LAPORAN AKHIR
PROGRAM HIBAH BERSAING
(PHB)
Pemodelan Klaster UKM Madura Berbasis Teknologi Informasi (TI) untuk Pengembangan Strategi Bisnis Terintegrasi dengan Layanan Cloud Computing
Oleh:
Firli Irhamni, ST., M.Kom. NIDN. 0020017603 (Ketua Peneliti) Ernaning Widiaswanti, S.Si., M.T. NIDN. 0028028105 (Anggota 1) Bain Khusnul Khotmah, M.T. NIDN 0025038004 (Anggota 2)
LEMBAGA PENELITIAN DAN PENGABDIAN MASYRAKAT
UNIVERSITAS TRUNOJOYO MADURA
NOPEMEBER, 2015
KATA PENGANTAR
Puji syukur penulis ucapkan kehadirat Allah SWT yang telah memberikan kesehatan dan rahmat-Nya kepada penulis sehingga penulis bisa menyelesaikan makalah ini tepat pada waktunya. Serta shalawat serta salam semoga tercurah limpahkan kepada Nabi besar yakni Nabi Muhammad SAW beserta keluarga dan sahabatnya. Serta ucapan terimakasih kami sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan kegiatan Penelitian Hibah Bersaing (PHB) penelitian ini.
Penulis menyadari bahwa penelitian ini masih banyak terdapat kekurangan karena penulis masih dalam tahap pembelajaran. Namun, penulis tetap berharap agar penelitian ini dapat memberikan manfaat bagi mahasiswa maupun kalangan Akademisi.
Kritik dan saran dari penulisan Penelitian Hibah Bersaing sangat penulis harapkan untuk perbaikan dan penyempurnaan pada penelitian selanjutnya. Untuk itu penulis ucapkan terima kasih.
Bangkalan, Nopeember 2015
ABSTRAK
Usaha Kecil Menengah (UKM) di Madura mempunyai peranan yang penting dalam pertumbuhan ekonomi dan industri masyarakat sekitarnya dalam penanggulangan masalah pengangguran dan kemiskinan. Dalam era ekonomi global saat ini, UKM di Madura dituntut untuk melakukan perubahan guna meningkatkan daya saingnya. Salah satu faktor penting yang akan menentukan daya saing UKM adalah teknologi informasi (TI). Penggunaan TI dapat meningkatkan transformasi bisnis melalui kecepatan, ketepatan dan efisiensi pertukaran informasi dalam jumlah yang besar serta dapat meningkatkan peluang bisnis baru. Penelitian ini akan mengembangkan model klaster UKM berbasis teknologi informasi (TI), yaitu suatu bentuk model pengembangan UKM dengan memperhatikan dan memanfaatkan yang dapat diaplikasikan secara praktis. Untuk mencapai tujuan tersebut, dilaksanakan identifikasi dan pemetaan keberadaan UKM Madura, dengan metode analisis klaster berbasis hierarcy untuk pemetaan UKM dan analisis binary logistic regression untuk mengetahui hubungan variable dalam merumuskan model pengembangan klaster UKM berbasis TI. Metode optimasi GA untuk inisialisasi center akan menghasilkan metode K-means yang lebih optimal. Untuk evaluasi hasil clustering menggunakan SSE (Sum Square Error), Total Within Cluster
Variation dan Total between Cluster Variation. Dari 2 uji coba diperoleh nilai Within
GA-Kmeans lebih kecil di banding Kmeans , pada uji coba ke 2 nilai Between GA-Kmeans
sebesar 0.264 dan K-means sebesar 0.124, jadi GA-Kmeans lebih besar dari K-means karena
Cluster yang ideal mempunyai minimum Within dan maksimum Between. Hasil
pengelompokan menghasilkan 3 cluster, 1 IKM sangat produktif, 53 IKM produktif dan 46 IKM kurang produktif. Perspektif Keuangan, Perspektif Pelanggan, Perspektif Proses Bisnis Internal, dan Perspektif Pertumbuhan dan Pembelajaran. Dalam penelitian ini juga menggunakan Analytical Hierarchy Process (AHP) sebagai sistem pendukung keputusan. Metode ini digunakan untuk merepresentasikan suatu permasalahan yang kompleks kedalam struktur multi level hirarki. Dalam penelitian ini perusahaan yang menjadi objek penelitian adalah Usaha Kecil Menengah (UKM) batik di daerah bangkalan dimana hasil diperoleh tingkat kinerja yang paling dominan adalah UKM Nusa Indah dengan nilai kinerja diatas 3.
DAFTAR ISI
I. PENDAHULUAN ... 6
1.1 Latar Belakang ... 6
1.2 Permasalahan ... 8
II. STUDI PUSTAKA ... 10
2.1 Pengembangan Klaster UKM ... 10
2.2 Analisis Klaster ... 11
2.2.1 K-Means ... 11
2.2.2 K-Medoid ... 12
2.2.3 SSE (Sum Squared of Error) ... 12
2.2.4 Davies Bouldin Index ... 13
2.3 Analisis Regresi Logistik ... 14
2.4 Model Bisnis ... 14
2.5 Teknik Analisis Bisnis ... 16
2.6 Balanced Scorecard ... 16
III. TUJUAN DAN MANFAAT PENELITIAN ... 18
3.1 Tujuan Khusus Penelitian ... 18
3.2 Manfaat Penelitian ... 19
IV. METODE PENELITIAN ... 20
4.1 Rancangan Umum ... 20
4.2 Penjelasan Kegiatan PHB ... 20
4.2.1 Kegiatan Tahun 1 Pemodelan Klaster UKM berbasis Teknologi Informasi (TI) ... 21
V. HASIL YANG DICAPAI ... 22
5.1 Kriteria Data... 22
5.2 Perhitungan K-Means Clustering ... 22
5.3 Davies Boulding Index (DBI) ... 26
5.4 SSE (Sum Square Error) ... 28
5.5 Implementasi Program ... 28
5.6 Pengujian Sistem ... 30
5.7 Pengukuran Sistem Pengukuran Kinerja Ukm Dengan Menggunakan Metode Balance Scorecard... 33
5.7.1 Perancangan Sistem ... 34
5.7.2 Perancangan dengan Activity Diagram ... 36
5.7.3 Use Case Diagram... 42
5.7.4 Proses Input Kategori ... 43
5.7.5 Proses Atur Bobot Keuangan ... 44
5.7.6 Proses Atur Bobot ... 45
5.7.7 Proses Atur Bobot UKM ... 48
5.7.8 Proses Input Kuisioner UKM... 49
5.7.9 Proses Isi Kuisioner Pelanggan ... 49
5.7.10 Proses Penilaian Kinerja ... 50
VI. RENCANA TAHAP BERIKUTNYA ... 55
6.1 Kegiatan Tahun II yang akan Direncanakan ... 55
VII. SIMPULAN DAN SARAN ... 57
7.1 Simpulan ... 57
7.1.1 Klatering pada UKM... 57
7.1.2 Pengukuran Kinerja UKM ... 57
I. PENDAHULUAN 1.1 Latar Belakang
Usaha Kecil Menengah (UKM) mempunyai peranan yang penting dalam pertumbuhan ekonomi dan industri suatu Negara, hal ini ditunjukkan dalam Rencana Pembangunan Jangka Panjang Nasional (RPJPN) 2005-2025 yang dinyatakan bahwa untuk memperkuat daya saing bangsa, salah satu kebijakan pembangunan dalam jangka panjang adalah memperkuat perekonomian domestik berbasis keunggulan masing-masing wilayah menuju keunggulan kompetitif.
Tabel 1. Perkembangan UKM dalam Dunia Bisnis
No Negara Tahun UKM dlm
PDB (%) UKM dlm Thd. TK (%) UKM dlm Ekspor (%) UKM thd Jml Usaha (%) 1 Amerika Serikat - 50.0 40.0 7.0 95.0 2 Jepang - 57.0 79.0 52.0 99.3 3 Korea 1985 38.0 66.0 32.0 97.5 4 Hongkong - 57.0 62.0 17.0 Na 5 Taiwan - 55.0 70.0 66.0 98.0 6 Singapura 1985 22.6 52.2 15.9 90.0 7 Malaysia 1981 28.9 41.2 na 98.0 8 Muangthai - Na 49.8 na Na 9 Indonesia 2000 30.0 75.0 28.0 99.0 10 Filipina 1986 22.6 52.2 Na 98.6 11 Cina 1992 63.6 Na na 99.9
Kontribusi UKM terhadap penyerapan tenaga kerja, baik di negara maju maupun negara berkembang, termasuk Indonesia, mempunyai peranan yang signifikan dalam penanggulangan masalah pengangguran. Dari Tabel 1. tersebut dapat dilihat bahwa baik di negara maju seperti Amerika Serikat, Jepang dan Singapura, maupun negara berkembang seperti Indonesia, Filipina dan Muangthai dimana peranan UKM memang sangat penting dalam sistem perekonomian dan industri masing-masing negara. Pertumbuhan sektor industri Negara menunjukkan pertumbuhan ekonomi Negara semakin cepat dipengaruhi oleh perkembangan UKM dalam persaingan bisnis. Hal ini didukung oleh pertumbuhan UKM sebagai Community Based Industry untuk menembus pasar global dalam menopang perekonomian, seperti industri di Taiwan dan Singapura ditopang oleh perkembangan industri UKM yang dinamik. Sedangkan untuk menghadapi krisis ekonomi global dan perdagangan bebas multilateral (WTO), regional (AFTA), kerjasama informal APEC, dan ASEAN Economic Community (AEC) pada tahun, UKM dituntut untuk melakukan perubahan guna meningkatkan daya saingnya agar dapat terus berjalan dan berkembang. Salah satunya adalah dengan cara menggunakan teknologi informasi (TI). Penggunaan TI
dapat meningkatkan transformasi bisnis melalui kecepatan, ketepatan dan efisiensi pertukaran informasi dalam jumlah yang besar. Studi kasus di Eropa juga menunjukkan bahwa lebih dari 50% produktivitas dicapai melalui investasi di bidang TI. UKM dikatakan memiliki daya saing global apabila mampu menjalankan operasi bisnisnya secara reliable, seimbang, dan berstandar tinggi. Bidang penggunaan TI cukup bervariasi. Hampir seluruh UKM di Indonesia telah menggunakan TI untuk administrasi. Penggunaan TI untuk desain produk dan pemasaran juga cukup banyak dilakukan, sedangkan penggunaannya untuk proses produksi masih terbilang rendah dibanding bidang lainnya [3]. Klasifikasi bidang yang menggunakan TI di UKM di Indonesia dapat dilihat pada Gambar 1 di bawah ini.
