V. PEMODELAN SISTEM
5.4 Perancangan Model Prediksi Keberlanjutan Agroindustri Teri Nasi
5.4.3 Sub model sosial
Sub model sosial digunakan untuk memprediksi nilai indikator keberlanjutan pada dimensi sosial. Pada sub model ini dikembangkan persamaan-persamaan yang didasarkan atas teknik heuristik untuk memprediksi nilai indikator-indikator pada dimensi sosial. Nilai yang diperoleh kemudian diagregasi membentuk indeks keberlanjutan sosial (IKS). Indeks keberlanjutan sosial merupakan fungsi dari indikator-indikator pada dimensi sosial sebagaimana persamaan berikut ini:
IKS = f (KSDM, PTK, PDTK, PSHIP, PDTN) a) Diagram kausal sub model sosial
Perubahan yang terjadi pada dimensi sumber daya maupun ekonomi berpengaruh terhadap nilai-nilai indikator keberlanjutan pada dimensi sosial. Diagram kausal sub model sosial (Gambar 29) menunjukkan bahwa variabel yang
menjadi pendorong (driver variable) pada dimensi sosial adalah volume bahan baku
dan keuntungan agroindustri.
Net profit agroindustri Volume bahan BSJ Volume bahan baku RM Margin Suplier BSJ Rendemen produk Investasi SDM Jumlah tenaga
kerja agroindustri Penyerapan
tenaga kerja
Pendapatan tenaga kerja
Fraksi investasi SDM
Jumlah jam training tenaga kerja Skill SDM Pengalaman tenaga kerja masa kerja tenaga kerja Partnership agroindustri Harga bahan BSJ + + + Volume tangkapan teri nasi + Pendapatan nelayan teri nasi
+ Biaya penangkapan -+ -+ + + + + -+ + + + Volume bahan baku agroindustri + + + Volume produk ekspor + + + (+) (-) + -K e te r a n g a n : R e la s i p e n in g k a ta n : : R e la s i p e n g u r a n g a n ( - ) ( + ) : : S im p a l n e g a tif S im p a l p o s itif
Gambar 39 Diagram kausal sub model sosial
Peningkatan volume tangkapan teri nasi dan BSJ akan meningkatkan volume bahan baku agroindustri teri nasi. Peningkatan volume tangkapan teri nasi berpengaruh terhadap nilai indikator pendapatan nelayan teri nasi. Nilai indikator ini
akan menurun jika terjadi peningkatan biaya penangkapan. Terjadinya peningkatan volume bahan baku agroindustri akan berpengaruh terhadap meningkatnya jumlah tenaga kerja agroindustri sehingga pada akhirnya berpengaruh terhadap peningkatan nilai indikator penyerapan tenaga kerja. Seiring dengan bertambahnya jumlah tenaga baru, rata-rata masa kerja tenaga kerja justru akan menurun sehingga berakibat terhadap menurunnya tingkat ketrampilan (skill) tenaga kerja atau SDM.
Di sisi lain, peningkatan volume bahan baku agroindustri akan meningkatkan volume produk ekspor sehingga berpotensi besar meningkatkan keuntungan agroindustri. Meningkatnya keuntungan agroindustri mempunyai pengaruh terhadap meningkatnya nilai indikator ketrampilan SDM, pendapatan tenaga kerja dan
partnership agroindustri. Keuntungan yang tinggi menyebabkan nilai indikator net profit per unit usaha, salah satu indikator pada dimensi ekonomi, meningkat sehingga dana bagi investasi SDM juga mengalami peningkatan. Peningkatan tersebut akan meningkatkan jumlah jam pelatihan bagi tenaga kerja sehingga ketrampilan tenaga kerja akan semakin tinggi. Hal ini akan menyebabkan rendemen produk meningkat sehingga akhirnya akan menyebabkan peningkatan keuntungan agroindustri. Terjadinya peningkatan keuntungan juga menyebabkan peningkatan terhadap pendapatan tenaga kerja agroindustri.
