagaimana tingkat-tingkat kinerja dicapai;

dan 3) penggunaan informasi untuk pengembangan dan implementasi dari

rencana peningkatan (Omachonu dan Ross 1994 dalam Elmuti dan Yunus 1997).

Sebelum melakukan identifikasi bagaimana tingkat kinerja dicapai

(praktek terbaik), perlu dilakukan pemilihan kinerja terbaik dalam kelompoknya.

Proses pemilihan alternatif terbaik dari beberapa alternatif secara sistematis untuk

ditindaklanjuti sebagai suatu cara pemecahan masalah dikenal sebagai

pengambilan keputusan.

2.5 Pengambilan Keputusan

Pengambilan keputusan merupakan suatu kelanjutan dari cara pemecahan

masalah yang memiliki fungsi antara lain : 1) pangkal permulaan dari semua

aktivitas manusia yang sadar dan terarah baik secara individual maupun secara

kelompok, baik secara institusional maupun secara organisasional, dan 2) sesuatu

yang bersifat futuristik, artinya bersangkut paut dengan hari depan, masa yang

akan datang, dimana efeknya atau pengaruhnya berlangsung cukup lama.

Pada prinsipnya, terdapat dua pendekatan dalam pengambilan keputusan

(Mangkusubroto dan Trisnadi 1985; Marimin 2008, Marimin dan Maghfiroh

2010) yaitu : 1) pengambilan keputusan berdasarkan intuisi, dan 2) pengambilan

keputusan rasional berdasarkan hasil analisis keputusan. Hasil keputusan dengan

pengambilan keputusan berdasarkan intuisi, tidak dapat diperiksa secara logis.

Sedangkan hasil keputusan dengan pengambilan keputusan berdasarkan hasil

analisis keputusan, alasan terpilihnya suatu alternatif dapat ditelusuri dengan jelas

dan mudah dimengerti. Adapun garis besar langkah-langkah siklus analisis

keputusan rasional diperlihatkan pada Gambar 8.

Gambar 8 Garis Besar Siklus Analisis Keputusan Rasional (Mangkusubroto dan

Trisnadi 1985; Marimin 2004; Marimin dan Maghfiroh 2010)

Pada umumnya, komponen-komponen dalam pengambilan keputusan

berbasis rasional atau analisa (Marimin dan Maghfiroh 2010) terdiri dari: 1)

alternatif keputusan, 2) kriteria keputusan, 3) bobot kriteria, 4) skala penilaian, 5)

struktur keputusan, dan 6) metode pengambilan keputusan. Adapun sifat-sifat

yang harus diperhatikan dalam memilih kriteria pada setiap persoalan

pengambilan keputusan (Mangkusubroto dan Trisnadi 1987; Suryadi dan

Ramdhani 2002) adalah : 1) Lengkap, sehingga dapat mencakup seluruh aspek

penting dalam persoalan tersebut, 2) Operasional (harus mempunyai arti, dapat

digunakan untuk meyakinkan pihak lain, serta dapat diukur), 3) Tidak berlebihan,

sehingga menghindarkan perhitungan berulang, dan 4) Minimum, agar lebih

mengkomprehensifkan persoalan.

Dalam menentukan jumlah kriteria perlu sedapat mungkin mengusahakan

agar jumlah kriterianya sesedikit mungkin. Semakin banyak kriteria maka

semakin sulit untuk dapat menghayati persoalan dengan baik. Selain itu, jumlah

perhitungan yang diperlukan dalam analisis akan meningkat dengan cepat.

Secara konseptual, penilaian atau pengukuran adalah penetapan angka-

angka untuk mengamati gejala sesuai dengan aturan tertentu (Pyzdek 2002).

Emory dan Cooper (1996) menyebutkan bahwa pengukuran dalam penelitian

Tahap

Deterministik

(Perumusan

Alternatif dan

Kriteria)

Pengambilan

Keputusan

Tahap

Informasional

Tahap

Probabilistik

(Penetapan nilai

dan variasinya)

Pengumpulan

Informasi

Informasi Awal

Tindakan

Informasi BaruPengumpulan

Informasi Baru

merupakan pemberian angka-angka pada peristiwa-peristiwa empiris sesuai

dengan aturan-aturan tertentu.

Pengukuran dalam penelitian merupakan proses yang terdiri dari tiga

bagian (Emory dan Cooper 1996; Marimin dan Maghfiroh 2010) yaitu : 1)

memilih peristiwa empiris yang dapat diamati, 2) memakai angka atau simbol

untuk mewakili aspek-aspek peristiwa-peristiwa tersebut, dan 3) memberikan

hubungan antara variabel yang dibuat dan pengamatan yang dilakukan.

Seperangkat aturan yang diperlukan untuk mengkuantitatifkan data dari

pengukuran suatu variabel disebut skala pengukuran (Marimin 2010). Dasar yang

paling umum untuk membuat skala mempunyai tiga ciri (Emory dan Cooper

1996) yaitu 1) Bilangannya berurutan, 2) Selisih antara bilangan-bilangan

berurutan, dan 3) Deret bilangan mempunyai asal mula unik yang ditandai dengan

bilangan nol. Pada umumnya, terdapat empat jenis skala pengukuran (Emory dan

Cooper 1996; Marimin dan Maghfiroh 2010) yaitu : 1) Skala Nominal, 2) Skala

Ordinal, 3) Skala Interval, dan 4) Skala Rasio. Adapun ciri-ciri dari setiap jenis

skala seperti yang dapat dilihat pada Tabel 2.

Tabel 2 Ciri-ciri dari Setiap Jenis Skala Pengukuran (Emory dan Cooper 1995)

Selain empat jenis skala pengukuran tersebut di atas, Marimin dan Maghfiroh

(2010) menambahkan satu skala pengukuran yaitu skala perbandingan

berpasangan (pairwise comparison). Perbandingan berpasangan sering digunakan

untuk menentukan kepentingan relatif dari elemen-elemen dan kriteria-kriteria

yang ada. Skala Perbandingan Berpasangan sangat berguna untuk mendapatkan

skala rasio dari hal-hal yang sulit diukur (pendapat, perasaan, perilaku, dan

kepercayaan). Perbandingan dilakukan berdasarkan judgment dari pengambil

keputusan.

Jenis Skala Ciri-ciri Skala Operasi Empiris Dasar

Nominal Tidak ada urutan, jarak, atau asal mula Penentuan kesamaan

Ordinal

Interval

Rasio

Berurutan tetapi tidak ada jarak atau

asal mula yang unik

Berurutan dan berjarak tetapi tidak

mempunyai asal mula yang unik

Berurutan, berjarak, dan asal mula yang

unik

Penentuan nilai-nilai lebih

besar atau lebih kecil

daripada

Penentuan kesamaan

interval atau selisih

Penentuan kesamaan rasio

Berdasarkan jumlah kriteria yang digunakan, maka persoalan keputusan

dapat dibedakan menjadi dua kategori, yaitu persoalan keputusan dengan kriteria

tunggal dan kriteria majemuk (multikriteria). Pengambilan Keputusan

Multikriteria (MCDM) didefinisikan Kusumadewi et al. (2006) sebagai suatu

metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah

alternatif berdasarkan beberapa kriteria tertentu.

Terdapat beberapa fitur umum yang digunakan dalam MCDM (Janko

2005 dalam Kusumadewi et al. 2006) yaitu : 1) Alternatif, 2) Atribut, 3) Konflik

antar kriteria, 4) Bobot keputusan, dan 5) Matriks keputusan. Alternatif adalah

obyek-obyek yang berbeda dan memiliki kesempatan yang sama untuk dipilih

oleh pengambil keputusan. Atribut sering disebut juga sebagai karakteristik,

komponen, atau kriteria keputusan. Meskipun pada kebanyakan kriteria bersifat

satu level, namun tidak menutup kemungkinan adanya sub kriteria yang

berhubungan dengan kriteria yang telah diberikan. Beberapa kriteria biasanya

mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria

keuntungan akan mengalami konflik dengan kriteria biaya. Bobot keputusan

menunjukkan kepentingan relatif dari setiap kriteria.

Yoon (1981) dalam Kusumadewi et al. (2006) menyatakan bahwa masalah

MCDM tidak selalu memberikan suatu solusi unik, perbedaan tipe bisa jadi akan

memberikan perbedaan solusi. Adapun jenis-jenis solusi pada masalah MCDM (

Kusumadewi et al. 2006) yaitu : 1) solusi ideal, 2) solusi non-dominated (solusi

Pareto-optimal), 3) solusi yang lebih disukai , dan 4) solusi yang memuaskan.

