AGROINDUSTRI TAPIOKA DENGAN
PENDEKATAN TEORI CHAOS
PUDJI ASTUTI
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
INFORMASI
Dengan ini saya menyatakan bahwa disertasi yang berjudul Rancangbangun
Sistem Intelijen untuk Strategi Pengembangan Agroindustri ubi kayu dengan
Pendekatan Teori Chaos adalah karya saya sendiri dengan arahan komisi
pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi
manapun. 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 disertasi ini.
Bogor, Agustus 2010
Development Strategy with Chaos Theory Approach. Supervised by ERIYATNO, MUSLIMIN NASUTION, YANDRA ARKEMAN
Chaos could occur anytime in agriculture sector, and that some occurences will be predictable and some will not, so it needs early warning system that could detect early chaotic conditions and take action for crisis recovery. Tapioca agro-industry turbulence condition was characterized by decreasing ability of the industry in production and business functions. Tapioca price and material supply was identified as key crisis factors in tapioca small scale agroindustry.
This research was aimed to design early warning system for tapioca agroindustry. The expert management system was established as controlling tools through formulating policies for managing crisis due to chaotic situation. The output of this research was computer program, called “Simak-Chaotica” which consists of submodels: 1) the chaos existence test, 2) predictions in chaos key factor, 3) crisis signal analysis, and 4) crisis control policy
Chaotic investigation with chaos theory approach for tapioca price and raw material supply identified by positive Lyapunov exponent and fractal dimension. Fractal dimension could determine another chaos component, embedding dimension to be considered as information about how many time lags were involed in Artificial Neural Network (ANN) forecasting. In the case study Lyapunov exponent value for the price of tapioca and raw material supply, respectively, were 0.1119 bits / week and 0.15656 bits / week. These properties indicate that the tapioca price and raw material supplies could not be predicted in the long term. Ttapioca price could be predicted within a period of 1 / 0, 1119 = 8.89728 approximately in 9 weeks, and the raw material supply in a period of 1 / 0, 15 656 = 6.34942 approximately in 6 weeks. Fractal dimension for the tapioca price was 1.05075 and 1.59616 for the raw material supply. Crisis signal analysis submodel was set up with threshold analysis, and supplemented with control management procedure. When tapioca price or raw material supply was evaluated at crisis level, then status alert would be presented as “Siaga”, “Waspada”, or “Bahaya”. Strategy and policy alternatives were formulated by Issue Management Technology (IMT) and OWA. Rule base was used to select policy alternatives for chaotic management. Agroindustry will cooperative body will ensure the long term cassava business resistance to the crisis. It was community based institution that relies on social cohesion and collective efficiency.
Agroindustri Tapioka dengan Pendekatan Teori Chaos. Dibimbing oleh: ERIYATNO, MUSLIMIN NASUTION, YANDRA ARKEMAN
Perubahan teknologi industri hilir dan perkembangan perdagangan bebas telah membawa pengaruh besar terhadap daya saing industri tapioka rakyat. Krisis agroindustri tapioka yang ditandai dengan penurunan kemampuan industri dalam menjalankan fungsi produksi dan bisnisnya menjadi ancaman yang bisa terjadi setiap saat.
Chaos dapat terjadi kapanpun dan dimanapun, oleh karena itu diperlukan sistem deteksi dini yang mampu mendeteksi lebih awal kondisi chaos dan melakukan tindakan pemulihan krisis. Tujuan penelitian ini adalah menghasilkan model sistem manajemen ahli yang mencakup sistem deteksi dini keadaan chaos dan sistem manajemen kontrol. Model sistem manajemen ahli ini dapat digunakan oleh para pengambil keputusan dalam proses penentuan kebijakan dalam rangka pemulihan dan pencegahan krisis dampak chaos pada agroindustri tapioka. Keluaran (output) dari penelitian ini adalah perangkat lunak komputer yang berfungsi sebagai Sistem Manajemen Ahli yang dapat dimanfaatkan oleh pemangku kepentingan dalam pengembangan agroindustri tapioka.
Sumber-sumber pemicu krisis pada agroindustri tapioka diidentifikasi berdasarkan pengaruhnya terhadap kelangsungan industri tapioka. Hasil identifikasi sumber pemicu krisis agroindustri tapioka adalah fluktuasi dan ketidak pastian harga tapioka halus serta fluktuasi pasokan tapioka kasar sebagai bahan baku tapioka halus. Identifikasi sumber turbulensi dilakukan untuk menentukan variabel yang dominan berpengaruh terhadap harga tapioka halus dan pasokan tapioka kasar. Kuisioner perbandingan berpasangan Fuzzy digunakan untuk mengakuisisi preferensi pakar dengan penilaian kualitatif (linguistik). Proses pembobotan dilakukan dengan konsep fuzzy Analitik Hierarchi Proses. Variabel yang dominan mempengaruhi harga tapioka halus adalah banyaknya stock tapioka di pasar yang berasal dari produksi industri besar dan tapioka impor, harga tapioka kasar dan biaya produksi tapioka halus. Harga tapioka kasar ditentukan sesuai dengan kualitas tapioka kasar. Variabel yang dominan berpengaruh terhadap pasokan tapioka kasar adalah harga ubi kayu dan jumlah produksi ubi kayu.
Keberadaan sistem intelijen yang mampu melakukan deteksi dini terhadap dampak chaos sangat diperlukan untuk membantu pengambil kebijakan dalam rangka pengembangan agroindustri tapioka. Perangkat lunak sistem manajemen ahli yang diberi nama SIMAK-CHAOTICA ( Sistem Intelijen Manajemen Krisis Agroindustri Tapioka ) yang dihasilkan pada penelitian ini mampu memenuhi kebutuhan tersebut, dan model dirancang untuk mudah digunakan oleh pengguna, karena interaktif dan user friendly. SIMAK-CHAOTICA terdiri dari 4 submodel yaitu: 1) submodel uji eksistensi chaos, 2) submodel prediksi faktor kunci chaos, 3) submodel analisis sinyal krisis, dan 4) kebijakan pengendalian krisis.
0,1119 bits/minggu dan 0,15656 bits/minggu. Nilai eksponen Lyapunov positif menunjukkan bahwa data sensitif terhadap kondisi awal sehingga data tidak bersifat random yang sebenarnya melainkan deterministic chaos. Sifat ini menunjukkan bahwa harga tapioka halus dan pasokan tapioka kasar tidak dapat diprediksi dalam jangka panjang. Harga tapioka halus valid untuk diprediksi dalam jangka waktu 1/0,1119 =8,89728 9 minggu kedepan, dan pasokan tapioka kasar dalam jangka waktu 1/0,15656=6,34942 6 minggu kedepan. Dimensi fraktal untuk data harga tapioka halus sebesar 1,05075 dan pasokan tapioka kasar sebesar 1,59616. Embedding dimension untuk harga tapioka halus dan pasokan tapioka kasar berturut-turut adalah [1,3] dan [2,4]. Nilai ini dapat memberikan informasi jumlah variabel penyusun perilaku data-data tersebut. Informasi ini akan digunakan untuk menentukan jumlah variabel input pada proses prediksi harga tapioka halus dan pasokan tapioka kasar.
Pada sub-model prediksi faktor kunci chaos digunakan Jaringan Syaraf Tiruan untuk memprediksi data harga tapioka halus dan pasokan tapioka kasar yang bersifat deterministik chaos. Jumlah input layer disesuaikan dengan embedding dimension yang diperoleh dari submodel uji eksistensi chaos. Variabel input yang digunakan sesuai dengan urutan bobot dari yang terbesar yang telah dilakukan pembobotan pada identifikasi sumber turbulensi. Untuk prediksi harga tapioka halus digunakan struktur jaringan dengan 3 neuron input layer, satu hidden layer
dan satu output layer. Variabel input untuk harga tapioka halus adalah volume impor tapioka, harga tapioka kasar dan biaya produksi tapioka halus. Proses pembelajaran menggunakan 130 pola data, pengujian menggunakan 50 pola data dengan fungsi aktivasi sigmoid biner dan jangka waktu prediksi 9 minggu. Untuk prediksi pasokan tapioka kasar digunakan struktur jaringan dengan 2 neuron input layer, satu hidden layer dan satu output layer. Variabel input untuk pasokan tapioka kasar adalah harga ubi kayu, dan jumlah produksi ubi kayu dan jangka waktu prediksi 6 minggu.
