Tempat dan Waktu Penelitian
Penelitian ini meliputi kegiatan penelitian lapangan yang dilakukan di wilayah kerja Subdivre Cianjur, dan Divre Jabar. Kegiatan pengolahan data
dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian Fateta IPB.
Waktu pelaksanaan kegiatan penelitian lapangan dilakukan pada bulan April-Mei 2013, dan dilanjutkan dengan pengolahan data pada bulan Juni-Juli 2013.
Pendekatan Penelitian
Metode penelitian menggunakan metode pendekatan sistem, yakni serangkaian langkah-langkah pemecahan masalah yang memastikan bahwa masalah dipahami, solusi alternatif dipertimbangkan, dan solusi yang dipilih bekerja. Sedangkan jenis dari penelitian ini adalah studi kasus, yaitu dengan mengadakan penelitian intensif yang terinci terhadap objek, agar dapat diketahui keadaan yang sebenarnya terjadi pada perusahaan. Subdivre Cianjur terpilih
sebagai tempat penelitian karena alokasi Pagu Raskin di wilayah kerja Subdivre Cianjur merupakan Pagu Raskin terbesar di Divre Jabar.
Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder baik yang bersifat kualitatif maupun kuantitatif. Data primer yang
dikumpulkan meliputi data yang terkait dengan menentukan urutan prioritas
sumber pasokan. Sedangkan data sekunder meliputi data Pagu Raskin, data realisasi jumlah pengadaan beras dalam negeri di wilayah kerja Subdivre Cianjur, data realisasi jumlah pemindahan persediaan beras dari gudang
di wilayah kerja Divre Jabar, data realisasi jumlah pemindahan persediaan beras dari gudang di wilayah kerja Divre DKI, serta data biaya penyediaan beras, yakni biaya angkutan dan biaya penyimpanan.
Sumber data primer berasal dari hasil wawancara yang dilakukan dengan beberapa pimpinan di Kantor Subdivre Cianjur, sedangkan data sekunder berasal dari laporan manajerial (operasional dan keuangan) pada tahun 2008-2011 di Kantor Subdivre Cianjur, Kantor Divre Jabar, dan Kantor Pusat Perum BULOG,
maupun dari sumber instansi lain seperti Kementerian Pertanian dan Badan Pusat Statistik.
Teknik Pengumpulan Data dan Informasi
Pengumpulan data dan informasi dilakukan dengan cara sebagai berikut: 1. Observasi lapangan, yakni melihat secara langsung kegiatan penyediaan
2. Wawancara, dilakukan untuk memperoleh informasi kondisi persediaan, pelaksanaan pasokan beras dari masing-masing sumber pasokan, pelaksanaan distribusi beras untuk Program Raskin, dan kebijakan- kebijakan yang berhubungan dengan kegiatan penyediaan beras untuk Program Raskin,
3. Pengumpulan data sekunder berasal dari laporan manajerial (operasional
dan keuangan) pada tahun 2008-2011 di Kantor Subdivre Cianjur, Kantor Divre Jabar, Kantor Divre DKI, dan Kantor Pusat Perum BULOG.
Teknik Pengolahan dan Analisis Data
Berdasarkan pengumpulan data dan sesuai dengan tujuan penelitian, pengolahan data yang telah diperoleh selama kegiatan penelitian akan diarahkan pada upaya perbaikan pengelolaan rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur, yakni mampu menjaga keberlangsungan dan keberlanjutan rantai pasokan dengan menyediakan kebutuhan distribusi pada
kondisi ketidakpastian permintaan alokasi Pagu Raskin Kabupaten/Kota dan penerbitan SPPB/DO, serta kondisi ketidakpastian jumlah dan alokasi
pasokan beras dari berbagai sumber pasokan.
