YULIANA KANEU TENIWUT
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2016
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN CERDAS
SPASIAL PENINGKATAN PRODUKTIVITAS AGROINDUSTRI
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Sistem Pendukung Pengambilan Keputusan Cerdas Spasial Peningkatan Produktivitas Agroindustri Karet dengan Pendekatan Produktivitas Hijau adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
RINGKASAN
YULIANA KANEU TENIWUT. Sistem Pendukung Pengambilan Keputusan Cerdas Spasial Peningkatan Produktivitas Agroindustri Karet dengan Pendekatan Produktivitas Hijau. Dibimbing oleh MARIMIN dan NASTITI SISWI INDRASTI.
Indonesia merupakan negara yang memiliki lahan kebun karet terluas di dunia yaitu 3.446 juta ha, tetapi produktivitas kebun karet Indonesia masih sangat rendah yaitu sekitar 1.1 ton/ha/tahun dibandingkan dengan Thailand sebagai negara produksi karet terbesar. PTPV VIII-Kebun Cikumpay merupakan salah satu perkebunan karet milik negara Indonesia yang terdiri dari afdeling (kebun) Cikumpay I, Cikumpay II, Gunung Anaga, dan Gunung Hejo. Perkebunan Cikumpay memiliki luas kebun 3 166.66 hektar dengan 2 963.12 ha dari luas areal kebun digunakan untuk tanaman pokok. Ketersediaan lahan kebun yang luas belum diiringi dengan peningkatan produktivitas pada masing-masing afdeling tersebut karena pemanfaatan lahan pada perkebunan Cikumpay belum optimal sehingga perlu didukung dengan adanya analisis spasial untuk mengetahui luasan area dari masing-masing afdeling Cikumpay.
Bahan baku yang berkualitas merupakan faktor kunci dalam peningkatan produktivitas Cikumpay. Bahan baku karet yang diperoleh dari perkebunan Cikumpay diolah untuk menghasilkan dua produk utama yakni ribbed smoked sheet dan crumb rubber. Aktivitas produksi produk ribbed smoked sheet dan crumb rubber pada pabrik pengolahan yang semakin meningkat mengakibatkan dampak lingkungan yang ditimbulkan juga akan meningkat. Untuk itu dibutuhkan suatu pendekatan yang memperhitungkan hubungan antara kegiatan ekonomi dan aspek dampak lingkungan. Salah satu pendekatan yang dapat digunakan terhadap permasalahan lingkungan yang ditimbulkan oleh aktivitas industri adalah pendekatan produktivitas hijau. Produktivitas hijau mempunyai konsep meningkatkan profit, meningkatkan kualitas hidup, dan menurunkan dampak terhadap lingkungan.
Sistem pengambilan keputusan di perkebunan Cikumpay masih bersifat pragmatis. Pengambilan keputusan oleh para pengambil keputusan untuk produktivitas afdeling dan agroindustri hanya berdasarkan pada aspek ekonomi serta kualitas bahan baku dan produk tanpa memperhitungkan dampak yang ditimbulkan terhadap lingkungan. Selain itu, sebagian besar informasi maupun data dimasukkan, diolah, dan disimpan secara manual sehingga tidak efektif dan efesien dari segi waktu, biaya, dan kemudahan dalam membantu pengambilan keputusan secara cepat oleh para pengambil keputusan. Dengan demikian dibutuhkan suatu sistem pendukung keputusan cerdas untuk membantu proses pengambilan keputusan oleh para pengambil keputusan di perkebunan Cikumpay terkait peningkatan produktivitas di afdeling dan agroindustri karet.
terdapat sub model sistem informasi agroindustri karet untuk mengetahui luas area tanaman menghasilkan yang dapat digunakan sebagai input pada pengukuran produktivitas afdeling karet dengan logika fuzzy. Pengukuran tingkat produktivitas agroindustri karet pada produk ribbed smoked sheet dan crumb rubber dilakukan dengan indeks produktivitas hijau. Pemilihan alternatif terbaik dilakukan dengan fuzzy analytic network process.
Hasil perhitungan dari model pengukuran tingkat produktivitas afdeling karet menunjukkan bahwa rata-rata produktivitas afdeling di PTPN VIII-Kebun Cikumpay masih sangat rendah yakni sebesar 6.25 kg/ha/hari. Hasil perhitungan dari model pengukuran tingkat produktivitas agroindustri karet produk ribbed smoked sheet menunjukkan bahwa nilai indeks produktivitas hijau adalah sebesar 0.730, sedangkan untuk produk crumb rubber adalah sebesar 0.126. Hasil tersebut menunjukkan bahwa tingkat produktivitas lebih rendah dibandingkan dengan dampak lingkungan yang ditimbulkan dari proses produksi ribbed smoked sheet dan crumb rubber. Hasil perhitungan dari model pemilihan alternatif terbaik menunjukkan bahwa alternatif pengendalian karakteristik bahan baku merupakan alternatif terbaik untuk strategi peningkatan produktivitas agroindustri karet dengan nilai sebesar 0.43859. Dengan demikian apabila alternatif tersebut diterapkan pada aktivitas produksi di agroindustri karet maka nilai indeks produktivitas hijau produk ribbed smoked sheet adalah sebesar 1.340, sedangkan untuk produk crumb rubber adalah sebesar 0.228. Hasil ini menunjukkan bahwa nilai indeks produktivitas hijau dengan alternatif terpilih meningkat dari kondisi awal.
Pengendalian karakteristik bahan baku merupakan hal yang sangat penting dalam peningkatan produktivitas agroindustri dengan pendekatan produktivitas hijau karena dengan pengendalian yang baik maka bahan baku yang dihasilkan memiliki kualitas yang baik dan dengan proses produksi yang optimal akan menghasilkan produk yang berkualitas dan mengurangi limbah cair yang dihasilkan selama proses produksi.
SUMMARY
YULIANA KANEU TENIWUT. Spatial Intelligent Decision Support System for Increasing Productivity on Rubber Agroindustry with Green Productivity Approach. Supervised by MARIMIN and NASTITI SISWI INDRASTI.
Indonesia has largest rubber plantation land in the world was 3,446 million ha, but the productivity of rubber plantations Indonesia is still very low at around 1.1 tonnes/ha/year compared with Thailand as the country's largest rubber production. PTPN VIII-Cikumpay is one of the Indonesian state-owned rubber plantations which are composed of Cikumpay I, Cikumpay II, Gunung Anaga, and Gunung Hejo. Cikumpay plantation has area 3 166.66 hectares with 2 963.12 ha of total area of plantation used for staple crops. Availability of agricultural lands area have not been accompanied by an increase of productivity in each plantation because productivity in each plantation is still very low as a result of land use on Cikumpay plantation is not optimal so that needs to be supported by the existence of spatial analysis to determine the land area of each plantation Cikumpay.
The quality of raw material is a key factor in increasing productivity of Cikumpay. Raw material of rubber obtained from Cikumpay plantation processed to produce two main products namely ribbed smoked sheet and crumb rubber. Activity production of ribbed smoked sheet and crumb rubber at processing plant which resulted in increasing the environmental impact will also increase. That requires an approach that takes into account the relationship between economic activity and environmental impacts aspects that occur through the process of exploitation, production, and consumption of various types of natural resources that impact on waste production. One approach that can be used for environmental problems caused by industrial activity is green productivity approach. Green productivity have a concept increase profitability, improve quality of life, and reducing the impact on the environment.
Decision support system at Cikumpay plantation still pragmatic. Decision making by decision makers for rubber plantation and agroindustry productivity based only on economic aspects as well as quality of raw materials and products without considering the impact on environment. In addition, most of the information and data entered, processed, and stored is manually so as not effective and efficient in terms of time, cost, and ease for support the decision making by decision makers. Thus it takes an intelligent decision support system to help decision making process by decision makers in related Cikumpay plantation productivity improvements in the rubber plantation and agroindustry.
measurement model was to determined performance productivity of rubber agroindustry with green productivity index (GPI). The best alternative for increasing productivity model was determined with fuzzy Analytic Network Process (fuzzy ANP).
Rubber plantation measurement model showed that the average of plantation productivity is still very low, was 6.25 kg/ha/day. Green productivity measurement model showed that green productivity index value of ribbed smoked sheet was 0.730, while crumb rubber was 0.126. The results showed that level of productivity is lower than environmental impact of ribbed smoked sheet and crumb rubber production process. The best strategy for increasing productivity model showed that alternative of raw material characteristics control is the best alternative for increasing productivity strategy of rubber agroindustry with value was 0.43859. Thus, if the alternative is applied to rubber agroindustry production activities the value of green productivity index ribbed smoked sheet was 0.340, while crumb rubber was 0.228. These results indicated that value of green productivity index by selected alternative has increased from the initial conditions. Control of raw materials characteristics is very important in increasing the productivity of agroindustry with green productivity approach due to good control of raw materials produced are of good quality and with optimal production process will produce a quality product and reducing waste water generated during production process.
