SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGEMBANGAN
AGROINDUSTRI PALA DI TALAUD MENGGUNAKAN
ANALYTIC HIERARCHY PROCESS
(AHP)
RILLYA ARUNDAA
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa Tesis berjudul Sistem Pendukung Keputusan untuk Pengembangan Agroindustri Pala di Talaud Menggunakan
Analytic Hierarchy Process (AHP) adalah benar karya saya dengan arahan dari
komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Agustus 2016
Rillya Arundaa
RINGKASAN
RILLYA ARUNDAA. Sistem Pendukung Keputusan untuk Pengembangan Agroindustri Pala di Talaud Menggunakan Analytic Hierarchy Process (AHP).
Dibimbing oleh IRMAN HERMADI dan DANIEL R. O MONINTJA.
Pala merupakan tanaman perkebunan yang banyak dimanfaatkan oleh masyarakat Kabupaten Kepulauan Talaud dan merupakan salah komoditas unggulan daerah. Hasil survei BPS Talaud (2015) menyatakan bahwa hasil produksi buah pala mengalami peningkatan dari tahun ke tahun. Tersedianya sumber daya yang cukup/memadai mengindikasikan bahwa tanaman pala berpotensi untuk dikembangkan agroindustrinya. Hal ini didukung oleh potensi ketersediaan bahan baku, tenaga kerja, proses produksi, maupun peluang pasar. Pengembangan agroindustri ini mempunyai arti penting untuk memperluas kesempatan kerja, dan meningkatkan nilai ekonomi, sehingga dapat meningkatkan pendapatan dan kesejahteraan masyarakat, khususnya di wilayah pedesaan.
Penelitian ini bertujuan untuk merancang perangkat lunak sistem pendukung keputusan (SPK) berbasis web yang dapat membantu para pengambil keputusan untuk merencanakan dan mengembangkan agroindustri pala di Talaud. Tujuan khusus penelitian ini ialah menentukan prioritas produk agroindustri pala, menentukan prioritas lokasi pengembangan agroindustri pala, menentukan alternatif pengembangan kelembagaan agroindustri pala, mengukur prakiraan pasar komoditas pala dan produk agroindustri pala, serta mengukur kelayakan finansial agroindustri pala terpilih.
Data yang digunakan pada penelitian ini ialah data primer dan sekunder. Data primer diperoleh dari pakar dan data sekunder diperoleh dari BPS dan dinas pertanian. Pengumpulan data dilakukan melalui survei dan wawancara menggunakan kuesioner serta melalui penelusuran pustaka.
Sistem pendukung keputusan pengembangan agroindustri pala yang dibangun terdiri atas lima model keputusan dan dianalisis menggunakan beberapa metode. Model penentuan prioritas produk agroindustri menggunakan analytic
hierarchy process (AHP), model penentuan lokasi industri menggunakan loqation
quotient (LQ) dan AHP, model penentuan kelembagaan agroindustri menggunakan
AHP, model prakiraan agroindustri menggunakan regresi linier sederhana, dan model kelayakan finansial menggunakan kriteria investasi yang terdiri dari net present value (NPV), benefit cost ratio (B/C ratio), net benefit cost ratio (Net B/C), internal rate of return (IRR), dan payback period (PP). Perancangan sistem
mengacu pada tahapan penelitian system development life cycle (SDLC), menggunakan pendekatan pengembangan sistem object oriented (OO), dan bahasa pemodelan unified modeling language (UML).
Analisis prakiraan pasar komoditi pala terdiri atas analisis hasil produksi, volume penjualan dan harga jual buah pala. Analisis prakiraan pasar komoditi pala pada tahun 2015 memberikan hasil pada masing-masing analisis berturut-turut sebesar 3767,20 ton, 953,67 ton, dan Rp 72.073,33, dengan nilai koefisien determinasi 0,08, 0,62, dan 0,22. Nilai ini menunjukkan tingkat akurasi sebesar 8% untuk prakiraan hasil produksi, 62% untuk prakiraan volume penjualan buah pala, dan 22% untuk prakiraan harga jual buah pala. Analisis prakiraan pasar agroindustri pala terdiri dari analisis hasil produksi, volume penjualan dan harga jual anggur pala. Analisis prakiraan pasar anggur pala pada tahun 2015 memberikan hasil pada masing-masing analisis sebesar 703 botol, 712 botol, dan Rp 26.333, dengan nilai koefisien determinasi 0,94, 0,93, 0,82. Nilai ini menunjukkan tingkat akurasi sebesar 94% untuk prakiraan hasil produksi anggur pala, 93% untuk prakiraan volume penjualan anggur pala, dan 82% untuk prakiraan harga jual anggur pala.