Keuntungan yang meningkat menyebabkan agroindustri mempunyai kemampuan dana untuk melakukan kegiatan yang memperkuat hubungan dengan
pemasok BSJ atau partnership. Hubungan tersebut akan semakin kuat apabila
peningkatan volume bahan baku RM mampu memberikan peningkatan margin keuntungan sesuai yang diharapkan oleh pemasok BSJ. Diagram kausal menunjukkan bahwa terjadinya peningkatan volume bahan baku pada akhirnya akan berpengaruh terhadap penguatan partnership agroindustri.
b) Diagram alir sub model sosial
Sub model sosial mempunyai keterkaitan dengan dimensi ekonomi dan akitivitas di sektor hulu, yaitu usaha penangkapan pada dimensi sumber daya, sebagaimana ditunjukkan pada Gambar 40. Tahapan dalam sub model sosial adalah sebagai berikut:
Kap (t)k Hasil tangkap (BB )1 t
3 BSJ (BB dan BB ) t2
Potensi bahan baku (BBtot)t
Bahan baku (BBtot’) t
Proses Produksi
Produk t
NPt-1 Net profit per
unit (NP)t
Penentuan jumlah unit usaha t
t0 t0 Jumlah Unit Usaha (rule base if ... Then NPV & PBBK )
Penentuan net profit per unit t Penentuan potensi bahan baku
BBtot = ∑BBi(t)
Harga bahan baku t
Biaya penangkapan t
- Jumlah upaya per bulan - Rasio pembagian keuntungan Penentuan keuntungan
per upaya tangkap (KUT)t
Keuntungan per upaya tangkap (KUT) t Penentuan pendapatan nelayan t Pendapatan nelayant
Penentuan jumlah tenaga kerja sesuai kapasitas
(JTKSK) t
JTKSKt
Konstanta kebutuhan TK per unit usaha
Pelatihan SDM t Alokasi dana pelatihant Skill SDM karena pelatihant Penentuan jumlah tenaga kerja t Jumlah tenaga kerja
(JTK)t
Penentuan skill TK karena masa kerjat
Skill SDM karena pengalamant Penentuan skill SDMt Skill SDM t Penentuan tingkat kecacatan produk t Tingkat kecacatan produkt t Penentuan penyerapan TK (JTK / JTKSK) t-1 JTK Jumlah unit usahat
t Penyerapan tenaga kerja Margin pemasok BSJt Penentuan partnership t Partnership t Penentuan tambahan pendapatan t Alokasi dana untuk gajit Penentuan pendapatan TK ((GTK + TP) / JTK) / 12 t Gaji TK (GTK) t Tambahan pendapatan (TP)t Pendapatan TK t Jumlah tenaga kerja
(JTK)t
NPt-1
Selesai Mulai
Gambar 40 Diagram alir sub model sosial
1. Parameter model yang dibutuhkan untuk memprediksi nilai indikator pendapatan
nelayan adalah keuntungan penangkapan per upaya tangkap (KUT), rasio pembagian keuntungan nelayan pemilik dan nelayan buruh serta jumlah upaya penangkapan per bulan. Untuk menentukan nilai KUT, nilai variabel jumlah hasil tangkapan, harga teri nasi, biaya penangkapan dan upaya penangkapan harus ditetapkan terlebih dahulu melalui simulasi model dengan pendekatan dinamis schaefer. Tahapan ini telah dilakukan pada dimensi sumber daya. Apabila nilai parameter model yang diperlukan telah berhasil ditentukan, maka prediksi pendapatan nelayan dapat dilakukan.
2. Menentukan jumlah tenaga kerja berdasarkan nilai variabel jumlah bahan baku (BBtoti) dan jumlah unit usaha yang telah diperoleh sebelumnya. Variabel jumlah unit usaha digunakan sebagai dasar dalam menentukan jumlah tenaga kerja maksimal yang dapat terserap apabila agroindustri berproduksi sesuai kapasitas produksinya. Nilai indikator penyerapan tenaga kerja ditentukan berdasarkan rasio antara jumlah tenaga kerja dan jumlah tenaga kerja maksimal.
3. Menentukan nilai indikator pendapatan tenaga kerja. Nilai variabel jumlah tenaga
kerja tetap yang diperoleh dari tahapan sebelumnya selanjutnya digunakan untuk memprediksi pendapatan tenaga kerja. Variabel lain yang diperlukan adalah gaji tenaga kerja tetap yang diprediksi dengan persamaan trend linear, dan nilai variabel net profit per unit usaha yang diperoleh pada dimensi ekonomi. Nilai indikator pendapatan tenaga kerja adalah rata-rata pendapatan dari gaji dan tambahan pendapatan (insentif) setiap bulan.