© Hak Cipta Milik IPB, Tahun 2016
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Sains
pada
Program Studi Teknologi Industri Pertanian
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2016
YULIANA KANEU TENIWUT
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN CERDAS
SPASIAL PENINGKATAN PRODUKTIVITAS AGROINDUSTRI
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Judul yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2015 ini adalah Sistem Pendukung Pengambilan Keputusan Cerdas Spasial Peningkatan Produktivitas Agroindustri Karet dengan Pendekatan Produktivitas Hijau.
Penulis banyak memperoleh bantuan dari berbagai pihak dalam penyelesaian tesis ini, untuk itu penulis menyampaikan rasa hormat, terima kasih, dan penghargaan yang setinggi-tingginya kepada:
1. Prof Dr Ir Marimin, MSc selaku ketua komisi pembimbing atas segala waktu, pikiran, perhatian, keikhlasan, dan kesabaran dalam membimbing dan memberikan arahan, masukan, dan dorongan kepada penulis untuk menyelesaikan tesis ini.
2. Prof Dr Ir Nastiti Siswi Indrasti selaku anggota komisi pembimbing atas segala waktu, pikiran, serta perhatian dalam membimbing dan memberikan arahan, masukan, dan dorongan kepada penulis untuk menyelesaikan tesis ini. 3. Dr Eng Taufik Djatna, STP MSi selaku dosen penguji luar komisi atas segala
arahan dan masukan dalam penyempurnaan tesis ini.
4. PT Perkebunan Nusantara VIII Persero atas ijin yang diberikan untuk melakukan penelitian di Kebun Cikumpay.
5. Ivan Kusnandar, Edi Kurniawan, Nunung Saefudin, Ade Koswara, Yusep Syarief Hidayat, dan Arif Rakhman Hakim STP, MSi atas segala bimbingan dan bantuannya selama penelitian.
6. Dr M Yani, Ir Dadan Wiherman, Asep Muhidin, dan Dr Dadi R Maspanger atas kesediaannya membantu penulis untuk menjadi pakar dalam penelitian. 7. Kedua orang tua penulis Bapak Kostantinus Teniwut dan Ibu Mathilda
Rahaded SPd, kedua kakak Willem Anselmus Harhong Teniwut, SE MM dan Johanis Lazar Teniwut SE, adik Thomas Fredik Bules Teniwut SVD serta seluruh keluarga besar Teniwut dan Rahaded yang selalu memberikan doa dan dukungan kepada penulis dalam penyelesaian tesis ini.
8. Christian E. Pattipeilohy SPi atas segala doa dan dukungan kepada penulis dalam penyelesaian tesis ini.
9. Rekan-rekan kuliah TIP dan grup bimbingan ISE yang selalu mendukung dan berbagi ilmu dan pengetahuan selama kuliah di IPB.
10.Keluarga besar PSM IPB Agria Swara.
11.Semua pihak yang telah memberikan doa, dukungan, dan masukan kepada penulis dalam penyelesaian tesis ini yang tidak dapat disebutkan satu per satu. Semoga karya ilmiah ini bermanfaat bagi perkembangan teknologi dan ilmu pengetahuan.
Bogor, Februari 2016
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
1 PENDAHULUAN 1
Latar Belakang 1
Tujuan 3
Ruang Lingkup 4
2 TINJAUAN PUSTAKA 4
Tanaman Karet (Hevea brasiliensis) 4
Produktivitas Hijau (Green Productivity) 4
Indeks Produktivitas Hijau (Green Productivity Index) 5 Sistem Informasi Geografis (Geographical Information System) 6
Sistem Pendukung Keputusan Cerdas 7
Logika Fuzzy 8
Fungsi Keanggotaan 8
Aturan Fuzzy If-Then 9
Metode Takagi-Sugeno 9
Defuzzifikasi 9
Fuzzy Analytic Network Process (Fuzzy ANP) 10
Penelitian Terdahulu 10
3 METODE 11
Kerangka Pemikiran 11
Tata Laksana 12
Data, Sumber Data, Lokasi Penelitian, dan Waktu Penelitian 12
Metode Pengumpulan Data 13
Metode Pengolahan Data 14
Pengukuran Produktivitas Afdeling Karet 14
Pengukuran Produktivitas Hijau 19
Pemilihan Alternatif Peningkatan Produktivitas 22
Tahapan Pengembangan Sistem 25
4 ANALISA SITUASIONAL AGROINDUSTRI KARET DAN
PERANCANGAN SISTEM 25
Analisa Situasional Agroindustri Karet Studi Kasus di PTPN VIII-Kebun
Cikumpay 25
Perancangan Sistem 29
Konfigurasi Sistem 29
Pengguna Sistem 30
5 KINERJA PRODUKTIVITAS AGROINDUSTRI KARET 31 Kinerja Produktivitas Afdeling PTPN VIII-Kebun Cikumpay 31 Kinerja Produktivitas Hijau di PTPN VIII-Kebun Cikumpay 32 Tujuh Sumber Pembangkit Limbah di PTPN VIII-Kebun Cikumpay 32
Perhitungan Indikator Lingkungan 33
Perhitungan Indikator Ekonomi 33
Perhitungan Indeks Produktivitas Hijau 34
Peningkatan Produktivitas Hijau di PTPN VIII-Kebun Cikumpay dengan
Skenario Perbaikan 34
Alternatif Strategi Peningkatan Produktivitas Agroindustri Karet 34 Peningkatan Produktivitas Agroindustri Karet 35 Indeks Produktivitas Hijau Alternatif Terpilih 37 Perhitungan Indeks Produktivitas Hijau Berdasarkan Skenario Perbaikan39
6 IMPLEMENTASI SISTEM 43
Program Utama SIDSSAgroRubber 43
Model Pengukuran Produktivitas Afdeling Karet 44
Model Pengukuran Produktivitas Hijau 47
Model Pemilihan Alternatif Peningkatan Produktivitas 49
Validasi dan Verifikasi 49
Uji Validitas Model Pengukuran Produktivitas Afdeling Karet 50 Uji Validitas Model Pengukuran Produktivitas Hijau Agroindustri Karet 50 Uji Validitas Model Pemilihan Alternatif Peningkatan Produktivitas 50
Implikasi Manajerial 50
7 SIMPULAN DAN SARAN 51
Simpulan 51
Saran 52
DAFTAR PUSTAKA 52
LAMPIRAN 59
DAFTAR TABEL
1 Data, sifat data, sumber data, cara pengumpulan data, dan model
sistem 15
2 Aturan fuzzy untuk prediksi produktivitas afdeling karet 19
3 Bobot indikator dalam ESI 2005 21
4 Penurunan bobot indikator ESI terhadap empat variabel
lingkungan GPI 21
5 Definisi dan fungsi keanggotaan bilangan fuzzy 24 6 Perhitungan produktivitas afdeling per hari 32 7 Hasil analisis tujuh sumber pembangkit limbah proses produksi
ribbed smoked sheet 36
8 Hasil analisis tujuh sumber pembangkit limbah proses produksi
crumb rubber 36
9 Hasil pembobotan alternatif peningkatan produktivitas hijau
dengan fuzzy ANP 37
10 Hasil analisis tujuh sumber pembangkit limbah proses produksi ribbed smoked sheet berdasarkan alternatif terpilih 38 11 Hasil analisis tujuh sumber pembangkit limbah proses produksi
crumb rubber berdasarkan alternatif terpilih 38 12 Skenario alternatif strategi peningkatan produktivitas 39 13 Nilai GPI kondisi awal, GPI alternatif, dan GPI rasio produk
ribbed smoked sheet 41
14 Nilai GPI kondisi awal, GPI alternatif, dan GPI rasio produk
crumb rubber 42
DAFTAR GAMBAR
1 Pohon industri berbasis karet (Badan Penelitian dan Pengembangan Pertanian, Departemen Pertanian 2005) 5 2 Metodologi pengembangan GPI (Gandhi et al. 2006) 6 3 Alur penyelesaian masalah dengan metode fuzzy (Marimin et al.