Pada solusi ideal, kriteria atau atribut dapat dibagi menjadi dua kategori, yaitu

kriteria yang nilainya akan dimaksimumkan (kategori kriteria keuntungan), dan

kriteria yang nilainya akan diminimumkan (kategori kriteria biaya). Solusi ideal

akan memaksimumkan semua kriteria keuntungan dan meminimumkan semua

kriteria biaya (Daellenbach dan McNickle 2005). Solusi feasible MCDM

dikatakan non-dominated jika tidak ada solusi feasible yang lain yang akan

menghasilkan perbaikan terhadap suatu atribut tanpa menyebabkan degenerasi

pada atribut lainnya. Solusi yang memuaskan adalah himpunan bagian dari solusi-

solusi feasible dimana setiap alternatif melampaui semua kriteria yang

diharapkan.

Zimmermann (1991) dalam Kusumadewi et al. (2006) menyatakan bahwa

berdasarkan tujuannya, MCDM dapat dibedakan menjadi dua yaitu : Multi

Attribute Decision Making (MADM) dan Multi Objective Decision Making

(MODM). MADM digunakan untuk menyelesaikan masalah-masalah dalam

ruang diskret, sedangkan MODM digunakan untuk menyelesaikan masalah-

masalah pada ruang kontinyu. Secara umum dapat dikatakan bahwa MADM

menyeleksi alternatif terbaik dari sejumlah alternatif, sedangkan MODM

merancang alternatif terbaik. Perbedaan antara MADM dan MODM ditunjukkan

pada Tabel 3.

Tabel 3 Perbedaan antara MADM dan MODM (Yoon 1981 dalam Kusumadewi

et al. 2006)

MADM MODM

Kriteria (didefinisikan sebagai) Atribut Tujuan

Tujuan Implisit Eksplisit

Atribut

Alternatif

Kegunaan

Eksplisit

Diskret,

Jumlah terbatas

Seleksi

Implisit

Kontinu,

Jumlah tak terbatas

Desain

Terdapat beberapa metode yang dapat digunakan untuk menyelesaikan

masalah MADM, antara lain yaitu : 1) Simple Additive Weighting Method (SAW),

2) Weighted Product (WP), 3) ELimination Et Coix Traduisant la realitE (

ELECTRE), 4) Technique for Order Preference by Similarity to Ideal Solution

(TOPSIS), dan 5) Analytic Hierarchy Process (AHP).

Untuk melakukan pemilihan terhadap organisasi yang berkinerja terbaik

(menjadi best in class), Laise (2004) berpendapat bahwa pendekatan tradisional

yang digunakan untuk menentukan organisasi yang menjadi best in class yaitu

pendekatan ranking memiliki kelemahan. Pada pendekatan tradisional (Laise,

2004), permasalahan benchmarking dengan banyak kriteria diselesaikan dengan

mengkonstruksi suatu indikator dengan merata-ratakan semua score yang

diperoleh suatu organisasi atas ukuran-ukuran yang berbeda. Rata-rata

merupakan suatu ukuran kecenderungan terpusat dari suatu kelompok data dan

cukup mewakili jika data mempunyai suatu variabilitas yang rendah, tetapi jika

dilakukan pengamatan dengan variabilitas tinggi, rata-rata bukan ukuran yang

baik. Menggunakan rata-rata dapat menghilangkan informasi yang pantas

dipertimbangkan dan oleh karena itu tidak cocok digunakan untuk membuat

perbandingan.

Selanjutnya, Laise (2004) mengusulkan penggunaan metode yang

merupakan pengembangan dari konsep outranking yaitu ELECTRE. Metode

ELECTRE merupakan kelompok dari algoritma yang dikembangkan dalam

Operational Research (Roy 1985; Vincke 1992; Roy dan Bouyssou 1993;

Pamerol dan Barba-Romero 2000).

ELECTRE menurut Kusumadewi et al. (2006) didasarkan pada konsep

perankingan melalui perbandingan berpasangan antar alternatif pada kriteria yang

sesuai. Suatu alternatif dikatakan mendominasi alternatif yang lainnya jika satu

atau lebih kriterianya melebihi (dibandingkan dengan kriteria dari alternatif yang

lain) dan sama dengan kriteria lain yang tersisa.

Jafari et al. (2007) mengusulkan kerangka kerja untuk memilih metode

penilaian kinerja terbaik menggunakan SAW. Konsep dasar metode SAW adalah

mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada

semua atribut (Kusumadewi et al. 2006). Kelemahan pada metode SAW yaitu

memerlukan proses normalisasi matriks keputusan ke suatu skala yang dapat

diperbandingkan dengan semua rating alternatif yang ada

Metode lain yang dapat digunakan dalam melakukan identifikasi terhadap

organisasi yang menjadi best in class adalah PROMETHEE. PROMETHEE

(Preference Ranking Organization Method For Enrichment Evaluation) termasuk

dalam keluarga metode outranking yang dikembangkan oleh B. Roy (1985).

Metodologi Multicriteria outranking merupakan pengembangan dari pendekatan

tradisional dalam menentukan perusahaan yang memiliki kinerja terbaik. Metoda

tersebut dapat menghindari kekurangan dari metoda tradisional yang hanya

berdasarkan pada agregasi kumpulan mono kriteria.

PROMETHEE merupakan salah satu metode yang digunakan untuk

menentukan urutan atau prioritas dari beberapa alternatif dalam permasalahan

yang menggunakan multi kriteria. PROMETHEE mempunyai kemampuan untuk

menangani banyak perbandingan dan memudahkan pengguna dengan

menggunakan data secara langsung dalam bentuk tabel multikriteria sederhana.

Pengambil keputusan hanya mendefinisikan skala ukurannya sendiri tanpa

batasan, untuk mengindikasi prioritasnya dan preferensi untuk setiap kriteria

dengan memusatkan pada nilai (value), tanpa memikirkan metoda

perhitungannya.

Metodologi dalam mengimplementasikan PROMETHEE (Suryadi dan

Ramdhani 2002) adalah sebagai berikut: 1) pengumpulan data nilai/ukuran

relatif kriteria, 2) pemilihan dan penentuan tipe fungsi preferensi kriteria beserta

parameternya, 3) perhitungan nilai preferensi (P) antar alternatif ditentukan

berdasarkan, 4) perhitungan nilai indeks preferensi multikriteria () antar

alternatif, 5) perhitungan nilai leaving flow, entering flow, dan net flow pada

masing-masing alternatif, dan 6) Menentukan ranking pada Promethee I (Partial

Ranking) dan Promethee II (Complete Ranking). Fungsi preferensi kriteria yang

dapat dipilih yaitu 1) kriteria biasa, 2) kriteria Quasi, 3) kriteria linier, 4) kriteria

level, 5) kriteria level dengan area tidak berbeda , dan 6) kriteria Gaussian.

Dengan menggunakan fungsi preferensi kriteria biasa, tidak ada beda

(sama penting) antara a dan b jika dan hanya jika f(a) = f(b); apabila nilai kriteria

pada masing-masing alternatif memiliki nilai berbeda, pengambil keputusan

membuat preferensi mutlak untuk alternative memiliki nilai yang lebih baik.

H (d) =

01

00

djika

djika

d = selisih nilai kriteria = f (a) – f (b)

Gambar 9 Bentuk Preferensi Kriteria Biasa (Suryadi dan Ramdhani 2002)

Dengan kriteria Quasi, dua alternatif memiliki preferensi yang sama

penting selama selisih atau nilai H(d) dari masing-masing alternatif untuk kriteria

d 0

1

H (d)

tertentu tidak melebihi nilai q, dan apabila selisih hasil evaluasi untuk masing-

masing alternatif melebihi nilai q maka terjadi bentuk preferensi mutlak.

Gambar 10 Bentuk Kriteria Quasi (Suryadi dan Ramdhani 2002)

0 jika -q ≤ d ≤ q

H (d) = 1 jika d < -q atau d > q

Kriteria linier dapat menjelaskan bahwa selama nilai selisih memiliki

nilai nilai yang lebih rendah dari p, preferensi dari pengambil keputusan

meningkat secara linier dengan nilai d. Jika nilai d lebih besar dibandingkan

dengan nilai p, maka terjadi preferensi mutlak.

