IV. METODE PENELITIAN
4.2.3. Pengumpulan Data, Informasi dan Pengetahuan
Penelitian menggunakan data sekunder dan data primer. Data sekunder diperoleh dari laporan kajian terdahulu yang relevan dan jurnal ilmiah serta dari berbagai sumber seperti Biro Pusat Statistik, Departemen Pertanian, Departemen Perdagangan, Departemen Perindustrian, Balai-balai penelitian, asosiasi, data perusahaan yang menjadi obyek kajian, dan pihak-pihak yang relevan.
Pengumpulan data primer dilakukan melalui beberapa cara, sebagai berikut :
• Observasi lapangan, yakni melihat secara langsung kegiatan-kegiatan manajemen risiko rantai pasok mulai dari produsen (petani), pedagang pengumpul, prosesor (pengolah), distributor, hingga konsumen.
• Wawancara, dilakukan untuk memperoleh informasi kendala dan risiko, jumlah produksi dan penjualan, sistem transportasi, distribusi dan pasokan serta hubungan kemitraan antara pemasok dan distributor, dari para
stakeholder manajemen risiko rantai pasok yang dikaji.
• Focus Group Discussion (FGD), meliputi wakil petani/kelompok tani,
pedagang pengumpul, prosesor atau agroindustri, buyer/eksportir, pemerintah (regulator), dan universitas/lembaga riset teknologi. Pada FGD dilakukan pendalaman terhadap kondisi saat ini untuk memperoleh alternatif-alternatif strategi manajemen risiko rantai pasok. FGD juga melakukan verifikasi dan validasi terhadap model pengukuran risiko rantai pasok.
• Pendapat pakar (expert judgement), dilakukan untuk memperoleh basis pengetahuan melalui wawancara secara mendalam (indepth interview) untuk mengakuisisi pengetahuan dari pakar yang terkait dalam menentukan jenis dan sumber risiko dan pengukuran tingkat risiko dan dampaknya serta keberhasilan penanganan risiko.
• Brainstorming dengan pakar untuk memodelkan sistem manajemen risiko
rantai pasok produk pertanian dengan Fuzzy AHP menggunakan tools criterium decision plus.
• Pengumpulan informasi dan pengetahuan dari pakar menggunakan metode
purposive sampling untuk menentukan pakar yang dilibatkan dalam
penelitian. Pertimbangan-pertimbangan yang digunakan untuk menentukan pakar adalah kesesuaian pendidikan pakar, pengalaman pakar
dan track record kepakarannya. Demikian juga dalam penentuan
responden lain yang dilibatkan dalam penelitian ini seperti petani, prosesor, distributor dan konsumen.
4.3. Teknik-Teknik yang Digunakan
Fuzzy AHP
Metode Fuzzy AHP merupakan suatu metode yang dikembangkan dari metode AHP dengan menggunakan konsep fuzzy pada beberapa bagian seperti dalam hal penilaian sekumpulan alternatif dan kriteria. Fuzzy AHP merupakan integrasi AHP dengan metode logika fuzzy. Fuzzy AHP digunakan untuk menangani kekaburan vagueness, ambiguitas atau ketidakpastian atribut kepentingan yang diberikan oleh penilai (pakar). Pada AHP konvensional yang dikembangkan oleh Saaty, perbandingan berpasangan dilakukan dengan menggunakan skala numerik (1 – 9) yang bersifat crisp. Fuzzy AHP dalam penelitian ini akan digunakan untuk mengidentifikasi, mengukur dan mengetahui sumber risiko yang akan dihadapi pada setiap tahapan rantai pasok produk pertanian.
Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelejen
dalam situasi yang tidak pasti dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy yang pada dasarnya merupakan bagian dari logika
boolean yang digunakan untuk menangani konsep derajat kebenaran, yaitu
nilai kebenaran antara benar dan salah. Dalam implementasinya, logika fuzzy
sering menggunakan informasi linguistik dan verbal (Marimin 2007). Dalam penelitian ini Sistem inferensi fuzzy akan digunakan untuk menduga tingkat risiko dan dampaknya suatu rencana tindakan managemen rantai pasok produk pertanian sehingga dapat memberikan arahan untuk menghindari atau menghilangkan terjadinya risiko tersebut.
Fuzzy Agregation,
Dalam penelitian ini fuzzy agregation akan digunakan untuk menghitung nilai agregasi risiko rantai pasok dengan pendekatan fuzzy inference system
mamdamni.
Fuzzy FMEA,
Fuzzy FMEA (Failure Mode and Effect Analysis) digunakan untuk mengukur dan menganalisa variabel risiko setiap faktor risiko dalam setiap tingkatan rantai pasok.
