Hasil implementasi model evaluasi kinerja UMK makanan ringan diharapkan mampu memberikan rekomendasi yang efektif dalam upaya perbaikan kinerja UMK baik pada saat ini maupun pada masa yang akan datang. Selain itu untuk meningkatkan efisiensi operasionalisasi model maka dibangun sistem manajemen ahli terkomputerisasi yang terdiri atas rangkaian pengambilan keputusan yang didasarkan pada data, model, dan pengetahuan yang telah disediakan.
Pada menu identifikasi, penentuan indikator kinerja kunci (IKK) dilakukan dengan mengisi kode pakar yang akan digunakan dalam proses pengambilan keputusan, mengisi penilaian pakar terhadap setiap elemen yang akan diidentifikasi. Program komputer akan melakukan pengolahan berdasarkan teknik OWA Operators dan menghasilkan IKK bagi UMK yang akan dievaluasi.
Pada Tahap pembobotan IKK, pengguna akan memasukkan nilai perbandingan berpasarangan dari label lingustik yang diperoleh dari pakar yang terlibat. Program akan melakukan pengolahan dengan menggunakan teknik Fuzzy AHP sehingga dihasilkan bobot untuk setiap IKK. Bobot yang telah dihasilkan dihubungankan dengan model pengukuran kinerja yang menggunakan teknik Balanced Scorecard. Pada tahap ini, pengguna memasukkan nilai skor untuk masing-masing IKK, sehingga akan dihasilkan nilai kinerja. Nilai kinerja ini menunjukkan status dan level kinerja UMK yang dievaluasi.
IKK yang berstatus “cukup baik ” dan “kurang baik” akan dilanjutkan pada proses perbaikan dengan menggunakan teknik Quality Fuction Deployment. Pada tahap ini ditentukan skor kepentingan perbaikan IKK. Tahap ini juga akan dilengkapi dengan penentuan nilai hubungan IKK dengan karakteristik teknis dan nilai hubungan antar karakteristik teknis, sehingga dihasilkan nilai prioritas perbaikan untuk setiap karakteristik teknis UMK yang dievaluasi. Nilai prioritas tersebut akan membawa pengguna pada alternatif rekomendasi yang telah disusun sesuai karakteristik teknis yang terpilih sebagai prioritas tertinggi.
Proses pengukuran kinerja yang telah dilaksanakan menghasilkan level kinerja yang dapat menjadi dasar dalam penentuan rekomendasi perbaikan kinerja. Selain itu hasil pengukuran kinerja juga mampu memberikan informasi mengenai pemeringkatan (rating) UMK. Pemeringkatan tersebut dimaksudkan sebagai pemenuhan syarat kesederhanaan (simplifikasi) suatu model yang bersifat communication sharing dan mudah untuk digunakan (user friendly).
Penentuan karakteristik UMK sebagai dasar pemeringkatan dilakukan dengan menggunakan teknik perbandingan indeks kinerja (Comparative Performance Index atau CPI). Nilai aktual untuk setiap IKK menjadi input bagi matriks awal penilaian alternatif pemilihan peringkat. Bobot IKK digunakan sebagai bobot kriteria dalam proses transformasi, sehingga dihasilkan nilai dan
164
peringkat alternatif. Dari hasil penentuan peringkat dapat diketahui karakteristik dari suatu UMK sehingga dapat dijadikan dasar dalam penentuan keputusan atau kebijakan terhadap UMK yang bersangkutan.
Pemeringkatan dilakukan dengan menggunakan skala 0 sampai dengan 1 sehingga diperoleh hasil perhitungan bobot alternatif antara 0 sampai dengan 1. Setelah diperoleh bobot, tahap berikutnya adalah penentuan skor dengan interval skala 0.0 < bobot <=0.2, skor 1 artinya kinerja UMK tidak baik. Interval 0.2 < bobot <=0.4, skor 2 artinya kinerja UMK kurang baik. Interval 0.4 < bobot <=0.6, skor 3artinya kinerja UMK cukup baik. Interval 0.6 < bobot <=0.8, skor 4 artinya kinerja UMK baik. Interval 0.8 < bobot <=1.0, skor 5 artinya kinerja UMK sangat baik.