Hasil analisis kelayakan finansial agroindustri pala khususnya usaha pengolahan minyak pala menunjukkan bahwa pada tingkat kapasitas mesin olah 500kg, dengan frekuensi olah 4 kali penyulingan dalam sebulan, harga bahan baku Rp 20.000 per kg, dan harga jual sebesar Rp 550.000 per kg adalah layak untuk dilaksanakan. Keuntungan bersih yang diperoleh sebesar Rp 221.806.000 per tahun dengan tingkat pengembalian modal mencapai 36%. Selanjutnya, dilakukan analisis sensitivitas dan hasilnya menunjukkan bahwa jika harga bahan baku mengalami peningkatan sebesar 10% maupun harga jual mengalami penurunan sebesar 10%, maka usaha ini masih menguntungkan dan layak dilaksanakan. Namun apabila harga jual mengalami penurunan sebesar 10% dan harga bahan baku mengalami peningkatan sebesar 10% secara bersamaan, maka usaha ini tidak layak dilaksanakan karena manfaat riil yang diperoleh bernilai negatif.
SPK yang dibangun diberi nama De Pala. De Pala dikembangkan berbasis
web sehingga dapat diakses kapan saja dan di mana saja selama terkoneksi dengan
internet. De Pala menyediakan antarmuka bagi aktor sebagai pengguna untuk berinteraksi dengan fungsi-fungsi yang tersedia pada De Pala. Aktor yang terlibat dalam sistem adalah petugas, pakar dan pengguna (tamu). Petugas memiliki hak akses untuk semua proses pengelolaan data, pakar diberi hak akses untuk melakukan penilaian, dan pengguna memiliki hak akses untuk melihat report
masing-masing model keputusan yang tersedia dalam De Pala, memasukkan komentar dan mengirim pesan. Fungsi-fungsi De Pala yang melibatkan pengelolaan data selalu melakukan validasi apabila ada aktor yang mengaksesnya. Basis data De Pala terdiri atas 14 tabel, di mana untuk pemodelan keputusan melibatkan 7 tabel, yaitu tabel (1) jenis model, (2) model, (3) faktor, (4) aktor, (5) tujuan, (6) alternatif, dan (7) nilai.
SUMMARY
RILLYA ARUNDAA. Decision Support System for Nutmeg (Pala) Agro-Industry
Development in Talaud Using Analytic Hierarchy Process (AHP). Supervised by IRMAN HERMADI and DANIEL R. O MONINTJA.
Nutmeg (Pala) is a plantation crop which cultivated by people of Talaud
Islands, and it is one of the leading commodity in Talaud region. Talaud BPS survey (2015) states that the production of nutmeg was increased year-over-year. The availability of sufficient resources indicates that the nutmeg crop agroindustry is potential to be developed. This is supported by the availability of raw materials, labor, production processes, as well as market opportunities. Agro-industry development is significantly important because it can expand employment and increase economic value, so it can increase the income and welfare of the people especially in rural areas.
The aim of this research was to build and design a web based decision support system (DSS) that can help decision makers regarding the planning and development of nutmeg agro-industries in Talaud. The specific objectives of this study were to determine the priority of nutmeg agro product, the priority area of nutmeg industry, the alternative institutional development of nutmeg agro-industry, and to measure nutmeg market forecasts, and agro product, as well as the financial feasibility of selected nutmeg agro-industry.
The data used in this study are primary and secondary data. Primary data were obtained from experts, and secondary data obtained from BPS, and department of agriculture. Data were collected through surveys and interviews using questionnaire, and through library searches.
Decision support system of nutmeg agro-industry development consists of five models of decision and analyzed using several methods. Prioritization model of agro-products using analytic hierarchy process (AHP), determination model of industrial location using location quotient (LQ) and AHP, pricing model of institutional agro-industrial using AHP, the forecasting model of agro-industrial using simple linear regression, and model of financial feasibility of using investment criteria that comprise of net present value (NPV), benefit cost ratio (B / C ratio), the net benefit cost ratio (net B / C), internal rate of return (IRR) and payback period (PP). System designing refers to the research stages of system development life cycle (SDLC), using the approach of system development object oriented (OO), and language modeling of unified modeling language (UML).