Sub-model analisis sinyal krisis mendeteksi dampak chaos dari faktor kunci sumber krisis. Analisis batas ambang (threshold analysis) digunakan untuk mendeteksi adanya potensi krisis pada harga tapioka halus dan pasokan tapioka kasar. Indikator krisis adalah hasil prediksi harga tapioka halus dan pasokan tapioka kasar apakah mampu memenuhi kapasitas produksi pada level BEP dan kelayakan bisnis. Submodel analisis sinyal krisis menghasilkan sinyal “Normal”, “ Siaga”, “Waspada” dan “Bahaya”. Informasi ini berguna untuk perumusan strategi yang lebih spesifik. Hasil implementasi menunjukkan pasokan tapioka selama 3 minggu dari 6 minggu yang diprediksi tidak mencukupi kapasitas BEP, dan harga tapioka halus yang diprediksi selama 9 minggu dibawah harga pokok produk. Hal ini menunjukkan industri tapioka halus tidak memiliki posisi yang kuat terhadap integrasi ke hulu sebagai sumber pasokan bahan baku dan tidak memiliki daya saing terhadap pasar. Oleh karena itu sistem deteksi dini memberikan sinyal “Bahaya”.
untuk melakukan kebijakan penanggulangan krisis. Arah strategi yang disarankan adalah penguatan pada sektor hulu dan sektor hilir (backward dan forward linkage). Untuk solusi pencegahan krisis direkomendasikan untuk memberdayakan koperasi agroindustri tapioka sebagai lembaga ekonomi masyarakat yang bertumpu pada kohesi sosial dan kolektif efisien. Keberadaan koperasi sebagai mediator antara petani, industri kecil tapioka dan pemerintah melalui lembaga-lembaga yang terkait akan menjamin pengembangan industri jangka panjang.
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa
mencantumkan atau menyebutkan sumber
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian,
penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau
tinjauan suatu masalah
b. Pengutipan tidak merugikan kepentingan yang wajar IPB
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya
PENDEKATAN TEORI
CHAOS
PUDJI ASTUTI
Disertasi
Sebagai salah satu syarat untuk memperoleh gelar
Doktor pada
Program Studi Teknologi Industri Pertanian
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
Nama : Pudji Astuti
NRP : F361040061
Program Studi : Teknologi Industri Pertanian
Ketua Komisi : Prof.Dr.Ir. Eriyatno, MSAE
Pembimbing
Anggota : 1. Dr.Ir. Yandra Arkeman,M.Eng
2. Dr. Ir.Muslimin Nasution
Ujian Tertutup
Penguji Luar Komisi : 1. Dr.Ir.Agus Buono,M.Si,M.Kom
Staf Pengajar Departemen Ilmu Komputer FMIPA, Institut Pertanian Bogor
2. Dr.Ir. Titi Candra Sunarti,M.Si
Staf Pengajar Departemen Teknologi Industri Pertanian, Institut Pertanian Bogor
Ujian Terbuka
Penguji Luar Komisi : 1. Prof.Dr.Sri Edi Swasono
Guru Besar Fakultas Ekonomi Universitas Indonesia
2. Dr.Ir. Arief Daryanto,M.Ec
Direktur Program Pascasarjana Manajemen dan Bisnis, Institut Pertanian Bogor
Ujian Terbuka pada
Hari : Jum‟at
Tanggal : 27 Agustus 2010
Waktu : 13.30 - Selesai
Tempat : Gedung Andi Hakim Nasution
hidayahNya disertasi yang berjudul Rancangbangun Sistem Intelijen untuk Strategi Pengembangan Agroindustri Tapioka dengan Pendekatan Teori Chaos dapat diselesaikan. Pada kesempatan ini penulis menyampaikan penghargaan dan ucapan terima kasih yang tulus kepada yang terhormat Bapak Prof.Ir.Eriyatno,MSAE, sebagai ketua komisi pembimbing yang telah memberikan curahan waktu, bimbingan arahan, nasehat dengan penuh dedikasi, serta memberikan dorongan moral yang tak terbatas kepada penulis hingga selesainya penulisan disertasi ini. Penghargaan dan ucapan terima kasih yang tulus kepada Bapak.Dr.Ir.Muslimin Nasution dan Bapak Dr.Ir.Yandra Arkeman selaku anggota komisi pembimbing atas semua bimbingan, arahan dorongan moral hingga penyelesaian disertasi ini.
Ucapan terima kasih juga penulis sampaikan kepada Dr.Syam Herodian sebagai pimpinan sidang ujian terbuka, penghargaan dan ucapan terima kasih kepada Prof.Dr.Sri-Edi Swasono, Dr.Arief Daryanto,M.Ec sebagai penguji luar komisi pembimbing dan Dr.Ir.Machfud,MS sebagai Ketua Program Studi TIP-IPB. Ucapan terima kasih juga penulis sampaikan kepada Dr.Ir.Agus Buono,M.Si, M.Kom dan Dr.Ir.Titi Candra Sunarti,M.Si yang telah berkenan sebagai penguji luar komisi pada ujian tertutup, serta Dr.Ir.Sugiyono sebagai pimpinan sidang pada ujian tertutup.
Penulis menyadari bahwa kesempatan studi program Doktor dan penyelesaian disertasi ini tidak terlepas dari bantuan banyak pihak, oleh karena itu penulis menyampaikan ucapan terima kasih kepada Rektor Universitas Trisakti yang telah memberikan beasiswa, kepada pimpinan Sekolah Pascasarjana Institut Pertanian Bogor yang telah memberikan bantuan penelitian dan penulisan disertasi melalui program Hibah Program Doktor tahun 2009. Ucapan terima kasih juga penulis sampaikan kepada teman-teman Dosen Jurusan Teknik Industri Universitas Trisakti atas semua dukungan dan bantuan dan kebersamaan selama proses perkuliahan hingga selesainya disertasi ini. Ucapan terima kasih untuk mas Agus, Nabila dan Haykal atas doa dan pengertiannya.
Terima kasih penulis sampaikan kepada semua pihak yang tidak dapat disebutkan satu-persatu atas bantuan, dukungan dan doa yang telah diberikan selama masa studi. Semoga karya ilmiah ini bermanfaat bagi kesejahteraan bangsa dan perkembangan ilmu pengetahuan.
sebagai anak bungsu dari 5 anak pasangan Surodo Notowiyoto(alm) dengan
Supijatin(almh). Pendidikan SD sampai SMP diselesaikan di Ngawi, dan pada
tahun 1981 menyelesaikan Sekolah menengah atas di SMA 5 Malang. Pendidikan
Sarjana ditempuh di Jurusan Matematika Fakultas Matematika dan Ilmu
Pengetahuan Alam (MIPA) Universitas Gadjahmada lulus tahun 1987. Pada tahun
1994 penulis melanjutkan studi di Program Pascasarjana Universitas Indonesia
pada program studi Teknik Manajemen Industri dengan beasiswa dari Universitas
Trisakti dan bantuan biaya penelitian dari ICMI. Penulis lulus program Magister
pada tahun 1996. Pada tahun 2004 penulis mendapat kesempatan melanjutkan studi
program Doktor pada program studi Teknologi Industri Pertanian di Sekolah
Pascasarjana Institut Pertanian Bogor dengan beasiswa dari Universitas Trisakti.
Penulis juga mendapatkan bantuan biaya penelitian dan penulisan disertasi dari
pemerintah Republik Indonesia melalui Hibah Program Doktor tahun 2009.
Setelah menyelesaikan program sarjana pada tahun 1987 hingga tahun 1988
penulis bekerja sebagai staf di Bank Duta Jakarta. Pada tahun 1988 sampai dengan
saat ini penulis bekerja sebagai staf pengajar di Jurusan Teknik Industri, Fakultas
Teknologi Industri Universitas Trisakti. Selain sebagai staf pengajar penulis
menjabat sebagai Kepala Laboratorium Sistem dan Simulasi Industri di Jurusan
Teknik Industri, Fakultas Teknologi Industri Universitas Trisakti.
