3 LANDASAN TEORI
3.1 Sistem dinamis
Pada dasarnya sistem dinamis menggunakan landasan teori dinamika non-linier dan pengendalian umpan balik (feedback control) seperti yang diterapkan dalam ilmu matematika dan fisika. Selanjutnya sistem dinamis menerapkan konsep dasar di atas ke dalam ranah perilaku manusia sama seperti yang terjadi pada ranah sistem fisika dan sistem teknik lainya. Dengan demikian sistem dinamis dapat diterapkan secara baik di ranah lain seperti management, kehidupan sosial, kegiatan ekonomi, dan ilmu-ilmu sosial lainya.
Sehubungan dengan pengembangan agroindustri gula tebu, berbagai alternatif strategi pengembangan adalah merupakan hasil keputusan managemen puncak, yaitu barupa arahan-arahan strategis yang bersifat direktif. Lingkup strategi pengembangan meliputi rentang waktu yang berjangka panjang, masuk pada level lingkungan dinamis dengan berbagai faktor yang saling mempengaruhi dan memiliki cirri khas ketidakpastian yang tinggi, seperti diuraikan pada Tabel 5.
Bila dilihat dari sisi karakteristik komponen sistem agroindustri gula tebu di Indonesia, pemberlakuan suatu strategi pengembangan & kebijakan dapat mempengaruhi dan dapat diterapkan pada komponen input, proses, maupun output. Tabel 5 Karakteristik dan linkgup permasalah manajemen
Sumber: Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk (Marimin, 2004)
Ditinjau dari karakteristik atau jenis sistem berdasarkan sifat komponen, maka kajian strategi pengembangan dan kebijakan dapat berubah-ubah secara fleksibel dari satu jenis sistem ke jenis sistem lainya. Kajian kebijakan dapat berada pada sistem analis, sistem desain, maupun sistem kontrol seperti pada Tabel 6.
Jangka Lingkungan Sifat
Direktif Panjang Dinamis & probabilistic Arahan-arahan Strategis, terkadang intuitif Strategis Panjang
Dinamis & mempengaruhi faktor-2 dengan kepastian rendah
Tidak bisa diprogram karena preferensi pengambil keputusan perlu masuk secara utuh Taktis Menengah
Pendek
Dinamis & mempengaruhi faktor-2 dengan asumsi kepastian tinggi
Bisa dibuat program dengan masukan preferensi pengambil keputusan
Operasional Pendek Dianggap static & tidak mempengaruhi faktor-2
Bisa dibuat program karena berulang
Tabel 6 Jenis-jenis sistem
Sistem Dinamis merupakan suatu metoda untuk meningkatkan kemampuan pembelajaran dalam suatu sistem yang amat kompleks (Sterman, 2004). Sistem dinamis mengembangkan mekanisme feedback melalui metoda simulasi sehingga dapat membantu mengatasi kompleksitas suatu permasalahan, memahami sumber-sumber resistensi suatu penerepan kebijakan, dan membantu desain kebijakan yang lebih efektif.
3.2 Struktur dan aspek operasional dalam pemodelan sistem dinamis
Perilaku suatu sistem muncul dari struktur sistemnya. Struktur sistem terdiri dari feedback loops, stocks, danflows, serta kondisi hubungan non-linearitas akibat interaksi yang terjadi antara struktur fisik sistem dan proses pengambilan keputusan para pelakunya (Richmond, 2002).
Salah satu aspek perilaku penting dalam sistem dinamis adalah struktur feed back yang dihasilkan oleh sistem tersebut. Bila feedback berakibat positif, maka jenis perilakunya disebut jenis growth atau tumbuh. Bila feedback berakibat negatif, maka sistem dikatakan teridentifikasi sebagai goal seeking. Bila ada pengaruh time lag/ time delay dari feedback yang ditimbulkan, maka sistem dapat diidentifikasi sebagi oscillations, limit cycles, atau chaos. Aspek operasional dalam sistem dinamis terdiri dari thinking, communicating, dan learning.