The result of model output shows that nutmeg agro-product which potential to be developed is nutmeg oil (0.441), followed by wine nutmeg (0.247) and sweets nutmeg (0.123). While the area priority of nutmeg agro-industry development in Talaud is sub district Lirung (0.289), followed by East Melonguane (0.191), and Kabaruan (0.111). The Nast suitable institutional establishment alternative of agro-industry is collaborate with upstream and downstream industries (0,478).
sales volume forecast, and 22% on the nutmeg selling price forecasts. Analysis of market forecasts agro industrial nutmeg consists of analysis of production, sales volumes and selling prices of wine nutmeg. Analysis of the nutmeg wine market forecasts in 2015 giving the results of these analyses were 703 bottles, 712 bottles, and IDR 26.333, with coefficient of determination of 0.94, 0.93, 0.82, respectively. This value shows the accuracy rate of 94% for the nutmeg wine production forecast, 93% of nutmeg wine sales volume forecast, and 82% for nutmeg wine selling price forecasts.
The results of nutmeg agro-industry financial analysis especially nutmeg oil processing shows that the level of machine capacity for 500 kg, with a frequency if four times the distillery in a month, raw material price of IDR 20.000 per kg, and the selling price of IDR 550.000 per kg is feasible. The net gain obtained is IDR 221.806 million per year with an annual turnover of 36%. Furthermore, the sensitivity analysis and the result shows that if the price of raw materials increased by 10% and selling price decreased by 10%, then this business is still profitable and feasible. However, if the selling price decreased by 10% and the price of raw materials increased by 10% at the same time, then this business is not feasible because the real benefit obtained is negative.
The DSS was named De Pala. De Pala was designed web-based so it can be accessed anytime and anywhere since connected to the Internet. De Pala provides an interface for the actor as an user to interact with the functions available on De Pala. Actors involved in the system are officers, experts and users (guests). Officers have access to all the data management process, experts are given access rights to conduct the assessment, and the user has permissions to view the report each decision models available in De Pala, post a comment and send messages. De Pala functions involving data management always perform validation when there are actors who access it. De Pala database consists of 14 tables, where for modeling decision involving seven tables, namely (1) the type of the model, (2) models, (3) factors, (4) the actor, (5) objectives, (6) the alternative and (7) the value.
The results show that decision support system can help managerial level (decision makers) to determine the development strategy of nutmeg agro-industry more easily and quickly. Further research can supplement, add or develop decision models that exist as well as considering other parameters.
© Hak Cipta Milik IPB, Tahun 2016
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Komputer
pada
Program Studi Ilmu Komputer
SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGEMBANGAN
AGROINDUSTRI PALA DI TALAUD MENGGUNAKAN
ANALYTIC HIERARCHY PROCESS
(AHP)
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2016
PRAKATA
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, yang telah memberi hikmat dan pengetahuan kepada penulis sehingga penulisan tesis ini dapat terselesaikan. Berbagai hambatan penulis temui dalam penulisan tesis ini, namun berkat bantuan, bimbingan, dan petunjuk dari berbagai pihak, maka akhirnya tesis ini dapat diselesaikan dengan baik. Untuk itu pada kesempatan ini penulis menyampaikan ucapan terima kasih kepada:
1. Bapak Irman Hermadi, SKom MS PhD dan bapak Prof Dr Ir Daniel R.O Monintja selaku pembimbing yang telah memberikan koreksi dan masukan dalam penyusunan dan perbaikan penyusunan tesis ini bahkan terus memotivasi penulis untuk tetap berkarya dan selalu mengembangkan diri. 2. Prof Dr Ir Herry Suhardiyanto, MSc selaku Rektor Institut Pertanian Bogor. 3. Pimpinan Sekolah Pascasarjana, Pimpinan Fakultas Matematika dan Ilmu
Pengetahuan Alam, Pimpinan, staf pengajar, staf administrasi Departemen Ilmu Komputer IPB yang telah tulus ikhlas memberikan ilmu, pengalaman, dan pelayanan dengan penuh tanggung jawab dan pengabdian selama penulis menempuh studi.
4. Bapak Dr Agus Buono, MSi MKom, selaku Penguji Luar Komisi.
5. Pakar dan Narasumber yang sudah membantu penulis dalam mengumpulkan data penelitian.
6. Wisard W. Kalengkongan, yang telah membantu penulis dalam penyelesaian program dan juga diskusi-diskusi yang dilakukan dikala senggang.