Pada tahun 1992 penulis menikah dengan Agus Sufyan dan dikaruniai 2
orang anak yaitu Nabila Yusrina Nur Abidah (16 tahun) dan Haykal Gustian
DAFTAR TABEL... xiv
DAFTAR GAMBAR ... xvi
DFATAR ISTILAH ... xvii
DAFTAR LAMPIRAN. ... xix
PENDAHULUAN . ... 1
Latar Belakang . ... 1
Tujuan Penelitian . ... 5
Manfaat Penelitian. ... 6
Ruang LingkupPenelitian . ... 6
TINJAUAN PUSTAKA. ... 7
Agroindustri ubikayu . ... 7
Manajemen Krisis. ... 10
Sistem Manajemen Chaotic. ... 12
Teori Chaos... 40
Sistem Deteksi Dini. ...22
Sistem Manajemen Ahli... ... 24
Analisa Resiko Batas Ambang... 25
Sistem Intelijen ... ... 26
Fuzzy Perbandingan Berpasangan... 28
Prediksi... ... 32
Jaringan Syaraf Tiruan... 33
Manajemen Strategis... 43
Issue Management Technology...46
Ordered Weighted Average... 48
Koperasi... 49
Penelitian Terdahulu………...50
METODOLOGI PENELITIAN ...55
Metoda Pengumpulan data...60
Tahapan Penelitian...60
PEMODELAN SISTEM...63
Pendekatan Sistem ...63
Analisis Kebutuhan ...70
Formulasi Permasalahan...72
Identifikasi Sistem...73
Identifikasi Sumber Turbulensi...77
Uji Eksistensi Chaos...82
Prediksi harga tapioka halus dan pasokan bahan baku...90
Analisis Sinyal Krisis...99
Analisis Eksternal industri...109
Analisis Internal...106
Tahap masukan dan pencocokan...113
Analisis Krisis...114
Penentuan Strategi dan kebijakan penanggulangan krisis...121
Akuisisi Pengetahuan...129
Mesin Inferensi dan User Interface...135
SISTEM MANAJEMEN AHLI...137
Konfigurasi Model...137
Cakupan Model Simak-Chaotica...138
Sistem Manajemen Basis Model...140
Sistem Manajemen Basis Data...144
Sistem Manajemen Pengetahuan...145
Pembentukan Mesin Inferensi...146
Sistem Manajemen Dialog...147
Uji Eksistensi Chaos... 153
Prediksi Harga Tapioka dan Pasokan Bahan Baku... 156
Analisis Krisis... 159
Kebijakan... 160
Keterbatasan model... 162
KESIMPULAN DAN SARAN Kesimpulan... 163
Saran... 166
DAFTAR PUSTAKA... 167
xiv
1 Perbandingan Gizi tanaman Pangan... 7
2 Produktivitas dan potensi ubi kayu dan tanaman tumpangsari lainnya pada lahan hutan... 9
3 Standar mutu tapioka... 10
4 Prosedur IMT... 47
5 Matrik Kebijakan... 47
6 Daftar pabrik tapioka halus di kabupaten Bogor……… 67
7 Rata-rata pasokan bahan baktu dan waktu produksi tapioka... 68
8 Daftar kebutuhan pemangku kepentingan industri tapioka... 71
9 Struktur harga tapioka halus bulan Juli 2009... 79
10 Matriks perbandingan berpasangan Fuzzy………... 81
11 Bobot variabel yang berpengaruh terhadap harga tapioka... 82
12 Bobot variabel yang berpengaruh terhadap pasokan bahan baku... 82
13 Input penghitungan eksponen Lyapunov... 84
14 Faktor- faktor kekuatan, kelemahan, peluang dan ancaman pada industri.. 112
15 Alternatif tindakan stakeholders penanggulangan krisis……….. 122
16 Bobot parameter Dampak dan Manfaat keadaan siaga ... 128
17 Bobot parameter Dampak dan Manfaat keadaan Waspada... 128
18 Bobot parameter Dampak dan Manfaat keadaan Bahaya... 129
19 Matriks perihal kebijakan koperasi untuk keadaan siaga... 129
20 Matriks perihal kebijakan koperasi untuk keadaan waspada... 130
21 Matriks perihal kebijakan koperasi untuk keadaan Bahaya... 131
22 Matriks perihal kebijakan Pemerintah untuk keadaan waspada dan bahaya... 132
23 Matriks perihal kebijakan Bulog untuk keadaan waspada dan bahaya... 132
24 Matriks perihal kebijakan Agroindustri tapioka untuk keadaan siaga... 133
25 Matriks perihal kebijakan Agroindustri tapioka untuk keadaan waspada.. 133
26 Matriks perihal kebijakan Agroindustri tapioka untuk keadaan Bahaya.... 134
xv
Halaman
1 Pohon industri ubi kayu... 7
2 Siklus Krisis... 11
3 Sistem Manajemen Chaotic... 14
4 Self-similarity fractal... 16
5 Siklus deteksi dini... 23
6 Grafik Fungsi Keanggotaan dalam Fuzzy AHP... 30
7 Susunan Syaraf Manusia……………… 34
8 Struktur jaringan syaraf tiruan………... 35
9 Proses umpan maju di titik aktif………..... 38
10 Kerangka pemikiran penelitian ………... 57
11 Diagram alir tata laksana penelitian………... 62
12 Model Keterkaitan Agroindustri Tapioka... 70
13 Diagram Sebab akibat sistem agroindustri tapioka... 76
14 Diagram Black Box Manajemen Pengendalian Krisis ………. 77
15 Diagram alir prosedur identifikasi sumber turbulensi ………..… 78
16 Diagram root cause agroindustri tapioka... 79
17 Grafik perbandingan hari kerja ...… 78
18 Flowchart algoritma penghitungan eksponen Lyapunov ………. 85
19 Diagram alir penghitungan dimensi fraktal ……….. 89
20 Diagram alir peramalan harga tapioka dengan JST... 91
21 Struktur Jaringan Syaraf Tiruan... 93
22 Diagram alir penentuan krisis... 100
23 Diagram alir perumusan strategi kebijakan pengendalian krisis... 101
24 Matrik Internal Eksternal………. 114
25 Struktur sistem pemberdayaan kelembagaan koperasi agroindustri tapioka. 117 26 Tampilan Sistem Manajemen Ahli Simak-chaotica... 138
27 Konfigurasi Sistem Manajemen Ahli Manajemen Krisis... 139
xvi
31 Tampilan sub-menu Analisis Sinyal Krisis ………….………... 144
32 Tampilan sub-menu pemilihan alternatif strategi kebijakan untuk keadaan ”SIAGA”... 148
33 Tampilan sub-menu pemilihan alternatif strategi kebijakan untuk keadaan ”WASPADA”... 149
34 Tampilan sub-menu pemilihan alternatif strategi kebijakan untuk keadaan ”BAHAYA”... 149
35 Tampilan hasil eksekusi program untuk sub-model uji eksistensi chaos harga tapioka... 154
36 Tampilan hasil eksekusi program untuk sub-model uji eksistensi chaos pasokan bahan baku... 155
37 Tampilan hasil prediksi harga tapioka dengan jaringan syaraf tiruan ... 157
38 Tampilan hasil prediksi pasokan dengan jaringan syaraf tiruan ... 158
39 Tampilan hasil analisis sinyal Krisis... 159
40 Tampilan sub-model kebijakan Agroindustri untuk keadaan “BAHAYA”………... 161
xvii
Agroindustri : Suatu kegiatan pengolahan bahan baku yang bersumber dari hasil pertanian maupun peternakan. Pengolahan meliputi proses transformasi fisik,
kimiawi, pengemasan dan distribusi.
Chaos: Sistem non linier dinamik, deterministik yang dapat menghasilkan hasil acak. Sebuah sistem yang bersifat chaos memiliki sebuah dimensi fraktal dan
memperlihatkan ketergantungan yang sensitif terhadap kondisi awal.
Chaotic Management System adalah suatu pendekatan sistematis untuk
mendeteksi, menganalisis dan merespon turbulence dan chaos.
Dimensi fraktal : Sebuah bilangan yang secara kuantitatif menjelaskan bagaimana sebuah obyek menempati ruangnya. Dalam geometri Euclid obyek dianggap
padat dan kontinu atau disebut bilangan bulat. Fraktal adalah kasar dan
seringkali diskontinu, seperti sebuah bola yang dibentuk dari selembar kertas
yang diremas, bulat berongga memiliki dimensi fraktal.
Dimensi Korelasi : Estimasi dari dimensi fraktal yaitu mengukur probabilitas bahwa dua titik yang diambil secara acak akan berada pada suatu jarak yang
tetap, dan menguji bagaimana probabilitas itu berubah dengan jarak yang
bertambah.
Eksponen Lyapunov: Sebuah eksponen yang positif mengukur sensitivitas ketergantungan pada kondisi awal, atau seberapa jauh prediksi/peramalan akan
menyimpang berdasarkan pada estimasi kondisi awal. Dalam pandangan lain 1
dibagi eksponen Lyapunov adalah kehilangan kemampuan memprediksi
Fraktal: Sebuah obyek dimana bagian-bagiannya memiliki kemiripan terhadap keseluruhan, yaitu komponen-komponen individu memiliki “kesamaan diri”.
Manajemen Krisis: Suatu cara pengelolaan yang proaktif dari kegiatan organisasi yang mengarah pada keberlanjutan fungsinya sesegera mungkin setelah
adanya krisis
xviii
1 Rule Base...173
2 Daftar file pada Submodel Uji eksistensi Chaos program Simak-Chaotica...181
3 Daftar file pada Submodel Prediksi Harga Tapioka program Sima-Chaotica..182
4 Daftar file pada Submodel Prediksi Pasokan Bahan Baku program Simac-Chaotica...183
5 Daftar file pada Submodel Analiais Sinyal Krisis program Simac-Chaotica....184
6 Daftar file pada Submodel Kebijakan Pengendalian Krisis keadaan ”SIAGA” program Simac-Chaotica...185
7 Daftar file pada Submodel Kebijakan Pengendalian Krisis keadaan ”WASPADA” program Simak-Chaotica...186
8 Daftar file pada Submodel Kebijakan Pengendalian Krisis keadaan ”BAHAYA” program Simac-Chaotica...187
9 Petunjuk Penggunaan Program Aplikasi Sistem Penunjang keputusan Simak-Chaotica...188
10 Kusioner variabel yang mempengaruhi harga tapioka...200
11 Kusioner variabel yang mempengaruhi pasokan tapioka kasar...201
12 Matriks Pembobotan faktor internal...202
13 Matriks Pembobotan faktor eksternal...203
14 Hasil Pengolahan data...204
15 Listing program training harga tapioka halus...220
16 Listing program testing harga tapioka halus...222
17 Listing program forecasting harga tapioka halus...223
18 Listing program training pasokan tapioka kasar...224
19 Listing program testing pasokan tapioka kasar...225
20 Listing program forecasting pasokan tapioka kasar...226
PENDAHULUAN
Latar Belakang
Krisis perekonomian global telah berdampak kepada krisis nasional di
sektor pertanian dan agroindustri yang ditandai dengan menurunnya fungsi
produksi dan fungsi bisnis pada sektor pertanian dan agroindustri. Indonesia
mengalami dampak negatif akibat melemahnya perdagangan dunia. Sejumlah
komoditas ekspor produk pertanian mengalami penurunan permintaan dan harganya
terpuruk. Menguatnya sistem industri dan perdagangan konglomerasi di Indonesia
tidak secara langsung membawa petani dan agroindustri rakyat dapat menikmati
nilai tambah sekunder, tersier maupun kuarter. Petani dan agroindustri rakyat hanya
menikmati nilai tambah primer sebagai pemberian alam atas hasil pertanian. Nilai
tambah sekunder, tersier dan kuarter dinikmati industri dan pedagang besar
(Swasono,2010). Perubahan iklim dan pengalihan pemanfaatan lahan produktif ke
arah non produktif mengakibatkan terkikisnya potensi sumberdaya alam. Hal ini
yang akan semakin memarjinalkan petani dan agroindustri rakyat (Nasution 2002c).