Gambar 11 Bentuk Kriteria Linier (Suryadi dan Ramdhani 2002)

d/p jika -p ≤ d ≤ p

H (d) = 1 jika d < -p atau d > p

Dengan kriteria level, kecenderungan tidak berbeda q dan

0 q

1

-q

H (d)

d

0 p

1

-p

H (d)

d

kecenderungan preferensi p ditentukan secara simultan. Jika d berada di antara

nilai q dan p, hal ini berarti situasi preferensi yang lemah (H(d) = 0.5)

Gambar 12 Bentuk Kriteria Level (Suryadi dan Ramdhani 2002)

0 jika │d│≤ q

H (d) = 0,5 jika q < │d│≤ p

1 jika p < │d│

Dengan kriteria linier dengan area tidak berbeda, pengambil keputusan

mempertimbangkan peningkatan preferensi secara linier dari tidak berbeda hingga

preferensi mutlak dalam area antara dua kecenderungan p dan q

0 jika │d│≤ q

H (d) =

(│d│- q ) / ( p – q ) jika q < │d│≤ p

1 jika p < │d│

Gambar 13 Bentuk Kriteria Linier dengan Area Tidak Berbeda

(Suryadi dan Ramdhani 2002)

0

1

-q

H (d)

d-p q p

1/2

0

1

H (d)

d-q-p q p

Dengan kriteria Gaussian, apabila telah ditentukan nilai σ, dimana dapat

dibuat berasarkan distribusi normal dalam statistik.

H (d) = 1 – exp { - d² / 2σ² }

Gambar 14 Bentuk Kriteria Gaussian (Suryadi dan Ramdhani 2002)

Perhitungan nilai preferensi (P) antar alternatif ditentukan berdasarkan

penyampaian intensitas (P) dari preferensi alternatif a terhadap alternatif b

sedemikian rupa sehingga :

P (a, b) = 0, berarti tidak ada beda (indefferent) antara a dan b, atau

tidak ada preferensi dari a lebih baik dari b.

P (a, b) ~ 0, berarti lemah preferensi dari a lebih baik dari b.

P (a, b) ~ 1, berarti kuat preferensi dari a lebih baik dari b.

P (a, b) = 1, berarti mutlak preferensi dari a lebih baik dari b.

Dalam metode ini, fungsi preferensi seringkali menghasilkan nilai fungsi yang

berbeda antara dua evaluasi, sehingga : P (a, b) = P (f (a) – f (b)).

Indeks preferensi multikriteria ditentukan berdasarkan rata-rata bobot dari

fungsi preferensi P i :

(a, b) = baPn

i

i ,1

: a, b A

0

1

H (d)

d

Hal ini dapat disajikan dengan nilai antara 0 dan 1, dengan ketentuan sebagai

berikut :

(a, b) ≈ 0, menunjukkan preferensi yang lemah untuk alternatif a lebih

baik dari alternatif b berdasarkan semua kriteria.

(a, b) ≈ 1, menunjukkan preferensi yang kuat untuk alternatif a lebih

baik dari alternatif b berdasarkan semua kriteria.

Perhitungan nilai leaving flow, entering flow, dan net flow pada masing-

masing alternatif. Untuk setiap node a dalam grafik nilai outranking ditentukan

berdasarkan leaving flow, dengan persamaan :

(a) =

Ax

xan

,1

1

Secara sistematis dapat ditentukan juga entering flow dengan persamaan :

(a) =

Ax

axn

,1

1

Sehingga pertimbangan dalam penentuan net flow diperoleh dengan persamaan :

(a) = (a) - (a)

Promethee I berdasarkan karakter leaving flow dan entering flow, yaitu

nilai terbesar dan terkecil sebagai alternatif terbaik. Sedangkan Promethee II

berdasarkan karakter net flow dan nilainya diurutkan dari yang terbesar sampai

yang terkecil.

Dibandingkan dengan metodologi-metodologi yang dapat digunakan untuk

pengambilan keputusan dengan multi kriteria beberapa pendapat menyatakan

bahwa metodologi Promethee 1) paling efisien dan paling mudah penggunaannya

Prvulovic et. al. (2008), 2) lebih fleksibel dalam menentukan preferensi (bobot)

mana yang lebih baik dari pasangan yang dibandingkan (Amran dan Kiki 2005).

Selain itu, Triyanti dan Gadis (2008) menyatakan bahwa metode PROMETHEE

menyediakan banyak fungsi yang dapat mengakomodasi berbagai karakteristik

data, sedangkan metode pengambilan keputusan yang lain, seperti Analytical

Hierarchy Process (AHP) dan Analytical Network Process (ANP)

mengasumsikan data dengan karakteristik linear mengingat semua pembobotan

menggunakan normalisasi.

Penyusunan model keputusan (Suryadi dan Ramdhani 2002) adalah suatu

cara untuk mengembangkan hubungan-hubungan logis yang mendasari persoalan

keputusan ke dalam suatu model, yang mencerminkan hubungan yang terjadi

diantara faktor-faktor yang terlibat. Model yang banyak digunakan dalam proses

pengambilan keputusan dapat dikategorikan dalam dua jenis (Suryadi dan

Ramdhani 2002), yaitu model matematis dan model informasi.

Model matematis merupakan model yang merepresentasikan sistem secara

simbolik dengan menggunakan rumus-rumus atau besaran-besaran abstrak. Model

ini selanjutnya bisa dijabarkan ke dalam operasi-operasi matriks, algoritma iteratif

dan model-model keputusan matematis lainnya.

Model informasi merupakan model yang merepresentasikan sistem dalam

format grafik, skema atau tabel. Secara umum, model ini terbagi atas : 1)

penjelasan objek, mendeskripsikan apa dan bagaimana suatu objek secara

terperinci, bisa berupa tabel, daftar, dan sebagainya; 2) penjelasan hubungan,

menunjukkan hubungan antar objek, representasi hubungan lebih komunikatif jika

ditampilkan dalam bentuk grafik; 3) penjelasan operasi, menunjukkan urutan

tugas atau proses yang dilakukan oleh suatu objek atau sekelompok objek, model

dapat berupa peta proses operasi, diagram alir atau jaringan.

Secara umum model digunakan untuk memberikan gambaran

(description), memberikan penjelasan (prescription), dan memberikan perkiraan

(prediction) dari realita yang dikaji. Siregar (1991) dalam Suryadi dan Ramdhani

(2002) mengungkapkan bahwa suatu model yang baik memiliki karakteristik

sebagai berikut : 1) tingkat generalisasi yang tinggi, 2) mekanisme transparansi, 3)

potensial untuk dikembangkan, dan 4) peka terhadap perubahan asumsi. Semakin

tinggi derajat generalisasi suatu model, maka semakin baik, karena kemampuan

model untuk memecahkan masalah semakin besar. Suatu model dikatakan baik

jika kita dapat melihat mekanisme suatu model dalam memecahkan masalah,

artinya kita bisa menjelaskan kembali (rekonstruksi) tanpa ada yang

disembunyikan. Suatu model yang berhasil biasanya mampu membangkitkan

minat peneliti lain untuk menyelidikinya lebih lanjut.

Prinsip-prinsip yang digunakan dalam pengembangan model pada

umumnya (Suryadi dan Ramdhani 2002) yaitu : 1) elaborasi, 2) analogi, dan 3)

dinamis. Pengembangan model dimulai dengan yang sederhana dan secara

bertahap dielaborasi hingga memperoleh model yang lebih representatif.

Penyederhanaan dilakukan dengan menggunakansistem asumsi ketat, yang

tercermin pada jumlah, sifat, dan relasi variabel-variabelnya. Akan tetapi asumsi

yang dibuat tetap harus memenuhi persyaratannya, yaitu konsistensi,

independensi, ekivalensi, dan relevansi. Pengembangan model dilakukan dengan

menggunakan prinsip-prinsip hukum, teori yang sudah dikenal secara meluas

tetapi belum pernah digunakan untuk memecahkan masalah yang dihadapi.

Pengembangan model bukanlah proses yang bersifat mekanistik dan linier. Oleh

karena itu, dalam tahap pengembangannya mungkin saja dilakukan pengulangan.