7. Teman se-Lab dan se-Bimbingan (Pak Pungki, Mas Mustakim, Mas Tengku, Firman, Pak Yakin, Rusdee, Mas Pang, Mas Vidi)
8. Teman-teman Fahmeda (Adriana, Arista, Netty, Arini, Ekawati, Ka Restu, Ka Mia, Dini, Kiki, Tini) dan PA Oikumene Bogor yang telah berbagi kebersamaan serta menjadi teman diskusi dan sharing yang luar biasa. 9. Nina dan Ikbal yang telah membantu penulis dalam pengumpulan data
sewaktu penulis melaksanakan penelitian di Talaud.
10. Teman-teman seperjuangan (Mner Hoxy, Mner Bill, Mner Artus) yang telah menyumbangkan pemikiran-pemikirannya kepada penulis dan terus memotivasi penulis dalam menyelesaikan penyusunan tesis.
11. Papa dan Mama yang selalu ada untuk membantu penulis dalam doa maupun materi serta dengan sabar dan tekun terus memotivasi penulis untuk tetap berusaha menghasilkan karya terbaik. Semoga Tuhan menganugerahkan hikmat, kesehatan dan kesejahteraan yang tidak terbatas.
12. Keluarga besar Arundaa-Pandagitan, rekan-rekan mahasiswa dan semua pihak yang tak sempat penulis sebut satu persatu yang telah memotivasi penulis untuk terus belajar dan berusaha menjadi lebih baik.
Semoga karya ilmiah ini dapat memberikan manfaat dan sumbangan pemikiran bagi kepentingan pembelajaran dan dapat memberikan manfaat kepada siapa saja yang membaca tulisan ini. Akhir kata penulis ucapkan banyak terima kasih.
Bogor, Agustus 2016
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vii
1 PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 3
Tujuan Penelitian 3
Manfaat Penelitian 3
Ruang Lingkup Penelitian 3
Penelitian Terdahulu 4
2 TINJAUAN PUSTAKA 7
Tanaman Pala 7
Agroindustri 7
Sistem Pendukung Keputusan 7
3 METODE 13
Lingkungan Pengembangan Sistem 13
Perencanaan 14
Analisis 14
Perancangan 17
Implementasi 17
Lokasi dan Waktu Penelitian 17
4 HASIL DAN PEMBAHASAN 18
Perencanaan 18
Analisis 20
Perancangan 38
Implementasi 40
5 SIMPULAN DAN SARAN 43
Simpulan 43
Saran 43
DAFTAR PUSTAKA 45
LAMPIRAN 49
DAFTAR ISTILAH 124
DAFTAR TABEL
1 Nilai random indeks (RI) 9
2 Sebaran dan produksi tanaman pala di Talaud tahun 2008-2014 18 3 Hasil agregat faktor model penentuan produk agroindustri 21
4 Koefisien LQ lokasi industri pala di Talaud 23
5 Hasil agregat faktor model penentuan lokasi agroindustri 24 6 Hasil agregat faktor model penentuan kelembagaan agroindustri 25 7 Perkembangan hasil produksi, volume penjualan, dan harga jual buah
pala tahun 2009-2014 26
8 Perkembangan hasil produksi, volume penjualan dan harga jual anggur
pala tahun 2009-2014 28
9 Perkembangan harga jual minyak pala nasional tahun 2009-2014 31 10 Koefisien indikator kelayakan investasi usaha agroindustri minyak pala
pada kondisi normal 31
11 Analisis sensitivitas minyak pala terhadap penurunan harga jual dan
peningkatan harga bahan baku 32
12 Analisis kebutuhan pelaku pengembangan agroindustri pala 34
13 Deskripsi use case De Pala 36
DAFTAR GAMBAR
1 Tahapan penelitian 13
2 Diagram alir penentuan prioritas produk agroindustri 15 3 Diagram alir penentuan prioritas lokasi industri 15 4 Diagram alir penentuan kelembagaan agroindustri 15 5 Diagram alir perhitungan kelayakan investasi agroindustri pala. 16
6 Pohon industri buah pala 19
7 Struktur hierarki dan bobot prioritas penentuan produk agroindustri
pala 22