2013b) 8
4 Kurva segitiga 8
5 Kerangka pemikiran 12
6 Tahapan penelitian 13
7 Tahapan pembuatan sistem informasi agroindustri karet 16 8 Tahapan pengukuran produktivitas afdeling karet dengan logika
fuzzy 16
9 Fungsi keanggotaan parameter luas area TM 17
10 Fungsi keanggotaan parameter jumlah produksi lateks 17 11 Fungsi keanggotaan parameter jumlah produksi lump 18
12 Tahapan pengukuran produktivitas hijau 20
16 Siklus hidup pengembangan sistem (Turban 2005) 25
17 Proses produksi ribbed smoked sheet 28
18 Proses produksi crumb rubber 29
19 Konfigurasi sistem 30
20 Diagram aliran data level 0 31
21 Diagram aliran data level 1 31
22 Struktur model ANP peningkatan produktivitas dengan
SuperDecision 35
23 Diagram perbandingan GPI berdasarkan skenario perbaikan
produk ribbed smoked sheet 41
24 Diagram perbandingan GPI berdasarkan skenario perbaikan
produk crumb rubber 42
25 Tampilan halaman menu utama sistem 43
26 Tampilan halaman menu pengantar sistem 44
27 Tampilan halaman menu pengukuran produktivitas afdeling karet 44 28 Tampilan halaman utama menu sub model sistem informasi
geografis 45
29 Tampilan halaman menu hasil sistem informasi agroindustri karet 45 30 Tampilan halaman menu perhitungan produktivitas afdeling karet 46 31 Tampilan halaman hasil perhitungan produktivitas afdeling karet 46 32 Tampilan halaman menu pengukuran produktivitas hijau ribbed
smoked sheet 47
33 Tampilan halaman hasil perhitungan produktivitas hijau ribbed
smoked sheet 47
34 Tampilan halaman menu pengukuran produktivitas hijau crumb
rubber 48
35 Tampilan halaman hasil perhitungan produktivitas hijau crumb
rubber 48
36 Tampilan halaman menu pemilihan alternatif terbaik 49
DAFTAR LAMPIRAN
1 Analisis kebutuhan pelaku utama sistem pendukung keputusan
cerdas 56
2 Perhitungan produktivitas afdeling karet 57
3 Rincian biaya produksi ribbed smoked sheet dan crumb rubber
6 Rincian analisa tujuh sumber pembangkit limbah ribbed smoked sheet dan crumb rubber berdasarkan skenario 1 68 7 Rincian biaya produksi ribbed smoked sheet dan crumb rubber
berdasarkan skenario 3 69
9 Kebutuhan perangkat keras, perangkat lunak, serta petunjuk instalasi dan pengoperasian program SIDSSAgroRubber 73 10 Hasil supermatriks tidak tertimbang, supermatriks tertimbang,
1
1
PENDAHULUAN
Latar Belakang
Tanaman karet merupakan salah satu komoditas yang sangat penting di Indonesia, baik dalam konteks ekonomi masyarakat maupun sumber devisa non migas bagi Indonesia (Damanik 2012). Indonesia merupakan negara yang memiliki lahan kebun karet terluas di dunia yaitu 3.446 juta ha, tetapi produktivitas kebun karet Indonesia masih sangat rendah yaitu sekitar 1.1 ton/ha/tahun dibandingkan dengan Thailand sebagai negara produksi karet terbesar (IRSG 2012). Thailand menjadi negara penghasil karet alam terbesar dengan produksi karet tahun 2012 sebesar 31.2%, sementara Indonesia di peringkat kedua dengan produksi karet periode yang sama sebesar 26.8% kemudian disusul oleh Malaysia dengan produksi 8.4% pada periode yang sama (Mandiri 2013). Konsumsi karet alam global selama tahun 2013 mencapai 11.6 juta ton dengan laju pertumbuhan yang terus meningkat setiap tahunnya dari tahun 2009. Laju pertumbuhan konsumsi karet alam pada tahun 2013 mencapai 14.8% (Mandiri 2013).
Industri karet alam Indonesia memiliki tiga sumber bahan baku penghasil karet alam, yakni dari petani atau perkebunan rakyat, perusahaan milik pemerintah, dan perkebunan swasta skala besar (perkebunan) dengan produktivitas yang rendah pada sisi hulu (upstream) dan hilir (downstream) (Marimin et al. 2014). Sebagian besar bahan baku karet alam Indonesia dihasilkan oleh perkebunan rakyat (sekitar 80% dari total produksi nasional). Perusahaan swasta dan pemerintah masing-masing menghasilkan produksi sekitar 10% dari total produksi nasional. Disamping itu, peran perkebunan rakyat di negara-negara lain lebih besar daripada Indonesia (Kementerian Koordinator Bidang Perekonomian 2011).
Produktivitas sering diartikan sebagai rasio antara luaran (output) dengan masukan (input) (Nasution 2006). Produktivitas menjadi bagian yang sangat penting di dalam aktivitas suatu industri karena merupakan ukuran keberhasilan suatu industri dalam melakukan kegiatannya mengkonversi bahan baku menjadi produk yang siap dipasarkan. Produktivitas juga merupakan salah satu indikator keberlanjutan suatu industri di masa yang akan datang. Industri dengan produktivitas yang tinggi akan mampu bertahan pada era persaingan industri saat ini. Sebaliknya, industri dengan produktivitasnya yang rendah dapat menyebabkan perjalanannya kandas dikarenakan tidak mampu bersaing dengan industri-industri lain yang serupa (Darmawan et al. 2012). Produktivitas perkebunan karet yang rendah di Indonesia disebabkan oleh kualitas bibit yang rendah, pemanfaatan lahan perkebunan yang tidak optimal, dan pemeliharaan tanaman yang buruk (Kementerian Koordinator Bidang Perekonomian Indonesia 2011) sehingga sangat berpengaruh terhadap tingkat produktivitas agroindustri karet di Indonesia. Apabila permasalahan tersebut dapat diatasi dan dikelola dengan baik maka Indonesia memiliki potensi untuk menjadi produsen karet utama di dunia dengan produktivitas yang meningkat secara terus menerus.
2
meningkat dampak terhadap lingkungan. Peningkatan produktivitas agroindustri karet dapat ditingkatkan dengan cara mereduksi limbah yang ditimbulkan dari proses produksi karet (Darmawan et al. 2012). Perbaikan kegiatan produksi melalui pemanfaatan yang lebih baik dari sumber daya mampu untuk mengurangi dampak terhadap lingkungan, karena kinerja suatu perusahaan tidak lagi dapat dievaluasi berdasarkan parameter ekonomi saja, karena saat ini kinerja perusahaan juga harus terintegrasi dengan kinerja lingkungan (Saxena et al. 2003).
Isu dampak lingkungan yang terus meningkat dari proses kegiatan industri, membutuhkan suatu penanganan yang khusus untuk mengatasi permasalahan lingkungan yang ditimbulkan akibat aktivitas proses di industri tersebut. Menurut Marimin et al. (2013a) pendekatan yang digunakan harus turut memperhitungkan hubungan antara kegiatan ekonomi dan aspek dampak lingkungan yang terjadi melalui proses kegiatan eksploitasi, produksi, dan konsumsi berbagai jenis sumber daya alam yang berdampak pada dihasilkannya limbah. Salah satu pendekatan yang dapat digunakan terhadap permasalahan lingkungan yang ditimbulkan oleh aktivitas industri adalah pendekatan produktivitas hijau. APO (2006) menyatakan bahwa produktivitas hijau berfokus pada lingkungan melalui penurunan tingkat penggunaan sumber daya lingkungan untuk mengurangi dampak negatif terhadap lingkungan. Produktivitas hijau juga berfokus pada pengurangan secara ekonomis bahan, energi, dan biaya yang digunakan untuk membuat produk dan jasa, sehingga mengurangi langsung biaya yang pada akhirnya berdampak pada profitabilitas.
PTPV VIII-Kebun Cikumpay merupakan salah satu perkebunan karet milik negara Indonesia yang terdiri dari afdeling (kebun) Cikumpay I, Cikumpay II, Gunung Anaga, dan Gunung Hejo. Perkebunan ini memiliki luas kebun 3 166.66 hektar dengan 2 963.12 ha dari luas areal kebun digunakan untuk tanaman pokok. Ketersediaan lahan kebun yang luas belum diiringi dengan peningkatan produktivitas pada masing-masing afdeling tersebut karena produktivitas pada masing-masing afdeling masih sangat rendah akibat dari pemanfaatan lahan pada perkebunan Cikumpay yang belum optimal. Pemanfaatan lahan yang belum optimal perlu didukung dengan adanya analisis spasial melalui pembuatan sistem informasi geografis untuk mengetahui luasan area dari masing-masing afdeling Cikumpay sehingga lahan masing-masing afdeling dapat digunakan secara optimal. Sistem informasi geografis (SIG) merupakan sistem perangkat keras dan lunak berbasis komputer, yang digunakan untuk pengumpulan, penyimpanan, analisis, dan penyebaran informasi tentang area di permukaan bumi (ESRI 1995; Chrisman 1997). Selain itu, bahan baku yang berkualitas merupakan salah satu faktor kunci dalam peningkatan produktivitas Cikumpay sehingga pemeliharaan tanaman yang baik, penggunaan klon yang unggul, dan teknik penyadapan yang baik sangat berpengaruh terhadap kualitas bahan baku karet. Bahan baku karet yang diperoleh dari masing-masing afdeling Cikumpay diolah untuk menghasilkan dua produk utama yakni ribbed smoked sheet dan crumb rubber. Aktivitas produksi produk ribbed smoked sheet dan crumb rubber pada pabrik pengolahan yang semakin meningkat mengakibatkan dampak lingkungan yang ditimbulkan juga akan meningkat.