Pengembangan model suatu sistem secara umum mengandung dua tahapan

proses (Simatupang 1994), yang pada prakteknya, tidak selalu mengikuti urutan

yaitu : pembuatan struktur model dan pengumpulan data. Pembuatan struktur

model yaitu menetapkan batas-batas sistem yang akan memisahkan sistem dari

lingkungannya, dan menetapkan komponen-komponen pembentuk sistem yang

akan diikutsertakan atau dikeluarkan dari model. Namun demikian, model harus

lengkap, valid, dan cukup sederhana. Pengumpulan data dilakukan untuk

mendapatkan besaran-besaran atribut komponen yang dipilih, dan untuk

mengetahui hubungan yang terjadi pada aktivitas-aktivitas sistem.

Langkah awal dalam membangun model formal yang menunjukkan

ukuran performansi sistem sebagai fungsi dari variabel-variavel model adalah

konsep formulasi model. Simatupang (1994) menggambarkan tahap-tahap konsep

formulasi model dalam skema berikut ini :

Gambar 15 Tahap-Tahap Formulasi Model (Simatupang 1994)

Selanjutnya Levin et al. (1995) menyebutkan bahwa konsep dan ide dasar untuk

pemodelan membentuk siklus model yang meliputi tiga fase pengembangan yaitu

: 1) penentuan masalah, 2) pengembangan model, dan 3) pengambilan keputusan.

Adapun komponen tersebut dan hubungan diantaranya dapat dilihat pada Gambar

16.

Gambar 16 Siklus Model (Levin et al. 1995)

MASALAH

SISTEM

ASUMSI VARIABEL

MODEL

FORMULASI

MODEL

PEMAHAMAN

SISTEM

MODEL

KONSEPTUAL

Komunikasi

Masalah

Formulasi

Masalah

Penetapan

Sistem &

Tujuannya

Model

Model

Konseptual

Model

Komunikatif

Pemrograman

Model

Model

Eksperimental

Hasil Model

Integrasi

Pendukung

Keputusan

TAHAP

PENENTUAN

MASALAH

TAHAP PENGEMBANGAN MODEL

TAHAP

PENDUKUNG KEPUTUSAN

Pembuat Keputusan

Presentasi dari

Hasil model

Formulasi masalah

Eksperimen

Formulasi Model

Representasi

Model

PemrogramanPerancangan

Eksperimen

Investigasi Sistem

Investigasi Penyelesaian

Masalah

2.6 Praktek Terbaik

Praktek terbaik perlu diidentifikasi sebagai masukan untuk perbaikan

kinerja dimana pada tahap sebelumnya telah dilakukan penentuan prioritas

perbaikannya. Asrofah et al. (2010) menyimpulkan bahwa hasil identifikasi

praktek terbaik berkontribusi pada efektivitas benchmarking di perusahaan

manufaktur Indonesia. Reddy dan McCarthy (2006) menegaskan bahwa praktek

terbaik perlu dipromosikan setidak-tidaknya dengan memanfaatkan database yang

dapat diakses oleh pihak memerlukan. Faktor yang harus diperhatikan dalam

mengidentifikasi praktek terbaik (Ungan 2007) yaitu kodifikasi, kompleksitas,

dan kesesuaian.

Praktek terbaik dapat didefinisikan dalam tiga level (Jaffar dan Zairi 2000)

yaitu 1) ide yang baik (unproven) ; 2) praktek yang baik; dan 3) praktek terbaik

(proven). Ide yang baik – belum dibuktikan secara empiris dan perlu dilakukan

analsis untuk memastikan ide tersebut akan berdampak positip pada kinerja

organisasi. Praktek yang baik – berupa teknik, metodologi, prosedur, atau proses

yang telah diimplementasikan dan telah meningkatkan kinerja organisasi. Praktek

terbaik – praktek yang baik yang telah ditetapkan sebagai pendekatan terbaik bagi

banyak organisasi berdasarkan hasil analisis data kinerja.

Maire et al. (2005) mengembangkan model untuk mengidentifikasi

praktek terbaik didasarkan pada prinsip yang serupa dengan Quality Function

Deployment (QFD). Namun, model yang dirancang hanya dapat digunakan pada

proses dan bukan pada produk jadi. Southard dan Parente (2007) mengembangkan

metoda baru yang digunakan untuk proses evaluasi dalam perbaikan kinerja

berdasarkan pada pengetahuan internal yang dimiliki.

Pendekatan lain yang dapat digunakan untuk mengidentifikasi praktek

terbaik adalah Root Cause Analysis (RCA). RCA merupakan pendekatan

terstruktur untuk mengidentifikasi faktor-faktor berpengaruh pada satu atau lebih

kejadian-kejadian yang lalu agar dapat digunakan untuk meningkatkan kinerja

(Corcoran 2004). Selain itu, pemanfaatan RCA dalam analisis perbaikan kinerja

menurut Latino dan Kenneth (2006) dapat memudahkan pelacakan terhadap faktor

yang mempengaruhi kinerja. Root Cause(s) adalah bagian dari beberapa faktor

(kejadian, kondisi, faktor organisasional) yang memberikan kontribusi, atau

menimbulkan kemungkinan penyebab dan diikuti oleh akibat yang tidak

diharapkan.

Terdapat berbagai metode evaluasi terstruktur untuk mengidentifikasi

akar penyebab (root cause) suatu kejadiaan yang tidak diharapkan (undesired

outcome). Jing (2008) menjelaskan lima metode yang populer untuk

mengidentifikasi akar penyebab (root cause) suatu kejadiaan yang tidak

diharapkan (undesired outcome) dari yang sederhana sampai dengan komplek

yaitu : 1) Is/Is not comparative analysis, 2) 5 Why methods, 3) Fishbone diagram,

4) Cause and effect matrix, dan 5) Root Cause Tree.

Is/Is not comparative analysis merupakan metoda komparatif yang

digunakan untuk permasalahan sederhana, dapat memberikan gambaran detil apa

yang terjadi dan telah sering digunakan untuk menginvestigasi akar masalah. 5

Why methods merupakan alat analisis sederhana yang memungkinkan untuk

menginvestigasi suatu masalah secara mendalam. Fishbon diagram merupakan

alat analisis yang populer, yag sangat baik untuk menginvestigasi penyebab dalam

jumlah besar. Kelemahan utamanya adalah hubungan antar penyebab tidak

langsung terlihat, dan interaksi antar komponen tidak dapat teridentifikasi. Cause

and effect matrix merupakan matrik sebab akibat yang dituliskan dalam bentuk

tabel dan memberikan bobot pada setiap faktor penyebab masalah. Root Cause

Tree merupakan alat analisis sebab – akibat yang paling sesuai untuk

permasalahan yang kompleks. Manfaat utama dari alat analisis tersebut yaitu

memungkinkan untuk mengidentifikasi hubungan diantara penyebab masalah.

Chandler (2004) dalam Ramadhani et. al (2007) menyebutkan bahwa

dalam memanfaatkan RCA terdapat empat langkah yang harus dilakukan yaitu :

1) mengidentifikasi dan memperjelas definisi undesired outcome (suatu kejadiaan

yang tidak diharapkan), 2) mengumpulkan data, 3) menempatkan kejadian-

kejadian dan kondisi-kondisi pada event and causal factor table, dan 4) lanjutkan

pertanyaan “mengapa” untuk mengidentifikasi root causes yang paling kritis.

Laugen et al. (2005) menyebutkan bahwa praktek terbaik yang

menyebabkan kinerja terbaik seringkali sulit untuk diidentifikasi. Davies (2000)

mengusulkan pendekatan terstruktur (diagnostic) untuk memilih praktek terbaik

berdasarkan pada kekuatan hubungan dengan tujuan yang ingin dicapai.

2.7 Sistem Penunjang Keputusan

Merujuk pada definisi mengenai perbaikan kinerja yang dikemukakan oleh

LaBonte (2001) maka untuk mengkaji permasalahan yang berkaitan dengan

perbaikan kinerja industri gula perlu digunakan pendekatan sistem. Pendekatan

sistem merupakan suatu pendekatan analisis yang memanfaatkan sifat-sifat dasar

sistem seperti pencapaian tujuan, kesatuan usaha, keterbukaan terhadap

lingkungan, transformasi, hubungan antar bagian, dan mekanisme pengendalian

sebagai dasar analisis.

Pendekatan sistem ditandai dengan mencari semua faktor (bagian) yang

penting dalam mendapatkan solusi permasalahan dan pembuatan suatu model

kuantitatif untuk membantu keputusan yang rasional. Kerjasama antara bagian

yang interdependen satu sama lain dalam suatu sistem menunjukkan kompleksitas

sistem, sedangkan orientasi pencapaian tujuan yang memberi ciri perubahan yang

terus menerus dalam usaha mencapai tujuan merupakan sifat dinamis dari sistem.