Gambar 1. Bidang Penggunaan TI di UKM
Di pihak lain perkembangan teknologi informasi menjanjikan potensi pengembangan klaster UKM untuk semakin maju lagi. Teknologi Informasi adalah suatu teknologi yang digunakan untuk mengolah data, termasuk memproses, mendapatkan, menyusun, menyimpan, memanipulasi data dalam berbagai cara untuk menghasilkan informasi yang berkualitas, yaitu informasi yang relevan, akurat dan tepat waktu, yang digunakan untuk keperluan pribadi, bisnis, dan pemerintahan dan merupakan informasi yang strategis untuk pengambilan keputusan. Teknologi ini menggunakan seperangkat komputer untuk mengolah data, sistem jaringan untuk menghubungkan satu komputer dengan komputer yang lainnya sesuai dengan kebutuhan, dan teknologi telekomunikasi digunakan agar data dapat disebar dan diakses secara global. Sarana teknologi akan membuka kerjasama antara pribadi atau kelompok yang satu dengan pribadi atau kelompok yang lainnya tanpa mengenal batas jarak dan waktu, negara, ras, kelas ekonomi, ideologi atau faktor lainnya yang dapat menghambat bertukar pikiran. Pembentukan klaster menjadi issue yang penting karena secara individual UKM seringkali tidak sanggup menangkap peluang pasar yang membutuhkan jumlah volume produksi yang besar, standar yang homogen dan akses distribusi pemasaran yang luas. UKM
seringkali mengalami kesulitan mencapai skala ekonomi yang lebih tinggi daam beberapa fungsi pendukung penting seperti pelatihan, penelitian pasar logistik dan inovasi teknologi; pembagian kerja antar perusahaan B2B (Bussiness to Bussiness). Keseluruhan fungsi-fungsi tersebut perlu dilakukan identifikasi pola UKM ke arah perkembangan bisnis berbasis TI. Identifikasi klaster menggunakan k-means clustering dan pengembangannya merupakan bagian hasil analisa model klaster yang terbentuk maka dilakukan penurunan menjadi proses
bisnis masing-masing klaster yang mendukung model bisnis.
Penelitian ini mengembangkan model identifikasi pola klaster UKM Madura berbasis teknologi informasi dan menganalisa strategi bisnis untuk menghasilkan roadmap dan merencanakan pengembangan sistem informasi yang dibutuhkan untuk menjalankan bisnis pada UKM. Penelitian ini diharapkan mampu menampung kebutuhan strategis sistem informasi yang dapat dijadikan sebagai competitive advantage perusahaan. Identifikasi klaster menggunakan model analisis klaster k-means clastering dan pengembangannya untuk memetakan UKM dan menganalisa hubungan pengaruh variable dengan binary logistic
regression terhadap strategi bisnis yang diorientasikan pada penggunaan informasi teknologi.
Strategi bisnis dibangun berdasarkan roadmap strategi bisnis yang diwakili oleh UKM pada setiap klaster untuk mengetahui tingkat faktor dan kebutuhan UKM yang berada pada klaster yang sama. Roadmap dibangun untuk melakukan pemetaan solusi kebutuhan infrastruktur teknologi informasi untuk mengakomodasi strategi solusi sistem informasi bisnis yang diusulkan dengan membangun prinsip arsitektur yang sesuai dengan solusi kebutuhan sistem informasi dibangun untuk memulai di bagian key operational secara dinamis.
1.2 Permasalahan
Dari latar belakang di atas, perkembangan teknologi informasi membawa dampak perubahan UKM dalam meningkatkan daya saing bisnis, akan tetapi banyak UKM yang hanya sebagai pengguna pasif yang belum memanfaatkan teknologi informasi secara maksimal sehingga memerlukan identifikasi yang jelas. Sehingga dalam peneitian ini akan dirumuskan permasalahan sebagai berikut:
1. Bagaimanakah kondisi dan peta keberadaan UKM di Madura dan pengaruh faktor-faktor pengaruh teknologi informasi yang dapat menjadi penunjang keberhasilan pengembangan UKM.
2. Bagaimanakah membangun model klaster UKM menggunakan Hierarcy Clustering untuk memetakan UKM dan menganalisa hubungan variable dengan binary logistic
regression berdasarkan factor yang dihasilkan akibat pengaruh penggunaan teknologi informasi
3. Bagaimana merancang strategis sistem informasi, teknik analisis dan solusi kebutuhan infrastruktur teknologi informasi yang sesuai dengan bisnis perusahaan diperlukan untuk mengidentifikasi faktor-faktor internal maupun eksternal UKM menjadi kebutuhan strategis sistem informasi bagi UKM.
II. STUDI PUSTAKA 2.1 Pengembangan Klaster UKM
Penelitian tentang pengembangan UKM sebenarnya sudah sangat banyak dilakukan, sehingga sudah sampai pada kesimpulan atau pemahaman umum tentang pentingnya pengembangan peranan UKM bagi pengembangan sistem perekonomian. Beberapa bentuk program pengembangan UKM berdasarkan kawasan yang telah dilaksanakan di Jawa Timur antara lain adalah: (1) Pengembangan Ekonomi Masyarakat Daerah (PEMD), (2) Pengembangan Wilayah Terpadu (PWT), (3) Kawasan Sentra Produksi (KSP) dan sebagainya. Selain itu juga diwujudkan menjadi pembentukan sentra-sentra industri, misalnya sentra-sentra industri yang telah ada dan diperoleh dari hasil Studi Pengembangan Wilayah/Kawasan Industri Madura yang mencakup 4 (empat) Kabupaten oleh BPS Jawa Timur (BPS, 2012).
Tabel 2.1. Jumlah Perusahaan Industri 2003-2012
Sumber : Badan Statistika Jawa Timur, 2012
Konsentrasi aktifitas ekonomi secara spasial dalam suatu negara menunjukkan bahwa industrialisasi merupakan suatu proses selektif dipandang dari dimensi geografis. Kajian menunjukkan beragam definisi dan jenis-jenis klaster. Porter, misalnya, membagi klaster menurut adopsi teknologi anggotanya ke dalam (1) klaster teknologi (kelompok dengan sadar menggunakan ilmu pengetahuan dan teknologi modern) dan (2) klaster know-how (anggota kelompok menggunakan pengalaman dan pengetahuan turun-temurun). Pembagian sentra diwilayah Madura dibagi ke dalam sentra utama yaitu 5 sentra yang terdiri 1128 UKM, yaitu sentra Olahan Ikan (Bangkalan, Pamekasan, Sumenep), sentra Batik (Bangkalan, Pamekasan, Sampang), sentra penggemukan sapi (Bangkalan), sentra budidaya perikanan (Sumenep), dan sentra Snack (Bangkalan, Sampang).
Pamekasan Bangkalan Sampang Sumenep
Th Industri Besar Sedang Industri Kecil Industri Besar Sedang Industri Kecil Industri Besar Sedang Industri Kecil Industri Besar Sedang Industri Kecil 2003 8 250 9 395 8 250 9 130 2004 10 260 9 336 10 260 9 134 2005 10 267 27 388 10 267 20 234 2006 10 267 45 419 10 267 35 232 2007 12 290 60 435 12 290 50 231 2008 16 378 60 458 16 378 30 213 2009 17 367 62 458 17 367 22 213 2010 12 389 29 228 12 389 19 213 2011 14 289 33 235 14 289 23 231
2.2 Analisis Klaster
Analisis klaster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis klaster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam klaster yang sama. Fokus dari analisis klaster adalah membandingkan objek berdasarkan set variabel yang mempresentasikan karakteristik yang dipakai objek-objek.
Metode analisis klaster adalah hierarchical method dan non hierarchical method. Metode hirerarki untuk mengelompokkan objek berdasarkan kemiripan yang ada pada objek tersebut di mana objek yang serupa akan dikelompokkan bersama dan efektif digunakan untuk mengelompokkan < 100 objek. Sedangkan metode non hirerarki berguna untuk mengelompokkan sejumlah objek ke dalam jumlah kelompok yang sudah ditetapkan di mana karakteristik objek hanya dikelompokkan berdasarkan variabel tertentu akan tetapi karakteristik latar belakang objek belum diketahui pasti yang efektif jika digunakan untuk pengelompokan > 100 objek (Tambunan, 2009). Analisis klaster memiliki beberapa keunggulan dapat mengelompokan data observasi dalam jumlah besar dan variabel yang relatif banyak dan data yang direduksi dengan kelompok akan mudah dianalisis [2].