3.2.1 Thinking
Dalam langkah pertama berupa eksplorasi pemikiran atau Thinking, terdiri dari dua kegiatan utama yaitu: membuat konstruksi model dan melakukan simulasi untuk mengambil kesimpulan. Model adalah penyederhanaan kondisi nyata berupa representasi yang dapat menangkap karakteristik keadaan realitas keadaan nyata, yang secara simbol sistem dinamis diuraikan pada Gambar 1.
Sistem Input Proses Output
Analis Diketahui Diketahui Direkayasa/diatur
Desain Diketahui Direkayasa/diatur Diketahui
Kontrol Direkayasa/diatur Diketahui Diketahui
Sumber: Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial (Marimin, 2005)
Gambar 1 Tahapan constructing dalam pemodelan sistem dinamis
3.2.2 Communicating
Output dari kegiatan eksplorasi pemikiran atau Thinking merupakan bahan pokok bagi kegiatan selanjutnya, yaitu communicating. Ada tiga bahan pokok dalam kegiatan communicating yaitu berupa: mental model, hasil simulasi, dan kesimpulan. Secara garis besar kegiatan communicating dapat dilihat pada Gambar 2.
Gambar 2 Tahapan communicating dalam pemodelan sistem dinamis
3.2.3 Learning
Kegiatan selanjutnya adalah merupakan kegiatan pembelajaran atau Learning. Ada dua macam learning, yaitu:Self Relfective LearningdanOther Inspired Learning Self-reflective learning merupakan hasil simulasi yang dihasilkan dari mental model Other Inspired learning merupakan gabungan hasil dari self reflective learning dan kesimpulan hasil simulasi, seperti diterangkan pada Gambar 3.
Gambar 3 Tahapan Learning dalam pemodelansistem dinamis
3.3 Elemen kebijakan agroindustri 3.3.1 Kebijakan fiskal dan moneter
Kebijakan fiskal meliputi kebijakan yang langsung terkait dengan pendapatan dan biaya suatu produk atau jasa, seperti pajak dan berbagai kebijakan sektor riel lainya. Kebijakan fiskal berkaitan dengan kegitan operasional sektor riel, oleh karena itu kebijakan ini mencakup rentang wilayah seluas keterkaitan dengan kegiatan operasional sektor riel itu sendiri. Subyek penentu kebijakan fiskal dapat dilakukan oleh berbagai pihak otoritas yang relefan dengan obyek yang diatur.
Kebijakan Moneter secara garis besar terkait dengan pengendalian suku bunga pinjaman, tingkat inflasi dan nilai tukar mata uang asing (Houck, 1986). Kebijakan moneter dilakukan oleh otoritas utama yaitu Bank Indonesia sebagai bank sentral.
Kedua instrumen kebijakan tersebut dapat bersifat protektif maupun terbuka. Negara Indonesia yang mengimpor gula, dapat melakukan proteksi diri dari ekspansi pasokan gula internasional melalui mekanisme kebijakan tarif dan atau kuota. Disamping itu, negara importir dapat melindungi dan menjaga kesejahteraan produsen dengan menerapkan instrumen kebijakan fiskal. Dalam pelaksanaanya dapat pula dilakukan kuota impor secara proporsional atau dalam bentuk subsidi sarana produksi
secara langsung bagi produsen dalam negeri. Kebijakan lain yang dapat dilakukan oleh negara importir adalah berupa subsidi konsumsi dan atau subsidi impor.
Bila penelitian ini dikaitkan dengan praktek perdagangan internasional, maka terlepas dari argumentasi teoritis tentang bermanfaatnya perdagangan bebas, namun kebijakan perdagangan bebas akan menghadapi resistensi kuat dari para pihak tertentu (Houck, 1986). Beberapa alasan utama yang mendukung penolakan perdagangan bebas atau berpihak pada kebijakan proteksi adalah:
• Melindungi agroindustri yang lemah
• Melindungi keamanan dan ketahanan nasional • Melindungi kesejahteraan nasional
• Melindungi praktek perdagangan yang tidak adil • Melindungi program nasional yang sedang digalakan • Melindungi posisi neraca pembayaran
3.3.2 Kebijakan pengembangan produk alternatif
Kebijakan ini sesungguhnya merupakan kategori kebijakan fiskal, namun demikian mengingat pentingnya penekanan pada aspek pengembangan produk alternatif berbasis bahan baku tebu, maka secara khusus disebutkan kebijakan pengembangan produk alternatif berbasis tebu selain untuk diproses menjadi gula tebu.