Oleh karena itu, pendekatan sistem dapat memberi landasan untuk pengertian

yang lebih komprehensif mengenai faktor-faktor yang mempengaruhi perilaku

sistem dan memberikan dasar untuk memahami berbagai penyebab dari suatu

masalah dalam kerangka sistem.

Beberapa alasan perlunya pendekatan sistem dalam mengkaji suatu

permasalahan (Simatupang 1995; Eriyatno 1999), yaitu : 1) memastikan bahwa

pandangan yang menyeluruh telah dilakukan, 2) mencegah analis menerapkan

secara dini definisi masalah yang spesifik, 3) mencegah analis menerapkan secara

dini model tertentu, 4) agar lingkungan masalah didefinisikan secara luas

sehingga berbagai kebutuhan yang relevan dapat dikenali. Selanjutnya, Eriyatno

(2003) dan Marimin (2005) menyatakan bahwa terdapat dua hal umum yang

menandai pendekatan sistem, yaitu 1) dalam semua faktor penting yang ada dalam

mendapatkan solusi yang baik untuk menyelesaikan masalah, dan 2) dibuat suatu

model kuantitatif untuk membantu pengambilan keputusan secara rasional.

Metode untuk menyelesaikan permasalahan yang dilakukan melalui

pendekatan sistem terdiri dari analisa sistem, rancangbangun model, implementasi

rancangan, serta implementasi dan operasi sistem (Eriyatno 2003). Analisa sistem

dilakukan dengan mengidentifikasi kondisi situasional, analisa kebutuhan,

formulasi masalah, dan identifikasi sistem. Rancangbangun model ditujukan

untuk memberikan abstraksi dari keadaan nyata atau penyederhanaan sistem nyata

dalam rangka memudahkan pengkajian suatu sistem.

Pendekatan secara sistem dalam pengambilan keputusan dikenal dengan

istilah Sistem Penunjang Keputusan (SPK). SPK merupakan pengembangan lebih

lanjut dari Sistem Informasi Manajemen terkomputerisasi yang dirancang

sedemikian rupa sehingga bersifat interaktif dengan pemakainya (Turban 1993;

Suryadi dan Ramdhani 2002). Kemudahan integrasi antara berbagai komponen

dalam pengambilan keputusan, seperti : prosedur, kebijakan, teknik analisis, serta

pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan

yang bersifat fleksibel merupakan maksud dari sifat interaktif. Marimin ( 2004)

menggambarkan Siklus data, informasi, keputusan dan aksi sebagai berikut :

Gambar 17 Siklus Data, Informasi, Keputusan dan Aksi (Marimin 2004)

Tiga tujuan yang harus dicapai SPK (Marimin 2005) yaitu 1) membantu manajer

membuat keputusan untuk memecahkan masalah semi terstruktur, 2) mendukung

penilaian manajer bukan mencoba menggantikannya, dan 3) meningkatkan

efektivitas pengambilan keputusan daripada efisiensinya. Tujuan-tujuan tersebut

berhubungan dengan tiga prinsip dasar dari konsep SPK yaitu struktur masalah,

dukungan keputusan, dan efektivitas masalah.

Informasi

Keputusan

DataAternatif

Keputusan

Aksi

MoNev

SPK

SOP

SIM

Bilangan

Terms

Model konseptual dari SPK adalah integrasi antara 1) Sistem Manajemen

Basis Data, 2) Sistem Manajemen Basis Model, dan 3) Sistem Manajemen Dialog,

dimana interaksinya diatur oleh Sistem Pengolahan Terpusat. Karakteristik pokok

yang melandasi SPK menurut Minch dan Burns (1983) dalam Eriyatno (1999)

adalah : 1) interaksi langsung antara komputer dengan pengambil keputusan, 2)

dukungan menyeluruh (holistic) dari keputusan bertahap ganda, 3) suatu sintesa

dari konsep yang diambil dari berbagai bidang, antara lain ilmu komputer,

psikologi, intelligensia buatan (artificial intelligence), ilmu sistem dan ilmu

manajemen, 4) mempunyai kemampuan adaptif terhadap perubahan kondisi dan

kemampuan berevolusi menuju sistem yang lebih bermanfaat.

Suryadi dan Ramdhani (2002) menyebutkan bahwa tahapan rancang

bangun SPK terdiri dari : 1) Identifikasi tujuan rancang bangun, yang bertujuan

untuk menentukan arah dan sasaran yang hendak dicapai; 2) Perancangan

pendahuluan, untuk merumuskan kerangka dan ruang lingkup SPK serta

persyaratan unjuk kerja yang mesti dipenuhinya, memilih konsep-konsep,

menganalisis dan mengaplikasi model pembuatan keputusan yang relevan dengan

tujuan SPK yang akan dibangun, juga mengidentifikasi spesifikasi SPK; 3)

Perancangan Sistem, yang diawali dengan analisis sistem untuk merumuskan

spesifikasi SPK dilanjutkan dengan perancangan konfigurasi SPK, beserta

perangkat keras serta perangkat lunak pendukungnya.

Metode yang digunakan dalam perancangan dan pengembangan suatu

aplikasi SPK umumnya mengacu pada tahapan pengembangan sistem. Marimin

(2005) menyebutkan bahwa proses perancangan suatu aplikasi SPK terdiri dari

tujuh tahapan seperti pada Gambar 18.

2.8 Sistem Penunjang Keputusan Intelijen

Sebagai tambahan terhadap sistem penunjang keputusan yang tradisional,

teknik-teknik yang dikembangkan dalam intelijen buatan (artificial intelligence)

telah diadopsi untuk membuat sistem penunjang keputusan yang intelijen. Sistem

ini melibatkan sistem pakar berbasis aturan (rule-based) atau sistem intelijen

dengan menggunakan logika fuzzy, Jaringan syaraf tiruan dan algoritma genetika.

Turban (2005) mendefinisikan Sistem Penunjang Keputusan Intelijen sebagai

SPK yang melibatkan satu atau lebih dari komponen-komponen suatu sistem

pakar atau artificial intelligence technology. Dengan komponen-komponen

tersebut Sistem Penunjang Keputusan menjadi lebih baik atau lebih intelijen.

Gambar 18 Bagan Alir Pengembangan Aplikasi SPK (Marimin 2005)

Seperti halnya sistem yang lain, sistem pakar dan SPK juga memiliki

kelebihan dan kelemahan. Salah satu kelemahan SPK yaitu SPK hanya berfungsi

secara pasif dalam interaksi manusia – komputer. SPK mengeksekusi perhitungan,

menampilkan data dan merespon perintah standar, namun tidak dapat berfungsi

sebagai asisten intelijen terhadap pengambil keputusan. Sedangkan sistem pakar,

memiliki kecerdasan pada ranah yang jelas. Oleh karena itu, integrasi antara

sistem pakar dan SPK akan menghasilkan suatu sinergi yang dapat mengatasi

kelemahan dalam sistem pakar dan SPK (Turban 1990; Turban et al. 2006). Hasil

yang diperoleh melalui integrasi antara sistem pakar dan SPK lebih baik jika

dibandingkan dengan dengan penggunaan sistem pakar atau SPK saja.

Integrasi antara SPK dan sistem pakar (Turban 1990; Turban et al. 2006;

Turban et al. 2007) dapat dilakukan dengan 1) sistem pakar dimasukkan ke dalam

komponen-komponen SPK, 2) sistem pakar sebagai komponen yang terpisah dari

SPK, 3) sistem pakar berbagi dengan proses SPK, 4) sistem pakar memberikan

Menentukan domain

persoalan

Mendefinisikan

persoalan

Menetukan perangkat

Keras dan lunak

Membangun prototipe

sistem

Memelihara sistem

Menguji dan mengevaluasi

model

Menggunakan model

Analis Sistem Pemgguna

Langkah 1

Langkah 2

Langkah 3

Langkah 4

Langkah 7

Langkah 5

Langkah 6

Per

lu d

iran

cang

ula

ng

Per

lu d

iran

cang

ula

ng

solusi alternatif bagi SPK, dan 5) pendekatan kesatuan (a unified approach). Teng

et al. dalam Turban 1990) mengusulkan pendekatan kesatuan untuk

mengintegrasikan SPK dan sistem pakar yang dinamakan SPK Intelijen. Adapun

arsitektur SPK Intelijen dapat dilihat pada Gambar 19.