4. Menentukan nilai indikator partnership agroindustri. Indikator ini ditentukan menggunakan rule base antara indikator net profit per unit usaha dan margin pemasok BSJ yang telah diperoleh sebelumnya pada dimensi ekonomi.
5. Indikator ketrampilan SDM adalah ketrampilan yang diperoleh dari pelatihan (training) dan pengalaman. Rata-rata ketrampilan SDM karena faktor pelatihan dapat ditentukan berdasarkan besarnya intensitas pelatihan. Nilai intensitas pelatihan tergantung dari dana pelatihan yang berasal dari alokasi net profit
agroindustri pada periode sebelumnya. Sedangkan rata-rata ketrampilan karena faktor pengalaman ditentukan berdasarkan dinamika jumlah tenaga kerja berdasarkan masa kerjanya.
Berdasarkan model konseptual tersebut dapat diidentifikasi beberapa masukan kunci yang diperlukan oleh sub model sosial sehingga prediksi terhadap nilai indikator pada dimensi sosial dapat dilakukan. Masukan kunci mempunyai arti sebagai masukan yang harus tersedia pada model sehingga model dapat menghasilkan perilaku yang sesuai dengan sistem nyata. Masukan tersebut dapat berupa variabel atau konstanta. Masukan dan keluaran pada sub model sosial dapat dilihat pada Gambar 41.
Volume bahan baku Jumlah unit usaha
Net profit per unit UMR
Keuntungan per upaya tangkap Konstanta kebutuhan tenaga kerja Gaji tenaga kerja
Indikator ketrampilan SDM Indikator penyerapan tenaga kerja Indikator pendapatan tenaga kerja Indikator pendapatan nelayan
Indikator partnership agroindustri
Sub Model Sosial
Input Proses Output
Investasi pelatihan SDM Margin keuntungan pemasok BSJ
Konstanta nilai ketrampilan SDM menurut masa kerja
is
Gambar 41 Diagram IPO sub model sosial
Berdasarkan Gambar 41 dicontohkan bahwa untuk memprediksi nilai indikator ketrampilan SDM memerlukan variabel jumlah tenaga kerja, masukan investasi pelatihan SDM dan masukan konstanta nilai ketrampilan SDM menurut masa kerja. Variabel jumlah tenaga kerja tidak termasuk ke dalam masukan model karena nilainya ditentukan oleh model dengan menggunakan masukan volume bahan baku, jumlah unit usaha dan konstanta kebutuhan tenaga kerja. Variabel jumlah tenaga kerja kemudian digunakan untuk memprediksi nilai indikator penyerapan tenaga kerja.
c) Model sistem dinamis sub model sosial
Model sistem dinamis sub model sosial pada Gambar 42 menggambarkan keterkaitan variabel-variabel sistem dalam mempengaruhi keberlanjutan pada
dimensi sosial. Variabel ‘net profit agroindustri’ mempengaruhi nilai indikator ‘net
profit per unit usaha’ yang merupakan salah satu indikator pada dimensi ekonomi.
Nilai indikator ‘net profit per unit usaha’ dan variabel ‘margin keuntungan suplier
BSJ’ mempengaruhi nilai indikator partnership.
Di sisi lainnya, variabel ‘net profit agroindustri’ akan mempengaruhi
investasi SDM yang direpresentasikan oleh variabel ‘HR investasi’. Nilai variabel
tersebut berpengaruh terhadap nilai variabel ‘intensitas pelatihan’ (training) sehingga
pada akhirnya menentukan peningkatan ketrampilan (skill) tenaga kerja karena faktor pelatihan. Di samping karena faktor pelatihan tenaga kerja, peningkatan ketrampilan SDM juga disebabkan karena faktor masa kerja atau pengalaman kerja.
Variabel ‘net profit agroindustri’ juga berpengaruh terhadap pendapatan tenaga kerja agroindustri. Perubahan tersebut terjadi karena adanya tambahan pendapatan bagi tenaga kerja yang diperoleh karena alokasi dari sebagian keuntungan bersih agroindustri. Besarnya tambahan pendapatan tergantung dari jumlah tenaga kerjanya, semakin besar jumlah tenaga kerja, maka rata-rata tambahan pendapatan tenaga kerja akan semakin rendah. Sementara itu, jumlah tenaga kerja akan berpengaruh pula terhadap nilai indikator penyerapan tenaga kerja.