Adapun contoh produk alternatif dalam penelitian ini adalah ethanol, gula cair, dan produk alternatif lainya. Penelitian ini mengakomodir keingingan para peserta Focused Group Discussion yang mengharapkan dibentuknya kelompok kerja untuk memikirkan secara khusus tentang peluang alternatif produk berbasis tebu.
3.4 Interpretive Structural Modelling
Dalam kaitan dengan pengumpulan pendapat berupa identifikasi aktivitas setiap bidang dan hubungan kepentingan antar pelaku, penelitian ini menggunakan hasil diskusi kelompok (Focused Group Discussion) yang pesertanya antara lain adalah semua para pemangku kepentingan dalam rangkaian kegiatan agroindustri gula tebu.
Berkaitan dengan elemen aktivitas sub-sistem agroindustri gula tebu, penelitian ini merencanakan akan membahas elemen aktivitas:
b. Bidang produksi pabrik gula pengolah tebu
c. Bidang distribusi ke konsumen dan trend permintaan d. Bidang penentuan kebijakan
Hasil akhir dari teknik ISM adalah elemen kunci dan diagram struktur. Meskipun demikian dalam penelitan ini tidak akan membahas secara khusus matrix Driver Power Dependence (DPD) bagi elemen-elemen aktivitas di atas, dengan demikian peneliatian ini tidak sampai pada analisis klasifikasi sub-elemen berikut:
a. weak driver - weak dependent variable (autonomous) b. weak driver – strongly dependent variable (dependent) c. strong driver – strongly dependent variable (linkage) d. strong driver – weak dependent variables (independent)
3.5 Analytical Hierarchy Process dan Analytical Network Process
Analytical Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty (Saaty,1982) menjadi salah satu alat bantu pengambilan keputusan yang melibatkan elemen-elemen keputusan yang sulit dikuantifikasikan dan belum jelas strukturnya. AHP menggunakan asumsi bahwa reaksi logis manusia ketika menghadapi pengambilan keputusan yang kompleks cenderung mengelompokan elemen penentu keputusan sesuai dengan karakteristik umum yang berlaku.
Proses sistemik AHP meliputi penyusunan secara hirarkhis guna memilahkan elemen dalam suatu sistem dalam berbagai tingkat yang berbeda dan mengelompokan elemen serupa dalam tiap tingkat. Tingkat puncak yang disebut fokus atau goal adalah sasaran keseluruhan yang liputannya luas. Di bawahnya ditempatkan level kriteria sebagai tolok ukur dalam melakukan pemeringkatan. Selebihnya adalah level alternatif dari berbagai pilihan yang dihadapi yang berdasarkan kriteria harus dipilih dan ditentukan prioritasnya.
Analytical Network Process (ANP) merupakan bentuk yang lebih umum dari AHP dan dapat digunakan untuk menampilkan kerangka umum bagi pengambilan keputusan tanpa harus membuat asumsi elemen-elemen yang terikat oleh aturan hirarkhis. Elemen-elemen ANP dapat saling berdiri sendiri tanpa mengikuti aturan peringkat seperti pada AHP. Keunggulan ANP yang paling menonjol terletak pada kemudahan menggabungkan elemen yang saling terkait dan kemampuan mengakomodasikan mekanisme feedback ke dalam jejaring pengambilan keputusan (Saaty, 2008)
Dalam penelitian ini akan menggunakan ANP berbasis kriteria Benefit Cost Opportunity Risk (BCOR). Kaidah BCOR memiliki kesamaan makna dengan urutan pada analisis Strenght Weakness Opportunity Threat (SWOT), sehingga BCOR dapat memetakan kondisi lapangan dan dapat membantu secara mudah untuk mengarahkan strategi ke depan sesuai dengan yang diinginkan.
Adapun alternatif pilihan kebijakan yang akan diuji dan diurutkan prioritasnya dengan menggunakan model BCOR adalah Kebijakan Moneter, Kebijakan Fiskal, dan atau Kebijakan Pengembangan Produk Alternatif, yang skemanya pada Gambar 4.