2.2.1 K-Means
Pada clustering terdapat metode clustering hirarki dan non hirarki K-means termasuk metode non hirarki yang mempartisi datanya ke dalam satu kelompok atau lebih sehingga memiliki karakteristik yang sama dalam satu cluster.
K-Means adalah algoritma untuk pembentukan cluster yang menggunakan metode
partitional clustering.K-Means merupakan algoritma clustering yang banyak digunakan
karena kemudahannya untuk diimplementasikan. Ide utama dari algoritma K-Means yaitu suatu bahwa suatu titik tengah dapat merepresentasikan suatu cluster. Titik tengah yang dimaksud adalah titik tengah atau rata-rata dari suatu kumpulan titik, yaing biasa disebut
centroid. Algotima KMeans mengelompokan n objek ke dalam k cluster dimana objek-objek
dalam satu cluster memiliki tingkat kemiripan yang tinggi, sedangkan tingkat kemiripan antara tiap cluster rendah [12].
2.2.2 K-Medoid
K-Medoid ini sangat mirip dengan K-Mean, karena keduanya mengelompokkan
sebuah data untuk meminimalkan sebuah data. Jika means bekerja dengan centroid,
K-medoid bekerja dengan medoid. Algortima K-medoid biasa dikenal dengan PAM
(Partitioning Around Medoids) menggunakan metode clustering untuk mengelompokkan
suatu kumpulan objek (n) menjadi sejumlah cluster (k). Objek yang dipilih mewakili sebuah
cluster disebut medoid dengan menggunakan objek dari sekumpulan objek.
Algoritma K-medoids adalah sebagai berikut : 1. Pilih inisial medoid secara acak
2. Hitung jarak setiap pasangan objek dengan medoid dengan menggunakan Manhattan distance
……….. (1) atau menggunakan Euclidean distance
……….. (2) atau menggunakan Canberra distance
……….. (3)
3. Hitung jarak minimum setiap objek
……….. (4)
………....……….. (5) ...……….. (6) 4. Kelompokkan berdasarkan kedekatan dengan cluster
5. Hitung jumlah total jarak yang sudah dikelompokkan berdasarkan cluster-nya. 6. Cek perubahan jarak total
7. Ulangi tahap 1 – 5
8. Jika total jarak baru > total jarak lama maka proses berhenti.
2.2.3 SSE (Sum Squared of Error)
SSE (Sum Squared of Error) menyatakan total kesalahan kuadrat yang terjadi
bila n data i n x ,..., x dikelompokkan kedalam k cluster dengan pusat tiap cluster adalah k m ,..., m1. Dimana semakin kecil nilai SSE, semakin bagus hasil clustering-nya.
……… (7) Keterangan :
= nilai centroid
= nilai rata-rata centroid
2.2.4 Davies Bouldin Index
Davies Bouldin Index (DBI) merupakan suatu cara dari cluster validation yang dibuat
oleh D.L. Davies dan D.W. Bouldin yang memiliki fokus pada similarity antar cluster. Nilai
similarity ini berbasiskan pada nilai penyebaran dalam cluster dan nilai dissimalirity antar
cluster. Semakin kecil nilai indeksnya akan semakin bagus hasil clustering yang didapat.
Sebelum menghitung nilai DBI, hitung nilai variance, dengan persamaan sebagai berikut :
Variance .……….(8)
Keterangan :
N = jumlah cluster = nilai data
Kemudian nilai DBI dihitung dengan persamaan: ………..…(9) Keterangan :
= nilai antar cluster N = jumlah cluster Dimana :
……….………….(10) Keterangan :
= nilai antara cluster i dengan j
Untuk mencari nilai menggunakan persamaan berikut : ………..(11) Keterangan :
2.3 Analisis Regresi Logistik
Analisis regresi logistik adalah analisis yang menjelaskan efek dari variabel bebas terhadap variabel terikat, dengan variabel bebas bertipe kualitatif maupun kuantitatif dan variabel terikat memiliki tipe data berupa dikotom maupun polikotom. Karena model yang dihasilkan dengan regresi logistik bersifat non linear, persamaan yang digunakan untuk mendiskripsikan hasil sedikit lebih kompleks dibanding dengan regresi berganda. Variabel hasil adalah probabilitas mendapatkan dua hasil atau lebih berdasarkan fungsi non linear dari kombinasi linear dari sejumlah variabel. Regresi logistik dengan lebih dari dua pilihan sering disebut Binominal Logistic Regression (BLR) [9]. Metode regresi logistik adalah lebih fleksibel dibanding teknik lain, yaitu regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model. Artinya variabel penjelas tidak harus memiliki distribusi normal, linier maupun memiliki varians yang sama dalam setiapgrup. Variabel bebas dalam regresi logistik bisa dicampur dari variabel continue, diskrit dan dikotomis. Persamaan umum untuk regresi logistik dengan dua pilihan, dinyatakan sebagai berikut :
n n i e e Y 1 ……….(12)
dimana Yi adalah probabilitas yang di estimasi dengan kasus sebanyak i (i= 1, .. n).
i iX b X b X b A u 1 1 2 2 ... …………..(13)
u adalah persamaan regresi biasa dengan konstanta A, koefisien b dan variabel bebas X dengan jumlah k ( i = 1,2,...k ). Selanjutnya dari persamaan diestimasikan dengan Binominal
Logistic Regression.
2.4 Model Bisnis
Model Bisnis yang dijalankan oleh UKM berbasis IT digambarkan sama dengan perusahaan yang menggunakan pemasaran secara online sesuai Gambar 2.1. Dengan banyaknya pilihan produk yang bisa dibeli serta didukung dengan desain tampilan website yang menarik, kemudahan melakukan pembayaran, kecepatan dan luasnya jangkauan pengiriman barang dan pelayanan yang memuaskan (selection and convenience) maka akan meningkatkan kepuasan pelanggan (customer experience) dengan banyaknya pelanggan yang mengakses web UKM dengan meningkatkan jumlah akses (traffic). Hal ini akan meningkatkan jumlah merchant (sellers) yang ingin berjualan akan kembali meningkatkan jumlah pilihan produk (selection and convenience). Setelah jumlah produk dan transaksi meningkat maka akan tercapai economies of scale dimana biaya akan turun yang berdampak pada harga yang lebih murah sehingga meningkatkan kepuasan pelanggan (customer
experience). Dengan cara ini akan mendukung pertumbuhan UKM dalam merencanakan strategi bisnisnya untuk dapat bertahan dalam dunia persaingan bisnis [9].
Gambar 2.1. Model Bisnis UKM
Usaha kecil dan menengah (IKM) harus didorong dengan mengadopsi teknologi informasi (TI) untuk meningkatkan daya saing sehingga mampu berkompetisi di pasar. Penggunaan Teknologi Informasi seperti ini yang diperlukan karena membantu dalam efisiensi. Pelaku usaha IKM juga membutuhkan TI agar dapat bersaing dengan yang lainnya. Baiknya perusahaan TI besar membuat program tanggung jawab table15 tidak hanya dalam bentuk pemberian modal, tetapi bimbingan penggunaan TI juga dibutuhkan. Penggunaan TI di IKM manufaktur didorong oleh persepsi IKM terhadap TI yang akan membawa kemajuan bagi perusahaan. Adanya tuntutan persaingan dan permintaan konsumen agar perusahaan menggunakan TI turut mendorong adopsi TI di IKM. Selain itu, pemahaman pemilik/manajer mengenai TI dan menjadikannya sebagai salah satu strategi perusahaan juga untuk menjadi penggerak bagi IKM untuk mengadopsi TI.
Penelitian yang dilakukan oleh Knol dan Stroeken [4] yang membahas tentang skenario yang dapat digunakan untuk mengukur tingkat adopsi TI oleh IKM dibagi ke dalam 6 tingkat seperti yang dirangkum dalam table 2.1. Tingkatan tertinggi adopsi TI adalah ketika IKM dapat mengoptimalkan potensi untuk meredefinisi lingkup bisnisnya.
Table. 2.1 Skenario TI pada IKM [4]
Tingkat Keterangan
0 Tingkat menggunakan TI
1 Integrasi fungsional yang beriorientasi internal 2 Integrasi multifungsional yang berorientasi
eksternal
3 Integrasi proses yang berorientasi eksternal 4 Perancangan ulang proses bisnis
2.5 Teknik Analisis Bisnis
Dalam implementasi pada metodologi yang dilakukan untuk menghasilkan rancangan strategis sistem informasi, teknik analisis yang sesuai dengan bisnis perusahaan diperlukan untuk mengidentifikasi faktor-faktor internal maupun eksternal UKM menjadi kebutuhan strategis sistem informasi yang dapat dijadikan sebagai competitive advantage perusahaan. Teknik - teknik analisis yang digunakan dalam perancangan ini adalah: McFarlan
Application Portfolio, Critical Success Factor (CSF) dan IT Balanced Scorecard (BSC).
Untuk mendapatkan gambaran solusi pemecahan yang benar, menyeluruh, dan akurat maka dibutuhkan metode IT Balanced Scorecard. Diantara Balanced Scorecard dan IT Balanced Scorecard merupakan dua metode yang berbeda. Balanced Scorecard lebih memfokuskan mengukur kinerja perusahaan, memantau perkembangan kinerja, serta menjalin strategi dengan program-program kerja perusahaan dalam rangka mencapai visi yang telah ditetapkan oleh perusahaan.