Perubahan pada kondisi lingkungan eksternal yang dinamis akan berpengaruh terhadap nilai kinerja suatu UMK makanan ringan. Indikator lingkungan eksternal yang bersifat dinamis dan termasuk dalam kategori input tak terkendali pada UMK makanan ringan adalah atas harga bahan baku (pisang mentah) dan harga jual produk. Prosedur deteksi dini (estimasi) menggunakan teknik jaringan syaraf tiruan (JST) atau neural network. Asumsi yang digunakan pada aplikasi teknik JTS adalah menggunakan mekanisme pembelajaran back propagation learning algorithm, dimana y sebagai teaching pattern. Arsitektur jaringan terdiri dari multi layer (1,8,1) dan (2,8,1), dengan tipe aktivasi sigmoid biner selang (0,1), dimana f(x)= 1/(1+exp(-x)). Hasil deteksi dini dilakukan baik secara parsial untuk setiap variabel bebas (independent variable), maupun secara komprehensif untuk kedua variabel bebas. Variabel bebas terdiri atas harga jual keripik pisang (X1), dan harga bahan baku pisang mentah (X2),
sedangkan variabel tak bebas (dependent variable) adalah jumlah penjualan (Y). Berdasarkan hasil estimasi secara menyeluruh dapat dilihat bahwa hasil estimasi Y mengikuti pola yang terjadi pada tahun sebelumnya. Hal ini menunjukkan bahwa model estimasi hubungan antara X1 dan X2 mampu menghasilkan pola estimasi terhadap Y yang sesuai dengan kondisi sistem sesungguhnya. Mean square error (MSE) untuk training model estimasi parsial X1 terhadap Y adalah sebesar 0.0160. Artinya terdapat 1.60% hasil estimasi yang
menyimpang dari kondisi sesungguhnya. Estimasi secara parsial menunjukkan jumlah penjualan memiliki pola hubungan positif antara X1 dan Y. Tingkat harga
jual cenderung meningkat, demikian juga dengan jumlah penjualan. Mean square error (MSE) untuk training model estimasi parsial X1 terhadap Y adalah sebesar
0.0435. Artinya terdapat 4.35% hasil estimasi yang menyimpang dari kondisi sesungguhnya. Estimasi secara parsial juga menunjukkan jumlah penjualan memiliki pola hubungan positif antara X2 dan Y. Tingkat harga bahan baku yang
cenderung meningkat dengan fluktuasi pada bulan-bulan tertentu sangat sesuai dengan hasil estimasi jumlah penjualan. Mean square error (MSE) untuk training model estimasi parsial X2 terhadap Y adalah sebesar 0.0316. Artinya terdapat
3.16% hasil estimasi yang menyimpang dari kondisi sesungguhnya.
Pemanfaatan SMA terkomputerisasi bertujuan untuk meminimasi waktu implementasi model evaluasi kinerja UMK makanan ringan dibandingan dengan implementasi model secara manual. SMA terkomputerisai dapat digunakan secara langsung oleh para pengambilan kebijakan bagi pemerintah dalam upaya pengembangan usaha mikro dan kecil makanan ringan di Indonesia yang dengan kemampuan intelektualitasnya dapat mengakses program SMA secara langsung, seperti misalnya Departemen Perindustrian, Dinas Koperasi dan UMK, dan lembaga atau institusi terkait lainnya. SMA dilengkapi dengan sistem umpan balik yang didisain dengan basis pengetahuan pakar, sehingga evaluasi kinerja dapat dilakukan secara periodik untuk mengetahui posisi level kinerja dan peringkat UMK.