Gambar 4 Struktur ANP berbasis benefit cost opportunity risk
Secara narasi yang lebih rinci, model BCOR akan menggunakan kriteria kontrol yang terdiri dari tiga faktor, yaitu ekonomi, politik dan sosia. Kemudian diikuti oleh Klaster pada masing-masing faktor kriteria kontrol dan pada penghujungnya diikuti elemen masing-masing, seperti terlihat pada Tabel 7.
Tabel 7 Rincian elemen benefit cost opportunity risk
Kriteria Kontrol Klaster Elemen
Benef it -‐ (S tr en gh t) Ekonomi
Recovery Industri Gula
Struktur Ekonomi
Lapangan Kerja di Agrin Gula, di industri terkait, reorganisasi industri nasional,
pemberdayaan teknologi Supply & Demand
Politik
Kredibilitas Politik
Kepercayaan partisan parpol meningkat, Dunungan parpol pada kebijakan pemerintah, Reputasi partai politik
Stabilitas Politik
Pencapaian tujuan parpol, Peningkatan jumlah pemilih, Konsistensi kebijakan gula nasional
Han Kam Tib Sosial Lingkungan Hidup Tingkat Penyerapan Tng Kerja
Co st -‐ (W ea kn es s) Ekonomi
Harga Barang Lain yg terkait Harga Gula Tingkat Inflasi Retaliasi produk ekspor
Indonesia
Kinerja ekspor Indonesia, Pasar tenaga kerja, Keunggulan kompetitif
Politik
Kredibilitas Internasional
Reputasi Internasional, Pengaruh Internasional, Dukungan pada isu-‐2 internasional Dukungan Int'l pada Free
Trade
Sosial Tingkat Kriminalitas Kesejahteraan Op po rt un ity Ekonomi Globalisasi Dukungan pengembangan tekno. Politik
Popularitas politik domestik presiden 2014, Persiapan Pemilu legislatif 2014, Pemilu kebijakan pem yad
Praktek Perdagangan Int'l Meningkatkan fair trade, Peran Promosikan free trade, kepemimpinan di WTO
Sosial Ri sk Ekonomi Dukungan internasional Infrastruktur Industri Domestik
Lapangan kerja, Pekerjaan lain terkait, Dukungan ekonomi pada peningkatan teknologi Kepemimpinan WTO
Politik Kredibilitas Global
Sosial
Semua Network Alternative
Penerapan Tarif Bea Masuk, Dukungan Kebijakan Moneter, Pengembangan Produk Alternatif
3.6 Jejaring keyakinan Bayesian (Bayesian Belief Network) 3.6.1 Model umum jejaring keyakinan Bayesian
Model Jejaring Keyakinan Bayesian (JKB) merupakan cabang dari teori probabilitas matematika yang dapat memodelkan ketidakpastian fenomena atau realitas kehidupan keseharian. Pemodelan ketidakpastian ini dilakukan dengan cara menggabungkan penalaran yang logis dan bukti-bukti kenyataan yang diperoleh melalui observasi, dengan cara memasukan unsur peluang atau probabilitas atas suatu keadaan.
Jejaring Keyakinan Bayesian akan digunakan untuk mendukung analisis fenomena agroindustri yang mengandung unsur probalilitas pada peubahnya. Tiap-tiap agen/ sub-sistem yang digambarkan oleh pemodelan sistem dinamis memiliki probabilitas masing-masing. Persepsi atas arus informasi dari satu sub-sistem akan mengalir ke sub-sistem yang lain sehingga akan mempengaruhi tingkat keyakinan, persepsi, belief sub-sistem lain dalam merespon informasi tersebut. Sebagai contoh peubah harga produk, kondisi cuaca, persepsi pemasaran produk dan peubah lainya, dapat mempengaruhi keputusan para pelaku sub-sistem. Dengan pendekatan model Jejaring Keyakinan Bayesian diharapkan dapat menyempurnakan proses pengambilan keputusan.