2.6 Balanced Scorecard
Konsep Balance Scorecard diperkenalkan oleh Robert S. Kaplan seorang professor pimpinan pengembangan pada Harvard Business School dan David P. Norton seorang pimpinan akademi Renaissance Solutions, Inc. Combining. Balanced scorecard merupakan kerangka manajemen yang menerjemahkan visi dan misi perusahaan ke dalam satu set pengukuran kinerja berdasarkan empat perspektif, yaitu perspektif keuangan, perspektif pelanggan, perspektif proses bisnis internal, serta perspektif pembelajaran dan pertumbuhan. Tujuan dan ukuran kinerja menurut perusahaan terdiri dari 4 (empat) pandangan yaitu Finansial, Pelanggan, Proses Bisnis Internal dan Pembelajaran dan pertumbuhan [10].
Pada Gambar 2.3 tampak bahwa visi dan misi organisasi dikaitkan secara seimbang dengan perspektif keuangan, perspektif pelanggan, perspektif proses bisnis internal, serta perspektif pembelajaran dan pertumbuhan. Balanced scorecard memberikan manajemen organisasi suatu pengetahuan, keterampilan, dan sistem yang memungkinkan karyawan dan manajemen belajar dan berkembang secara terus-menerus dalam berinovasi untuk membangun kapabilitas strategis yang tepat, efektif, dan efisien agar mampu menyerahkan nilai spesifik ke pasar dan selanjutnya akan mengarah pada nilai saham yang terus-menerus meningkat.
Solusi kebutuhan sistem informasi yang dibuat berdasarkan kepada hasil dari analisis
critical success factor dan balanced scorecard menghasilkan solusi sistem informasi
berdasarkan faktor-faktor apa saja yang dapat mempengaruhi kesuksesan bisnis UKM. Metode analisis bisnis tersebut akan menganalisis lingkungan bisnis eksternal untuk mendapatkan proses bisnis UKM yang ideal [18][20]. Hasil analisis lingkungan SI/TI internal untuk mendapatkan lingkungan SI/TI yang ideal, setelah itu dilakukan proses pencocokan hasil analisis SI/TI eksternal untuk menghasilkan tiga output berupa strategi SI bisnis, strategi manajemen SI/TI dan strategi TI.
III. TUJUAN DAN MANFAAT PENELITIAN
3.1 Tujuan Khusus Penelitian
Sejak disadari bahwa UKM memiliki potensi dan peranan yang besar dalam upaya penguatan ekonomi nasional, regional maupun ekonomi lokal, berbagai upaya untuk mengembangkan UKM rasanya sudah sangat banyak dilakukan. Berbagai upaya pembinaan hanya ditujukan terhadap masing-masing UKM yang dilihat sebagai satuan unit usaha yang mandiri. Masing-masing UKM dibina, diberi tambahan modal dan ditingkatkan SDM-nya, tetapi kemudian dibiarkan untuk berkompetisi secara sendiri-sendiri, sehingga akhirnya mengalami kegagalan. Kondisi ini muncul karena tidak adanya arah pengembangan UKM yang dapat menyatukan upaya-upaya pengembangan yang dilakukan oleh setiap pihak yang berkepentingan, sehingga upaya pengembangan yang dilaksanakan tidak lagi dilaksanakan secara parsial sehingga memerlukan pembangunan UKM secara terpadu. Sejalan upaya menyatupadukan setiap aktifitas pengembangan UKM yang dimulai dari identifikasi, analisa bisnis, strategi bisnis dan pemetaan roadmap kebutuhan SI/TI, maka proposal ini secara khusus diajukan untuk mengkaji optimalisasi pengembangan potensi usaha kecil dan menengah (UKM) di Madura tujuan khusus sebagai berikut:
1. Melakukan identifikasi dan pemetaan keberadaan UKM Madura dan Menyusun arah model pengembangan klaster UKM yang berbasis Teknologi Informasi (TI)
2. Menyusun kelompok UKM berdasarkan model klaster yang sama untuk memetakan pola strategi bisnis UKM dari setiap UKM dari klaster yang sama sekaligus dengan acuan/panduan implementasinya.
3. Merancang strategis sistem informasi, teknik analisis dan membangun roadmap analisa kebutuhan berdasarkan solusi kebutuhan infrastruktur yang sesuai dengan bisnis perusahaan diperlukan untuk mengidentifikasi faktor-faktor internal maupun eksternal UKM menjadi kebutuhan strategis sistem informasi.
4. Membangun system informasi UKM berdasarkan solusi kebutuhan dasar tingkat key
operational berdasarkan secara dinamis berbasis Cloud computing
5. Hasil penelitian akan dipresentasikan di seminar nasional SENTRA UMM, conference international di jurnal Nasional terakreditasi Telkomnika di Universitas Ahmad Dahlan.
3.2 Manfaat Penelitian
Melalui pendekatan model pengembangan klaster UKM berbasiskan TI, penelitian ini diharapkan dapat menghasilkan terobosan baru guna mengatasi permasalahan-permasalahan yang selama ini masih dihadapi oleh UKM. Basis TI dimaksudkan untuk mensinergikan semua informasi, perkembangan dan kondisi masing-masing UKM dan berbagai pihak terkait/pendukung yang berada pada yang dikembangkan. Meskipun penggunaan TI untuk pemerintahan dan swasta sudah cukup berkembang, belum ada yang mencoba untuk memanfaatkannya guna mengembangkan UKM. Hasil identifikasi UKM model pengembangan klaster UKM berbasis TI akan diterapkan sebagai upaya pengembangan UKM yang lebih optimal. Beberapa pihak seperti Dinas Koperasi dan Bappeda, seringkali menyatakan sudah menerapkan konsep tersebut tetapi masih belum jelas apakah konsep yang diterapkan tersebut adalah konsep yang ’benar’ atau hanya semacam perwilayahan UKM, networking dan sebagainya. Terlebih dengan masalah pemanfaatan TI, belum ada yang mencoba mengembangkannya untuk UKM. Kegiatan ini diharapkan akan melahirkan konsep pengembangan klaster UKM berbasis TI yang semaksimal mungkin memanfaatkan TI untuk menerapkan konsep secara lengkap dan benar dan model yang disusun akan ditujukan pada pengembangan yang khas, spesifik dan sesuai dengan kondisi UKM di Madura. Sedangkan hasil dari model klaster dibuat roadmap pemetaan klaster untuk memudahkan pengelompokan UKM yang akan dianalisa bisnisnya untuk merencanaan strategis sistem informasi sebagai solusi atas permasalahan yang dimilikinya yaitu karena belum terintegrasinya keseluruhan sistem informasi dan adanya lost opportunity yang disebabkan oleh ketidakmampuan sistem informasi yang ada saat ini. Perencanaan strategis sistem informasi ini dapat menciptakan strategi SI/TI yang selaras dengan strategi bisnis UKM untuk mencapai tujuan strategis UKM. Hal tersebut dapat mempercepat pembangunan sistem sesuai dengan kebutuhan bisnis untuk memasuki pasar dengan cepat.
IV. METODE PENELITIAN 4.1 Rancangan Umum
Sesuai rancangan sistem yang telah dijelaskan pada bab sebelumnya, pada bab ini dijelaskan metode dan tahapan penelitian yang dijelaskan pada gambar berikut
Analisa Data dan Penyusunan Model Dengan analisis klaster berbasis hierarky
dan regresi binary logistic
Analisa faktor berupa Variabel pengaruh pembentukan model Klaster Pemetaan UKM ke dalam Klaster Sosialisasi model
Uji dan Validasi Model
Model Akhir Klaster UKM Berbasis IT Identifikasi UKM dalam
penggunaan IT Studi Pustaka, Penyusunan Kuisioner dan Survey Visi and Misi UKM Model Binis UKM Berbasis IT Proses Bisnis Evaluasi Proses Bisnis KPI Industry Environm ent Internal IS/IT Environment Analysis Balanced Score Card Strategi bisnis Proses Bisnis Ideal Pendefinisian Masalah
Pengambilan sampel UKM pada masing-masing klaster TAHUN PERTAMA FI FI, MHS AS, EW FI, AS, EW FI, AS, MHS FI, AS, EW FI, AS, EW FI, AS, MHS FI, AS, EW
Gambar 4.1 Metode & Tahapan Penelitian 4.2 Penjelasan Kegiatan PHB
Penelitian ini dilakukan selama 3 tahun dengan mengembangkan model identifikasi pola klaster UKM Madura berbasis teknologi informasi dan menganalisa strategi bisnis untuk menghasilkan roadmap dan merencanakan pengembangan sistem informasi yang dibutuhkan untuk menjalankan bisnis pada UKM secara terintegrasi menggunakan Cloud computing.
4.2.1 Kegiatan Tahun 1 Pemodelan Klaster UKM berbasis Teknologi Informasi (TI)
Sejalan dengan tujuan yang ingin dicapai dalam penelitian ini, yakni penyusunan
model pengembangan klaster UKM berbasis Teknologi Informasi dan kemudian
mengoptimalkan aplikasinya, maka penelitian ini menggunakan metode Analisis Klaster berbasis hierarky. Metode ini dipilih untuk memetakan klaster UKM dan variable dengan mengetahui pengaruh variable terhadap identifikasi perkembangan UKM. Model pengembangan klaster UKM berbasis TI dilaksanakan implementasi/tindakan (action) untuk menerapkan model yang sudah diperoleh pada tahap pertama, diikuti dengan revisi untuk menghasilkan model terakhir, dengan langkah sebagai berikut;
1) identifikasi keberadaan model pengembangan UKM yang sudah ada, dan 2) penyusunan model pengembangan klaster UKM berbasis TI.