3 karena keputusan yang diambil oleh para pengambil keputusan terkait produktivitas di afdeling dan agroindustri karet hanya bersifat untuk jangka pendek tanpa memperhitungkan kebelanjutannya. Pengambilan keputusan oleh para pengambil keputusan untuk produktivitas afdeling dan agroindustri hanya berdasarkan pada aspek ekonomi serta kualitas bahan baku dan produk tanpa memperhitungkan dampak yang ditimbulkan terhadap lingkungan. Selain itu, sebagian besar informasi maupun data dimasukkan, diolah, dan disimpan secara manual sehingga tidak efektif dan efesien dari segi waktu, biaya, dan kemudahan dalam membantu pengambilan keputusan secara cepat oleh para pegambil keputusan. Dengan demikian dibutuhkan suatu sistem pendukung keputusan cerdas untuk membantu proses pengambilan keputusan oleh para pengambil keputusan di perkebunan Cikumpay terkait peningkatan produktivitas di afdeling karet dan agroindustri karet.
Sistem pendukung keputusan cerdas (Intelligent Decision Support System) yang selanjutnya disingkat IDSS merupakan sistem berbasis komputer yang interaktif menggunakan data, model, dan pengetahuan kepakaran untuk mendukung keputusan-keputusan dalam organisasi untuk menyelesaikan masalah yang kompleks dengan menggabungkan teknik kecerdasan buatan (artificial intelligence) antara lain fuzzy systems, neural networks, machine learning, dan genetic algorithms yang mempunyai tujuan untuk membantu pengguna dalam mengakses, menampilkan, memahami, serta mengolah data secara lebih cepat dan mudah untuk membantunya dalam mengambil keputusan (Dhar dan Stein 1997). Sistem pendukung keputusan yang sudah ada dan dikembangkan sering kurang optimal dalam kemudahan penggunaan dan belum berbasis teknik-tenik intelijensi buatan. Dengan demikian pada penelitian ini akan diterapkan teknik-teknik intelijensi buatan untuk mengintegrasikan hubungan antara peningkatan produktivitas, minimasi dampak lingkungan, dan sistem cerdas dengan kondisi spasial perkebunan karet melalui perancangan perangkat lunak sistem pendukung keputusan cerdas spasial dengan pengukuran produktivitas afdeling dan agroindustri karet serta peningkatan produktivitas agroindustri karet sehingga dapat membantu para pengambil keputusan dalam proses pengambilan keputusan dengan waktu yang lebih cepat, hemat biaya, dan lebih praktis.
Tujuan
Tujuan utama dari penelitian ini adalah merancang sistem pendukung keputusan cerdas spasial untuk peningkatan produktivitas agroindustri karet dengan pendekatan produktivitas hijau. Tujuan khusus penelitian ini antara lain:
1. Mengukur tingkat produktivitas afdeling karet;
2. Mengukur tingkat produktivitas hijau agroindustri karet;
3. Memilih alternatif terbaik untuk strategi peningkatan produktivitas agroindustri karet;
4
Ruang Lingkup
Ruang lingkup penelitian pada sistem penunjang keputusan cerdas spasial peningkatan produktivitas agroindustri karet dengan pendekatan produktivitas hijau adalah sebagai berikut:
1. Agroindustri yang dijadikan sebagai objek pada penelitian ini adalah agroindustri berbahan baku karet alam di Indonesia dengan studi kasus pada PT. Perkebunan Nusantara VIII-Kebun Cikumpay dengan produk ribbed smoked sheet dan crumb rubber;
2. Sistem informasi spasial agroindustri karet menggunakan Sistem Informasi Geografis (SIG);
3. Analisa elemen-elemen yang berpengaruh terhadap peningkatan produktivitas agroindustri karet melalui melalui pengukuran tingkat produktivitas afdeling karet dan produktivitas hijau agroindustri karet yakni pada proses produksi ribbed smoked sheet dan crumb rubber, serta pemilihan alternatif terbaik untuk strategi peningkatan produktivitas agroindustri karet.
2
TINJAUAN PUSTAKA
Tanaman Karet (Hevea brasiliensis)
Tanaman karet (Hevea brasiliensis) merupakan salah satu sumber utama penghasil karet alam (cis 1,4-poliisoprena) yang telah lama dikembangkan untuk pemenuhan kebutuhan industri dunia. Sesuai dengan nama latin yang disandangnya tanaman karet berasal dari Brazil (Tim Penulis PS 2007). Sebagian besar areal perkebunan karet Indonesia terletak di Sumatera (70%), Kalimantan (24%), dan Jawa (4%) dengan curah hujan 1500-4000 mm/tahun dengan rata-rata bulan kering 0-4 bulan pertahun dan terletak pada elevasi dibawah 500 m diatas permukaan laut.
Tanaman karet merupakan tanaman tahunan yang mampu memberikan manfaat dalam pelestarian lingkungan, terutama dalam hal penyerapan CO2 dan
penghasil O2. Bahkan ke depan, tanaman karet merupakan sumber kayu yang
potensial yang dapat mensubstitusi kebutuhan kayu hutan alam yang dari tahun ke tahun ketersediaannya semakin menurun. Tanaman karet di Indonesia telah dibudidayakan dalam pola perkebunan sejak zaman pemerintahan kolonial Belanda. Hingga sekarang pertanaman karet masih dikelola dalam pola perkebunan yang terdiri atas perkebunan rakyat, perkebunan besar negara, dan perkebunan besar swasta. Ditunjang oleh faktor kondisi tanah dan iklim yang sesuai tanaman karet di Indonesia dapat tumbuh subur sehingga produksinya terus meningkat. Pemanfaatan produk tanaman karet disajikan dalam Gambar 1.
Produktivitas Hijau (Green Productivity)
5 lingkungan, teknik, dan teknologi untuk mengurangi dampak yang mempengaruhi lingkungan yang diakibatkan dari aktivitas perusahaan atau organisasi dalam melakukan produksi dan pelayanan. Produktivitas hijau mempunyai konsep meningkatan keuntungan, meningkatkan mutu hidup dan mengurangi dampak lingkungan (APO 2006).
Gambar 1 Pohon industri berbasis karet (Badan Penelitian dan Pengembangan Pertanian, Departemen Pertanian 2005)
Strategi produktivitas didalamnya termasuk ekonomi dan kualitas lingkungan dan pengembangan sosial ekonomi merupakan kunci dari definisi produktivitas hijau. Pendekatan ini melakukan kegiatan perbaikan proses produksi produksi melalui pemanfaatan yang lebih baik dari energi, material, air, pelarut, dan lain-lain yang mampu untuk mengurangi dampak terhadap lingkungan. Produktivitas hijau mengandung pemahaman bahwa lingkungan yang sehat dan faktor ekonomi kompetitif adalah saling berpengaruh (APO 2006).
Produktivitas hijau mempunyai tujuan untuk menghasilkan capaian lingkungan dengan mengurangi penggunaan sumber daya dan energi material. GP mendorong pelaksanaan “smart growth” dengan memanfaatkan kecerdikan kreatif dan kolektif dari setiap orang. Konsep ini jauh dari sikap yang bersifat mandat, mengatur ataupun litigasi, namun mendorong orang agar bertindak secara bertanggung jawab dan mengambil kendali dari tindakan mereka untuk meningkatkan kualitas hidup mereka sendiri dan mendapatkan keuntungan (APO 2006).
Indeks Produktivitas Hijau (Green Productivity Index)
6
langkah kecil ke arah pendekatan yang lebih kuat dan kuantitatif untuk pengambilan keputusan lingkungan. Indeks Produktivitas Hijau (GPI) didefinisikan sebagai rasio sistem produktivitas terhadap dampak lingkungannya (Hur et al. 2004). Selain itu, produktivitas didefinisikan sebagai rasio perbandingan antara harga jual produk terhadap biaya produksi.
Pengindeksan adalah suatu kerangka kerja pengukuran yang sistematis untuk menentukan apa yang harus diukur dan bagaimana cara dilakukannya suatu pengukuran. GPI ditujukan untuk memperkirakan dan membandingkan kinerja dari GP produk atau proses sebelum dan sesudah dilakukannya CI (Continuous Improvement). GPI merupakan profil penggabungan dari dua indikator yang berasal dari lima variabel yang mendasari (SP, PC, SWG, GWG dan WC). Metodologi pengembangan GPI terdiri atas tiga langkah yang saling terkait. Metodologi GPI secara umum ditunjukan pada Gambar 2.