1. Model perkiraan kebutuhan pasokan untuk Program Raskin
Penentuan jumlah beras untuk kebutuhan pasokan pada kondisi ketidakpastian permintaan alokasi Pagu Raskin Kabupaten/Kota bulanan dan penerbitan SPPB/DO dilakukan dengan pendekatan metode simulasi Monte Carlo
(Heizer dan Render, 1996), berdasarkan data historis yang dipunyai Subdivre Cianjur (Perum BULOG, 2012), yakni membuat skenario kondisi
penerbitan SPA Raskin dan kendala tunggakan HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur. Langkah-langkah dalam simulasi disajikan dengan singkat pada Gambar 4.
i. Pemilihan data
Data hasil observasi populasi permintaan alokasi pada periode tahun alokasi 2008, 2009, 2010, dan 2011 untuk masing-masing wilayah distribusi
direkapitulasikan dalam struktur data seperti pada Tabel 3.
Hipotesis yang akan diuji pada analisis ragam adalah nilai tengah (rata-rata) populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008, 2009, 2010, dan 2011 pada masing-masing wilayah distribusi adalah sama, dan hipotesis tandingannya adalah paling sedikit ada sepasang periode tahun alokasi pada masing-masing wilayah distribusi yang berbeda.
Dalam notasi matematik:
Ho: μk-2008= μk-2009= μk-2010= μk-2011= μk melawan,
H1: paling sedikit ada sepasang periode tahun alokasi yang berbeda, μk-l≠ μk-l’, l≠l’.
Penerimaan Ho pada taraf uji atau tingkat nyata α menunjukkan bahwa
perbedaan tahun alokasi tidak memberikan pengaruh yang berbeda terhadap rata-rata permintaan alokasi pada tingkat nyata α. Sebaliknya jika H1 diterima maka sekurangnya ada satu periode tahun alokasi yang memberikan rata-rata permintaan alokasi yang berbeda.
Gambar 4 Tahapan penelitian tentang model perkiraan kebutuhan pasokan
Tabel 3 Struktur data hasil observasi permintaan alokasi BULAN
PERMINTAAN ALOKASI PAGU RASKIN UNTUK
WILAYAH KABUPATEN/KOTA k
PADA PERIODE TAHUN ALOKASI
2008 = τ1 2009 = τ2 2010 = τ3 2011= τt=4 1 Y11 Y21 Y31 Y41 2 Y12 Y22 Y32 Y42 … … … … … r = 12 Y1-12 Y2-12 Y3-12 Y4-12 Total Perlakuan/ Tahun Alokasi (Yi.) Y1. Y2. Y3. Y4. Rataan Perlakuan/
Tahun Alokasi (Yi-bar) Y1-bar Y2-bar Y3-bar Y4-bar
Grand Total ∑∑Yij = Y..
Rataan Umum Y-bar
Hipotesis yang akan diuji pada Uji Barlett adalah ragam populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008, 2009, 2010, dan 2011 pada masing-masing wilayah distribusi adalah sama, dan hipotesis tandingannya adalah paling sedikit ada sepasang periode tahun alokasi pada masing-masing wilayah distribusi yang berbeda.
Dalam notasi matematik:
Ho: σ2k-2008= σ2k-2009= σ2k-2010= σ2k-2011= σ2k melawan,
H1: paling sedikit ada sepasang populasi yang berbeda, σ2k-l≠ σ2k-l’, l≠l’.
Uji Barlett dilakukan dengan menggunakan rumus: (∑db_i_k) x ln S2g - ∑ (db_i_k x ln S2 i-k)
1 + [ {∑ (1/ db_i_k) – (∑db_i_k)-1}/3(t-1)
dan nilai ini dibandingkan dengan nilai pada tabel χ2 dengan derajat bebas t-1.
Penerimaan Ho pada taraf uji atau tingkat nyata α menunjukkan bahwa perbedaan
tahun alokasi tidak memberikan pengaruh yang berbeda terhadap ragam permintaan alokasi pada tingkat nyata α. Sebaliknya jika H1 diterima maka sekurangnya ada satu periode tahun alokasi yang memberikan ragam permintaan alokasi yang berbeda.
ii. Perkiraan permintaan alokasi bulanan
Hasil uji Barlett dijadikan dasar untuk membuat pola permintaan alokasi bulanan yang dinyatakan sebagai rasio perbandingan antara permintaan alokasi
pada bulan j di wilayah Kabupaten/Kota k dengan total Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional (rasio D_j_k). Perkiraan permintaan alokasi pada bulan j di wilayah Kabupaten/Kota k (D’_j_k), yang dihitung dengan menggunakan rumus:
(rasio D_j_k) x (rencana Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional)
Uji Barlett juga kembali digunakan sebagai uji validasi antara hasil perkiraan permintaan alokasi Pagu Raskin Kabupaten/Kota dengan data aktual.