Pada langkah pertama, kegiatan yang akan dilaksanakan adalah untuk mengumpulkan informasi awal tentang keberadaan model pengembangan UKM berbasis sentra yang sudah ada. Metode yang digunakan adalah metode studi pustaka, untuk mengumpulkan data sekunder, dan metode survei dengan menggunakan kuesioner untuk mengumpulkan data primer. Sebelum dilakukan survei, dilaksanakan kegiatan penyusunan kuesioner dan pra-survei untuk pemantapan kuesioner. Sesudah kuesioner disempurnakan, kemudian dilakukan kegiatan pengumpulan data primer dengan metode survei pada sentra-sentra atau ’klaster’ UKM yang ada. Perolehan data primer dan sekunder dilakukan melalui pengamatan langsung ke lapangan dan wawancara dengan responden. Data primer diperoleh dari sentra UKM, koperasi, dan BDS, sedangkan data sekunder diperoleh dari Dinas Koperasi dan UKM, baik tingkat provinsi maupun kabupaten, instansi terkait, serta laporan/monitoring perkembangan sentra/BDS-P Kementerian Koperasi dan UKM. Langkah kedua, Keluaran dari tahap ini adalah laporan penelitian tahun I. Indikator yang bisa diukur adalah diterimanya artikel pada seminar nasional sentra UMM, Seminar International dan Jurnal International terindeks scopus.
V. HASIL YANG DICAPAI
Pada bab ini akan membahas mengenai implementasi sistem yang akan dibuat berdasarkan hasil rancangan yang telah dibuat pada bab sebelumnya.
5.1 Kriteria Data
Data yang digunakan sebagai uji coba sistem ini adalah 50 data IKM batik dan jamu di Madura untuk penggunaan IT di IKM dengan mengisi kuisoner. Berikut adalah daftar kriteria yang digunakan :
Tabel 5.1 Tabel Kriteria
No Variabel
1 omset
2 jumlah tenaga kerja 3 jumlah komputer 4 umur perusahaan 5 Penggunaan komputer 6 Penggunaan Internet
7 Anggaran pengunaan internet 8
Tenaga Kerja Pegguna Komputer
9 Tenaga Kerja Pegguna Internet
5.2 Perhitungan K-Means Clustering
Berikut adalah contoh perhitungan untuk sample data penggunaan IT yang akan dimasukkan dalam proses uji coba.
Tabel 5.2 Tabel Data
NO DATA IKM JUMLAH TENAGA KERJA OMSET PENGGUNAAN INTERNET TK PENG KOMP 1 Badriyah 0.18182 0.02 0.41791 0.20 2 Jamu Setia jaya 0.04545 0.003 0.21642 0 3 Jamu Kraton Sumenep 0.04545 0.002 0.29851 0 … …… …… …… …… …… 48 UD. Potre Koneng 0.13636 0.0479 0.39394 0 49 UD. Vaktor Jaya 0.09091 0.0479 0 0
50 UD. Batik
Tajung 0.09091 0.0813 0.21642 0.2
a. Menentukan Medoid Awal Secara Acak
Medoid awal (iterasi 1) dan seterusnya pada metode K-medoid ditentukan secara acak.
Tabel 5.3 Tabel Medoid awal
No Cluster Medoid
1. Cluster 1 Firdaus Hadi
2. Cluster 2 CV. Syarikat Rahmat
3. Cluster 3 Endang S. Wahyudi
b. Menghitung Jarak Data ke Medoid
Ukuran kemiripan yang digunakan pada metode K-medoid adalah jarak minimal data dengan medoid. Pada penelitian ini, rumus jarak yang digunakan adalah Manhattan, Euclidean dan Canberra pada 3 cluster.
Tabel 5.4 Tabel nilai jarak Manhattan iterasi 1
No IKM Manhattan C1 Manhattan C2 Manhattan C3 Nilai Min Cluster 1 Badriyah 2.39 5.05 2.43 2.39 Cluster 1 2 Jamu
Setia jaya 1.11 5.39 1.06 1.06 Cluster 3
3 Jamu Kraton Sumenep 0.69 5.75 0.65 0.65 Cluster 3 …. …. …. …. …. …. …. 48 UD. Potre Koneng 1.09 5.29 1.13 1.09 Cluster 1 49 UD. Vaktor Jaya 0.41 6.33 0.45 0.41 Cluster 1 50 Batik Tajung Jaya 1.62 5.07 1.66 1.62 Cluster 1
Untuk menghitung jarak setiap data ke medoid dapat menggunakan rumus dibawah ini :
d1=|(0.18182-0.09)| + |(0.02004-0)| + |(1- 0.27)| +|(0.25-0)| + |(0.29787-0)| + |(0.417910)| + |(0.13333-0)| + |(0.25-0)| + |(0.2-0)|
= 2.39
c. Hitung jarak minimum setiap objek
Untuk menghitung jarak minimum setiap objek dapat menggunakan rumus dibawah ini :
d. Kelompokkan data berdasarkan kedekatan dengan clustet
Jika jarak minimum cluster berada di cluster 1, maka data tersebut masuk dalam kelompok cluster 1.
e. Hitung jumlah total jarak
Setelah menghitung jarak data dengan medoid, maka diperoleh jarak tiap data pada satu medoid. Jarak terkecil tiap data tersebut dijumlahkan sehingga diperoleh jarak total.
Jarak total= 2.38 + 1.06 + 0.65 + …… + 1.09 + 0.41 + 1.62 Jarak total lama=65.204
f. Tukar Medoid dengan non-medoid
Menukar medoid dengan non–medoid dengan kata lain melakukan random kembali untuk mendapat medoid baru. Tabel 5.5 memperlihatkan medoid baru.
Tabel 5.5 Tabel Medoid baru iterasi 2
No Cluster Medoid
1. Cluster 1 UD. Dewa Perkasa
2. Cluster 2 CV. Syarikat Rahmat
Tabel 5.6 Tabel nilai jarak Manhattan iterasi 2 N o IKM Manhatta n C1 Manhatta n C2 Manhattan C3 Nilai Min Cluster 1 Badriyah 2.20 5.05 2.43 2.20 Cluster 1 2 Jamu
Setia jaya 0.96 5.39 1.06 0.96 Cluster 1
3 Jamu Kraton Sumenep 0.90 5.75 0.65 0.65 Cluster 3 … . …. …. …. …. …. ….
g. Cek perubahan jarak total
Lakukan langkah yang sama seperti langakah (b), hingga diperoleh jarak data ke medoid dan jarak terkecil. Kemudian hitung kembali jarak total.
Jarak total=2.20+0.96+0.65+……+1.13+0.23+1.44 Jarak total baru=60.158
Jika jarak total baru lebih kecil dari total jarak lama, maka ulangi langkah (a) samapai (e). Sedangkan, jika total jarak baru lebih besar dari total jarak lama, maka proses selesai dan tidak perlu dilakukan pertukaran medoid. Pada tabel 5.7, table 5.8 dab table 5.9 merupakan tabel yang berisi medoid baru disetiap iterasi.
Tabel 5.7 Tabel Medoid baru iterasi 3
No Cluster Medoid
1. Cluster 1 UD. Dewa Perkasa
2. Cluster 2 CV. Syarikat Rahmat
3. Cluster 3 Sumber Madu
Tabel 5.8 Tabel Medoid baru iterasi 4
No Cluster Medoid
1. Cluster 1 Sari Dewi
2. Cluster 2 CV. Syarikat Rahmat
Tabel 5.9 Medoid baru iterasi 5
No Cluster Medoid
1. Cluster 1 Badriyah
2. Cluster 2 CV. Syarikat
Rahmat
3. Cluster 3 Sumber Madu
Tabel 5.10 Nilai total Cluster
CLUSTER TOTAL CLUSTER Iterasi 1 65.204 Iterasi 2 60.158 Iterasi 3 53.988 Iterasi 4 52.876 Iterasi 5 88.183
5.3 Davies Boulding Index (DBI)
Davies Boulding Index (DBI) digunakan untuk memvalidasi cluster yang terbaik. Semakin kecil nilai clusternya akan semakin bagus hasil clustering yang didapat.
Tabel 5.11 Jumlah Anggota yang ter-Cluster
Cluster anggota
C1 44
C2 1
C3 5
Pada tabel 5.11 merupakan hasil yang telah ter-cluster dengan menggunakan perhitungan manhattan distance. Pada tabel 5.11 merupakan anggota dari kelompok yang telah ter-cluster pada setiap cluster terdekat.
Untuk mencari nilai DBI (Davies Bouldin Index) dari cluster diatas adalah :
Hasil rata-rata ( ) adalah:
Cluster 1 1.865
Cluster 2 0
Cluster 3 1.221
2. Hitung variance data dari masing-masing cluster dengan rumus sebagai berikut :
= 0.079
Hasil variance berdasarkan perhitungannya adalah sebagai berikut:
Cluster 1 var 0.079
Cluster 2 var 3.4795
Cluster 3 var
3. Cari R-Max dari langkah 1 dan 2 dengan rumus sebagai berikut :
Tabel 5.12 Tabel Hasil R-Max
Cluster 1 R12 = var Cluster
1 + var Cluster 2/||x bar 3.136
Cluster 2 R13 = var Cluster
1 + var Cluster 3/||x bar 0.946
Cluster 3 R23 = var Cluster
2 + var Cluster 3/||x bar 1.49
0.946+1.49)= 1.858
Tabel 5.13 Tabel Hasil DBI Hasil DBI
Hasil DBI
Manhattan 3Cluster 1.858
5.4 SSE (Sum Square Error)
SSE (Sum Square Error) digunakan untuk menentukan akurasi yang terbaik.Jika nilai lebih kecil, maka tingkat akurasi akan lebih baik. Untuk menentukan nilai SSE, yaitu :
a. Sebelum mencari nilai SSE, mencari nilai rata-rata per-cluster yang terbentuk di manhattan 3 cluster. tabel 5.14 memperlihatkan hasil rata-rata per-cluster.