8 Struktur hierarki dan bobot prioritas penentuan lokasi industri 24 9 Struktur hierarki dan bobot prioritas kelembagaan agroindustri pala 25 10 Prakiraan hasil produksi buah pala di Kabupaten Kepulauan Talaud
tahun 2009-2014 27
11 Prakiraan volume penjualan buah pala di Kabupaten Kepulauan Talaud
tahun 2009-2014 27
12 Prakiraan harga jual buah pala di Kabupaten Kepulauan Talaud tahun
2009-2014 28
13 Prakiraan hasil produksi anggur pala di Kabupaten Kepulauan Talaud
tahun 2009-2014 29
14 Prakiraan volume penjualan anggur pala di Kabupaten Kepulauan
Talaud tahun 2009-2014 29
15 Prakiraan harga jual anggur pala di Kabupaten Kepulauan Talaud tahun
2009-2014 30
16 Prakiraan harga jual anggur pala di Kabupaten Kepulauan Talaud tahun
2009-2014 30
18 Skema calon pengguna De Pala 33
19 Domain modelclass diagram De Pala 35
20 Diagram use case De Pala 35
21 Diagram aktivitas De Pala 37
22 Arsitektur sistem De Pala 38
23 Entity relationship diagram De Pala 39
24 Rancangan halaman utama De Pala 39
25 Peta website De Pala 40
26 Halaman utama De Pala 40
27 Tampilan halaman user untuk perhitungan Model 3 41
28 Halaman utama admin 41
29 Tampilan kuesioner di halaman pakar 42
DAFTAR LAMPIRAN
1 Peta daerah penelitian 49
2 Parameter model keputusan 50
3 Kuesioner penelitian 53
4 Pemeringkatan elemen-elemen pada setiap level hierarki 72 5 Visualisasi perbandingan hasil produksi perkebunan 77
6 Perhitungan regresi untuk prakiraan pasar 78
7 Struktur biaya usaha agroindustri “minyak pala” untuk input kelayakan
finansial 81
8 Daftar responden pakar 91
9 Deskripsi use case 92
10 Skenario use case 94
11 Struktur tabel basis data De Pala 114
12 Perancangan antarmuka 116
13 Halaman implementasi 119
1
PENDAHULUAN
Latar Belakang
Tanaman pala merupakan tanaman buah berupa pohon tinggi asli Indonesia, karena tanaman ini berasal dari Banda dan Maluku. Sebagian besar pala dipasok dari wilayah timur Indonesia, terutama Maluku, Sangihe dan Talaud yang diekspor dalam bentuk rempah-rempah karena petani di sana cenderung untuk memanen pala yang sudah tua di pohon. Tanaman pala dikenal dengan tanaman rempah yang memiliki nilai ekonomis. Hasil tanaman pala yang biasa dimanfaatkan adalah buah pala. Buah pala terdiri dari daging buah (77,8 persen), fuli (4 persen), tempurung (5,1 persen) dan biji (13,1 persen). Bagian buah yang bernilai ekonomi cukup tinggi adalah biji pala dan fuli (mace) yang dapat dijadikan minyak pala. Daging buah
pala dimanfaatkan untuk diolah menjadi manisan pala, asinan pala, dodol pala, selai pala dan sirup pala (Nurdjannah 2014).
Hasil survei BPS Talaud tahun 2014, pala merupakan salah satu komoditas unggulan Kabupaten Kepulauan Talaud dan merupakan tanaman yang banyak diusahakan oleh rakyat di Talaud dari tahun ke tahun. Produksi terbesar dari tanaman pala adalah dari usaha perkebunan rakyat. Tahun 2014 produksi pala rakyat 3.445,65 ton pada luas lahan 5.324,80 ha. Komposisi tanaman pala rakyat terdiri dari: 1) tanaman belum menghasilkan (TBM) sebanyak 182.319, 2) tanaman menghasilkan (TM) sebanyak 298.434, 3) tanaman tidak menghasilkan (TTM) sebanyak 51.727 (BPS Talaud 2015). Hal ini didukung oleh kebijakan pemerintah yang banyak diarahkan pada kegiatan usaha tani melalui penanaman dan peremajaan pala, penyediaan bibit untuk budidaya dan penyediaan pupuk untuk pengendalian hama dan penyakit. Hasil survei juga memperlihatkan terjadinya peningkatan hasil produksi pala dari tahun ke tahun.