Gambar 19 Arsitektur Kesatuan SPK Intelijen (Teng et al. dalam Turban 1990)

Berdasarkan Gambar 19 tersebut terlihat bahwa sistem pakar tersusun diantara

data dan model-model, dimana sistem pakar menjadi fungsi dasar dalam

mengintegrasikan dua komponen tersebut secara intelijen.

SPK Intelijen diklasifikasikan ke dalam dua jenis yaitu SPK aktif dan SPK

berevolusi sendiri. SPK aktif atau simbolik merupakan SPK yang

dirancangbangun agar dapat mengambil inisiatif dalam pertanyaan dan perintah

standar, sedangkan SPK berevolusi sendiri dirancangbangun untuk siaga dalam

penggunaan dan secara otomatis beradaptasi dengan kebutuhan pengguna. SPK

aktif dapat mengerjakan tugas, memahami domain (seperti terminologi,

parameter, dan interaksi), memformulasikan permasalahan, memaparkan

permasalahan, menginterpretasikan hasil, dan menjelaskan hasil dan keputusan

(Mill 1990 dalam Turban et al. 2006). Dalam mengerjakan tugas-tugas tersebut

diperlukan komponen intelijen.

Basis

Data

Basis

Pengetahuan

Sistem

Manajemen

Basis Data

Subsistem

Akuisisi

pengetahuan Penghubung

Bahasa

Natural

Sistem

Manajemen

Basis Model

Basis

Model

Mesin

Inferensi

intelijen

Supervisor

PenggunaPerekayasa

Pengetahuan

Subsistem

Dialog

Pusat Pengelola

Intelijen

2.9 Sistem Pakar Fuzzy

Sistem Pakar Fuzzy merupakan penggabungan sistem pakar dan sistem

Fuzzy. Penerapan sistem Fuzzy dalam sistem pakar bertujuan untuk

merepresentasikan pengetahuan pakar pada lingkungan yang tidak pasti, tidak

lengkap, dan sangat kompleks (Kandel 2001, Marimin 2005). Sistem fuzzy

merupakan penduga numerik yang terstruktur dan dinamik serta memiliki

kemampuan untuk mengembangkan sistem intelijen dalam lingkungan yang tidak

pasti dan tidak tepat. Sistem fuzzy menduga suatu fungsi dengan logika fuzzy yang

digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran

antara benar dan salah. Oleh karena itu, logika fuzzy sering menggunakan

informasi linguistik dan verbal.

Sistem Pakar Fuzzy mengembangkan sistem pakar yang menggunakan

logika fuzzy secara keseluruhan (Negnevitsky 2005; Bukley dan Siler 2005), yang

meliputi gugus fuzzy, aturan fuzzy if- then, serta proses inferensi. Gugus fuzzy

merupakan perangkat yang tepat untuk mengekspresikan ke-ambiguity-an yang

diperlukan oleh komputer untuk mengerti bahasa manusia yang tidak dapat

diselesaikan dengan logika biasa.

Pada umumnya, sistem Pakar Fuzzy terdiri dari dua modul utama yaitu

basis pengetahuan (knowledge base) dan mesin penyimpul (inference engine)

serta modul tambahan yang disebut memori kerja (working memory). Basis

pengetahuan digunakan untuk menangkap keahlian pakar sedangkan mesin

penyimpul mencontoh cara dan proses penalaran pakar. Memori kerja akan

menampung fakta yang diberikan oleh pengguna dan menjadi perantara

kesimpulan yang diambil dari prosedur inferensi.

Sistem pakar atau sistem berbasis pengetahuan kecerdasan (Intelligent

Knowledge Based System) merupakan salah satu bagian dari kecerdasan buatan

(Artificial Intelligent) yang memungkinkan komputer dapat berpikir dan

mengambil kesimpulan dari sekumpulan aturan. Tujuan dari pengembangan

sistem pakar adalah untuk menghasilkan suatu sistem yang dapat membantu

pekerjaan manusia, terutama yang berhubungan dengan pemanfaatan keahlian dan

pengalaman di suatu bidang tertentu secara lebih efektif dan efisien.

Sistem pakar akan menyimpan dan mengelola keahlian atau pengetahuan

dari seorang pakar. Pengetahuan yang ada pada sistem pakar juga dapat berasal

dari buku, majalah, atau sumber-sumber tertulis lainnya. Pengetahuan yang

dimiliki sistem pakar akan digunakan untuk mengolah fakta-fakta dari pengguna

sehingga dapat dihasilkan suatu kesimpulan yang akan diberikan kembali kepada

penggunanya. Kesimpulan itu dapat dianggap sebagai hasil dari konsultasi yang

diberikan oleh seorang pakar. Adapun fungsi dasar sistem pakar dapat di lihat

pada Gambar 20 di bawah ini :

Gambar 20 Fungsi Dasar Sistem Pakar (Giarratano dan Riley 1998)

Marimin (2005) menyebutkan bahwa pada prinsipnya, sistem pakar

tersusun dari beberapa komponen yang mencakup 1) fasilitas akuisisi

pengetahuan, 2) sistem berbasis pengetahuan (Knowledge Based System) , 3)

mesin inferensi (inference engine), 4) fasilitas untuk penjelasan dan justifikasi,

dan 5) penghubung antara pengguna dan sistem pakar (user interface). Adapun

struktur dasar sistem pakar dapat dilihat pada Gambar 21.

Gambar 21 Struktur Dasar Sistem Pakar (Marimin 2005)

Pengguna

Knowledge Base

(Basis Pengetahuan)

Inference Engine

(Penarikan Kesimpulan)

Fakta

Kesimpulan

Sistem Pakar

Fasilitas Penjelasan

Pakar

Fakta

Aturan

Model

Fakta

Aturan

Model

Fakta

Aturan

Model

Nasehat

Justifikasi

Konsultasi

Penghubung

Sistem Berbasis

Pengetahuan

Dangkal

Mendalam

Statis

Dinamis

Akuisisi

Pengetahuan

Mekanisme

Inferensi

Strategi

Penalaran

Strategi

Pengenda-

lian

Pengguna

Tahapan pembentukan sistem pakar pada dasarnya disusun oleh tiga unsur

utama sistem yaitu 1) basis pengetahuan, 2) mesin inferensi, dan 3) implementasi.

Adapun tahapan pembentukan sistem pakar secara lengkap seperti yang

ditunjukkan pada Gambar 22.

Mulai

Identifikasi Masalah

Mencari Sumber Pengetahuan

Akuisisi Pengetahuan

Representasi Pengetahuan

Pengembangan Mesin Inferensi

Implementasi

Pengujian

Mewakili

Human Expert

Selesai

Ya

Tidak

Gambar 22 Tahap Pembentukan Sistem Pakar (Marimin 2007)

Akuisisi pengetahuan merupakan salah satu tahap penting dalam

pengembangan sistem pakar. Pada tahap ini, dilakukan proses pengumpulan

pengetahuan dari pakar oleh perekayasa pengetahuan (knowledge engineer).

Sebagai salah satu elemen dalam sistem pakar, fasilitas akuisisi pengetahuan

digunakan sebagai alat untuk mengisi atau mendapatkan pengetahuan, fakta,

aturan, dan model yang diperlukan oleh sistem pakar dari berbagai sumber

(Marimin 2007) seperti : akuisisi pengetahuan dari para pakar, pengorganisasian

dari beberapa buku, jurnal, data, dasar dan media lain yang relevan dengan ruang

lingkup sistem pakar yang akan dikembangkan, penyeleksian hasil deduksi dan

induksi dari pengetahuan yang sudah tersimpan dalam sistem pakar atau yang

berupa pengalaman langsung.

Terdapat tiga cara akuisisi pengetahuan (Buchanan dan Shorliffe 1984

dalam Fu 1994 di dalam Yuliasih dan Marimin 2003) yaitu : 1) handcrafting,

dimana pengembang sistem mengkodekan pengetahuan (knowledge) langsung ke

dalam program, 2) knowledge engineering, dimana akuisisi pengetahuan pakar

dilakukan dengan cara kerjasama dengan pakar domain baik secara langsung

maupun tidak, agar diperoleh pola dan bentuk pengetahuan yang nantinya disusun

ke dalam basis pengetahuan, dan 3) machine learning, dimana pengetahuan

diekstrak dari contoh-contoh pelatiham yang diujikan pada komputer.