Jejaring Keyakinan Bayesian merupakan alat yang tangguh untuk membuat model yang melibatkan keyakinan/ probabilitas hubungan sebab-akibat antar variabel. Jejaring ini berisikan berbagai tingkat probabilitas variable yang disertai dengan hubungan historis antar variable tersebut. Jejaring Keyakinan Bayesian merupakan alat yang efektif untuk membuat model dengan kekhasan adanya informasi yang sudah diketahui, bersamaan dengan hadirnya data yang berkarakter tidak menentu serta data yang secara parsial tidak lengkap. Hal inilah yang membedakan antara Jejaring Keyakinan Bayesian dan Sistem Pakar (expert sistem, ruled-based sistem). Pada Sistem Pakar, ketidak-tentuan atau ketidak-tersediaan data akan mengakibatkan ketidak-efektifan atau ketidak-akuratan penjelasan yang logis (reasonings) atas suatu fenomena. Sebaliknya dengan menggunakan Jejaring Keyakinan Bayesian, ketidak-lengkapan data dapat diatasi sehingga ketersediaan data yang tidak sempurna tetap dapat digunakan untuk memodelkan fenomena yang menuntut penjelasan logis secara cepat waktu.
Ketidak-tentuan dapat muncul dalam berbagai situasi. Bahkan sumber pakar dapat menyatakan ketidak-tentuan atau ketidak-akuratan atas kondisi informasi pada suatu model. Dalam kondisi seperti ini, Jejaring Keyajinan Bayesian bermanfaat untuk menghadapi kondisi yang samar, tidak menentu, tidak utuh, dan saling bertentangan (vague, uncertain, incomplete, and conflicting).
Bentuk umum JKB terdiri dari tiga elemen utama, yaitu :
1. Elemen nodes yang merupakan representasi variable dalam sistem. Tiap-tiap node bersifat mutually exclusive dan node dapat bermakna sebagai variable. 2. Elemen links, sebagai penghubung hubungan sebab akibat antar nodes
3. Elemen probabilities, yang melekat pada node dan menunjukan tingkat keyakinan atau probabilitas sutau node sehubungan dengan sebab-akibat dengan node yang lainya.
3.6.2 Struktur umum jejaring keyakinan bayesian
Model Jejaring Keyakinan Bayesian dapat disusun dengan mengikuti kaedah struktur umum dengan alur seperti pada Gambar 5 yang terdiri dari 6 (enam) kategori variable seagai berikut:
1. Tujuan Model 2. Faktor-faktor Pengendali 3. Faktor-faktor Intermediasi 4. Intervensi Tindakan 5. Faktor-faktor Implementasi 6. Dampak-dampak ikutan
Gambar 5 Struktur umum jejaring keyakinan Bayesian
Dalam pengaplikasian pada model, faktor-faktor implementasi akan berhubungan langsung dengan elemen-elemen pada intervensi tindakan. Pada saat bersamaan intervensi tindakan berbubungan dengan faktor-faktor intermediasi atau
faktor-faktor antara. Contoh pengembangan struktur model jejaring keyakinan Bayesian dapat dilihat pada Tabel 8.
Pada saat memulai membangun Jejaring Keyakinan Bayesian, pemodel perlu mendahulukan logika dasar dari model sistem yang akan dibangun. Kemudian diikuti oleh ide-ide penting yang paling relevan dan perlu ditampilkan dalam model sehingga model Jejaring Keyakinan Bayesian menjadi efektif dan efisien.
Tabel 8 Rincian struktur jejaring keyakinan Bayesian
Kategori Penjelasan Contoh
Tujuan Suatu hal yang ingin dicapai dan dipengaruhi oleh tata kelola model pengembangan agroindustri gula tebu.
• Tingkat produktifitas hasil panen gula tebu
• Kontinuitas sumber daya alam • Kontinuitas agroindustri gula
tebu secara umum Intervensi
Tindakan
Hal-hal yang ingin diimplemen- tasikan guna mencapai tujuan. Hal ini dapat berupa pilihan-pilihan tindakan managerial, seperti konservasi lahan tanam, pemberian bantuan saprodi
• Peningkatan konservasi lahan tanam
• Penggunaan bibit unggul • Pemberian Subsidi • Pelatihan kemampuan SDM Faktor-faktor Antara (intermediate factors)
Faktor-faktor yang menghubungkan antara Intervensi Tindakan dan Tujuan model jejaring
• Luas lahan tanam (menghu bungkan antara luas lahan yang ada dan rencana perluasan) • Tingkat Produktifitas
(menghubungkan antara Pelaku Usaha/ Petani dan Tingkat Pendapatan
Faktor-faktor Pengendali
Faktor-faktor yang tidak dapat dirubah dengan Intervensi Tindakan namun faktor-faktor ini turut mengendalikan lingkungan sistem.