Biaya produksi
Gambar 2 Metodologi pengembangan GPI (Gandhi et al. 2006)
Sistem Informasi Geografis (Geographical Information System)
Sistem informasi geografis (SIG) merupakan sistem perangkat keras dan lunak berbasis komputer, yang digunakan untuk pengumpulan, penyimpanan, analisis, dan penyebaran informasi tentang area di permukaan bumi (ESRI 1995; Chrisman 1997). Pada dasarnya SIG merupakan gabungan dari tiga unsur pokok: sistem, informasi, dan geografis. Dengan penggabungan ketiga unsur pokok
tersebut, SIG akan memberikan “informasi geografis” (Prahasta 2001). Informasi
geografis mengandung pengertian informasi mengenai tempat-tempat yang terletak di permukaan bumi, pengetahuan mengenai posisi dimana suatu objek terletak di permukaan bumi, dan informasi mengenai keterangan-keterangan (atribut) yang terdapat dipermukaan bumi yang posisinya diberikan atau diketahui (Chrisman 1997; Prahasta 2001). Sistem informasi geografis memerlukan data masukan agar dapat berfungsi dan memberikan informasi hasil analisisnya (Blaschke 2001).
7 dalam kaitan keruangan (posisi/lokasi). Adanya SIG memungkinkan beberapa keperluan yang kompleks dapat dilakukan menjadi lebih mudah dan cepat, dibandingkan jika dilakukan dengan cara konvensional.
Ada tiga tugas utama yang diharapkan dapat dilakukan oleh SIG yaitu (ESRI 1995; Prahasta 2001):
1. Penyimpanan, manajemen dan integrasi data spasial dalam jumlah besar; 2. Analisis yang berhubungan secara spesifik dengan komponen data geografis; 3. Mengorganisasikan dan mengatur data dalam jumlah besar, sehingga
informasi tersebut dapat digunakan pemakainya.
Kemampuan SIG dapat ditunjukkan dalam lima bentuk kemampuan analisis spasial sebagai berikut (ESRI 1995; Prahasta 2001):
1. Menyajikan apa yang terdapat pada suatu wilayah dalam beragam cara, dilengkapi dengan referensi geografis seperti garis lintang dan bujur.
2. Menyajikan letak suatu aktivitas dalam wilayah sebagai hasil analisis ruang, misalnya lokasi yang memenuhi kriteria yang diinginkan.
3. Menyajikan perubahan ruang secara temporal atau kecenderungan (trend). 4. Menyajikan hasil analisis spasial yang lebih rumit, seperti dampak spasial
suatu kegiatan tertentu.
5. Menyajikan hasil analisis spasial yang lebih rumit lagi, yaitu berupa pemodelan yang dapat memadukan informasi spasial dan informasi lainnya termasuk sosial budaya dan hukum.
Dengan kemampuan yang tinggi, maka sebagai alat SIG sangat bermanfaat dalam perencanaan tata ruang wilayah. Informasi yang didapatkan dari pendekatan sistem dan pemodelan akan dapat diintegrasikan dengan SIG. Peranan SIG adalah sebagai alat analisis spasial bagi informasi yang dihasilkan dari pemodelan yang dibangun (Blaschke 2001; Shui-sen et al. 2005; Martin dan Hall-Arber 2008).
SIG terdiri atas perangkat lunak (software), data, pengguna, dan organisasi fungsi. Dalam arti sempit, SIG dianggap sebagai sebuah sistem perangkat lunak yang terdiri atas modul-modul input, penyimpanan (storage), analisis, tampilan (display), dan output dari data spasial (de By 2000).
Sistem Pendukung Keputusan Cerdas
Sistem pendukung keputusan cerdas atau intelligent decision support system (IDSS) merupakan sistem berbasis komputer yang interaktif menggunakan data, model, dan pengetahuan kepakaran untuk mendukung keputusan-keputusan dalam organisasi untuk menyelesaikan masalah yang komplek dengan menggabungkan teknik artificial intelligent (Dhar dan Stein 1997).
8
tanpa mengurangi kualitas keputusan, atau dapat meningkatkan kualitas keputusan dalam rentang waktu yang sama (Dhar dan Stein 1997).
Logika Fuzzy
Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunya kemampuan untuk mengembangkan sistem intelijen dalam lingkungan yang tidak pasti dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy. Logika fuzzy merupakan bagian dari logika boolean yang digunakan untuk menangani konsep derajat kebenaran yaitu nilai kebenaran antara benar dan salah. Logika fuzzy sering menggunakan informasi linguistik dan verbal. (Marimin et al. 2013b). Dalam logika fuzzy terdapat beberapa proses seperti ditunjukkan pada Gambar 3.
Representasi natural
Fuzzifikasi
Komputasi secara fuzzy
Defuzzifikasi
Solusi Permasalahan nyata
Gambar 3 Alur penyelesaian masalah dengan metode fuzzy (Marimin et al. 2013b) Fungsi Keanggotaan
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik masukan data ke dalam nilai keanggotaannya (Kusumadewi 2002). Pada sistem fuzzy, terdapat beberapa fungsi keanggotaan yang dapat digunakan untuk pemberian nilai keanggotaan pada suatu elemen dalam himpunan fuzzy. Fungsi keanggotaan yang digunakan pada penelitian ini adalah kurva segitiga. Kurva segitiga pada dasarnya merupakan gabungan antara dua garis (linear) serta ditandai oleh adanya tiga parameter {a, b, c} yang akan menentukan koordinat x dari tiga sudut. Representasi kurva segitiga disajikan pada Gambar 4.
9 Fungsi keanggotaan untuk kurva segitiga direpresentasikan seperti pada Persamaan 1.
0 a atau
-a
b-a a b 1 b
--b b
(1)
Nilai a menyatakan batas bawah dari range nilai, b menyatakan nilai puncak pada kurva segitiga sekaligus titik tengah dari a dan c, sedangkan c menyatakan nilai batas atas dari range nilai. Variabel x menyatakan elemen yang akan dicari nilai keanggotaannya.
Aturan Fuzzy If-Then
Fungsi keanggotaan inferensi merupakan proses penarikan suatu kesimpulan berdasarkan data dan aturan tertentu (Siler dan Buckley 2005). Fuzzy Inference System memiliki 3 komponen penting, yaitu basis pengetahuan (aturan fuzzy), database (fungsi keanggotaan), dan mekanisme pengambilan kesimpulan.
Metode Takagi-Sugeno
Metode Takagi-Sugeno diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Metode Takagi-Sugeno merupakan metode yang sering digunakan dalam pengembangan model fuzzy. Pada penelitian ini digunakan model fuzzy Takagi-Sugeno orde nol. Model Takagi-Sugeno orde nol mendefinisikan aturan fuzzy sebagai:
IF (x1 is A1) (x2is A2) (x3is A3) ... (xnis An) THEN z = k
Aiadalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah suatu konstanta
(tegas) sebagai konsekuen. Untuk mendapatkan output pada model Takagi-Sugeno diperlukan 4 tahapan, yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi (aturan), komposisi aturan, dan penegasan (defuzzifikasi). Keunggulan utama metode Takagi-Sugeno adalah kemampuannya dalam memecahkan pendekatan loop tertutup yang diajukan oleh metode Mamdani yang bersifat statis, sedangkan pada metode Takagi-Sugeno konsekuen kaidah merupakan fungsi matematika yang lebih dapat dikendalikan (Marimin et al. 2013b).
Defuzzifikasi
Defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp). Pada tahap ini nilai crisp diperoleh dengan menggunakan centre average defuzzyfier (Wang 1997) seperti Persamaan 2.
ni 1 i i
ni 1 i (2)
10
Fuzzy Analytic Network Process (Fuzzy ANP)
ANP adalah pengembangan dari metode AHP yang telah mampu mengakomodasi adanya saling keterkaitan dalam bentuk interaksi dan umpan balik dari elemen elemen dalam cluster (inner dependence) atau antar cluster (outer dependence) (Saaty 1996). Analytic network process (ANP) pertama kali dibawa oleh Saaty pada tahun 1996 (Saaty 1996). ANP tidak hanya dapat memecahkan masalah AHP, tetapi juga bisa menangani hubungan saling ketergantungan dalam pengambilan keputusan model multikriteria. Dengan faktor-faktor yang saling mempengaruhi satu dengan lainnya dan bergantung pada satu sama lain dalam lapisan jaringan, tingkatan yang penting dapat menggunakan perbandingan langsung atau perbandingan tidak langsung.
Fungsi keanggotaan yang umum digunakan dalam fuzzy adalah triangular dan trapeziodal karena kemudahan dalam pemodelan dan interpretasi. Bilangan fuzzy triangular , digunakan untuk mewakili perbandingan berpasangan secara subjektif pada proses pemilihan yang meragukan. Sebuah bilangan fuzzy merupakan sebuah himpunan fuzzy khusus dengan nilai diambil dari bilangan riil dan merupakan sebuah pemetaan kontinu dari ke interval .