iii. Pembuatan skenario penerbitan SPPB/DO
Perkiraan penerbitan SPPB/DO dibuat pada berbagai skenario waktu dalam penerbitan SPA Raskin oleh Tim Koordinasi Raskin Kabupaten/Kota, dan
kendala tunggakan dalam pembayaran HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur. Kondisi ketidakpastian penerbitan SPPB/DO di wilayah kerja Subdivre Cianjur ditentukan dengan menghitung koefisien varians (cv) yang merupakan rasio perbandingan antara simpangan baku dengan rata-rata perkiraan penerbitan SPPB/DO. Semakin besar nilai koefisien varians, maka kondisi penerbitan SPPB/DO semakin tidak pasti.
Nilai koefisien varians (cv) dihitung menggunakan rumus:
cv = S D’-bar
D’_bar
di mana,
D’_bar rata-rata perkiraan penerbitan SPPB/DO beras untuk
Program Raskin di wilayah kerja Subdivre Cianjur, dalam satuan ton per bulan,
S D’-bar simpangan baku perkiraan penerbitan SPPB/DO beras
untuk Program Raskin di wilayah kerja Subdivre Cianjur. iv. Simulasi Monte Carlo
Penerbitan SPPB/DO merupakan variabel acak yang mencerminkan ketidakpastian penerbitan SPPB/DO. Langkah-langkah simulasi adalah sebagai berikut.
- Membuat simulasi penerbitan SPPB/DO dengan menurunkan angka acak sebanyak 1.000 percobaan.
- Menetapkan relasi antara angka acak dengan perkiraan penerbitan SPPB/DO. Dalam hal ini, jika nilai koefisien varians (cv) kurang dari 0,4, maka penerbitan SPPB/DO mengikuti distribusi normal dengan rata-rata
D’_bar dan simpangan baku sD’-bar. Namun, jika nilai koefisien varians
(cv) lebih besar dari 0,4, maka penerbitan SPPB/DO mengikuti distribusi log-normal dengan rata-rata D’_bar dan simpangan baku s D’-bar.
- Berdasarkan hasil simulasi penerbitan SPPB/DO dapat diperkirakan kebutuhan pasokan untuk Program Raskin (S).
Penyelesaian simulasi dapat dibantu dengan menggunakan program komputer Excel.
2. Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin
Pengembangan model perencanaan dan penjadwalan penyediaan beras diawali dengan penentuan prioritas sumber pasokan yang dapat memenuhi kebutuhan distribusi secara efektif dan efisien. Penentuan jumlah pasokan dari masing-masing sumber pasokan pada model pemrograman linear samar dilakukan sesuai dengan urutan sumber pasokan.
i. Penentuan prioritas sumber pasokan
Berdasarkan hasil observasi terhadap laporan manajerial Subdivre Cianjur, alternatif sumber pasokan yang dapat dilakukan pada rantai pasokan adalah melalui (1) pengadaan gabah/beras setempat (ADA SETEMPAT), (2) pemindahan persediaan beras regional (MOVEREG) dari gudang di wilayah-wilayah surplus beras di wilayah kerja Divre Jabar, dan (3) pemindahan persediaan beras nasional (MOVENAS) dari gudang di wilayah kerja Divre DKI Jakarta, sebagaimana dapat digambarkan pada Gambar 5.
Keterangan:
kegiatan ADA SETEMPAT kegiatan MOVEREG kegiatan MOVENAS
Gambar 5 Alternatif sumber pasokan pada rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur
Pengambilan keputusan dalam penentuan prioritas sumber pasokan terkait dengan banyak kriteria dan banyak kendala. Masing-masing sumber
pasokan selalu memiliki kriteria yang berbeda satu terhadap yang lain. Atas dasar tersebut, maka proses analisis bertingkat (analytic hierarchy
process/AHP) merupakan salah satu metode yang tepat untuk menentukan
prioritas sumber pasokan.