Nilai indikator pendapatan nelayan lebih banyak dipengaruhi oleh variabel-variabel pada dimensi sumber daya. Variabel yang berpengaruh adalah keuntungan per upaya penangkapan yang mencerminkan keuntungan bersih yang diperoleh nelayan untuk setiap kegiatan atau upaya penangkapan. Semakin besar keuntungan per upaya penangkapan, maka semakin besar potensi pendapatan nelayan teri nasi.
#
#
Jumlah TK tetap total
Poin skill masa kerja Nilai Skill total
TK karena pengalaman
Nilai skill rata-rata TK karena pengalaman
Nilai skill masa kerja periode sebelumnya Perubahan skill krn masa kerja Perbedaan skill masa kerja antar periode
Total nilai skill Laju nilai skill Laju
pengurangan skill Fraksi pengurangan
skill Klasifikasi skill SDM agroindustri Produktivitas sortasi Proporsi cacat produk Keuntungan per upaya tangkap Keuntungan trip dalam sebulan proporsi pembagian keuntungan pemilik & nelayan jumlah nelayan buruh per trip Klasifikasi Pendapatan nelayan teri nasi Rata-rata TK sortasi per unit Jumlah TK sesuai kapasitas produksi Jumlah TK rebus per unit Kebutuhan TK tetap Jumlah tenaga kerja Katagori penyerapan TK Klasifikasi cacat produk UMR Pendapatan nelayan pemilik dan buruh Perubahan pendapatan nelayan Kapasitas produksi agroindustri Jumlah unit AIM
Jum unit AIM UP Jumlah unit AIK Penyerapan tenaga kerja agro Perub penyerapan TK agro Biaya Tetap AIK Jum TK AIK
Pendapatan TK AIK Perub gaji TK AIM Jum TK AIM Pendapatan TK AIM Fraksi nilai gaji
karyawan tetap Rata2 tambahan pendapatan Jumlah tenaga kerja Rata-rata pendapatan TK agroindustri Perub pendapatan TK Klasifikasi pendapatan TK Prediksi UMR Total Net Profit Agroindustri Fraksi investasi HR HR invest Biaya training Rata-rata intensitas training Klasifikasi intensitas training Nilai peningkatan skill karena training Skenario investasi HR Nilai penyesuaian gaji karyawan Fraksi penyesuai gaji
karyawan penyesuaianSkenario gaji karyawan Total net profit
agroindustri teri nasi
Laju net profit agroindustri
teri nasi
Total TK tetap agroindustri
Net profit AIK Net profit
agroindustri
Rata-rata net profit per unit Katagorisasi net profit agroindustri Partnership agroindustri TN Klasifikasi Margin keuntungan suplier BSJ
Jum unit AIM
Keterangan : Aliran informasi : : : : : : Variabel flow (aliran menuju
atau keluar dari stok) Variabel stok dalam bentuk array (tersusun atas beberapa variabel stok) Auxiliary (variabel bantu untuk menerima, menghitung dan menyampaikan perubahan variabel)
Auxiliary dalam bentuk array (tersusun atas beberapa auxiliary) Variabel tetap (konstanta) Konstanta dalam bentuk array (tersusun atas beberapa konstanta) :
:Variabel flow dalam bentuk array (tersusun beberapa flow)
:Variabel stok (mengakumulasi aliran masuk dan keluar dari flow)
Indikator ketrampilan SDM
Ketrampilan SDM atau tenaga kerja menjadi salah satu indikator keberlanjutan dimensi sosial karena berpengaruh besar terhadap perbaikan kinerja agroindustri. Pengembangan SDM dilakukan oleh pihak manajemen agroindustri teri nasi melalui bagian sumber daya pada divisi umum. Pengelolaan SDM dilakukan mulai perekrutan, penempatan dan pengembangan. Tahap perekrutan dilakukan untuk memperoleh tenaga kerja sesuai dengan kebutuhan perusahaan. Tenaga kerja yang direkrut umumnya tidak termasuk dalam jenjang staf, akan tetapi tenaga kerja yang akan ditempatkan pada divisi tertentu.