Tabel 5.14 Hasil Rata-rata per-Cluster Manhattan 3 Cluster Cluster Hasil C1 1.87 C2 0 C3 1.22 .
b. Menghitung nilai SSE
Pada tabel 5.15 merupakan hasil SSE pada Manhattan 3 cluster.
Tabel 5.15 Tabel Hasil SSE Hasil SSE
Hasil DBI Manhattan 3Cluster
22.44
Gambar 5.2 Halaman Admin
Gambar 5.2 merupakan halaman utama admin. Tugas admin yaitu mengelola sistem ini. Admin dapat melakukan pengelompokan berdasarkan perhitungan metode yang telah dibuat.
Gambar 5.3 Halaman Data IKM
Gambar 5.3 merupakan halaman data ikm. Admin dan ikm dapat melihat data ikm. Admin dapat menghapus data, ikm hanya dapat dapat melihat data.
Gambar 5.4 Halaman Data Kriteria
Gambar 5.4 merupakan halaman data kriteria. Hanya dapat diakses oleh admin. admin dapat melakukan insert, update dan delete pada data kriteria.
Gambar 5.5 merupakan halaman grafik pergeseran. Pada setiap iterasi akan memiiki jumlah anggota di setiap cluster. Grafik tersebut untuk mengetahui jumlah anggota disetiap iterasi.
Gambar 5.5 Halaman Grafik Pergeseran
Gambar 5.6 merupakan halaman grafik perbandingan IDB. Pada setiap rumus jarak akan memiliki nilai di setiap cluster. Nilai yang terkecil merupakan nilai cluster yang terbaik. Grafik tersebut untuk cluster yang terbaik dari 3, 4 dan 5 cluster.
Halaman Grafik Perbandingan IDB
Gambar 5.6 Halaman Grafik Perbandingan IDB
5.6 Pengujian Sistem
Pengujian Sistem dilakukan sebanyak 3 kali. Pengujian dilakukan lebih dari satu kali karena adanya unsur acak pada metode K-medoid. Pada proses clustering K-medoid menggunakan pengukuran jarak Manhattan, Canberra sebanyak 1000 iterasi. Pada tabel 5.16 menjelaskan medoid awal yang akan diproses sebanyak 3 cluster.
Tabel 5.16 Tabel 3 Cluster
medoid 1 Jamu Hitam
medoid 2 Dunia Dua Ribu
Tiga
medoid 3 Jamu Tradisional
- Sinar Jamu Asli
Tabel 5.17 Tabel Total Jarak 3 Cluster Iterasi Jarak Total Distance
Manhattan Euclidean Canberra
1 57.86 28.11 122.02
2 64.85 31.56 147.16
Selama proses clustering pada ujicoba 1, jumlah anggota cluster untuk ketiga metode selalu berubah-ubah. Sebagai contoh, perubahan anggota cluster untuk K-medoid Euclidean diperlihatkan pada gambar 5.7.
Gambar 5.8 Diagram Jumlah Anggota Cluster K-medoid Euclidean Cluster
Gambar 5.9 Diagram Jumlah Anggota Cluster K-medoid Euclidean 3 Cluster Tabel 5.18 Hasil IDB 3 Cluster
Cluster Manhattan Euclidean Canberra
Cluster Manhattan Euclidean Canberra
3 59.114 8.77 441.295
Pada uji coba ke-1 , proses clustering K-medoid Manhattan sebanyak 1000 iterasi, Euclidean 2 iterasi, dan Canberra 2 iterasi.
Tabel 5.20 Hasil Cluster
medoid 1 Batik Tulis Rani
medoid 2 Madu Bumi
medoid 3 Titisan Nyai
medoid 4 UD. Dewa Perkasa
Tabel 5.21 Total Jarak untuk beberapa methode Iterasi Jarak Total Distance
Manhattan Euclidean Canberra
1 48.15 24.295 127.02
2 50.61 26.11 127.66
Selama proses clustering pada ujicoba 1, jumlah anggota cluster untuk ketiga metode selalu berubah-ubah. Sebagai contoh, perubahan anggota cluster untuk K-medoid Euclidean diperlihatkan pada gambar 5.10
Gambar 5.10 Diagram Jumlah Anggota Cluster K-medoid Euclidean 4 Cluster Tabel 5.22 Tabel hasil IDB 4 Cluster
Cluster Manhattan Euclidean Canberra
4 20.16 3.63 334.74
Tabel 5.23 Tabel hasil SSE 4 Cluster
Cluster Manhattan Euclidean Canberra
Grafik perbandinggn SSE merupakan hasil keseluruhan dari cluster 3, 4 dan 5 menggunakan Manhattan, Euclidean, dan Canberra. Jika nilai SSE semakin kecil, akan semakin baik.
Gambar 5.11 Grafik Perbandingan SSE
5.7 Pengukuran Sistem Pengukuran Kinerja Ukm Dengan Menggunakan Metode Balance Scorecard
Dalam pengukuran kinerja meData yang digunakan data kuisioner yang disebarkan ke beberapa UKM yang ada di kabupaten Bangkalan dan disebarkan juga ke pelanggan yang melakukan pembelian di UKM tersebut. Adapun mengenai variabel yang digunakan pada empat perspektif Balance Scorecard, yaitu :
a. Perspektif Keuangan
1. ROI ( Return On Investment ) 2. ROE ( Return on Equity ) 3. TATO ( Total Asset Turn Over ) 4. SG ( Sales Growth )
5. ROA ( Return On Asset ) 6. NPM ( Net Profit Margin )
b. Perspektif Pelanggan
1. Customer Acqution (Tingkat Perolehan Pelanggan Baru) 2. Customer Retention ( Mempertahankan Pelanggan ) 3. Customer Satisfaction ( Kepuasan Pelanggan ) 4. Tingkat Komplain Pelanggan
c. Perspektif Internal
1. Produk Cacat
2. Kerusakan Peralatan 3. Inovasi
d. Perspektif Pembelajaran dan Pertumbuhan
1. Retensi Karyawan 2. Pelatihan Karyawan
5.7.1 Perancangan Sistem
Dalam perancangan sistem pada umumnya terdiri dari gambaran umum sistem secara keseluruhan dan gambaran sistem pada tiap prosesnya. Penelitian ini menggunakan model seperti activity diagram, flowchart, use case, dan lain sebagainya. Untuk perancangan sistem secara keseluruhan dalam model activity diagram dapat dilihat di Gambar 5.12.
Dalam perancangan Sistem Pengukuran Kinerja UKM dengan menggunakan Balance
Scorecard dapat dijelaskan bahwa sistem ini mempunyai 3 user yang dapat menggunakan
sistem ini, yaitu Admin, Pemilik, dan Member. Proses pertama adalah Admin, yang mempunyai hak akses untuk melakukan manajemen admin, Create dan Delete Industri, dan
Create dan Delete Pemilik. Ini adalah proses yang harus dilakukan terlebih dahulu untuk bisa
UKM melakukan pengukuran sistem. Proses kedua adalah Pemilik, yang mempunyai hak akses untuk edit industri, manajemen pemilik, manajemen member, tambah dan atur bobot kategori keuangan, tambah dan atur bobot kategori pelanggan, tambah dan atur bobot kategori internal, tambah dan atur bobot kategori pembelajaran dan pertumbuhan, atur bobot UKM, isi kuisioner UKM, lihat kinerja keuangan, lihat kinerja pelanggan, lihat kinerja internal, lihat kinerja pembelajaran dan pertumbuhan, dan lihat kinerja UKM. Proses ketiga adalah Member, yang mempunyai hak akses hanya mengisi kuisioner pelanggan.
Dalam pengukuran kinerja, terdapat variabel pada setiap perspektif. Variabel pengukuran ini digunakan untuk memproses dari perhitungan kinerja sesuai dengan perspektif-perspektif yang ada pada Balance Scorecard. Berikut merupakan variabel pada pengukuran kinerja.
Tabel 5.24 Variabel Pengukuran
No Perspektif Kategori Data yang digunakan
1 Keuangan ROI Investasi UKM Penghasilan UKM
ROE Laba UKM Kekayaan UKM
TATO Penjualan Aset
SG Penjualan Bulan Sekarang Penjualan Bulan Lalu
ROA Laba Aset
NPM Penjualan Laba
2 Pelanggan Customer Acqution Jumlah Pelanggan baru yang diperoleh
Customer Retention Lama menjadi pelanggan UKM
Customer Satisfaction Tingkat Kepuasan terhadap UKM
Tingkat Komplain Pelanggan Tingkat Komplain yang dilakukan UKM
3 Proses Bisnis Internal Produk Cacat Tingkat perolehan produk yang mengalami cacat / rusak Kerusakan Peralatan Tingkat kerusakan peralatan di UKM
Inovasi Tingkat inovasi publikasi yang dilakukan
4 Pembelajaran dan Pertumbuhan Retensi Karyawan Tingkat perputaran karyawan di UKM Pelatihan Karyawan Tingkat Pelatihan yang diperoleh karyawan
Gambar 5.12 Gambar Sistem Secara Umum
Dalam perancangan system flowchart digeneralisasikan dengan Activity diagram menggambarkan proses yang berjalan dalam sistem yang dirancang. Bagaimana masing-masing proses berawal, hingga bagaimana masing-masing-masing-masing proses berakhir.