Perekonomian disusun sebagai usaha bersama berdasarkan atas asas kekeluargaan
sebagaimana dijamin secara konstitusi dalam pasal 33 ayat (1) UUD 1945 telah
bergesar ke arah asas perorangan dengan moral ekonomi berbasis pada persaingan
(Ruslina,2010). Keterpurukan industri rakyat dan pemiskinan masyarakat pedesaan
akan berdampak kepada situasi chaos. Chaos dapat terjadi setiap saat dan
dimanapun.
Ubi kayu merupakan salah satu tanaman yang mempunyai peran penting di
Indonesia, karena tidak hanya sebagai tanaman pangan melainkan sebagai bahan
baku bioenergi. Indonesia termasuk sebagai negara penghasil ubi kayu terbesar
ketiga (13.300.000 ton) setelah Brazil (25.554.000 ton), Thailand (13.500.000 ton)
serta disusul negara-negara seperti Nigeria (11.000.000 ton), India (6.500.000 ton)
dari total produksi dunia sebesar 122.134.000 ton per tahun. Produktivitas yang
masih rendah yaitu 12,2 ton/ha dibandingkan dengan India (17,57 ton), Angola
(14,23 ton/ha), Thailand (13,30 ton/ha) dan China (13,06 ton/ha) Agrica( 2007).
Sentra produksi ubi kayu di Indonesia adalah di Pulau Sumatera (70%) Jawa
dan Sulawesi (30%). Rata-rata produksi Nasional adalah 20.411.327 ton BPS
pangan, 19,8% untuk produksi tapioka, 14,8% untuk keperluan ekspor, 1,8% untuk
pakan dan 8,6% untuk industri non pakan. Produksi ubi kayu di Kabupaten Bogor
mencapai 18,9 ton/ha, lebih tinggi dari rerata produksi nasional yaitu 9,4 ton/ha
(Wardana, 2006). Hal tersebut menandakan bahwa kabupaten Bogor merupakan
sentra ubi kayu yang perlu dikembangkan.
Sebagai tanaman pangan, ubi kayu merupakan sumber karbohidrat bagi
sekitar 500 juta manusia di dunia. Ubi kayu mempunyai kandungan karbohidrat
yang cukup tinggi yaitu sebanyak 32,4 gr dan kalori 567,0 kal dalam 100 gr ubi
kayu. Pemilihan ubi kayu sebagai bahan pangan subtitusi beras mempunyai alasan
yang kuat, karena mudah dibudidayakan, merupakan makanan pokok asli sebagian
masyarakat Indonesia, dan kandungan gizi yang memadai. Selain sebagai bahan
pangan, ubi kayu juga sebagai bahan baku berbagai sektor industri diantaranya
dapat diolah menjadi asam sitrat, monosodium glutamat, sorbitol, glukosa kristal,
dextrose monohydrate, dextrin, alcohol, etanol.
Produksi tapioka di Indonesia dalam kurun waktu tahun 1996 hingga 2001
rata-rata per-tahun 16 juta ton (dari Sumatera, Jawa dan Sulawesi) merupakan
produsen tapioka nomor 2 didunia setelah Thailand sebesar 30 juta ton per-tahun.
Jumlah produksi ini terserap pasar dalam negeri rata-rata 13 juta ton per-tahun dan
permintaan akan naik rata-rata 10% pertahun. Proyeksi hingga tahun 2011
permintaan domestik diperkirakan akan menjadi 33,72 ton. Dengan demikian
peluang pasar tapioka masih terbuka .
Pada umumnya industri tapioka di Indonesia dapat dikelompokkan menjadi
3 kelompok. Pertama kelompok industri tapioka berskala besar yang sudah
menggunakan mesin-mesin modern. Kedua, kelompok industri kecil tapioka halus
yang menggunakan mesin-mesin semi modern. Ketiga industri tapioka rakyat yang
menghasilkan tapioka kasar. Pada industri rakyat ini memproduksi tapioka kasar
menggunakan teknologi sederhana.
Aliran produk dalam rantai pasokan tapioka dimulai dari petani ubi kayu
hingga industri hilir. Ubi kayu dari petani dipasok ke industri rakyat penghasil
tapioka kasar, produk tapioka kasar dipasok sebagai bahan baku tapioka halus, dan
produk tapioka halus diserap oleh konsumen industri makanan dan konsumen
ditentukan oleh mekanisme pasar yang dikendalikan oleh industri tapioka besar dan
stok tapioka nasional. Harga tapioka halus ini akan menentukan harga tapioka kasar
dan harga ubi kayu (Firdaus, 2004). Sebagaimana agroindustri pada umumnya,
agroindustri tapioka rentan terhadap sitem pasokan bahan baku, karena bersifat (1)
musiman, (2) mudah rusak, (3) menempati ruang banyak, (4) memiliki keragaman
kualitas, (4) berskala kecil-kecil. Hal ini menyebabkan volume produksi
berfluktuasi antar musim, antar waktu maupun antar daerah.
Sistem tataniaga ubi kayu rentan terhadap harga karena transmisi harga
yang rendah, kenaikan harga komoditi di tingkat konsumen tidak serta merta dapat
meningkatkan harga di tingkat petani produsen. Namun sebaliknya penurunan
harga di tingkat konsumen umumnya lebih cepat ditransmisikan kepada harga di
tingkat produsen. Struktur pasar dari tapioka bersifat monopsonis dimana harga
ditetapkan oleh perusahaan besar, sehingga usaha tani dan industri kecil berada
pada posisi yang lemah terhadap posisi tawar. Hal ini menyebabkan petani ubi kayu
dan industri kecil tapioka pada posisi tawar yang lemah (Wardana, 2006). Risiko
yang ditimbulkan akan menyebabkan turbulensi yaitu keadaan yang berubah
sangat cepat, tidak dapat diprediksi, dan ketidakpastian pada agribisnis tapioka.
Era turbulensi tidak mungkin terelakkan lagi, lambat laun akan menjadi
lingkungan baru yang permanen yang disebut dengan kenormalan baru (new Normality). Normalitas tersebut bukan ditandai oleh stabilitas dan kepastian (certainty) seperti yang terdapat pada era sebelumnya, melainkan terbentuk dari ketidakmenentuan dan chaos. Oleh karena itu (Kotler, 2009) menyebutnya sebagai
era chaos. Normalitas baru tersebut mewujud dalam bentuk kombinasi antara
perekonomian yang boom, turun, resesi bahkan depresi dalam siklus yang kian cepat. Normalitas baru yang mewujud dalam bentuk chaos itu setiap saat akan siap
menelan korbannya.
Sistem tataniaga dalam rantai pasokan agroindustri tapioka dari hulu hingga
hilir diwarnai dengan permasalahan yang kompleks, dinamis akibat tekanan
lingkungan hulu dan hilir (Kesenja, 2005). Perencanaan strategi dengan pendekatan
konvensional seringkali mengabaikan ketidak pastian dan mengandalkan
asumsi-asumsi. Pada era turbulensi pendekatan ini tidak sesuai lagi. Kesalahan manajemen
turbulensi memaksa pelaku industri melakukan perubahan dalam rangka
kelangsungan bisnisnya dengan mengubah turbulensi menjadi peluang baru (Kotler,
2009).
Manajemen perubahan adalah mengakomodasi berbagai dinamika atau
perubahan lingkungan dan mengelolanya di dalam suatu sistem manajemen yang
handal. Empat pilar utama dalam manajemen perubahan yaitu strategi, operasi,
budaya dan kompensasi. Empat pilar ini menunjang perubahan dalam organisasi
baik dalam tatanan makro maupun mikro. Reformasi di tatanan mikro akan berhasil
bila tatanan makro juga ikut berubah. Platt (2001) yang diacu dalam Kasali (2005)
membedakan perubahan strategis suatu perusahaan dalam 3 kategori yakni:
Transformasi Manajemen, Manajemen Turnaround dan Manajemen Krisis.
Transformasi manajemen biasanya dilakukan oleh perusahaan-perusahaan yang
sehat, atau perusahaan-perusahaan yang mulai menangkap sinyal yang kurang
menggembirakan. Manajemen Turnaround biasanya dilakukan oleh perusahaan-perusahaan yang sudah mulai menghadapi permasalahan-permasalahan yang agak
pelik dan mulai melibatkan pihak-pihak yang lebih luas. Sedangkan manajemen
krisis biasanya dilakukan oleh perusahaan-perusahaan yang telah memasuki masa
krisis, dimana perusahaan sudah berada pada posisi berbahaya dan eksistensinya
diragukan.