Dengan teknologi pengolahan yang relatif sederhana, agroindustri teri nasi lebih mengandalkan ketrampilan SDM berdasarkan pengalaman kerjanya. Pengalaman SDM mempunyai pengaruh yang sangat nyata terhadap peningkatan ketrampilan SDM. Upaya lain yang dilakukan untuk meningkatkan ketrampilan adalah melalui bentuk pelatihan (training). Untuk tenaga staf, seperti kepala divisi mendapatkan pelatihan mengenai manajemen tingkat dasar dan menengah, serta pelatihan penunjang seperti motivasi dan kepemimpinan (leadership). Sedangkan untuk meningkatkan kinerja dilakukan program pelatihan berbasis kompetensi seperti strategi pengadaan bahan baku (procurement) dan manajemen mutu produk yang diikuti oleh karyawan pada divisi pengadaan, produksi atau pengawas bagian. Pelatihan-pelatihan tersebut umumnya diselenggarakan pada saat jeda produksi, yaitu
ketika musim teri tidak berlangsung, dalam bentuk of the job training.
Pembimbingan dan pengawasan dari karyawan senior kepada yang lebih junior selama beberapa waktu juga dilakukan dalam rangka mempercepat peningkatan ketrampilan tenaga kerja. Program on the job training ini dilakukan jika bentuk
pelatihan of the job training belum atau tidak memungkinkan dilaksanakan padahal
kebutuhan agroindustri terhadap karyawan begitu mendesak. Program ini umumnya dilakukan oleh karyawan pada divisi produksi atau pengadaan kepada tenaga kerja
borongan pada bagian sortasi, sizing, pengemasan, pencucian, perebusan dan umum.
Evaluasi kinerja karyawan dilakukan menggunakan sistem penilaian kinerja yang dilakukan secara reguler dalam bentuk meeting pada masing-masing divisi,
perusahaan ataupun korporasi. Penilaian dilakukan dengan membandingkan tingkat pencapaian dan target yang ditetapkan perusahaan.
Peningkatan ketrampilan SDM (Pskill) dipengaruhi oleh 2 faktor, yaitu karena adanya kegiatan pelatihan (PST ) dan bertambahnya masa kerja (PSMK) sebagaimana ditunjukkan pada persamaan berikut ini:
t t
t PST PSMK
Skill
P
Variabel PST dipengaruhi oleh intensitas pelatihan (IT). Nilai intensitas
pelatihan tergantung dari alokasi dana pengembangan SDM (HRinv), biaya
pelatihan (BTrain) dan jumlah tenaga kerja tetap (TKtetap). Sementara itu, nilai PSMKdipengaruhi jumlah tenaga kerja tetap menurut jenjang masa kerjanya (n) dan nilai ketrampilan setiap jenjang masa kerja (PoinMK) seperti ditunjukkan persamaan berikut ini:
1 1* )/ ( t t t TKtetap BTrain HRinv NP IT ) * ( ( 1) 5 1 PoinMK TKtetap PSMK nt n t
Model sistem dinamis yang digunakan untuk menilai ketrampilan SDM dikembangkan dari model SDM yang telah dibangun oleh Mehmood (2007). Model sistem dinamis ketrampilan SDM tersusun atas 2 buah stock flow diagram (SFD). Model SFD yang pertama dibangun untuk menentukan nilai ketrampilan tenaga kerja yang direpresentasikan dalam bentuk variabel stock ‘total skill SDM’. Nilai stock
dipengaruhi oleh variabel ‘laju nilai skill’ dan ‘laju pengurangan skill’ dalam bentuk
aliran (flow). Model SFD yang kedua digunakan untuk menentukan nilai perbedaan
ketrampilan SDM karena faktor pengalaman atau masa kerja. Nilai ini adalah masukan bagi variabel ‘laju nilai skill’. Persamaan sistem dinamis untuk menentukan nilai ketrampilan tenaga kerja adalah sebagai berikut:
Total skill SDM (t) = Total skill SDMt-1 + laju nilai skillt – laju pengurangan skillt