5.7.2 Perancangan dengan Activity Diagram
Pada sistem ini, User Admin dapat melakukan manajemen Admin yang mana, bisa melakukan Tambah, Edit dan Hapus Admin. Untuk proses manajemen Admin dapat dilihat pada Gambar 3.3
Halaman Utama
Pilih Lihat Daftar Admin
Tambah Admin
Input Username
Input Nama
Input Alamat
Input Jenis Kelamin
Input No Telepon Input Status Input Password Edit Admin Edit Username Edit Nama Edit Alamat
Edit Jenis Kelamin
Edit No Telepon
Edit Status
Simpan Data
SimpanData
Hapus Admin
Lihat Daftar Admin
Gambar 5.13 Perancangan Proses Manajemen Admin
Gambar 3.3 menunjukkan activity diagram manajemen Admin. Ini hanya bisa dilakukan oleh user Admin. Dan untuk melakukan proses ini, admin harus melakukan Login terlebih dahulu. Setelah itu, Admin dapat melakukan Tambah Admin, Edit Admin, dan Menghapus Admin.
Pada sistem ini, User Pemilik dapat melakukan proses Tambah dan Atur Bobot Kategori Keuangan yang mana, bisa melakukan Tambah kategori, Edit Bobot Kategori. Untuk proses Tambah dan Atur Bobot Kategori Keuangan dapat dilihat pada gambar 3.9
Halaman Utama
Pilih Lihat Pengaturan Keuangan
Pilih Kategori Pilih Bobot Kategori
Tambah Kategori
Pilih Kategori yang akan ditambah Input Kategori
Hapus Kategori
Lihat Kategori
Atur Ulang
Input Skala Perbandingan
Proses Reset
Simpan
Lihat Bobot
Gambar 5.14 Perancangan Proses Tambah dan Atur Bobot Kategori Keuangan
Gambar 5.14 menunjukkan activity diagram Tambah dan Atur Bobot Kategori Keuangan.
User Pemilik dapat melakukan proses Tambah dan Atur Bobot Kategori Keuangan. Untuk bisa melakukan proses Tambah dan Atur Bobot Kategori Keuangan, User Pemilik diharuskan untuk melakukan Login terlebih dahulu. Setelah itu, Pemilik dapat melakukan Tambah Kategori dan Edit Bobot Kategori Keuangan. Pada sistem ini, User Pemilik dapat melakukan proses Tambah dan Atur Bobot Kategori Pelanggan yang mana, bisa melakukan Tambah kategori, Edit Bobot Kategori. Untuk proses Tambah dan Atur Bobot Kategori Pelanggan dapat dilihat pada gambar 3.10
Halaman Utama
Pilih Lihat Pengaturan Pelanggan
Pilih Kategori Pilih Bobot Kategori
Tambah Kategori
Pilih Kategori yang akan ditambah Input Kategori
Hapus Kategori
Lihat Kategori
Atur Ulang
Input Skala Perbandingan
Proses Reset
Simpan
Lihat Bobot
Gambar 5.15 menunjukkan activity diagram Tambah dan Atur Bobot Kategori Pelanggan.
User Pemilik dapat melakukan proses Tambah dan Atur Bobot Kategori Pelanggan. Untuk bisa melakukan proses Tambah dan Atur Bobot Kategori Pelanggan, User Pemilik diharuskan untuk melakukan Login terlebih dahulu. Setelah itu, Pemilik dapat melakukan Tambah Kategori dan Edit Bobot Kategori Pelanggan.
Perancangan Proses Tambah dan Atur Bobot Kategori Internal
Pada sistem ini, User Pemilik dapat melakukan proses Tambah dan Atur Bobot Kategori Internal yang mana, bisa melakukan Tambah kategori, Edit Bobot Kategori. Untuk proses Tambah dan Atur Bobot Kategori Internal dapat dilihat pada Gambar 5.16
Halaman Utama
Pilih Lihat Pengaturan Internal
Pilih Kategori Pilih Bobot Kategori
Tambah Kategori
Pilih Kategori yang akan ditambah Input Kategori
Hapus Kategori
Lihat Kategori
Atur Ulang
Input Skala Perbandingan
Proses Reset
Simpan
Lihat Bobot
Gambar 5.16 Perancangan Proses Tambah dan Atur Bobot Kategori Internal
Gambar 5.16 menunjukkan activity diagram Tambah dan Atur Bobot Kategori Internal. User Pemilik dapat melakukan proses Tambah dan Atur Bobot Kategori Internal. Untuk bisa melakukan proses Tambah dan Atur Bobot Kategori Internal, User Pemilik diharuskan untuk melakukan Login terlebih dahulu. Setelah itu, Pemilik dapat melakukan Tambah Kategori dan Edit Bobot Kategori Internal.
Perancangan Proses Tambah dan Atur Bobot Kategori Pembelajaran dan Pertumbuhan
Pada sistem ini, User Pemilik dapat melakukan proses Tambah dan Atur Bobot Kategori Pembelajaran dan Pertumbuhan yang mana, bisa melakukan Tambah kategori, Edit Bobot
Kategori. Untuk proses Tambah dan Atur Bobot Kategori Pembelajaran dan Pertumbuhan dapat dilihat pada gambar 5.17
Halaman Utama
Pilih Lihat Pengaturan Pembelajaran
Pilih Kategori Pilih Bobot Kategori
Tambah Kategori
Pilih Kategori yang akan ditambah Input Kategori
Hapus Kategori
Lihat Kategori
Atur Ulang
Input Skala Perbandingan
Proses Reset
Simpan
Lihat Bobot
Gambar 5.17 Perancangan Proses Tambah dan Atur Bobot Kategori Pembelajaran dan Pertumbuhan
Gambar 5.17 menunjukkan activity diagram Tambah dan Atur Bobot Kategori Pembelajaran dan Pertumbuhan. User Pemilik dapat melakukan proses Tambah dan Atur Bobot Kategori Pembelajaran dan Pertumbuhan. Untuk bisa melakukan proses Tambah dan Atur Bobot Kategori Pembelajaran dan Pertumbuhan, User Pemilik diharuskan untuk melakukan Login terlebih dahulu. Setelah itu, Pemilik dapat melakukan Tambah Kategori dan Edit Bobot Kategori Pembelajaran dan Pertumbuhan.
Perancangan Proses Lihat Kinerja Keuangan
Pada sistem ini, User Pemilik dapat melakukan proses Lihat Kinerja Keuangan yang mana, bisa Lihat Kinerja Keuangan. Untuk proses Lihat Kinerja Keuangan dapat dilihat pada gambar 5.18
Halaman Utama
Pilih Kinerja Keuangan
Cari Kinerja
Pilih Bulan
Pilih Tahun
Pilih Cari
Lihat Grafik antar Bulan
Pilih Kembali
Perbaharui Kinerja
Lihat Kinerja Keuangan
Gambar 5.18 Perancangan Proses Lihat Kinerja Keuangan
Gambar 5.18 menunjukkan activity diagram Lihat Kinerja Keuangan. User Pemilik dapat melakukan proses Lihat Kinerja Keuangan. Untuk bisa melakukan proses Lihat Kinerja Keuangan, User Pemilik diharuskan untuk melakukan Login terlebih dahulu. Setelah itu, Pemilik dapat melakukan Lihat Kinerja Keuangan.
Perancangan Proses Lihat Kinerja Pelanggan
Pada sistem ini, User Pemilik dapat melakukan proses Lihat Kinerja Pelanggan yang mana, bisa Lihat Kinerja Pelanggan. Untuk proses Lihat Kinerja Pelanggan dapat dilihat pada gambar 5.19
Halaman Utama
Pilih Kinerja Pelanggan
Cari Kinerja
Pilih Bulan
Pilih Tahun
Pilih Cari
Lihat Grafik antar Bulan
Pilih Kembali
Perbaharui Kinerja
Lihat Kinerja Pelanggan
Gambar 5.20 menunjukkan activity diagram Lihat Kinerja Pelanggan. User Pemilik dapat melakukan proses Lihat Kinerja Pelanggan. Untuk bisa melakukan proses Lihat Kinerja Pelanggan, User Pemilik diharuskan untuk melakukan Login terlebih dahulu. Setelah itu, Pemilik dapat melakukan Lihat Kinerja Pelanggan.
Perancangan Proses Lihat Kinerja Internal
Pada sistem ini, User Pemilik dapat melakukan proses Lihat Kinerja Internal yang mana, bisa Lihat Kinerja Internal. Untuk proses Lihat Kinerja Internal dapat dilihat pada gambar 3.17
Halaman Utama
Pilih Kinerja Internal
Cari Kinerja
Pilih Bulan
Pilih Tahun
Pilih Cari
Lihat Grafik antar Bulan
Pilih Kembali
Perbaharui Kinerja
Lihat Kinerja Internal
Gambar 5.21 Perancangan Proses Lihat Kinerja Internal
Gambar 5.21 menunjukkan activity diagram untuk Lihat Kinerja Internal. User Pemilik dapat melakukan proses Lihat Kinerja Internal. Untuk bisa melakukan proses Lihat Kinerja Internal, User Pemilik diharuskan untuk melakukan Login terlebih dahulu. Setelah itu, Pemilik dapat melakukan Lihat Kinerja Internal.