Penelitian Terdahulu
Beberapa penelitian terdahulu menjadi acuan dalam penilitian ini, diantaranya Putra (2012) melakukan penelitian pada budidaya karet alam dan wiguna (2012) pada pengolahan karet alam. Penelitian-penelitian tersebut meneliti peningkatan produktivitas proses dalam agroindustri karet alam dengan menggunakan pendekatan produktivitas hijau pada suatu perusahaan. Pada penelitian ini pengukuran produktivitas proses budidaya dan pengolahan karet alam dilakukan dengan menggunakan analisis pemetaan aliran material hijau (current state green VSM), untuk mengidentifikasi tujuh sumber pembangkit limbah (seven green wastes) pada masing-masing proses budidaya dan pengolahan karet alam. Hasil analisis ini selanjutnya dijadikan dasar dalam perhitungan indeks produktivitas hijau (GPI), yang merupakan perbandingan antara pencapaian indikator ekonomi dengan dampak lingkungan yang ditimbulkan dari kegiatan budidaya karet alam. Tahap peningkatan produktivitas dilakukan dengan menggunakan model analytical hirarchy process (AHP) yang dikombinasikan dengan beberapa skenario alternatif strategi peningkatan produktivitas proses budidaya karet alam. Keseluruhan kombinasi alternatif strategi perbaikan ini dibandingkan berdasarkan tingkat pencapaian indeks produktivitas hijau dimasa mendatang (future GPI), dan kemudian diterapkan dalam peta aliran material hijau (future state).
11 Penelitian tentang peningkatan produktivitas dengan pendekatan produktivitas hijau kembali dilakukan oleh Hendra (2014) menggunakan fuzzy ruled based, fuzzy AHP, dan fuzzy ANP untuk memilih strategi, skenario, dan kebijakan dalam penentuan keputusan untuk pengembangan agroindustri karet alam. Penelitian ini bertujuan mendapatkan alternatif terbaik untuk meningkatkan produktivitas.
Liu et al. (2010) melakukan pengembangan SIG berdasarkan sistem pendukung keputusan untuk eco-lingkungan dan sumber daya alam dari Asia Timur yang bertujuan menganalisis proses spasial sementara sumber daya alam, mengatur sumber daya dan lingkungan ilmiah, serta menyediakan prediksi pendukung keputusan. Zhang et al. (2013) melakukan penelitian tentang sistem pendukung keputusan untuk posisi seismometer dasar laut berdasarkan SIG yang terdiri atas platform SIG, modul aplikasi, dan grafis antarmuka pengguna.
Zorluer et al. (2010) melakukan penelitian menggunakan fuzzy ruled-based yang bertujuan menentukan redispersibilitas tanah terhadap kemungkinan erosi tanah. Penelitian ini menggunakan logika fuzzy menggabungkan penilaian dari beberapa hasil pengujian redispersibilitas tanah. Ramdhani et al. (2012) melakukan penelitian menggunakan fuzzy inference system (FIS) untuk menentukan banyaknya asisten laboratorium yang diterima. Penelitian ini, logika fuzzy ddengan metode sugeno digunakan untuk menghitung jumlah asisten laboratorium yang ideal dengan kriteria seperti jumlah asisten sebelumnya, jumlah asisten yang keluar, dan jumlah praktikan.
Razmi et al. (2009) menggunakan pendekatan fuzzy ANP untuk evaluasi supplier yang potensial. Penelitian ini bertujuan memilih supplier berdasarkan faktor harga, kualitas, waktu selesai dan status ekonomi yang saling ketergantungan. Chen dan Yang (2011) menggunakan pendekatan fuzzy ANP untuk evaluasi risiko kekeringan pada daerah agrikultur. Penelitian ini mengemukakan tentang indeks evaluasi bencana kekeringan, indikator network layer yang saling mempengaruhi dan saling ketergantungan sehingga digunakan pendekatan fuzzy ANP yang bertujuan membantu dalam mengambil langkah-langkah efektif dalam pencegahan bencana dan mitigasi.
3
METODE
Kerangka Pemikiran
12
afdeling karet menggunakan logika fuzzy, pada model ini juga terdapat sistem informasi spasial agroindustri karet yang berisi informasi tentang kondisi spasial afdeling karet, aliran proses produksi, dan analisa tujuh sumber pembangkit limbah dengan menggunakan Sistem Informasi Geografis (SIG). Model pengukuran produktivitas hijau dibangun dengan menggunakan metode Green Productivity Index (GPI). Model pemilihan alternatif terbaik untuk strategi peningkatan produktivitas agroindustri karet dibangun dengan menggunakan Fuzzy Analytic Network Process (fuzzy ANP). Ketiga model tersebut dapat dimanfaatkan untuk pengambilan keputusan oleh para pengguna sistem untuk peningkatan produktivitas agroindustri karet. Kerangka pemikiran penelitian ini ditunjukkan pada Gambar 5, sedangkan diagram alir tahapan penelitian disajikan pada Gambar 6.
Pemilihan alternatif untuk strategi peningkatan produktivitas agroindustri karet menggunakan
Fuzzy Analitical Network Process (fuzzy ANP)
Gambar 5 Kerangka pemikiran
Tata Laksana
Data, Sumber Data, Lokasi Penelitian, dan Waktu Penelitian
13 Cikumpay, Purwakarta-Jawa Barat yang dimulai dari Maret sampai dengan Spetember 2015.
Mulai
Pengukuran produktivitas afdeling karet menggunakan
Logika Fuzzy
Pengukuran indeks produktivitas hijau agroindustri karet menggunakan Indeks Produktivitas Hijau (GPI)
Pemilihan alternatif terbaik peningkatan produktivitas agroindustri karet
mengunakan Fuzzy ANP
Sistem pendukung keputusan cerdas spasial peningkatan produktivitas agroindustri karet
dengan pendekatan produktivitas hijau
Selesai Pengumpulan data
Analisis aliran proses produksi melalui identifikasi tujuh sumber pembangkit limbah
Identifikasi sistem
Pemodelan sistem
Implementasi sistem
Sesuai
Verifikasi sistem
Validasi sistem
Sesuai Ya
Ya Tidak
Tidak
Gambar 6 Tahapan penelitian Metode Pengumpulan Data
Pengumpulan data primer diperoleh melalui wawancara secara mendalam (depth interviews) dan pengisian kuesioner oleh pakar yang berasal dari akademisi, praktisi, dan birokrat. Pakar yang telah memberikan penilaian untuk peningkatan produktivitas agroindustri karet antara lain:
14
2. Bapak Ir. Dadan Wiherman dengan kualifikasi sebagai praktisi dari PT Perkebunan Nusantara VIII-Kebun Cikumpay;
3. Bapak Asep Muhidin dengan kualifikasi sebagai praktisi PT Perkebunan Nusantara VIII-Kebun Cikumpay;
4. Bapak Dr. Dadi R. Maspanger dengan kualifikasi sebagai birokrat dari Pusat Penelitian Karet Bogor.
Pengumpulan data sekunder diperoleh dari agroindustri karet melalui observasi langsung di lapangan dan wawancara dengan pihak-pihak yang terkait di agroindustri karet. Selain itu, juga dilakukan kegiatan studi pustaka untuk mendukung pengambilan data melalui laporan hasil penelitian, jurnal, dan literatur lainnya yang terkait dengan produktivitas agroindustri karet. Data, sifat data, sumber data, cara pengumpulan data, dan model dalam sistem yang dibangun secara lebih detail disajikan pada Tabel 1.
Metode Pengolahan Data
Pengolahan data pada model-model yang dibangun dilakukan dengan mengintegrasikan antara analisis kondisi spasial, sistem cerdas, dan pendekatan produktivitas hijau. Analisis kondisi spasial agroindustri karet dengan metode Sistem Infomasi Geografis (SIG) dilakukan terlebih dahulu untuk digunakan dalam perhitungan produktivitas afdeling karet. Perhitungan produktivitas afdeling karet dengan metode logika fuzzy, perhitungan produktivitias hijau dengan metode indeks produktivitas hijau atau Green Productivity Index (GPI), dan pemilihan alternatif terbaik dengan metode fuzzy Analytic Network Process (fuzzy ANP).