Ketersediaan hasil produksi yang melimpah, tidak diimbangi oleh kebijakan pemerintah pada kegiatan pengolahan pascapanen dan pemasaran. Pengusahaan hasil panen pala oleh petani umumnya dilakukan secara tradisional, yaitu dengan mengeringkan biji pala di bawah sinar matahari dan dijual dalam bentuk biji kering. Proses penjualannyapun belum mengikuti standar packaging yang baik. Penanganan yang tidak optimal tersebut mengakibatkan rendahnya produktivitas pala yang dihasilkan dan mengakibatkan rendahnya nilai jual. Pengolahan buah pala tradisional yang hanya mengambil bagian biji pala ini, berdampak pada banyaknya limbah daging pala yang hanya dibuang oleh petani. Masalah tersebut disebabkan oleh belum adanya industri pengolahan pala sehingga turunan buah pala seperti daging buah belum diolah dan dimanfaatkan dengan baik. Masalah ini ditambah oleh ketidakpastian harga di tingkat pedagang dan pasar, yang disebabkan oleh monopoli pasar dari investor pala di pusat. Keadaan tersebut merugikan petani, sehingga biaya usaha tani menjadi tinggi sedangkan harga jual kurang bersaing dan berakibat pada rendahnya nilai tambah yang diterima oleh petani pala. Selain itu, lemahnya penguasaan jaringan informasi tentang pasar sasaran menyebabkan kesulitan dalam mencari dan menemukan peluang pasar.
2
Potensi yang dimaksud yaitu dengan mengembangkan agroindustri pala. Pengembangan agroindustri pala ini diharapkan mampu direspons secara optimal oleh investor, pelaku usaha maupun oleh pemerintah sebagai pihak-pihak yang berkepentingan dalam agroindustri ini, sehingga dapat meningkatkan pendapatan dan menanggulangi permasalahan dalam pemberdayaan ekonomi masyarakat.
Pengembangan agroindustri pala dipandang dapat memberikan alternatif strategi yang dapat dipakai untuk meningkatkan nilai tambah dan daya saing industri ini. Berdasarkan kenyataan tersebut, perlu dilakukan penelitian guna merumuskan langkah strategi pengembangan agroindustri berbasis pala guna mendapatkan nilai tambah yang dapat dinikmati langsung oleh petani. Strategi pengembangan yang dimaksud adalah merancang sebuah sistem pendukung keputusan (SPK). Keputusan yang benar dan tepat guna menjamin kemajuan dan keberlangsungan usaha agroindustri ini (Syam et al. 2006).
Banyaknya kriteria dan alternatif dalam pengambilan keputusan menyebabkan para pengambil keputusan mengalami kesulitan untuk memecahkan masalah (Eriyatno 2012) sehingga dibutuhkanlah sebuah alat bantu analisis yang dapat membantu dalam proses pengambilan keputusan (Tafreshi et al. 2015). Salah
satu alat analisis tersebut berupa multi-criteria decision making (MCDM) yang memungkinkan pengambilan keputusan untuk masalah yang bersifat kompleks (Abdullah dan Adawiyah 2014, Stirn dan Grošelj 2010). Salah satu dari metode MCDM yang banyak digunakan adalah analytic hierarchy process (AHP) (Agarwal
et al. 2011, Aguarón et al. 2014). AHP memiliki banyak kelebihan dalam proses
pengambilan keputusan karena cukup efektif dalam menyederhanakan dan mempercepat proses pengambilan keputusan dengan menguraikan keputusan kompleks menjadi bagian-bagian keputusan yang lebih kecil (Dalalah et al. 2010, Kabir dan Hasin 2011). Keunggulan lain AHP yaitu dapat digambarkan secara grafis, sehingga mudah dipahami oleh semua pihak (pengguna) yang terlibat dalam proses pengambilan keputusan (Marimin et al. 2013).
Pengembangan industri berbasis pala melibatkan berbagai pihak yang terkait seperti investor, lembaga keuangan, pemerintah, konsumen, pelaku industri, penyedia bahan baku dan lembaga penelitian. Pihak-pihak tersebut membutuhkan informasi yang beragam serta dapat disajikan dalam bentuk lengkap dan cepat. Penggunaan perangkat lunak (software) dapat memberikan kemudahan dalam
pengambilan keputusan secara cepat, tepat, efektif dan efisien sehingga akan menghemat waktu dan biaya (Nyamsuren et al. 2015).
3 Perumusan Masalah
Berdasarkan latar belakang di atas maka dapat dirumuskan permasalahan yang akan diselesaikan dalam penelitian ini adalah bagaimana merancang sistem pendukung keputusan pengembangan agroindustri pala di Talaud.