• Jumlah penduduk • Tingkat curah hujan • Kecocokan sifat tanah dan
tanaman tebu. Faktor-faktor
implementasi
Faktor-faktor yang secara langsung mempengruhi apakah intervensi tindakan dapat berhasil dilakukan dalam jangka waktu singkat atau panjang
• Pengelolaan pupuk yang sesuai dengan sarat kebutuhan tanaman tebu
• Pengelolaan Hama & Penyakit Tanaman Tebu
• Pengelolaan pembersihan tanaman pengganggu (gulma) Dampak-dampak
Ikutan
Faktor-faktor yang secara tidak langsung ikut berubah sebagai akibat dari intervensi tindakan namun perubahan ini tidak mempengaruhi sama sekali atau secara signifikan terhadap lingkungan sistem yang sedang dikaji.
• Peningkatan ketersediaan supply air bagi masyarakat sebagai akibat positif konservasi lahan
• Peningkatan ternak yang memanfaatkan pakan dari limbah daun tebu.
3.7.3 Aturan Jejaring Keyakinan Bayesian
Jejaring Keyakinan Bayesian yang diprakarsai oleh Tn. Rev. Thomas Bayes, mengikuti aturan rumusan matematis berupa teori probabilitas bersarat. Adapun persamaan Bayes yang paling mendasar adalah:
P(b|a) =! ! ! ! !(!)!(!)
P(a) adalah probabilitas a, dan P(b) adalah probabilitas b, dan P(a|b) adalah probabilitas a bila diketahui peristiwa b sudah terjadi.
Sebagai ilustrasi, hama tikus dapat merusak hingga 50% tanaman tebu muda. Andaikata diketahui setiap 1 (satu) meter persegi dari 50,000 m2 (5 Ha) tanaman tebu terdapat 1 tikus, dan tiap 1 meter persegi dari 20 m2 tanaman ternyata rusak terserang hama tikus. Kita ingin mengetahui sejauh mana petani tebu mengeluhkan kerusakan tanaman tebu, maka dapat dihitung tingkat kerusakan sebagai berikut:
P hama tikus kerusakan tanaman) =! !"#$%&!&' !"#"$"# !"#" !"#$% ! !(!"#" !"#$%)!(!"#$%&!&' !"#"$"#) P hama tikus kerusakan tanaman) = !.! ! !/!",!!!!/!" = 0.0002
Bila ada petani yang mengeluhkan kerusakan tanaman, maka kemungkinan disebabkan oleh hama tikus hanya sebesar 0.02%.
Perumusan Jejaring Keyakinan Bayesian secara lebih kompleks dapat dirumuskan dengan mengikutkan hipotesa, pengalaman masa lampau, dan bukti-bukti sebagai berikut:
P(H|E, c) =! ! ! ! !(!|!,!)!(!|!)
Berdasarkan rumus di atas, tingkat keyakinan/ probabilitas hipotesa H dapat meningkat bila ada tambahan bukti/ fakta E dan dalam konteks latar belakang kejadian pengalaman masa lalu c.
Bagian sisi kiri P(H|E,c) disebut keyakinan posterior atau probabilitas hipotesa H setelah memperhatikan pengaruh bukti/ fakta E dari pengalaman masa lalu c.
Istilah P(H|c) disebut keyakinan a-priori atau probabilitas hipotesa H bila hanya diketahui kejadian pengalaman masa lalu c saja.Istilah P(E|H,c) disebut kecenderungan, likelihood, yang memberikan tingkat keyakinan dari bukti kejadian dengan adanya kebenaran asumsi H dan latar belakang informasi pengalaman masa lalu c.