Chaotic Management System adalah suatu pendekatan sistematis untuk mendeteksi, menganalisis dan merepon turbulence dan chaos (Kotler, 2009). Teori ekonomi tradisional didominasi oleh model linier yang didasarkan pada konsep
distribusi normal. Sebagai konsekuensinya masa depan menjadi sangat terhubung
dengan masa lalu ataupun saat sekarang. Berlawanan dengan hal tersebut telah
terbukti oleh beberapa temuan yang dimulai dari ketidakcocokan antara
konsekuensi alamiah dengan perilaku data time series. Peter (1991) telah berhasil
mengidentifikasi perilaku pasar keuangan yang memiliki perilaku non linier dan
bersifat chaos. Banyak usaha dilakukan untuk mengekstraksi informasi yang tepat
terhadap perilaku harga dengan melibatkan diskripsi kerangka teori chaos.
Proses deterministik ditandai dengan menggunakan pencocokan regresi,
sedangkan proses random ditandai melalui parameter statistik dari fungsi distribusi.
dapat menangkap sifat dari system yang bersifat chaos. Dengan pendekatan teori
chaos perilaku sistem dapat diidentifikasi secara tepat dan akurat. Untuk
memprediksi keadaan pada masa yang akan datang dapat dipilih teknik peramalan
yang tepat dan mampu memetakan atau menghubungkan arus data input kepada
arus data output tanpa memerlukan asumsi tentang struktur data, distribusi data dan
independensi data. Kesalahan dalam memprediksi keadaan yang akan datang
akan berakibat kepada kekacauan sistem (chaotic system). Suatu sistem yang faktor-faktor penyusunnya rentan terhadap ketidak pastian sangat berpotensi untuk
menjadi chaos. Demikian pula pada agroindustri tapioka yang memiliki karateristik
khas yaitu produk maupun bahan baku yang mudah rusak, bahan baku bersifat
musiman, bergantung pada iklim, memiliki kualitas yang bervariasi, dan
perdagangan bersifat monopsonistik. Hal ini akan berakibat kepada resiko
ketidakpastian harga produk dan sistem produksi. Oleh karena itu dalam
perencanaan pengembangan agroindustri tapioka diperlukan metoda pendekatan
yang tepat. Berdasarkan fenomena tersebut, penelitian tentang Rancangbangun
Sistem Intelijen untuk Strategi Pengembangan Agroindustri Tapioka dengan
Pendekatan Teori Chaos dilakukan sebagai suatu alternatif pemecahan masalah secara cepat dan akurat dalam menghadapi keadaan krisis.
Tujuan Penelitian
Tujuan dari penelitian ini merancang model sistem intelijen yang mencakup
sistem deteksi dini keadaan chaos dan sistem manajemen kontrol yang dapat digunakan oleh para pengambil keputusan dalam proses penentuan kebijakan dalam
rangka pemulihan dan pencegahan krisis pada agroindustri tapioka. Keluaran
penelitian ini menghasilkan perangkat lunak Model Sistem Intelijen SIMAK
-CHAOTICA (Sistem Intelijen Manajemen Krisis Agroindustri Tapioka) yang dapat dipakai untuk mendeteksi keadaan krisis sebagai dampak keadaan chaos serta
memberikan rekomendasi kebijakan atas prediksi keadaan yang diperkirakan akan
terjadi. Kebaruan dari penelitian ini adalah penggunaan teori chaos yaitu suatu
metoda kuantitatif untuk mendeteksi keadaan chaos dari sistem agroindustri tapioka
dan mengintegrasikannya dengan model prediksi dengan jaringan syaraf tiruan dan
Manfaat Penelitian
Hasil dari penelitian ini diharapkan bermanfaat bagi pengembangan
agroindustri tapioka dimasa mendatang, Secara rinci manfaat penelitian ini adalah:
1. Sebagai rujukan bagi pemangku kepentingan untuk memahami secara holistik
persoalan krisis pada agroindustri tapioka dari sisi mikro maupun makro.
2. Sebagai rujukan bagi pemangku kepentingan untuk memahami secara holistik
akan pentingnya mendeteksi lebih awal terhadap kemungkinan terjadinya
chaos dalam rangka pencegahan dan pemulihan krisis pada agroindustri
tapioka.
3. Dapat dipergunakan sebagai rujukan penyusunan strategi dan rekomendasi
kebijakan pada pengembangan agroindustri tapioka.
Bagi perkembangan keilmuan penelitian ini dapat dijadikan sebagai rujukan dalam
penelitian lanjutan mengenai rancangbangun model sistem intelijen dan
pengembangan teori chaos pada bidang lain.
Ruang Lingkup Penelitian
Rancangbangun model difokuskan pada rantai pasokan industri tapioka
dengan mempelajari perilaku chaos. Obyek peneltian meliputi petani ubi kayu, industri tapioka kasar dan industri kecil tapioka halus. Sebagai validasi model
diterapkan pada industri tapioka skala kecil di kabupaten Bogor. Pengambilan data
TINJAUAN PUSTAKA
Agroindustri ubi kayuCassava atau ubi kayu termasuk dalam famili Euphorbiaceae. Ada dua jenis ubi kayu yaitu ubi kayu pahit atau beracun dan ubi kayu manis atau tidak beracun.
Kedua jenis ubi kayu ini diklasifikasikan sebagai Manihot esculenta atau Manihot utilissima. Pemilihan ubi kayu sebagai bahan pangan subtitusi beras mempunyai alasan yang kuat. Pertama umbi-umbian termasuk ubi kayu merupakan makanan
pokok asli sebagian masyarakat Indonesia, dan yang kedua kandungan gizi ubi
kayu sangat memadai sebagai sumber karbohidrat. Pada Tabel 1 berikut disajikan
perbandingan kandungan gizi beberapa komoditi pangan.
Tabel 1 Perbandingan Gizi tanaman pangan
Kandungan Gizi Beras Gandum Ubi kayu Garut Ubi jalar
Kalori (kal) Protein (gr) Lemak (gr) Karbohidrat (gr) Kalsium (mg) Phosfor (mg)
Zat besi (mg)
Vit.A (SI)
Vit.B(mg)
Vit.C(mg)
Air ( gr)
Bagian yg dapat
dimakan (%) 360,0 6,8 0,7 78,9 6,0 140,0 0,8 0,0 0,1 0,0 13,0 100,0 365,0 8,9 1,3 77,3 16,0 106,0 1,2 0,0 0,1 0,0 9,1 100,0 363,0 1,1 0,5 88,2 84,0 125,0 1,0 0,0 0,0 0,0 9,1 100,0 355,0 0,7 0,2 85,2 8,0 22,0 1,5 0,0 0,1 0,0 13,0 100,0 136,0 1,1 0,4 32,3 57,0 52,0 0,7 900,0 0,1 35,0 40,0 100,0
Sumber : Direktorat Gizi DepKes RI (1981) dalam Utami (2006)
Selain sebagai bahan pangan ubi kayu juga sebagai bahan baku berbagai
sektor industri. Bahkan onggok dari tapioka dapat dijadikan sebagai bahan baku
Ubi kayu
Kulit
Makanan ternak
Umbi
Onggok
Obat Nyamuk Bakar Asam sitrat Industri makanan/
kimia
Tapioka
Tapioka pearl
Dextrin
Maltosa
Glukosa
Fruktosa
Macam-macam alkohol
Asam-asam organik
Sorbitol
Senyawa kimia lain
Industri makanan
Industri makanan
Industri makanan/ bio energi
Industri makanan/ kimia
Industri makanan
Industri kimia
Gaplek Pelet Makanan ternak
Bahan makanan
Tepung ubikayu
Makanan ringan
Bahan makanan
Daun
Sayuran
Makanan ternak
Sektor Pertanian
Sektor industri
Konsumen
Gambar 1 Pohon industri ubi kayu (Bank Indonesia, 2004)
Ubi kayu dapat tumbuh di lahan kering dari dataran rendah hingga dataran
tinggi dan dapat diusahakan terus-menerus sepanjang tahun. Pada kondisi lahan
ubi kayu karena selain mudah dalam pemeliharaan juga relatif tahan terhadap
kekeringan.
Melihat berbagai kegunaan dan potensi ubi kayu di Indonesia maka
komoditas ini memiliki peranan dan kedudukan yang sangat strategis. Peranannya
akan sangat berarti pada saat musim kering ( paceklik) digunakan sebagai sumber
bahan pangan utama, sedangkan pada musim panen melimpah ubi kayu digunakan
sebagai bahan baku industri hilir. Bahkan dengan adanya kebijakan pemerintah
untuk mencari alternatif energi terbarukan ubi kayu mengambil peranan penting
sebagai penghasil bioetanol yang merupakan bahan substitusi bensin.