Stakeholder Dialogue,
Stakeholder dialogue digunakan untuk memodelkan proses penyeimbangan
risiko rantai pasok dengan tujuan mencari kesepakatan harga jagung di tingkat petani dengan pendekatan fungsi regresi non linier dari tingkat utilitas risiko setiap tingkatan rantai pasok.
Metode iterasi/interpolasi,
Metode interpolasi digunakan untuk mencari nilai kesepakatan dengan konsep
stakeholder dialogue berdasarkan parameter tertentu dengan input nilai
parameter yang diinginkan setiap tingkatan rantai pasok.
Metode sistem lunak (soft system methodology)
Metodologi ini digunakan untuk melakukan analisis sistem dan pemodelan sistem serta verifikasi dan validasi model pada sistem interaksi sosial yang
komplek dalam manajemen risiko rantai pasok produk/komoditas jagung. Khususnya dalam memodelkan sistem penyeimbangan risiko yang menggunakan pendekatan stakeholder dialog untuk mendapatkan kesepakatan harga jagung di tingkat petani.
4.4. Langkah Pemodelan Sistem
Secara umum, langkah-langkah utama yang harus diikuti untuk membangun sistem dalam pengembangan sistem penunjang pengambilan keputusan cerdas manajemen risiko rantai pasok adalah: menganalisa kebutuhan user atau pelaku ditinjau dari kebutuhan setiap pelaku dan kendala yang dihadapi, menganalisa sistem ditinjau dari fungsional dan non-fungsional sistem, pemodelan sistem yang mencakup model basis data, model basis pengetahuan dan model matematis solusi permasalahan, merancang bangun sistem dan implementasi serta validasi model dan testing atau pengujian sistem.
Menurut Dhar dan Stein (1997), Sistem Penunjang Keputusan Cerdas merupakan sebuah Sistem Penunjang Keputusan yang menggunakan teknik-teknik yang ada di bidang intelijensi buatan (Artificial Intelligent) seperti: seperti
fuzzy systems, neural networks, machine learning, dan genetic algorithms
(algoritma genetik). Tujuannya adalah untuk membantu pengguna dalam mengakses, menampilkan, memahami, serta memanipulasi data secara lebih cepat dan mudah untuk membantunya dalam mengambil keputusan. Sistem penunjang keputusan cerdas yang akan dikembangkan dalam penelitian ini terutama menggunakan pendekatan fuzzy sistem untuk memodelkan analisis dan pengukuran risiko rantai pasok pada setiap tahap/tingkatan rantai pasok.
Sistem penunjang pengambilan keputusan cerdas manajemen risiko rantai pasok yang akan dikembangkan merupakan sistem yang mencakup jenis dan kelompok komoditas bahan pangan khususnya komoditas Jagung, yang meliputi rantai aktivitas pasokan, struktur jaringan dan distribusinya, mekanisme penyediaan, proses peramalan harga dan produksi serta strategi manajemen risiko rantai pasok. Pada setiap tingkatan rantai pasok, akan dikembangkan model analisis dan pengendalian risiko dengan pendekatan sistem intelijen untuk
pengambilan keputusan kelompok dalam penelitian ini. Adapun penjelasan rinci dari pemodelan sistem tersebut dapat diperlihatkan pada Gambar 18.
Gambar 18 Langkah-langkah teknik pemodelan sistem
4.5. Verifikasi dan Validasi Model
Kredibilitas sebuah model ditentukan oleh aksebilitas model dihadapan para pengguna atau pemangku kepentingan. Penerimaan sebuah model oleh pengambil keputusan sebagai pengguna harus diuji melalui proses verifikasi dan validasi. Proses ini akan membuktikan kebenaran model dan penerimaan pengguna terhadap kemampuan dari model. Seluruh rangkaian dalam menghasilkan mulai dari pemuatan elemen sistem nyata, pembangunan logika dan
Mulai
Analisa kebutuhan user
Analisa Kebutuhan Sistem
Lengkap?
Formulasi Model Sistem Gugus solusi yang layak
Cukup?
Model Optimal
Rancang bangun Sistem
Sesuai spesifikasi?
Implementasi Sistem
Valid?
Rekomendasi operasional sistem
Selesai
Tidak
Tidak
Tidak
penulisan program komputer dengan bahasa pemrograman tertentu akan diperiksa konsistensinya terhadap konsep dan teori yang digunakan.