Representasi pengetahuan merupakan bagian yang memuat obyek-obyek

pengetahuan serta hubungan yang dimiliki antar obyek tersebut. Menurut

Reichgelt (1991) dalam Fu (1994) di dalam Yuliasih dan Marimin (2003) ada

empat tingkat representasi pengetahuan, yaitu : 1) level implementasi, berkaitan

dengan kemungkinan pembuatan program pengetahuan bagi bahasa representasi

pemrograman, 2) level logic, berhubungan dengan sifat-sifat fisik bahasa

pengetahuan (seperti : makna suatu ekspresi, prosedur inferensi yang berkaitan),

3) level epistemologikal, berkaitan dengan struktur pengetahuan (misalnya

jaringan semantik) dan strategi inferensi bahasa representasi pengetahuan, dan 4)

level konseptual, berkaitan dengan hal-hal dasar yang aktual (misalnya konsep,

obyek dan lainnya) dari bahasa representasi pengetahuan.

Mesin inferensi merupakan komponen dalam sistem pakar yang akan

memanipulasi dan mengarahkan pengetahuan pada basis pengetahuan untuk

memperoleh kesimpulan. Mesin inferensi dikategorikan dalam dua tipe (Fu, 1994

dalam Yuliasih dan Marimin 2003) yaitu : 1) mesin inferensi yang tidak

menghitung tingkat kepercayaan untuk setiap kesimpulan yang dihasilkan, dan 2)

mesin inferensi yang menghitung tingkat kepercayaan untuk setiap kesimpulan

yang dihasilkan. Kesimpulan yang dihasilkan oleh sistem pakar diperoleh melalui

pengujian fakta dan kaidah yang ada pada basis pengetahuan. Jika diperlukan,

mesin inferensi juga dapat menambahkan fakta baru ke dalam basis pengetahuan.

Sistem pakar dapat diterapkan untuk berbagai permasalahan yang bersifat

cukup kompleks dan permasalahan yang memiliki algoritma kurang jelas dalam

pemecahannya sehingga dibutuhkan kemampuan seorang atau beberapa pakar

untuk mencari sistematika penyelesaiannya secara evolutif. Oleh karena itu,

sistem pakar dapat digunakan untuk permasalahan bersifat analitik, sintesis, dan

integratif yang dihadapi oleh berbagai industri termasuk industri gula.

Sistem Fuzzy merupakan penduga numerik yang terstruktur dan dinamik

yang memiliki kemampuan untuk mengembangkan sistem intelijen dalam

lingkungan yang tidak pasti, dengan menduga suatu fungsi menggunakan logika

fuzzy. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang

input ke dalam suatu ruang output. Menurut Kusumadewi (2004) pada himpunan

tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang

sering ditulis dengan µA [x], memiliki dua kemungkinan, yaitu : 1) 1 ( Satu),

yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, dan 2) 0

(Nol), yang berarti bahwa suatu item tidak menjadi anggota suatu himpunan

Dalam memahami sistem fuzzy, terdapat beberapa hal yang perlu diketahui

(Kusumadewi dan Hari 2004) yaitu :

a. Variabel fuzzy

Variabel fuzzy merupakan variabel yang akan dibahas dalam suatu

sistem fuzzy. Contoh variabel fuzzy yaitu umur, temperatur, dan

sebagainya.

b. Himpunan fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu

kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Jika pada

himpunan crisp nilai keanggotaannya hanya ada dua kemungkinan, yaitu 0

atau 1, pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0

sampai 1. Terkadang kemiripan antara keanggotaan fuzzy dengan

probabilitas menimbulkan kerancuan. Akan tetapi sesungguhnya keduanya

memiliki intepretasi yang berbeda.

Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat

atau keputusan, sedangkan probabilitas mengidikasikan proporsi terhadap

keseringan suatu hasil bernilai benar dalam jangka panjang. Terdapat dua

atribut dalam himpunan fuzzy, yaitu linguistik dan numerik. Linguistik

merupakan penamaan suatu grup yang mewakili suatu keadaan atau

kondisi tertentu dengan menggunakan bahasa alami. Numeris yaitu suatu

angka yang menunjukkan ukuran dari suatu variabel.

Fungsi keanggotaan (membership function) adalah suatu kurva

yang menunjukkan pemetaan titik-titik input data ke dalam nilai

keanggotaannya yang memiliki interval antara 0 sampai 1. Salah satu cara

yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah

dengan melalui pendekatan fungsi. Ada beberapa fungsi yang dapat

digunakan (Kusumadewi & Hari, 2004) : 1) Representasi linier, 2)

Representasi kurva segitiga, 3) Representasi kurva trapesium, 4)

Representasi kurva bentuk bahu, 5) Representasi kurva-S, 6) Representasi

kurva bentuk lonceng

c. Semesta pembicaraan

Semesta pembicaraan merupakan keseluruhan nilai yang

diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta

pembicaraan merupakan himpunan bilangan real yang senantiasa naik

secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat

berupa bilangan positif maupun negatif.

d. Domain

Domain merupakan keseluruhan nilai yang diijinkan dalam

semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.

Domain merupakan himpunan bilangan real yang senantiasa naik secara

monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif

maupun negatif.

Terdapat beberapa proses dalam logika fuzzy, yaitu : penentuan gugus fuzzy,

penerapan aturan if-then, proses inferensi fuzzy. Adapun tahapan penyelesaian

masalah dengan logika fuzzy dapat dilihat pada Gambar 23.

Defuzzifikasi merupakan transformasi yang menyatakan kembali output

dari domain fuzzy ke dalam domain crisp. Keluaran fuzzy diperoleh melalui

eksekusi dari beberapa fungsi keanggotaan fuzzy. Terdapat tujuh metode yang

dapat digunakan pada proses defuzzifikasi (Ross 1995) yaitu : 1) Height method

(Max-membership principle), dengan mengambil nilai fungsi keanggotaan

terbesar dari keluaran fuzzy yang ada untuk dijadikan sebagai nilai defuzzifikasi,

2) Centroid (Center of Gravity) method, mengambil nilai tengah dari seluruh

fungsi keanggotaan keluaran fuzzy yang ada untuk dijadikan nilai defuzzifikasi, 3)

Weighted Average Method, hanya dapat digunakan jika keluaran fungsi

keanggotaan dari beberapa proses fuzzy mempunyai bentuk yang sama, 4) Mean-

max membership, mempunyai prinsip kerja yang sama dengan metode maximum

tetapi lokasi dari fungsi keanggotaan maximum tidak harus unik, 5) Center of

sums, mempunyai prinsip kerja yang hampir sama dengan Weighted Average

Method tetapi nilai yang dihasilkan merupakan area respektif dari fungsi

keanggotaan yang ada, 6) Center of largest area, hanya digunakan jika keluaran

fuzzy mempunyai sedikitnya dua sub-daerah yang convex sehingga sub-daerah

yang digunakan sebagai nilai defuzzifikasi adalah daerah yang terluas, 7) First (or

last) of maxima, menggunakan seluruh keluaran dari fungsi keanggotaan.

Gambar 23 Alur Penyelesaian Masalah dengan Logika Fuzzy (Marimin 2007)

2.10 Posisi dan Kebaruan Penelitian

Hasil identifikasi terhadap penelitian mengenai industri gula maupun

pabrik gula menunjukkan bahwa penelitian dapat dikelompokkan kedalam tiga

topik penelitian dengan urutan persentase sebagai berikut yaitu 1) kebijakan

(52%), 2) kinerja (38%), dan 3) kelembagaan (10%). Pada topik kinerja, belum

Permasalahan

Nyata

Representasi Natural

Fuzzifikasi

Komputasi secara Fuzzy

Solusi

Defuzzifikasi

ditemukan adanya topik perbaikan kinerja yang bertujuan untuk menentukan

kinerja, target kinerja, dan prioritas perbaikan. Selain itu, juga belum ditemukan

rancangbangun model sistem penunjang keputusan intelijen untuk analisis

perbaikan kinerja. Adapun daftar topik dan judul penelitian secara lengkap dapat

dilihat pada Lampiran 3.

Rancangbangun sistem penunjang keputusan intelijen untuk analisis

perbaikan kinerja pabrik gula dilakukan dengan mempertimbangkan berbagai

pendekatan teoritis dan hasil penelitian terdahulu. Perbaikan kinerja industri gula

dapat dilakukan melalui perbaikan kinerja pada setiap pabrik gula (PG). Merujuk

pada pernyataan Swanson (1996) mengenai tujuan pada tahap analisis maka dalam

merancangbangun model perbaikan kinerja dilakukan kajian terhadap hal-hal

yang terkait dengan bagaimana menentukan kinerja, bagaimana menentukan

target kinerja, dan bagaimana menentukan prioritas perbaikan.