Pengembangan ubi kayu bisa dilakukan tanpa penyediaan lahan khusus
melainkan ditanam secara tumpang sari pada lahan yang sudah ada, misalnya hutan
jati atau mahoni sangat potensial untuk pengembangan ubi kayu. Luas hutan untuk
tumpangsari tanaman pangan adalah 108 juta ha (HTI, HPH, Hutan Rakyat), jika
10% luas lantai hutan digunakan untuk budidaya tanaman pangan akan
menghasilkan 378 juta ton dengan potensi pati 95 juta ton, untuk jelasnya disajikan
dalam Tabel 2:
Tabel 2 Produktivitas dan potensi ubi kayu dan tanaman tumpangsari lainnya pada
lahan hutan.
Jenis
tanaman
Produktivitas per
musim (ton/ha)
Potensi panen
( juta ton)
Potensi pati
(juta ton)
Potensi etanol
(juta l)
Ubikayu 35 378 95 60
Garut 20 216 32 17
Ganyong 20 216 32 17
Talas 8 86 17 9
Kimpul 30 324 65 52
Ubijalar 20 216 54 35
Jagung 7 76 49 15
Sumber: Dephutbub (1999)
Kualitas tapioka dikelompokkan berdasarkan nilai dari kriteria kualitas
BaSO4, kekentalan, Derajat asam dan kadar HCN. Secara lengkap kualitas tapioka
[image:31.595.55.477.47.843.2]disajikan pada Tabel 3.
Tabel 3 Standar mutu tapioka menurut SNI.01-3451-1994
Kriteria mutu Mutu I Mutu II Mutu III
Kadar air (% maks) 17 17 17
Kadar abu (% maks) 0,6 0,6 0,6
Serat + kotoran(% maks) 0,6 0,6 0,6
Derajad putih Min Min Min
BASO4 =100 Min 94,5 Min 92 Min 92
Kekentalan (Engler) 3-4 2,5-3 2,5
Derajad asam (ml NAOH/100 gr) 4 4 4
Kadar HCN (%) negatif negatif Negatif
Sumber: Sumber : Direktorat Pengolahan dan Pemasaran Hasil Tanaman Pangan (2003)
Manajemen Krisis
Suatu fenomena pada alam semesta dapat digambarkan dengan dua keadaan yaitu
normal dan abnormal. Normal diartikan sebagai keadaan sistem yang teratur, stabil,
berjalan sebagaimana mestinya. Abnormal berlaku kebalikan dari normal.
Berdasarkan strukturnya, abnormal terbagi menjadi dua, yaitu abnormal terstruktur
yang disebut sebagai krisis dan abnormal yang tidak terstruktur yang disebut
sebagai chaos.
Definisi Krisis menurut Fink(1996) bahwa krisis bisa diartikan sebagai
suatu keadaan yang tidak stabil dimana perubahan mendasar bisa terjadi.
Sedangkan Eriyatno et al (2010) mendefinisikan krisis sebagai suatu peristiwa
mendadak yang secara signifikan mempengaruhi kemampuan lembaga untuk
menjalankan fungsinya. Krisis menimbulkan gangguan yang secara fisik
berdampak nyata terhadap suatu sistem dan mengancam eksistensi maupun
kelangsungan sistem tersebut. Krisis dapat terjadi pada perseorangan maupun
terhadap organisasi atau lembaga.
Secara garis besar berdasarkan anatominya siklus krisis dapat dibagi menjadi empat
tahap pemulihan (resolution). Situasi krisis prodomal antara lain ditandai oleh peningkatan intensitas ketegangan, peningkatan perhatian media massa atau
pemerintah, kemunculan hambatan atau gangguan terhadap operasi bisnis Krisis
prodomal dapat berkembang menjadi krisis akut. Krisis akut ditandai dengan sudah
ditemukannya krisis dan jika peringatan dini mengenai kemunculan krisis tidak
ditangani secara serius, maka sangat sulit menemukan titik balik menjadi keadaan
normal kembali. Dengan perencanaan dan penanganan yang tepat, ledakan krisis
pada tahap akut dapat diatur waktu, tempo maupun magnitudenya, sehingga
dampak buruk dapat dikendalikan. Periode krisis tingkat akut biasanya berlangsung
singkat, kemudian dilanjutkan dengan krisis tingkat kronis (Fink, 1996).
Gambar 2 Siklus Krisis (Fink, 1996).
Metoda yang paling sederhana dalam menghindari krisis adalah konsensus yang
memungkinkan para pihak yang berkepentingan berpartisipasi dalam upaya
mencegah konflik. Pengambilan keputusan berdasarkan konsensus tergantung pada
dua hal yaitu 1) optimasi dari terpenuhinya kepentingan semua pihak dan 2)
kompromi dari pihak-pihak yang berkepentingan.
Pencegahan dan penghindaran krisis tergolong langkah yang sangat rumit,
karena datangnya krisis pada umumnya sangat mendadak serta perkembangannya
sangat cepat. Sehingga, upaya melakukan konsensus guna menyelesaikan krisis,
sangat sulit dilakukan setelah krisis berlangsung. Perencanaan dan kesiagaan
penanggulangan krisis yang tepat merupakan faktor kunci bagi keberhasilan
penanganan krisis dalam suatu lembaga. (Fink, 1996)
Manajemen krisis adalah suatu pengetahuan yang dikenal sebagi prosedural
model atau protokol yaitu suatu cara pengelolaan yang proaktif dari kegiatan
Prodomal Acute
Chronic Resolution
organisasi yang mengarah pada keberlanjutan fungsinya sesegera mungkin setelah
adanya krisis (Eriyatno et al., 2010). Avevedo (2007) dalam Eriyatno et al (2010)
menyebutkan bahwa kegiatan manajemen krisis yang proaktif dicirikan oleh
prakiraan potensi krisis (forecasting) dan perencanaan pengendaliannya. Manajemen krisis berupaya mengidentifikasi sumber pemicu krisis, kemudian
meminimalkan kerusakan sebagai dampak krisis dan akhirnya melakukan upaya
pemulihan.
Sistem Manajemen Chaotic
Pada umumnya penetapan parameter krisis dalam bisnis terkait dengan manajemen
risiko kuantitatif, meskipun disadari bahwa dunia nyata belum tentu berperilaku
secara acak dengan bentuk teratur. Teknik ekonometrik yang banyak dipraktekkan
dalam mazhab neo-klasik mengkategorikan sifat acak tersebut sebagai perilaku
yang dapat dianalisis, sedangkan apa yang terjadi di pasar uang ataupun pasar
modal adalah ketidak teraturan yang disebabkan proses umpan balik. Asumsi yang
diakui oleh faham neo-klasik yaitu berlakunya prasyarat statistik ternyata hal ini
terbukti tidak sahih di praktek pasar finansial. (Eriyatno et al., 2010).
Penanggulangan krisis pada pada tahap akut turbulensi menjadi ancaman
menakutkan jika kekacauan, keacakan, dan ketidakpastian meluas ke arah
lenyapnya kekuatan pengendalian. Henderson (1991) menggambarkan semacam
zone peralihan dalam sistem (ekonomi, politik, sosial) yang tengah mengalami proses transformasi. Zone transisi ini dicirikan dengan adanya kondisi peregangan (fibrillation) di dalamnya. Zone peregangan ditandai munculnya ketidakpastian dan risiko amat besar. Inilah titik kritis yang dalam teori chaos disebut wilayah bifurkasi (bifurcation), yaitu zone perubahan yang di dalamnya tumbuh banyak mode dan percabangan yang akan menentukan arah perubahan.
Menurut Collins English dictionary Chaos diartikan sebagai “kekacauan”.
Dalam bahasa umum seringkali chaos diartikan sebagai situasi kacau balau, misalnya kondisi perekonomian, perilaku masyarakat akibat terjadinya perang,
bencana alam atau suatu kejadian yang sifatnya mendadak dan tidak terkendali.
1. Nonlinieritas, yaitu adanya sedikit perubahan pada satu level akan menghasilkan
perubahan besar pada level yang sama atau level yang lain dari suatu sistem.
2. Ketidakstabilan status sistem. Dalam teori chaos ada 2 bentuk ketidakstabilan yaitu: i). ketidaksatabilan struktural, terjadi ketika ada sedikit perubahan
konstruksi (kondisi awal) dapat memberi pengaruh yang besar terhadap perilaku
sistem. dan ii). ketidakstabilan perilaku, sedikit perubahan pada pola keterkaitan
elemen sistem maka akan memicu ketidakstabilan sistem. Contohnya dengan
adanya perubahan harga oleh suatu perusahaan akan menyebabkan perang
harga pada industri.
3. Emergent order, sistem dapat berkembang sendiri, evolusi dipengaruhi oleh faktor endogen
Menurut Sterman (1988) kondisi chaos sering tidak disadari karena struktur dari sistem tidak chaos, tetapi menimbulkan sistem chaotic dinamic karena adanya interaksi (pola keterkaitan) unsur-unsur endogen dalam sistem atau adanya
intervensi lingkungan ( exogen).