Pengukuran Produktivitas Afdeling Karet
15 Tabel 1 Data, sifat data, sumber data, cara pengumpulan data, dan model sistem
16
Mulai
Pengumpulan data spasial dan non spasial
Peta dasar lokasi perkebunan
(afdeling)
Titik pabrik pengolahan RSS
dan CR
Aliran proses produksi agroindustri
karet
Tujuh sumber pembangkit limbah: energi, air,
material, sampah, transportasi, emisi, dan biodiversitas
Pembuatan sistem informasi geogragis
Sistem informasi geografis agroindustri karet
Gambar 7 Tahapan pembuatan sistem informasi agroindustri karet
Penentuan himpunan fuzzy
Fuzzifikasi
Defuzzifikasi Penentuan variabel fuzzy
Mulai
Selesai
Gambar 8 Tahapan pengukuran produktivitas afdeling karet dengan logika fuzzy Variabel fuzzy yang digunakan pada pengukuran produktivitas afdeling karet adalah luas area tanaman menghasilkan (TM), jumlah produksi lateks, jumlah produksi lump, dan produktivitas afdeling, sedangkan himpunan fuzzy-nya adalah sebagai berikut.
a. Luas area TM (ha)
Kecil : LATM 100 Sedang : 90 LATM 250 Besar : 230 LATM 1000 b. Jumlah produksi lateks (kg)
17 Tinggi : 1800 JPLA 4000
c. Jumlah produksi lump (kg) Rendah : JPLU 250 Normal : 230 JPLU 500 Tinggi : 400 JPLU 1000 d. Produktivitas Afdeling (kg/ha)
Buruk : 5 PA < 10 Normal : 10 PA < 20 Baik : PA 20
Produktivitas afdeling karet terdiri atas input luas area tanaman menghasilkan (TM), jumlah produksi lateks, dan jumlah produksi lump. Fungsi keanggotaan parameter luas area TM disajikan pada Gambar 9.
Gambar 9 Fungsi keanggotaan parameter luas area TM
L e i
100 100
0 100 0 100
L Se ang
0 0 atau 2 0 0
1 0 0 0 1 0 2 0
2 0 1 0 1 0 2 0
L esar
0 2 0 2 0 1000 2 0 1 1000
2 0 1000
Fungsi keanggotaan parameter jumlah produksi lateks disajikan pada Gambar 10.
18
JPL en ah
1000 1000
0 1000 0 1000
JPL orma
0 0 atau 2000 0
1 2 0 0 1 2 2000
2000 1 2 1 2 2000
JPL inggi
0 1 00 1 00 000 1 00
1 000
1 00 000
Fungsi keanggotaan parameter jumlah produksi lump disajikan pada Gambar 11.
Gambar 11 Fungsi keanggotaan parameter jumlah produksi lump
JPLU en ah
2 0 2 0
0 2 0 0 2 0
JPLU orma
0 2 0 atau 00 2 0
2 0 2 0 00
00 00
JPLU inggi
0 00 00 1000 00 1 1000
00 1000
Aturan fuzzy yang terbentuk berdasarkan variabel input dan output fuzzy pada model ini disajikan pada Tabel 2.
19 Tabel 2 Aturan fuzzy untuk prediksi produktivitas afdeling karet
No.
20
dengan Persamaan 3, sedangkan tahapan perhitungan indeks produktivitas hijau ditunjukkan pada Gambar 12.
GPI Pro ukti itas am ak Lingkungan (3)
Mulai
Selesai Pengukuran dampak lingkungan
Data hasil analisa tujuh sumber pembangkit limbah
melalui SIG
Perhitungan tingkat produktivitas agroindustri karet
Data harga jual produk dan biaya
produksi
Perhitungan indeks produktivitas hijau (GPI)
Indeks produktivitas hijau (GPI)
Penentuan indikator produktivitas hijau
Gambar 12 Tahapan pengukuran produktivitas hijau
Produktivitas (indikator ekonomi) dihitung berdasarkan penelitian Marimin et al. (2014) yang merupakan rasio antara pendapatan yang diperoleh dari penjualan produk dengan biaya produksi yang diperlukan untuk menghasilkan produk.
21 Tabel 3 Bobot indikator dalam ESI 2005
Kesetaraan Indikator ESI Bobot dalam ESI
Kualitas Udara 0.05
Emisi Gas Rumah Kaca 0.05
Penurunan Tingkat Polusi Udara 0.05
Kualitas Air 0.05
Jumlah Air 0.05
Penurunan Jumlah Limbah Padat dan Konsumsi Material 0.05
Biodiversitas 0.05
Kawasan Lahan dan Tanah 0.05
Tabel 4 Penurunan bobot indikator ESI terhadap empat variabel lingkungan GPI
Indikator GPI
Dampak lingkungan didefinisikan sebagai penjumlahan tiga bobot variabel lingkungan indeks produktivitas hijau (GPI) yang berasal dari nilai pembobotan ESI (Gandhi et al. 2006). Nilai dampak lingkungan (EI) bergantung pada hasil perkalian antara penjumlahan persamaan bobot indikator GP dengan besarnya jumlah limbah yang dihasilkan dari proses kegiatan untuk setiap jenis indikator. Semakin besar nilai dampak lingkungan (EI), menunjukkan semakin besarnya dampak terhadap lingkungan yang dihasilkan dari proses produksi. Formulasi EI berdasarkan ESI dirumuskan pada Persamaan 4.
EI = w1GWG + w2WC + w3SWG + w4LC (4)
Keterangan:
w1, w2, w3, w4: bobot masing-masing indikator GPI
22
SWG : pembangkit limbah padat (solid wastes generation) WC : konsumsi air (water consumption)
LCs : tingkat pencemaran pada lahan perkebunan (land contamination) Formulasi EI pada proses produksi karet berdasarkan penurunan bobot indikator ESI terhadap tiga variabel lingkungan GPI dirumuskan pada Persamaan 5.
EI = 0.5GWG + 0.33WC + 0.17SWG (5)
Pemilihan Alternatif Peningkatan Produktivitas
Pemilihan alternatif peningkatan produktivitas dilakukan untuk merumuskan strategi dalam peningkatan produktivitas agroindustri karet menggunakan fuzzy Analytic Network Process (fuzzy ANP). Pada tahap ini akan dipilih strategi kebijakan terbaik melalui beberapa alternatif skenario perbaikan. Tahapan pemilihan alternatif terbaik untuk peningkatan produktivitas agroindustri karet ditunjukkan pada Gambar 13.
Mulai
Selesai
Penentuan cluster/kriteria, sub kriteria, dan alternatif
Kuesioner Pembuatan model ANP
Pembuatan matriks perbandingan berpasangan dengan skala penilaian fuzzy
Alternatif strategi terpilih untuk peningkatan produktivitas agroindustri karet
Penilaian oleh pakar Pembobotan setiap elemen
Perubahan variabel linguistik ke bilangan fuzzy
Penghitugan rata-rata geometrik Defuzzifikasi
Penentuan nilai prioritas kriteria dan supermatrik Penentuan prioritas akhir (supermatrik limit)
Pemilihan alternatif terbaik berdasarkan nilai prioritas tertinggi Data penilaian kuesioner
23 Langkah-langkah penyelesaian dengan fuzzy ANP menurut Yazgan (2011) adalah sebagai berikut:
1. Membangun model ANP
Pada tahap ini dilakukan penentuan alternatif-alternatif yang akan dipilih dan kriteria yang digunakan. Alternatif atau kriteria yang digunakan mempunyai depedensi atau feedback antara sesama alternatif (inner feedback) atau kriteria dan antara alternatif dengan kriteria. Alternatif, kriteria, dan sub kriteria yang digunakan pada model ini diperoleh dari hasil diskusi dengan para pakar berdasarkan kondisi yang terjadi saat ini pada agroindustri karet dan studi literatur dari penelitian terdahulu. Alternatif strategi yang digunakan pada model ini berdasarkan alternatif strategi yang diusulkan oleh Wiguna (2012) yang terdiri dari optimalisasi proses produksi, pengendalian karakteristik bahan baku, dan pemakaian air kembali. Kriteria utama pada model ANP yang dikembangkan terdiri atas tiga kriteria utama yakni ekonomi, kualitas, dan lingkungan. Kriteria ekonomi memiliki empat sub kriteria yakni harga jual produk (E1), biaya produksi (E2), total produksi (E3), dan tingkat permintaan produk (E4). Kriteria kualitas memiliki tiga sub kriteria yakni karakteristik bahan baku (K1), kualitas sumber daya manusia (K2), dan kualitas produk (K3). Kriteria lingkungan memiliki satu sub kriteria yakni jumlah limbah yang dihasilkan (L1). Alternatif untuk peningkatan produktivitas agroindustri karet dengan pendekatan produktivitas hijau terdiri atas tiga alternatif yakni optimalisasi proses produksi (A1), pengendalian karakteristik bahan baku (A2), dan penggunaan air kembali (A3). Model ANP untuk pemilihan alternatif terbaik peningkatan produktivitas hijau disajikan pada Gambar 14.
Gambar 14 Model ANP peningkatan produktivitas agroindustri karet Keterangan:
Hubungan antar kluster Hubungan
24
2. Membentuk matriks perbandingan berpasangan
Penggunaan bilangan fuzzy melalui perbandingan berpasangan, matrik penilaian fuzzy dibuat berdasarkan Persamaan 6.
1 a12 a1n
a21 1 a2n
an1 an2 1
(6)
dengan jika , dan atau jika .
Penilaian pakar berdasarkan definisi dan fungsi keanggotaan fuzzy yang disajikan pada Tabel 5, sedangkan representasi fungsi keanggotaan bilangan fuzzy triangular disajikan pada Gambar 15. Penilaian pakar diambil melalui pengisian kuesioner dengan kualifikasi akademisi, praktisi, dan birokrat.