Verifikasi dan validasi model adalah bagian esensial dari proses pengembangan model agar model diterima dan digunakan untuk mendukung pengambilan keputusan. Pertanyaan utama yang sering disampaikan kepada seseorang yang memperkenalkan sebuah model adalah keabsahan model sebelum diterapkan. Verifikasi adalah proses untuk menjamin bahwa model sudah bekerja dengan benar, sedangkan validasi adalah proses menjamin bahwa model memenuhi kebutuhan yang diharapkan dari segi metoda yang digunakan dan hasil yang diperoleh. Verifikasi dilakukan terlebih dahulu untuk mengetahui kebenaran kerja model, selanjutnya divalidasi untuk mengetahui kesesuaian model terhadap peruntukannya (Carson 2002).
Verifikasi adalah proses pemeriksaan apakah logika operasional model (program komputer) sesuai dengan logika diagram alur. Kalimat sederhananya, apakah ada kesalahan dalam program? (Hoover et al. 1989). Proses verifikasi dilakukan terhadap setiap modul untuk menguji apakah program dari modul tersebut telah dapat berjalan dengan baik dan benar. Verifikasi dilakukan dengan jalan memberikan data input dengan skenario tertentu kepada setiap modul program, kemudian memeriksa outputnya dengan membandingkannya dengan hasil perhitungan manual. Jika hasilnya masih terdapat kesalahan, maka dilakukan perbaikan terhadap program setiap modul, kemudian dilakukan integrasi terhadap modul untuk membentuk sistem dan kemudian dilakukan verifikasi terhadap sistem hasil integrasi tersebut, sehingga diperoleh suatu sistem yang tepat dan akurat.
Validasi model dilakukan untuk menguji apakah model yang sudah dibuat dapat digunakan atau tidak di lapangan atau dalam kehidupan nyata. Validasi adalah proses penentuan apakah model, sebagai konseptualisasi atau abstraksi, merupakan representasi berarti dan akurat dari sistem nyata? (Hoover et al. 1989). Validasi model merupakan langkah untuk menguji apakah model yang telah kita susun dapat merepresentasikan sistem nyata yang diamati secara benar. Model dikatakan valid jika tidak memiliki karakteristik dan perilaku yang berbeda secara signifikan dari sistem nyata yang diamati. Prosedur validasi model tergantung
dari sistem yang sedang dimodelkann dan lingkungan pemodelan. Beberapa metode validasi adalah: (1) Metode statistik, (2) Metode Delphi, (3) Perilaku ekstrim. Jika ukuran kinerja sistem nyata cukup tersedia, uji statistik umum seperti uji t digunakan dimana kita menguji hipotesis kesamaan nilai rata-rata. Kadang-kadang uji F juga dapat digunakan untuk menguji kesamaan ragam sistem nyata dengan model. Metode Delphi dikembangkan sebagai pendekatan ke analisis permasalahan ketika sangat sedikit data tersedia atau sistem nyata sedang dipertimbangkan. Dalam metode Delphi, sekelompok ahli terpilih membentuk panel yang akan menghasilkan jawaban konsensus terhadap pertanyaan yang diajukan ke mereka. Dalam lingkungan sistem, panel mungkin terdiri dari manager dan pengguna sistem yang sedang dimodelkan dan pertanyaan adalah tentang perilaku atau kinerja sistem di bawah kondisi operasi tertentu. Teknik validasi yang akan digunakan dalam penelitian ini adalah metode Delphi (expert’s
jugement) yaitu dengan meminta pendapat para pakar untuk memberikan
penilaian terhadap model yang dibuat dengan mengisi kuisioner dan melakukan diskusi untuk memperbaiki dan menentukan tingkat efektifitas dari sistem dengan mencoba sistem penunjang keputusan dengan input skenario tertentu. Adapun beberapa pakar yang akan dilibatkan dalam proses validasi model ini adalah beberapa pelaku atau praktisi agroindustri produk jagung seperti pakan ternak dan tepung jagung, serta pakar akademisi dan pakar dari lembaga penelitian.
Menurut Checkland (1995) dalam Eriyatno dan Sofyar (2007), validasi dalam model yang didekati dengan hard system harus menunjukan secara syahih untuk menggambarkan bagian dari dunia nyata; sedangkan dalam model yang didekati dengan soft system validasi dapat dilakukan dengan pembuktian intelektual atau bisa dikatakan sebagai pembuktian model secara intelektual terhadap prinsip-prinsip yang telah didefinisikan dengan struktur dan konsep intelektual. Dalam penelitian ini validasi model dilakukan dengan wawancara mendalam terhadap beberapa pakar untuk membuktikan tingkat fungsionalitas model dalam dunia nyata.
83