Chaotic Management System adalah suatu pendekatan sistematis untuk mendeteksi, menganalisis dan merepon turbulence dan chaos. Menurut Kotler (2009) untuk mencapai Business Enterprize yang berkelanjutan dengan pendekatan
Chaotic Management System terdiri dari 4 tahapan yaitu:
1. Mendeteksi sumber turbulence melalui pengembangan sistem deteksi dini 2. Merespon dan menanggulangi chaos dengan mengkonstruksikan beberapa
skenario strategi
3. Memilih strategi berdasarkan pada prioritas skenario dan resiko.
Gambar 3 Sistem Manajemen Chaotic (Kotler, 2009)
Teori Chaos
Penggunaan kata chaos dalam istilah sehari-hari sering diartikan sebagai ”kekacauan yang menjadi-jadi”. Dalam bidang sains, chaos adalah bahasa teknis dari sebuah fenomena sistem nonlinier yang kelakuannya sangat bergantung secara
sensitif pada kondisi awalnya (Wiggins, 1990). Sistem yang mengalami chaos
disebut sistem chaotik.
Penelitian mengenai chaos dimulai tahun 1890, ketika seorang astronom dan
matematikawan Prancis Henry Poincare mempelajari sistem tata surya. Poincare
pertama kali menemukan konsep chaos dalam gerak orbit tiga obyek yang mana
satu sama lain menggunakan gaya tarik untuk memaksa yang lainnya. Poincare
menyatakan bahwa suatu sistem yang terdiri dari beberapa bagian berinteraksi
(Chorafas, 1994). Konsep ini menjadi awal dari teori Chaos atau secara umum
disebut dengan teori sistem non linier dinamik.
Chaos dan keteraturan (order) dipandang saling berlawanan (antagonis). Hukum alam seperti hukum Newton dan hukum Keppler memperlihatkan
keteraturan (order), sedangkan chaos dipahami sebagai wajah lain dari alam ketika
kesederhaan atau hukum yang kompleks (complicated laws) menjadi tidak valid. Chaos tidak hanya dilihat sebagai kompleksitas dengan derajat tinggi atau bentuk
yang lebih kompleks dari keteraturan, tetapi dipandang sebagai kondisi dimana
alam gagal mematuhi hukum.
Karakteristik penting dari sistem dinamik chaos, yang pertama dan paling
penting adalah mempunyai ketergantungan yang sensitif terhadap kondisi awal.
Sistem dinamik mempunyai sifat yang tidak dapat diprediksi untuk jangka panjang.
Ketidakmungkinan prediksi ini terjadi karena sistem dinamik merupakan sistem
umpan balik (feedback system), dimana keluaran saat ini menjadi masukan bagi keadaan selanjutnya. Karakteristik kedua adalah memiliki tingkat kritis. Sistem
yang melewati titik kritisnya akan kehilangan kestabilan. Konsep ini dapat
digambarkan seperti kejadian dimana suatu timbangan yang telah berada pada titik
maksimum atau titik kritisnya, jika ditambah beban dengan berat sekecil apapun
akan menyebabkan kehilangan kestabilan dan timbangan menjadi rusak.
Karakteristik ketiga adalah memiliki dimensi fraktal.
Fraktal deterministik dan fraktal acak
Ide fraktal diperkenalkan oleh Benoit Manderlbrot pada tahun 1975 untuk
menjelaskan obyak kompleks yang tidak dapat dijelaskan dengan menggunakan
fraktal. Setiap cabang memiliki cabang-cabang lain yang lebih kecil, memiliki
kesamaan terhadap keseluruhan dalam sebuah pandangan kualitatif.
Fraktal dapat dibedakan menjadi fraktal deterministik dan fraktal acak
(random fractal). Fraktal deterministik dihasilkan oleh pengulangan aturan-aturan deterministik dan memiliki bentuk yang umumnya simetris. Contoh bentuk fraktal
deterministik adalah segitiga Sierpinski .
Gambar 4 Self-similarity fractal (Peter, 1991)
Sedangkan fraktal acak dihasilkan oleh kombinasi aturan-aturan yang dipilih secara
acak pada skala yang berbeda. Contoh fraktal acak adalah garis tepi pantai. Dari
pesawat udara yang sedang terbang tinggi, garis tepi pantai terlihat seperti garis
mulus yang tak teratur. Makin rendah pesawat terbang, garis pantai itu terlihat
makin bergerigi, sampai pada jarak dekat dimana setiap batu dapat terlihat. Kurva
times series dapat dibandingkan dengan garis pantai. Garis bergerigi pada kurva
times series mula-mula seperti garis pantai. Makin dekat kita melihatnya (makin
kecil pertambahan unit waktunya) makin banyak rincian yang terlihat.
Geometri euclid dan geometri fraktal
Geometri euclid menyederhanakan alam menjadi obyek-obyek yang
simteris dan murni ke dalam bentuk dimensi yang dinyatakan dalam bentuk
bilangan bulat. Garis lurus dianggap memiliki dimensi satu, bidang memiliki
dimensi dua, dan bangun ruang memiliki dimensi tiga. Bidang dua dimensi adalah
yang tak berlubang didalamnya. Bangun ruang memiliki sejumlah bentuk simetris
dan murni seperti bola, kerucut, silinder, dan balok. Tidak satupun dari
benda-benda tersebut yang memiliki lubang didalamnya dan tidak memiliki permukaan
yang kasar. Kesemuanya memiliki bentuk yang mulus (smooth) dan murni. Bagi Yunani kuno, simetri dan padat merupakan tanda kesempurnaan. Kelemahan
Geometri Euclid adalah tidak dapat membantu kita dalam memahami bagaimana
suatu obyek dibentuk.
Dimensi suatu obyek dalam geometri fraktal tidak harus selalu bilangan
bulat.. Selembar kertas yang dianggap bidang dua dimensi, jika diremas menjadi
bola dan akan berdimensi lebih dari dua tetapi tidak akan tepat berdimensi tiga.
Dimensi bola kertas tersebut akan terletak antara dua dan tiga, terkecuali jika bola
kertas tersebut dipadatkan maka akan menjadi obyek tiga dimensi. Kurva times
series yang tampak seperti garis bergerigi, tidak berdimensi satu karena tidak lurus
dan juga tidak berdimensi dua karena tidak memenuhi suatu bidang. Dimensinya
lebih besar dari dimesi garis dan kurang dari dimensi bidang, dimensinya terletak
antara satu dan dua.
Bila suatu obyek berada dalam ruang yang lebih besar daripada dimensi
fraktalnya, ruang tersebut disebut dimensi melekat (embedding dimension) dan cenderung dianggap dimensi obyek itu. Sebagai contoh, bola kertas yang diremas
dianggap berdimensi tiga walaupun tidak mengisi penuh ruang tiga dimensi.
Sebenarnya obyek fraktal mempertahankan dimensinya bila diletakkan pada
dimensi melekat yang lebih besar dari pada dimensi fraktalnya. Kurva times series
juga tidak mengisi bidang dua dimensi, hanya times series acak yang mengisi
bidang dan mempunyai dimensi dua.
Dimensi Fraktal
Dimensi fraktal menjelaskan bagaimana suatu obyek menempati ruangnya.
Dimensi fraktal menunjukkan seluruh faktor yang mempengaruhi sistem obyek
dengan skala tertentu. Ada beberapa cara untuk menghitung dimensi fraktal, tetapi
semuanya melibatkan cara bagaimana memeriksa volume atau area bentuk fraktal
metode awal penghitungan dimesi fraktal adalah mengitung jumlah lingkaran
dengan diameter tertentu yang dibutuhkan untuk memenuhi kurva. Bila
diameternya diperbesar dan jumlah lingkaran yang dibutuhkan dihitung, akan
ditemukan jumlah lingkaran berskala memenuhi hubungan berikut:
1 *dD
N (1)
Dimana N=jumlah lingkaran
d=diameter lingkaran
D=dimensi fraktal
Dengan menggunakan logaritma, persamaan diatas siubah menjadi:
1 log log d N
D (2)
Dimensi fraktal memberikan informasi penting mengenai hal-hal yang mendasar
dari sistem. Bilangan bulat terbesar terdekat dari dimensi fraktal memberikan
informasi banyaknya variabel dinamik minimal yang dibutuhkan untuk
memodelkan dinamika sistem tersebut. Sebagai contoh, suatu sistem yang memiliki
dimensi fraktal sebesar 2,37 artinya diperlukan sedikitnya tiga variabel untuk
memodelkannya dalam sistem dinamik.