Untuk menyelesaikan masalah proses penentuan prioritas sumber pasokan yang efektif dan efisien, maka dilakukan langkah berikut untuk memecah persoalan menjadi unsur-unsur secara hierarkis.
- Penentuan sasaran yang ingin dicapai: penilaian efektivitas dan efisiensi sumber pasokan.
- Penentuan kriteria sumber pasokan. - Penentuan alternatif pilihan.
Informasi mengenai sasaran, kriteria, dan alternatif tersebut kemudian disusun dalam bentuk diagram hierarki fungsional, seperti terlihat pada Gambar 6.
Gambar 6 Struktur hierarki dalam AHP
Penilaian setiap level hierarki dinilai melalui perbandingan berpasangan. Pada penelitian ini skala perbandingan Saaty (skala 1-9) ditetapkan sebagai pertimbangan dalam membandingkan pasangan elemen di setiap level hierarki terhadap suatu elemen yang berada di level atasnya, karena skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat untuk berbagai persoalan. Skala dengan sembilan satuan dapat menggambarkan derajat sampai di mana kemampuan membedakan intensitas tata hubungan antarelemen. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty, dapat dilihat pada Tabel 4 berikut.
Tabel 4 Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty
NILAI KETERANGAN
1 Faktor Vertikal sama penting dengan Faktor Horizontal 3 Faktor Vertikal lebih penting dari Faktor Horizontal 5 Faktor Vertikal jelas lebih penting Faktor Horizontal
7 Faktor Vertikal sangat jelas lebih penting dari Faktor Horizontal 9 Faktor Vertikal mutlak lebih penting dari Faktor Horizontal 2, 4, 6, 8 Apabila ragu-ragu antara dua nilai elemen yang berdekatan
1/(2-9) Kebalikan dari keterangan nilai 2-9
Pada dasarnya, AHP dapat digunakan untuk mengolah data dari satu responden ahli, tetapi aplikasinya penilaian kriteria dan alternatif dilakukan
oleh beberapa ahli multidisiplioner. Konsekuensinya pendapat beberapa ahli tersebut perlu dicek konsistensinya satu persatu. Pendapat yang konsisten kemudian digabungkan dengan menggunakan rata-rata geometrik.
n XG-bar = ( ∏ Xi )1/n
i=1
Hasil penilaian gabungan ini kemudian diolah dengan prosedur AHP dengan urutan tahapan berikut.
- Pembobotan kriteria - Pembobotan alternatif
- Validitas dan konsistensi penilaian perbandingan ii. Pembuatan model fuzzy linear programming (FLP)
Proses pembuatan model FLP diawali dengan mem-fuzzy-kan atau fuzzyfikasi fungsi tujuan dan kendala utama sebagai dua unsur utama model linear programming (LP). Hal tersebut dilakukan dengan merepresentasikan keadaan fungsi tujuan dan kendala utama menggunakan himpunan samar yang didefinisikan dengan fungsi keanggotaan linear (linear membership function)
yang sesuai. Proses ini akan menghasilkan himpunan samar yang merepresentasikan keadaan fungsi tujuan dan kendala utama yang mengandung data samar. Selanjutnya, terbentuk suatu model FLP dengan fungsi tujuan dan kendala utama samar. Secara garis besar model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur sebagaimana digambarkan pada Gambar 7.
Model FLP ini dapat diselesaikan dengan beberapa tahap. Tahap pertama
adalah mendefinisikan himpunan keputusan samar (fuzzy set decision) dan tahap kedua adalah mendefinisikan keputusan samar optimal (optimal fuzzy
decision) yang diperoleh dari himpunan samar fungsi tujuan dan kendala utama. Tahap ketiga, sebagai konsekuensi dari keputusan samar optimal, model FLP ditransformasikan ke dalam bentuk λ-cut. Transformasi tersebut dilakukan dengan membawa himpunan samar fungsi tujuan dan kendala utama ke dalam bentuk
λ-cut-nya berdasarkan fungsi keanggotannya masing-masing.