Tujuan Penelitian
Tujuan utama penelitian ini adalah mendapatkan rancangan perangkat lunak sistem pendukung keputusan untuk pengembangan agroindustri pala di Talaud. Secara khusus, terdapat lima tujuan dalam penelitian ini yaitu:
1. Menerapkan metode AHP dalam penentuan prioritas produk agroindustri pala dan alternatif pengembangan kelembagaan agroindustri pala.
2. Menerapkan metode location quotient (LQ) dan AHP dalam penentuan prioritas lokasi pengembangan agroindustri pala.
3. Menerapkan metode regresi linier dalam pengukuran prakiraan pasar komoditas pala dan produk agroindustri pala.
4. Menerapkan kriteria-kriteria finansial dalam analisis kelayakan investasi agroindustri pala terpilih.
5. Membangun prototipe sistem pendukung keputusan berbasis web.
Manfaat Penelitian
Dengan dilakukannya penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:
1. Memberikan informasi prioritas keputusan kepada pemerintah sebagai bahan pemikiran dalam merumuskan strategi agroindustri pala ke depan.
2. Sebagai bahan pertimbangan dalam pengambilan keputusan investasi bagi para investor, petani pala dan lembaga keuangan.
3. Sebagai bahan referensi untuk pengkajian dan pengembangan industri berbasis bahan baku lokal (pedesaan) lainnya di berbagai daerah.
Ruang Lingkup Penelitian
Untuk membatasi lingkup penelitian dengan tujuan supaya tidak terlalu luas cakupannya dan pembahasan berfokus pada tujuan yang telah ditetapkan, maka penelitian ini dibatasi pada:
1. Daerah penelitian adalah Kabupaten Kepulauan Talaud (Lampiran 1), khususnya di pulau Karakelang, Salibabu dan Kabaruan.
2. Fokus penelitian akan dilakukan terhadap: 1) Penentuan prioritas lokasi industri 2) Penentuan prioritas produk agroindustri 3) Penentuan kelembagaan agroindustri
4
Penelitian Terdahulu
Konsep sistem pendukung keputusan telah banyak digunakan diberbagai bidang. Salah satunya adalah bidang pertanian. Agrahari dan Tripathi (2012), mengembangkan kerangka pemikiran teoritis (theoritical framework)
pengembangan SPK untuk manajemen pertanian. Penelitian untuk bidang kajian yang sama dilakukan Singh et al. (2008) dengan mengembangkan model SPK
berbasis internet untuk manajemen pertanian (farm management). Che’ya et al. (2009) meneliti tentang sistem pendukung keputusan dalam kaitannya dengan pertanian presisi (precision farming) yang didukung dengan geographic
information system (GIS) dan diperuntukkan bagi petani untuk mendapatkan
informasi tentang budi daya tanaman padi sehingga membantu menganalisis dan mendapatkan gambaran tentang strategi terbaik untuk musim tanam berikutnya. Manfaat dari penelitian ini adalah dengan SPK tersebut memungkinkan pertukaran informasi antar petani terutama pada produksi padi, seperti rekomendasi pupuk, dan menyediakan akses yang sama terhadap informasi berbasis web dari pengguna akhir kepada pembuat kebijakan untuk meningkatkan produktivitas dan efisiensi produksi padi melalui pertanian presisi. Penelitian dengan basis yang sama yaitu SPK untuk pertanian presisi juga dilakukan oleh Cui et al. (2014), dengan mengembangkan SPK dan information communication technology (ICT) dengan
menggunakan teknologi wireless sensor network (WSN) yang ditujukan untuk
daerah pedesaan. ICT membantu petani mendapatkan informasi tentang pengelolaan pascapanen dan SPK membantu petani mengambil keputusan yang benar sesuai informasi yang tersedia. Beberapa peneliti mengembangkan SPK berbasis web, Suroso dan Ramadhan (2012) mengembangkan SPK berbasis web
untuk pengembangan agribisnis Kelapa Sawit. Flores et al. (2010), mengembangkan SPK dinamis untuk manajemen sistem pengairan di perkebunan jeruk. SPK ini mengintegrasikan tiga komponen seperti basis data dinamis-relasional, model administrator dan antarmuka.