Grassberger dan Procacia (1983) mengembangkan metode dimensi korelasi
(correlation dimentsion) sebagai pendekatan penghitungan dimensi fraktal dengan menggunakan integral korelasi (correlation integral), Cm(R). Integral korelasi adalah probabilitas sepasang titik didalam attractor yang berada dalam jarak R satu dengan lainnya. Untuk menghitung banyaknya pasangan titik yang memenuhi
kondisi tersebut, pertama times series yang digunakan direkonstruksi menjadi ruang
fasa, dimulai dengan dimensi melekat (m) yang rendah, yaitu m=2, m=3 dan
seterusnya. Kemudian mulai dengan jarak R yang pendek, integral korelasi Cm(R)
dihitung untuk jarak ini, sesuai dengan persamaan:
) ( * ) / 1 ( ) ( 1 , 2
N j i j i j i X X R Z N R Cm (3)N = banyaknya observasi
R = jarak
Cm = integral korelasi untuk dimensi m
Z(x) disebut fungsi Heaveside karena nilainya 0 jika jarak antara dua titik Xidan
j
X lebih dari R dan nilainya 1 jika jaraknya kurang dari R. Integral korelasi
adalah probabilitas 2 titik yang dipilih secara acak hanya akan terpisah dengan jarak
kurang dari R unit. Jika diperbesar nilai R, Cm akan meningkat pada laju D ,
sehingga akan diperoleh hubungan:
D
R
Cm (4)
Atau
*log( ) )
log(Cm D R konstanta (5)
Untuk sebuah dimensi(m), dapat dihitung Cm untuk peningkatan nilai R. Dengan
mencari kemiringan pada garis log(Cm) dengan log(R) melalui regresi linier, dapat
diestimasi dimensi korelasi (D) untuk masukan dimensi melekat (m). Dengan
meningkatkan m, D akan berangsur-angsur menyatu menuju nilai sebenarnya. Hasil
yang sama diperoleh sejalan dengan dimensi masukan (m) menjadi semakin besar
dari dimensi fraktal (D), sesuai dengan alasan yang dikemukakan. Sebuah fraktal
dimasukkan kedalam sebuah dimensi yang lebih tinggi akan mempertahankan
dimensi aslinya karena korelasinya yang ada antara titik-titiknya. Jadi dimensi
korelasi dari Grassberger dan Procaccia merupakan estimasi yang baik untuk
dimensi fraktal. Embedding dimension (m) mengukur kepadatan dalam attractor
dalam menemukan probabilitas sebuah titik yang berjarak R dari titik lain.
Correlation integral Cm(R) adalah banyaknya sepasang titik yang berada dalam batas R. Untuk attractor chaos, Cm(R) mencapai kestabilan setelah sebuah nilai m yang mencapai nilai sebenarnya. Kemudian, melalui penghitungan kemiringan
grafik log(R) untuk nilai m yang berbeda, akan diperoleh dimensi korelasi. Jika
kestabilan tidak terjadi maka dapat disimpulkan bahwa proses yang mendasari
adalah proses stokastik. Takens (1981) memperlihatkan bahwa untuk memperoleh
1
2
E A
A d
d (6)
Dimana dAadalah dimensi attractor atau dimensi fraktal dan d adalah embedding E dimension.
Ruang fasa (phase space)
Inspeksi visual terhadap data menjadi penting pada sistem dinamik non
linier, karena biasanya memiliki penyelesaian yang tidak tunggal. Penyelesaian
yang ada mungkin berjumlah berhingga atau bahkan tidak berhingga. Sistem yang
bersifat chaos memiliki penyelesaian yang tidak berhingga yang terdapat pada
ruang berhingga (finite space). Sistem tersebut ditarik ke daerah ruang kumpulan jawaban yang mungkin yang biasanya mempunyai dimensi fraktal. Ruang fasa
(phase space) adalah ruang dimana semua kemungkinan terjadi, sedangkan daerah dimana jawaban itu berada didalam ruang fasa disebut dengan attractor. Terdapat tiga jenis dasar attractor sistem non linier. Jenis paling sederhana adalah point attractor. Pada jenis ini, titik permulaan dimana sistem itu mulai bekerja akan berakhir di suatu titik dimana kesetimbangan sistem terjadi. Ekonomi klasik
cenderung memandang sistem ekonomi sebagai sistem seimbang (equilibrium system) atau point attractor. Jenis yang kedua adalah limit cycles, bentuk
attractornya seperti lingkaran tertutup. Jenis attractor ini merupakan suatu sistem yang mempunyai periode teratur. Jenis yang terakhir adalah strange attractor. Jenis ini mempunyai perputaran yang tidak periodik yang kelihatan seperti acak dan
kacau akan tetapi terbatas pada daerah tertentu.
Mengukur Chaos
Ketergantungan yang sensitif terhadap kondisi awal, dapat diukur dengan
sebuah bilangan skalar eksponen Lyapunov. Eksponen Lyapunov mengukur berapa
cepat orbit yang terdekat menyimpang dalam ruang fasa dan menandai bagaimana
lintasan ruang fasa dan proses dinamik berkembang. Secara umum terdapat lebih
dari satu bilangan eksponen Lyapunov tergantung dari dimensi permasalahannya,
tetapi selama bilangan terbesar bertanda positif mengindikasikan adanya
memiliki indikasi yang sangat penting dalam mendeteksi chaos. Persamaan formal
dari eksponen Lyapunov () untuk dimensi yang ke i
)adalah :
(0)
) ( log 1 2
lim
i i t p t p t (7)Dengan memanfaatkan fungsi logistik maka persamaan menjadi
) 2 ( log 1 1 2
N n n rX r N (8) Dimana : = Bilangan eksponen Lyapunov
t = perioda waktu
) (t
pi = data barisan ke-i pada periode ke-t
) 0 ( i
p = data barisan ke-i pada periode awal
n
X = data ke-n
N = jumlah data
r = parameter input
Bilangan eksponen Lyapunov ini kemudian dapat dihitung dengan menggunakan
komputer hingga derajat ketelitian tertentu yang ditentukan oleh nilai N pada
berbagai nilai parameter r. Identifikasi Chaos terhadap bilangan Lyapunov adalah
sebagai berikut:
0
orbit akan tertarik menuju titik stabil atau periodik stabil. Titik-titik tetap
dan periodik superstabil memiliki bilangan Lyapunov
0
mengindikasikan sistem berada dalam keadaan steady state.
0
orbit ini bersifat tidak stabil dan mengalami chaos. Titik-titik yang berdekatan akan menyebar pada jarak yang sembarang.
Satuan dari eksponen Lyapunov adalah bits/iteration. Ketika diaplikasikan pada
deret waktu maka satuan tersebut lebih sering disebut dengan bits/perioda
pengukuran. Keakuratan bits mengukur seberapa besar kita mengetahui kondisi saat
kehilangan 0,05 bit dari kekuatan prediksi tiap hari, sehingga informasi menjadi
tidak berguna setelah 1/0,05 atau 20 hari.
Allan Wolf (1985) yang diacu dalam (Muhyidin, 2005) mengembangkan
metode penghitungan eksponen Lyapunov, berdasarkan pada penghitungan jarak
yang memisahkan lintasan yang bersebelahan di dalam ruang fasa. Jika jarak awal
antara lintasan adalah N0 maka setelah interval waktu yang pendek, jarak N yang baru dengan eksponen Lyapunov h, adalah:
ht
e N
N 0 (9)
Jika h<0 maka lintasan akan konvergen secara eksponesial, sedangkan jika h>0
maka lintasan akan divergen secara eksponensial. Prosedur yang dilakukan oleh
Wolf adalah mengambil lintasan tertentu dalam ruang fasa dan menghitung rasio
dimana jarak kepada lintasan terdekat. Hasilnya adalah rata-rata jarak
sepanjang waktu pengamatan, sehingga bilangan Lyapunov dalam formula khusus
adalah:
N
k k
k
N d t
t d t
t h
1 0 1 2
0 ( )
) ( log 1
(10)
Algoritma Wolf memerlukan data yang sangat banyak. Wolf menyatakan bahwa
sedikitnya 30 titik diperlukan utuk menghitung lintasan tunggal, dan sedikitnya
d
30 titik untuk menghitung sisa dengan dimensi d, Vaga (1994) yang diacu dalam
(Muhyidin, 2005).
Sistem Deteksi Dini
Deteksi dini merupakan kegiatan pendugaan untuk suatu keadaan dimasa
mendatang dengan mengadakan taksiran terhadap berbagai kemungkinan yang
terjadi sebelum suatu rencana yang lebih pasti dilakukan (Eriyatno, 1999). Sistem
deteksi dini dikembangkan menjadi bagian dari manajemen risiko. Resiko adalah
suatu dampak dari ketidakpastian suatu kejadian yang mengawalinya. Perubahan
lingkungan eksternal maupun internal akan memunculkan suatu ketidakpastian
Manajemen resiko adalah suatu kegiatan yang mengelola ketidakpastian
resiko sebelum suatu kejadian terjadi. Sedangkan manajemen krisis didefinisikan
sebagai kegiatan yang mengelola resiko dampak yang telah terjadi (Gilad, 2004).
Dalam penanganan krisis dalam bentuk manajemen kontrol sangat
dibutuhkan suatu metoda untuk melakukan pendugaan lebih awal. Sistem ini
dilakukan secara kontinyu dimulai dari mengidentifikasi resiko sebagai indikator
dampak krisis, kemudian melakukan pemantauan intelijen untuk mendapatkan
sinyal-sinyal keadaan krisis dan selanjutnya manajemen melakukan tindakan
antisipasi (Gilad, 2004). Untuk jelasnya digambarkan pada diagram berikut ini.
Identifikasi resiko
Pemantauan Intelijen Tindakan
manajemen
Indikator
Sinyal Umpan balik
Gambar 5 Siklus deteksi dini (Gilad, 2004)
Keadaan turbulensi dapat terjadi setiap saat dan dimanapun. Turbulensi ada
yang dapat dideteksi lebih awal dan ada yang tidak dapat dideteksi. Turbulensi
yang dapat dideteksi dapat dianalisis dan kemudian dilakukan tindakan secepat
mungkin. Tindakan pertama adalah mengidentifikasi peluang yang mungkin terjadi
dengan akan terjadinya turbulensi atau resiko yang mungkin akan muncul. Strategi
yang dilakukan mengacu kepada mengeksploitasi p