Pengolahan data dalam pembuatan model perencanaan dan penjadwalan penyediaan beras yang merupakan bagian dari FLP dilakukan dengan bantuan
M ULAI
Kebijakan mengenai batas persediaan minimal (M SR)
Variabel keput usan
xoj= beras yang dipasok dari sumber pasokan priorit as 1
pada bulan j (kg),
ij= jumlah beras yang menjadi persediaan pada bulan j,
Fungsi t ujuan: m eminimalkan biaya penyediaan minim alkan Z = Co(xo1,xo2..xon) + Ci(i1,i2..in)
Fungsi kendala xoj Toj ∑xoj≈ S xoj + ij-1 - ij = D'j ij ≤ K xoj , ij≥ 0 TIDAK YA Biaya penyediaan minimal? OUTPUT
JUM LAH PENYEDIAAN OPTIM UM
A SELESAI JUM LAH PENYEDIAAN CUKUP? TIDAK YA INPUT
M odel Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Prioritas 1
Toj = target kegiatan pasokan
dari sumber pasokan priorit as 1 pada bulan j (kg), D'j= rencana penerbit an SPPB/ DO pada bulan j (kg),
S = jumlah beras unt uk kebut uhan dist ribusi (kg), K = kapasit as t empat penyim panan (kg),
Co= biaya penyediaan dari sum ber pasokan priorit as 1
( Rp/ kg), Ci = biaya penyimpanan ( Rp/ kg), TIDAK YA Kapasit as t empat penyimpanan ≤ MSR? SELESAI
Gambar 7 Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di Subdivre Cianjur
INPUT
M odel Perencanaan dan Penjadw alan Penyediaan Beras dari Sumber Pasokan Prioritas 2
Tpj = t arget kegiat an pasokan
dari sum ber pasokan priorit as 2 pada bulan j (kg), D'j= rencana penerbit an SPPB/ DO pada bulan j (kg),
S = jum lah beras unt uk kebut uhan dist ribusi (kg), K = kapasit as t em pat penyim panan (kg),
Cp= biaya penyediaan dari sumber pasokan priorit as 2
( Rp/ kg),
Ci = biaya penyim panan ( Rp/ kg),
Variabel keput usan
xpj= beras yang dipasok dari sum ber pasokan priorit as 2
pada bulan j (kg),
ij= jumlah beras yang m enjadi persediaan pada bulan j,
Fungsi t ujuan: m eminim alkan biaya penyediaan m inim alkan Z = Cp(xo1,xo2..xon) + Ci(i1,i2..in)
Fungsi kendala xpj Tpj ?xpj˜ S xpj + ij-1 - ij = D'j ij = K xpj , ij = 0 TIDAK YA Biaya penyediaan m inim al? OUTPUT
JUM LAH PENYEDIAAN OPTIM UM A B SELESAI JUM LAH PENYEDIAAN CUKUP? YA TIDAK
Gambar 7 Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di Subdivre Cianjur (lanjutan)
YA
INPUT
M odel Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Prioritas 3
Tqj = target kegiat an pasokan
dari sum ber pasokan priorit as 3 pada bulan j (kg), D'j = rencana penerbit an SPPB/ DO pada bulan j (kg),
S = jum lah beras unt uk kebutuhan dist ribusi (kg), K = kapasit as t em pat penyim panan (kg),
Cq = biaya penyediaan dari sum ber pasokan priorit as 3
( Rp/ kg),
Ci = biaya penyim panan ( Rp/ kg),
Variabel keput usan
xqj= beras yang dipasok dari sum ber pasokan prioritas 3
pada bulan j (kg),
ij= jum lah beras yang m enjadi persediaan pada bulan j,
Fungsi t ujuan: m em inimalkan biaya penyediaan m inim alkan Z = Cq(xo1,xo2..xon) + Ci(i1,i2..in)
Fungsi kendala xqj Tqj ?xqj˜ S xqj + ij-1 - ij = D'j ij = K xqj , ij = 0 B OUTPUT
JUM LAH PENYEDIAAN OPTIM UM
SELESAI Biaya penyediaan
m inim al?
TIDAK
Gambar 7 Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di Subdivre Cianjur (lanjutan)