Perancangan Proses Lihat Kinerja Pembelajaran dan Pertumbuhan
Pada sistem ini, User Pemilik dapat melakukan proses Lihat Kinerja Pembelajaran dan Pertumbuhan yang mana, bisa Lihat Kinerja Pembelajaran dan Pertumbuhan. Untuk proses Lihat Kinerja Pembelajaran dan Pertumbuhan dapat dilihat pada gambar 5.22.
Halaman Utama
Pilih Kinerja Pembelajaran
Cari Kinerja
Pilih Bulan
Pilih Tahun
Pilih Cari
Lihat Grafik antar Bulan
Pilih Kembali
Perbaharui Kinerja
Lihat Kinerja Pembelajaran dan Pertumbuhan
Gambar 5.22 Perancangan Proses Lihat Kinerja Pembelajaran dan Pertumbuhan
Gambar 3.18 menunjukkan activity diagram Lihat Kinerja Pembelajaran dan Pertumbuhan.
User Pemilik dapat melakukan proses Lihat Kinerja Pembelajaran dan Pertumbuhan. Untuk bisa melakukan proses Lihat Kinerja Pembelajaran dan Pertumbuhan, User Pemilik diharuskan untuk melakukan Login terlebih dahulu. Setelah itu, Pemilik dapat melakukan Lihat Kinerja Pembelajaran dan Pertumbuhan.
5.7.3 Use Case Diagram
Use Case diagram merupakan gambaran fungsionalitas dari suatu sistem. Hal-hal
yang digambarkan dalam use case antara lain hubungan sistem dengan aktor serta proses sistem yang dilihat dari sudut pandang user. Komponen pembentuk use case diagram terdiri dari aktor, use case, relationship, system boundary boxes dan package. Use case diagram sistem diperlihatkan pada gambar 3.21. Pada gambar tersebut terdapat 3 aktor, yaitu Admin, Pemilik dan Member. Berikut penjelasan dari masing-masing aktor:
<<include>> <<include>> <<include>> <<include>> <<include>> <<include>> <<include>> <<include>> <<include>> <<include>> <<include>> <<include>> <<include>> <<include>> Pemilik Login RU Industri CRUD Pemilik CRUD Member Manajemen Kategori Manajemen Bobot Manajemen Kinerja
Insert Kuisioner UKM
Atur Kategori Keuangan Atur Kategori Pelanggan Atur Kategori Internal Atur Kategori Pembelajaran
dan Pertumbuhan Atur Bobot UKM Atur Bobot Keuangan Atur Bobot Pelanggan Atur Bobot Internal Atur Bobot Pembelajaran
dan Pertumbuhan RU Kinerja Keuangan RU Kinerja Pelanggan RU Kinerja Internal RU Kinerja Pembelajaran dan Pertumbuhan RU Kinerja UKM Member Admin Insert Kuisioner Pelanggan CRUD Admin CRD Industri CRD Pemilik
Gambar 5.23 Use Case
Gambar 5.23 yaitu gambar Use case yang menggambarkan bagaimana aktivitas User. Aktifitas yang dapat dilakukan antara lain :
1. Admin
Admin merupakan User yang memilik hak akses untuk Login, manajemen Admin, Tambah dan Hapus Industri, dan dapat Tambah dan Hapus Pemilik.
2. Pemilik
Pemilik merupakan User yang memilik hak akses untuk Login, Lihat dan Edit Industri, Manajemen Pemilik, Manajemen Member, Manajemen Kategori, Manajemen Bobot, Manajemen Kinerja, dan Isi Kuisioner UKM.
3. Member
Member merupakan User yang memilik hak akses untuk Login, dan Isi Kuisioner Pelanggan.
5.7.4 Proses Input Kategori
Pada Proses ini, Pemilik melakukan input kategori-kategori yang digunakan oleh industri tersebut. Kategori yang harus ditambah, meliputi kategori yang akan digunakan pada perspektif keuangan, pelanggan, internal, dan juga pembelajaran dan pertumbuhan.
Tabel 5.25 Informasi tentang data Kategori No Perspektif Kategori 1 Keuangan a. ROI b. ROE c. TATO d. SG e. ROA f. NPM
2 Pelanggan a. Custumer Acqution b. Custumer Retention c. Custumer Satisfaction d. Tingkat Komplain
Pelanggan 3 Internal a. Produk Cacat
b. Kerusakan Peralatan c. Inovasi 4 Pembelajaran dan Pertumbuhan a. Retensi Karyawan b. Pelatihan Karyawan
5.7.5 Proses Atur Bobot Keuangan
Pada proses ini, pemilik diharuskan untuk melakukan pengaturan bobot kategori. Untuk melakukan proses tersebut pilih menu bobot kategori pada menu bobot keuangan.
Tabel 5.26 Bobot Kategori Keuangan
ROI ROE TATO SG ROA NPM
ROI 1 0.5 2 2 2 2 ROE 2 1 2 0.5 2 2 TATO 0.5 0.5 1 0.5 2 0.5 SG 0.5 2 2 1 5 2 ROA 0.5 0.5 0.5 0.2 1 2 NPM 0.5 0.5 2 0.5 0.5 1
Gambar 5.24 Atur Skala Kategori Keuangan
Pada gambar 5.24 merupakan proses pengaturan skala perbandingan antar kategori keuangan yang dilakukan oleh pemilik. Kemudian pilih input data, muncul bobot kategori dari masing-masing kategori keuangan. Setelah itu pilih menu simpan, sesuai pada gambar 5.25.
Gambar 5.25 Hasil perhitungan bobot Keuangan
5.7.6 Proses Atur Bobot
Pada proses ini, pemilik diharuskan untuk melakukan pengaturan bobot kategori. Untuk melakukan proses tersebut pilih menu bobot kategori pada menu bobot Pelanggan.
Tabel 5.27 Bobot Kategori Pelanggan
C. Acq C. Ret C. Sat TKP
C. Acq 1 3 2 2
C. Ret 0.333333 1 2 3
C. Sat 0.5 0.333333 1 2
TKP 0.5 0.5 0.5 1
Gambar 5.26 Atur Skala Kategori Pelanggan
Pada gambar 5.26 merupakan proses pengaturan skala perbandingan antar kategori pelanggan yang dilakukan oleh pemilik. Kemudian pilih input data, muncul bobot kategori dari masing-masing kategori Pelanggan. Setelah itu, pilih menu simpan, sesuai pada gambar 4.19.
Gambar 5.27 Hasil perhitungan bobot Pelanggan
Pada proses ini, pemilik diharuskan untuk melakukan pengaturan bobot kategori. Untuk melakukan proses tersebut pilih menu bobot kategori pada menu bobot Internal.
Tabel 5.28 Bobot Kategori Internal
PC KP Inov
KP 0.5 1 2
Inov 0.333333 0.5 1
Pada Gambar 4.20 merupakan proses pengaturan skala perbandingan antar kategori internal yang dilakukan oleh pemilik. Kemudian pilih input data, muncul bobot kategori dari masing-masing kategori Internal. Setelah itu, pilih menu simpan, sesuai pada gambar 4.21.
Gambar 5.28 Hasil perhitungan bobot Internal
Pada proses ini, pemilik diharuskan untuk melakukan pengaturan bobot kategori. Untuk melakukan proses tersebut pilih menu bobot kategori pada menu bobot keuangan.
Tabel 5.29 Bobot Kategori Pembelajaran dan Pertumbuhan
R K P K
R K 1 3
P K 0.333333 1
Gambar 5.29 Atur Skala Kategori Pembelajaran dan Pertumbuhan
Pada gambar 5.29 merupakan proses pengaturan skala perbandingan antar kategori pembelajaran dan pertumbuhan yang dilakukan oleh pemilik. Kemudian pilih input data, muncul bobot kategori dari masing-masing kategori Pembelajaran dan Pertumbuhan. Setelah itu, pilih menu simpan, sesuai pada gambar 5.29.
Gambar 5.30 Hasil perhitungan bobot Pembelajaran dan Pertumbuhan
5.7.7 Proses Atur Bobot UKM
Pada proses ini, pemilik diharuskan untuk melakukan pengaturan bobot UKM. Untuk melakukan proses tersebut pilih menu Pengaturan UKM.
Tabel 5.30 Bobot UKM
P.K P.P P.PBI P.PP
P.K 1 5 3 3
P.P 0.2 1 2 2
P.PBI 0.333333 0.5 1 2
P.PP 0.333333 0.5 0.5 1
Gambar 5.31 Atur Skala UKM
Pada gambar 5.31 merupakan proses pengaturan skala perbandingan antar perspektif UKM yang dilakukan oleh pemilik. Kemudian pilih input data, muncul bobot UKM dari masing-masing Perspektif. Setelah itu, pilih menu simpan, sesuai pada Gambar 5.32.
Gambar 5.32 Hasil perhitungan bobot UKM
5.7.8 Proses Input Kuisioner UKM
Pada proses ini, pemilik diharuskan untuk melakukan pengisian kuisioner UKM, dengan kuisioner yang dimasukkan, akan diproses untuk melakukan penilaian kinerja. Untuk melakukan proses tersebut pilih menu Kuisioner UKM.
Gambar 5.33 Proses Input Kuisioner UKM
5.7.9 Proses Isi Kuisioner Pelanggan
Pada proses ini, member diharuskan untuk melakukan pengisian kuisioner pelanggan, dengan kuisioner yang dimasukkan, akan diproses untuk melakukan penilaian kinerja. Untuk melakukan proses tersebut pilih menu Kuisioner Pelanggan.