‘Laju nilai skill’ merupakan flow yang mempengaruhi nilai variabel ‘total nilai skill’. ‘Laju nilai skill’ dipengaruhi oleh nilai variabel ‘peningkatan skill karena
training’ dan variabel ‘nilai skill rata-rata tenaga kerja karena pengalaman’. Persamaan yang digunakan adalah sebagai berikut:
Jumlah TK tetap total (t) = Jumlah tenaga kerja berdasarkan masa kerjanya //
variabel array berdimensi 8 menunjukkan jumlah
tenaga kerja menurut masa kerja
Poin skill masa kerja = {5, 6, 6, 7, 7, 8, 8, 10} // nilai poin ketrampilan untuk setiap jenjang masa kerja, dimulai dari masa kerja tahun ke-1 sampai 8 tahun atau lebih
Nilai skill total TK karena pengalaman (t)
= Jumlah TK tetap totalt * poin skill masa kerja Nilai skill rata-rata TK
karena pengalaman (t)
= ARRSUM(nilai skill total TK karena pengalamant) / ARRSUM(jumlah TK tetap totalt) // fungsi
penjumlahan array
Laju nilai skill (t) = Perbedaan skill masa kerja antar periodet + nilai peningkatan skill karena trainingt
Perbedaaan skill masa kerja antar periode (t)
= Nilai skill rata-rata tenaga kerja karena
pengalamant - nilai skill rata-rata tenaga kerja karena pengalamant-1
Total nilai skill (t) = Total skill SDMt-1 + laju nilai skillt– laju pengurangan skillt
Nilai awal total skill SDM = 6.7 // nilai awal ketrampilan SDM berkategori cukup terampil
Laju pengurangan skill (t) = Total nilai skillt * fraksi pengurangan skill
Klasifikasi skill SDM agroindustri (t)
= Klasifikasi nilai skill tenaga kerja atau SDM sebagaimana ditunjukkan pada Tabel 16
Model mengasumsikan bahwa nilai ketrampilan SDM (poin skill) maksimal yang mampu dicapai adalah 12. Nilai tersebut kemudian diklasifikasikan sebagaimana ditunjukkan pada Tabel 16. Klasifikasi tersebut akan berpengaruh terhadap tingkat kecacatan produk dan produktivitas sortasi tenaga kerja.
Tabel 16 Hubungan antara nilai ketrampilan dan klasifikasi SDM (KSDM)
Kategori Rentang nilai indikator Skor
Kurang terampil (KTer) KSDM 5 0
Agak terampil (ATer) 5 < KSDM 6 1
Cukup terampil (CTer) 6 < KSDM 8 2
Terampil (Ter) 8 < KSDM 10 3
Variabel ’peningkatan skill karena training’ nilainya tergantung dari intensitas pelatihan. Intensitas pelatihan nilainya dipengaruhi oleh dana pelatihan dan jumlah tenaga kerja. Dana pelatihan diperoleh dari alokasi sebagian net profit
agroindustri. Pada model sistem dinamis, dana pelatihan direpresentasikan oleh
variabel ‘HR invest’, sedangkan proporsi alokasi dana pelatihan diwakili oleh ‘fraksi
investasi HR’. Persamaan yang digunakan untuk menentukan variabel nilai
peningkatan skill karena training adalah sebagai berikut:
HR invest (t) = Fraksi investasi HR * total net profit
agroindustri teri nasit-1
Rata-rata intensitas training (t) = ROUND[(HR investt / biaya trainingt) / total TK tetap agroindustrit]
Total TK tetap agroindustri (t) = Jumlah TK A1Kt + jumlah TK A1Mt
Klasifikasi intensitas training (t) = Variabel berisi rule base ( Tabel 17) Nilai peningkatan skill karena
training (t)
= Variabel berisi rule base ( Tabel 18)
Variabel ‘rata-rata intensitas training’ menjelaskan jumlah jam pelatihan rata-rata yang diperoleh oleh setiap tenaga kerja. Klasifikasi intensitas pelatihan dengan jumlah jam pelatihan ditunjukkan pada Tabel 17, sedangkan hubungan antara intensitas pelatihan dan peningkatan nilai ketrampilan pada Tabel 17.