Kinerja PG dapat ditentukan berdasarkan hasil pengukuran kinerja. Oleh

karena itu, diperlukan model pengukuran kinerja. Kinerja yang akan diukur

merujuk pada hasil penelitian Wibisono (1999, 2006), Rusjan et al. (2005),

Leachman et al. (2006), Radnor (2007), Karim (2008), dan Cocca dan Albeti

(2010) yaitu kinerja strategis (kemampuan sumberdaya), kinerja operasional

(tugas-tugas manufaktur), dan kinerja taktis (prioritas kompetisi). Rancangbangun

model pengukuran kinerja PG mempertimbangkan pernyataan Spitzer (2007)

mengenai asperk formal dalam pengukuran kinerja yaitu ukuran kinerja, proses

pengukuran, dan infrastruktur yang digunakan untuk pengukuran kinerja.

Merujuk pada hasil penelitian Radnor dan Barnes (2007) mengenai

kecenderungan umum dalam model pengukuran kinerja khususnya pada

kedalaman (keterkaitan) dan range ukuran kinerja, terdapat kekurangan pada

penelitian terdahulu (Yusnitati 1994 , Siagian 1999, Lembaga Penelitian IPB

2002, dan Manalu 2009). Hasil penelitian Olsen et al. menunjukkan bahwa

keterkaitan antar ukuran kinerja dapat meningkatkan efektivitas dari hasil

pengukuran kinerja.

Oleh karena itu, dalam merancangbangun model pengukuran kinerja,

ukuran kinerja yang akan digunakan diidentifikasi dari range yang lebih luas yaitu

produktivitas dan efisiensi. Hal tersebut juga sesuai dengan permasalahan yang

dihadapi oleh pabrik gula. Sedangkan untuk keterkaitan ukuran kinerja,

identifikasi ukuran kinerja akan dilakukan dengan penyelarasan secara vertikal

(terkait dengan visi, misi, dan strategi industri gula) dan penyelarasan secara

horisontal (keterkaitan antar ukuran kinerja dengan pendekatan input-proses-

output).

Dalam hal jumlah ukuran kinerja yang akan digunakan, rancangbangun

model pengukuran kinerja memperhatikan berbagai pendekatan pada penelitian

terdahulu ( Medori dan Steeple 2000; Denton 2005; Shahin dan Mahbod 2007;

Saunders et al. 2007; Parmenter 2010). Selain itu, penelitian Gleich et al. (2008)

dan Martin (2008) pada proses manufaktur menjadi masukan dalam

mengidentifikasi ukuran kinerja operasional.

Kerangka kerja proses pengukuran kinerja dapat memanfaatkan logika

fuzzy seperti yang diusulkan dalam penelitian Chan et al. (2002) dan Beheshti dan

Lollar (2008). Hal ini dilakukan mengingat logika fuzzy tepat untuk digunakan.

Adapun infrastruktur yang akan digunakan merujuk pada hasil penelitian Lau et

al. (2001), Marimin et al. (2005), Santos et al. (2007), Unahabhokha et al.

(2007), Raymond dan Marchand (2008), ) dan Denton (2010) yaitu dengan

memanfaatkan artificial intelligent dan internet.

Merujuk pada hasil penelitian Dattakumar (2003), Grundberg (2003),

Pierre dan Delisle (2006), Gleich et al. (2008) serta hasil penelitian Tucker (1987)

yang membuktikan bahwa pendekatan benchmarking dapat meningkatkan

efisiensi dan produktivitas perusahaan maka dalam penentuan target kinerja akan

digunakan pendekatan benchmarking. Target kinerja ditentukan berdasarkan

kinerja terbaik dalam kelompok (Tucker et. al. 1987). Oleh karena itu, perlu

dirancangbangun model pengelompokan PG dan model pemilihan kinerja terbaik.

Rancangbangun model pengelompokan PG memperhatikan pendekatan

yang dinyatakan dalam Larose (2005), Kusnawi (2007), dan Ramakrishnan

(2009). Adapun rancangbangun model pemilihan kinerja terbaik secara

keseluruhan akan menggunakan metode PROMETHEE karena memiliki

kesesuaian dengan permasalahan yang dihadapi dan sudah terbukti

keunggulannya (seperti yang dikemukakan oleh Amran dan Kiki (2005), Prvlovic

(2008), dan Triyanti dan Gadis (2008). Untuk pemilihan kinerja terbaik per jenis

kinerja digunakan pendekatan sorting (mengurutkan nilai kinerja dari yang

tertinggi sampai dengan terendah dalam setiap kelompok PG).

Prioritas perbaikan ditentukan berdasarkan praktek terbaik. Merujuk pada

penelitian Jaffar dan Zairi (2000), maka analisis praktek terbaik merupakan

praktek yang baik yang telah ditetapkan sebagai pendekatan terbaik bagi banyak

PG. Pendekatan yang digunakan dalam melakukan analisis praktek terbaik yang

diusulkan dalam penelitian Maire et al (2005) dan Southard dan Parente (2007)

memiliki kelemahan mengingat praktek terbaik yang dihasilkan masih terbatas

pada praktek yang baik (dilihat dari definisi praktek terbaik yang disimpulkan

oleh Jaffar dan Zairi 2000). Pendekatan lain yang diusulkan seperti penelitian

Corcoran (2004) dan Latino dan Kenneth (2006) berupa Root Cause Analysis

menjadi masukan untuk merancangbangun model analisis praktek terbaik.

Davies (2000) mengusulkan pendekatan terstruktur (diagnostic) untuk

memilih praktek terbaik berdasarkan pada kekuatan hubungan dengan tujuan yang

ingin dicapai. Hal ini akan menjadi masukan dalam merancangbangun model

penentuan prioritas perbaikan.

Adapun secara singkat, gambaran mengenai posisi dan kebaruan penelitian yang

digunakan untuk merancangbangun model analisis perbaikan kinerja dan sistem

penunjang keputusan intelijen dapat di lihat pada Gambar 24.

Gambar 24 Posisi dan Kebaruan Penelitian

S

P

K

I

N

T

E

L

I

J

E

N

Menentukan Kinerja

Menentukan Target Kinerja

Menentukan Prioritas Perbaikan

Pengukuran Kinerja

ModelPengelompokan

ModelPengukuran kinerja

ModelPemilihan

Kinerja Terbaik

ModelAnalisis

Praktek Terbaik

ModelPenentuan

Prioritas

Perbaikan

Cocca & Alberti 2010 : masa laluWibisono 2006; Radnor 2007 : I-P-OWibisono1999: StrategisOperasionalTaktis

Karim 2008Rusjan et al. 2005Leachman et al. 2006

Spitzer 2007 :

UkuranKinerja

ProsesPengukuran

Infra-struktur

Medori & Steeple 2000Denton 2005Parmenter 2010Shahin & Mahbod 2007Saunders et al. 2007

Nenadal 2008Beheshti & Lollar

2008Chan et al. 2002

Santos 2007Raymond &

Marchand 2008Denton 2010

Radnor & Barnes 2007 :

LuasDalam Range

Olsenet al.2007

-Produktivitas :Yusnitati 1994Manalu 2009

-Efisiensi :Siagian 1999LP IPB 2002

Lau et al. 2001Yuliasih & Marimin 2003Marimin et al. 2005Unahabhoka 2007

Benchmarking

Tucker 1987Dattakumar 2003

Grunberg 2003Pierre & Delisle 2006

Gleich et al. 2008

Praktek Terbaik

Analisis Praktek TerbaikKinerja

Terbaik

PengelompokanPemilihan

Kinerja Terbaik

Gan et al. 2007Sadaaki et al. 2008Xu & Wunsch 2009Larose 2005Kusnawi 2007Ramakhrisnan 2009

Laise 2004 : ELECTREJafari et al. 2007 : SAW

PROMETHEEAmran & Kiki 2005Prvulovic 2008Triyanti & Gadis 2008

Reddy & McCarthy 2006Asrofah et al. 2010

Jaffar & Zairi 2000Maire et al. 2005Southard & Parente 2007Corcoran 2004Latino & Kenneth 2006

Penentuan Prioritas Perbaikan

Davies 2000