Tabel 5 Definisi dan fungsi keanggotaan bilangan fuzzy Tingkat
Kepentingan
Bilangan
fuzzy Definisi
Fungsi Keanggotaan
1 Sama penting (E) (1,1,3)
3 Sedikit lebih penting (W) (1,3,5)
5 Jelas lebih penting (S) (3,5,7)
7 Sangat jelas lebih penting (VS) (5,7,9)
9 Mutlak lebih penting (A) (7,9,11)
Sumber: Marimin et al. (2013b)
Gambar 15 Fungsi keanggotaan bilangan fuzzy triangular 3. Penggabungan pendapat pakar
Agregat pendapat pakar digabungkan menggunakan geometric mean seperti pada Persamaan 7 (Marimin dan Maghfiroh 2010).
G
n i i 1
n
(7)
25 4. Perhitungan bobot setiap elemen
Perbandingan berpasangan setiap elemen dalam kriteria dihitung menggunakan aplikasi SuperDecision.
Tahapan Pengembangan Sistem
Pengembangan sistem merupakan suatu pendekatan yang baik dan berurutan untuk membuat suatu sistem. Pengembangan sistem pada penelitian ini dilakukan melalui siklus hidup pengembangan sistem atau System Development Live Cicle (SDLC) dengan pendekatan adaptive menggunakan model spiral. SDLC terdiri atas empat fase pokok yaitu perencanaan, analisis, disain dan implementasi. Siklus hidup pengembangan sistem dapat dilihat pada Gambar 16.
Model spiral merupakan salah satu metode pengembangan aplikasi yang pengembangannya dilakukan secara berulang-ulang dan akan berhenti jika suatu aplikasi tersebut sudah sesuai dengan yang diinginkan. Dalam model spiral pengembangan tidak dilakukan langsung secara penuh dari kebutuhan aplikasi yang dikembangkan, namun aplikasi akan dikembangkan secara bertahap dengan menggunakan prototipe. Hal ini ditujukan agar fungsi-fungsi yang terdapat pada sistem dapat lebih terfokus sehingga mengoptimalkan proses pengujian pada sistem yang dikembangkan (Satzinger et al. 2007).
Kebutuhan
Perencanaan
Analisis
Disain
Implementasi
Sistem
Gambar 16 Siklus hidup pengembangan sistem (Turban 2005)
4
ANALISA SITUASIONAL AGROINDUSTRI KARET DAN
PERANCANGAN SISTEM
Analisa Situasional Agroindustri Karet Studi Kasus di PTPN VIII-Kebun Cikumpay
26
Negara yang membantu meningkatkan devisa Negara. Perkebunan ini didirikan pada tahun 1905 oleh pemerintah Hindia Belanda. Kantor Induk terletak di Desa Kertamukti Kecamatan Campaka Kabupaten Purwakarta. Komoditi yang diusahakan adalah karet. Kebun Cikumpay saat ini terdiri atas empat afdeling yakni Cikumpay I, Cikumpay II, Gunung Anaga, dan Gunung Hejo; serta pabrik pengolahan karet.
Perkebunan Cikumpay memiliki kebun seluas 3 166.66 hektar. Dari luasan tersebut, 2 963.12 ha dari luas areal kebun digunakan untuk tanaman pokok, 203.54 ha digunakan untuk sarana yang lain seperti emplasemen, jalan, lapangan olahraga, kuburan, jurang, hutan, sawah dan bangunan SD. Sistem rotasi penanaman di Cikumpay adalah dengan menyisakan sekitar 16.7 ha untuk areal pembibitan untuk keberlangsungan produksi.
Secara keseluruhan PTPN VIII telah memiliki sistem manajemen produksi perkebunan yang baik diantaranya pembibitan, persiapan lapangan dan penanaman (TTI), pemeliharaan TBM (tanaman belum menghasilkan), pemeliharaan TM (tanaman menghasilkan), panen, dan pengangkutan hasil serta pengolahan. PTPN VIII juga telah menetapkan sistem manajemen mutu dengan perolehan Sertifikat ISO 9001-2000 dalam bidang Sistem Manajemen Mutu Tahun 2011 dan Sertifikat ISO 14001-2004 dalam bidang Sistem Manajemen Lingkungan Tahun 2011.
Perkebunan Cikumpay mempunyai beberapa keunggulan dibandingkan dengan perkebunan lain di PT. Perkebunan Nusantara VIII (persero) antara lain produk olahan Cikumpay dipandang mempunyai kualitas lebih baik di mata konsumen, mempunyai unit pengolahan yang lengkap seperti Ribbed Smoked Sheet (RSS) dan Crumb Rubber, mempunyai kebun entres, dan terdapat area percobaan untuk kelapa kopyor yang bekerja sama dengan Lembaga Bioteknologi. Pemeliharaan di perkebunan Cikumpay khususnya pengairan menggunakan dua sistem yaitu pengairan alami untuk areal TBM dan TM serta pengairan yang dibantu oleh alat pompa untuk areal pembibitan. Secara umum kondisi fisik dari perkebunan Cikumpay dikatakan cukup baik.
Area perkebunan Cikumpay terdiri atas kebun murni dan kebun lancuran. Kebun murni adalah wilayah kebun karet yang seluruhnya merupakan tanaman karet yang sedang dalam usia sadap. Sedangkan kebun lancuran merupakan wilayah kebun karet yang seluruhnya merupakan areal tanaman karet yang umurnya sudah lebih dari 23 tahun sadap atau daerah sadap mati.
27 T.U.K. Analisis kebutuhan dari masing-masing pelaku utama pengambil keputusan disajikan pada Lampiran 1.
1. Proses Produksi Ribbed Smoked Sheet
Lateks segar hasil sadapan dari kebun setiap harinya dikumpulkan kemudian diangkut dengan segera menggunakan kendaraan menuju pabrik untuk menghindari terjadinya penggumpalan pada lateks. Sebelum diangkut ke pabrik, dilakukan penambahan amonia pada lateks segar tersebut untuk memperlambat proses penggumpalan lateks. Lateks yang sudah menggumpal sebelum tiba di pabrik tidak dapat digunakan sebagai bahan baku produksi ribbed smoked sheet, namun dapat digunakan sebagai bahan baku produksi crumb rubber.
Setelah diangkut dari kebun, pada stasiun penerimaan bahan baku dilakukan proses penimbangan pada jembatan timbang sekaligus proses pemisahan terhadap lateks yang sudah menggumpal dan membusa dengan lateks segar yang masih baik. Pada stasiun ini juga dilakukan pengukuran kadar karet kering (KKK). KKK lateks segar yang diperoleh dari kebun biasanya berkisar antara 20-35 KKK.
Setelah dilakukan proses pengukuran KKK, tahapan selanjutnya adalah proses pengenceran lateks. Pengenceran dilakukan untuk mendapakan KKK dengan kisaran 11-15%. Lateks yang sudah mengalami pengenceran, kemudian dilakukan proses koagulasi dengan menambahkan larutan New Nicola (asap cair) sesuai dengan acuan penambahan asap cair yang ditetapkan oleh pabrik. Pada proses pengolahan ini dilakukan pengadukan sampai campuran lateks dan larutan New Nicola homogen dan tidak ada busa pada campuran tersebut, kemudian dilakukan pemasangan sekat dan dibiarkan selama 4-12 jam untuk proses pembekuan. Hasil koagulan dalam bak direndam dengan air untuk menghindari terjadinya proses oksidasi.
Setelah proses pembekuan, dilakukan proses penggilingan terhadap hasil koagulan. Proses penggilingan membutuhkan air bersih yang cukup. Hasil pembekuan yang telah digiling menjadi lebih tipis dan permukaannya menjadi lebih lebar dengan ketebalan sekitar 3-4 mm. Pada proses ini juga dilakukan pemeriksaan jika sheet yang dihasilkan sesuai dengan standar maka dilakukan penirisan selama 1 jam untuk membuang sisa air pada lembaran sheet tersebut, namun jika sheet hasil penggilingan tidak sesuai maka akan dipindahkan ke bagian pengolahan crumb rubber.
Sheet yang sudah ditiris, dibawa ke kamar asap untuk dilakukan proses pengasapan. Sheet yang berada di kamar asap digantung di atas gantar sebanyak 3-4 sheet per gantar. Pada proses ini perlu dihindari adanya tumpang tindih antar gantar karena akan menghambat proses pengeringan. Selama proses pengasapan suhu kamar asap harus selalu diatur dan dijaga. Pengaturan suhu pada kamar asap yakni pada hari pertama suhu berkisar antara 40-45oC; hari kedua 45-50oC, pada hari kedua lembaran sheet dibalik; hari ketiga 50-55oC; hari keempat 55-60oC. Pada proses pengasapan diharapkan pada hari kelima proses pengeringan sheet sudah selesai dilakukan.