Tabel 17 Klasifikasi intensitas pelatihan terhadap jumlah jam pelatihan
Klasifikasi intensitas pelatihan Jumlah jam pelatihan (jam/orang)
Sangat tidak intensif (STI) 0 < jam pelatihan 5
Tidak intensif (TI) 5 < jam pelatihan 10
Kurang intensif (KI) 10 < jam pelatihan 15
Cukup intensif (CI) 15 < jam pelatihan 20
Intensif (I) 20 < jam pelatihan 24
Tabel 18 Hubungan intensitas pelatihan dengan peningkatan ketrampilan SDM
Klasifikasi intensitas pelatihan Rata-rata peningkatan ketrampilan
Sangat tidak intensif (STI) 0.5
Tidak intensif (TI) 1.0
Kurang intensif (KI) 1.5
Cukup intensif (CI) 2.0
Selain pelatihan, masa kerja mempunyai pengaruh besar terhadap peningkatan ketrampilan SDM. Ketrampilan tenaga kerja yang mempunyai masa kerja baru 1 tahun tentunya berbeda dibandingkan ketrampilan tenaga kerja yang telah mempunyai masa kerja 5 tahun. Masa kerja membuat tenaga kerja mempunyai pengalaman (experience) yang berpengaruh terhadap peningkatan kinerja dibidang kerjanya. Masa kerja (MK) tenaga kerja pada agroindustri teri dikelompokkan menjadi 5 jenjang, yaitu sebagai berikut:
MK < 2 tahun 2 MK < 4 tahun 4 MK < 6 tahun 6 MK < 8 tahun MK 8 tahun
Pada setiap jenjang masa kerja, ketrampilan tenaga kerja akan meningkat. Peningkatan ini terjadi karena pengalaman yang semakin bertambah walaupun tanpa diberikan pelatihan oleh perusahaan. Hubungan antara jenjang masa kerja dan nilai ketrampilan tenaga kerja (tanpa diberikan pelatihan) ditunjukkan pada Tabel 19.
Tabel 19 Hubungan jenjang masa kerja dengan nilai ketrampilan SDM
Jenjang masa kerja (MK) Nilai ketrampilan SDM
MK < 2 tahun 5
2 MK < 4 tahun 6
4 MK < 6 tahun 7
6 MK < 8 tahun 8
MK 8 tahun 10
Model sistem dinamis untuk merepresentasikan masa kerja tersusun dari 8
stock flow diagram. Setiap stock mewakili jenjang masa kerja. Dalam model ini diasumsikan bahwa tenaga kerja yang baru direkrut oleh agroindustri mempunyai masa kerja 0 tahun. Sementara itu, tenaga kerja yang keluar atau pensiun dari agroindustri dapat terjadi mulai masa kerja 2 tahun dan pada jenjang setelahnya. Tenaga kerja senior (masa kerja 8 tahun atau lebih) yang keluar akan digantikan oleh tenaga kerja baru dengan masa kerja 0 tahun. Model sistem dinamis prediksi jumlah tenaga kerja menurut masa kerjanya disajikan pada Gambar 43.
# # # # # NPU Kapasitas RM agroindustri Jum TK AIK Bahan Baku RM AIK
Masa kerja 1 thn Masa kerja 2 thn
Masa kerja 3 th Masa kerja 4 thn
Masa kerja 5 thn Masa kerja 6 thn
Masa kerja 7 thn Masa kerja 8 th Laju thn ke-2
Laju thn ke-1
Laju thn ke-3
Masuk thn ke-3
Jum TK masuk
Laju thn ke-4 Masuk thn ke-5
Laju thn ke-5 Laju thn ke-6 Masuk tahunke-7
Laju thn ke-7 Laju 8 thn Keluar kerja 2 Jumlah keluar kerja Jumlah keluar thn 2 Keluar kerja 3 Jumlah keluar thn 2 Jumlah keluar thn 3 Keluar kerja 4 Jumlah keluar thn 4 Masuk thn ke-5 Keluar kerja 5 Jumlah keluar thn 4 Jumlah keluar thn 5 Keluar kerja 6 Jumlah keluar thn 6 Masuk tahun ke-7 Jumlah keluar thn 6 Keluar kerja 7 Jumlah keluar thn 7 Keluar kerja lbh 7 Produktivitas sortasi Jum TK AIM NPU Kapasitas RM agroindustri Jumlah tenaga
kerja perubahan jum TK perubahan jum TK Jumlah bahan baku Laju keluar 8 th Fraksi TK keluar Laju keluar 8 th TK dibutuhkan Fraksi RM AIM Konversi RM ke BLS Nilai rendemen AIK Jumlah TK tetap per unit
AIM