Bidang lain yang juga banyak menerapkan SPK adalah manajemen rantai pasok. Marimin et al. (2010), membangun sebuah frameworkIntelligent Decision
Support System (IDSS) untuk manajemen rantai pasok agribisnis dan agroindustri
yang terdiri atas 4 komponen utama: 1) database, 2) intelligent system model, 3)
supporting algorithms, dan 4) media access. Javanmardi et al. (2011),
menggunakan SPK sebagai alat bantu proses penyeleksian supplier dalam konteks
outsourcing untuk menilai dan menentukan supplier terbaik dan potensial melalui
proses pereduksian dengan principal component analysis (PCA) dan selanjutnya dilakukan perangkingan dengan technique for others reference by similarity to ideal
solution (TOPSIS). Proses pengambilan keputusan sering diperhadapkan pada
banyak kriteria. Penelitian untuk pengambilan keputusan multi-kriteria dilakukan oleh Yazdani (2014), untuk manajemen pemilihan supplier untuk organisasi
industri yaitu industri manufaktur mobil (automobile manufacturing). Penelitian difokuskan pada penentuan pemasok yang tepat menggunakan fuzzy MCDM selanjutnya dilakukan proses perangkingan menggunakan AHP dan diakhiri dengan TOPSIS.
5 pelatihan Institut Manajemen Industri. Selanjutnya, SPK juga digunakan untuk pemilihan model terbaik proses pengembangan sistem untuk menyajikan model tertentu dari Software Development Life Cycle (SDLC) sebagai satu set
kemungkinan alternatif. (Holodnik-Janczura dan Golinska 2010). Özceylan (2010), mengembangkan SPK di bidang transportasi, dengan adanya pertimbangan multi-kriteria, seperti biaya, kualitas, waktu pengiriman, keamanan, aksesibilitas dan kriteria lainnya saat memilih mode terbaik merupakan suatu kondisi yang sulit dan kompleks dalam mengambil suatu keputusan. Penelitian serupa di bidang transportasi juga dilakukan oleh Yayla dan Karacasu (2011), menilai sistem pengoperasian angkutan bis umum dengan variabel berupa opini publik dan pendapat para ahli terhadap privatisasi jalur bus perkotaan.
Metode analisis yang digunakan pada penelitian ini adalah AHP. Beberapa penelitian yang menggunakan AHP diantaranya, (Budi 2013) menggunakan AHP untuk penentuan prioritas pengembangan agro-holtikultur di Madiun, Jawa Timur. Hasil perangkingan dengan AHP memperlihatkan 3 faktor utama pengembangan adalah permintaan pasar, peraturan pemerintah dan manajemen sistem produksi. Dengan tujuan utama adalah meningkatkan nilai tambah dan persaingan, kesejahteraan, dan pendapatan daerah. Sedangkan untuk prioritas komoditas hortikultura yang potensial adalah mangga, pisang, alpukat, buah nangka, manggis dan jeruk. Selanjutnya, Al-Oqla dan Omar (2012), menggunakan AHP untuk pemilihan antena ponsel GSM. Proses seleksi antena adalah masalah pengambilan keputusan multi-kriteria dengan tujuan yang saling bertentangan dan beragam. AHP juga diterapkan dalam perusahaan manufaktur farmasi (Asamoah et al. 2012),
untuk pemilihan pemilihan supplier bahan baku artemether-lumefantrine untuk
obat anti-malaria. Kriteria yang digunakan adalah kualitas, harga, keandalan/kapasitas. Thirumaran et al. (2011), melakukan penelitian dalam hal
Web Service dengan menggunakan AHP untuk menganalisis parameter-parameter
Quality of Service (QoS) dan memilih layanan terbaik bagi permintaan pengguna.
Young, et.al. (2010), menggunakan AHP dalam pemilihan manajemen terbaik
(BMP=Best Management Practice) dan biaya pemeliharaan jangka panjang bagi
insinyur yang melibatkan banyak kriteria terlebih dalam situasi darurat. Adriyendi dan Melia (2016), menggunakan AHP dalam pemilihan guru berprestasi. Penelitian lainnya menggunakan metode AHP untuk pengukuran kompleksitas dari sektor bisnis dan bisnis software (Jakupovic, et al. 2010).
Objek pada penelitian ini adalah agroindustri pala. Beberapa penelitian terdahulu yang meneliti tentang agroindustri pala diantaranya, Nugraha (2003) melakukan penelitian untuk studi pengembangan agroindustri minyak pala di Kabupaten Bogor. Penelitian ini menggunakan metode AHP untuk penentuan prioritas. Oryzanti (2003) melakukan penelitian dengan membuat perangkat lunak MYRISTICAN’S 1.01 untuk membantu pengambilan keputusan kelayakan investasi agroindustri minyak pala di Bogor. Penelitian ini menggunakan metode analisis kelayakan finansial umumnya seperti NPV, IRR, B/C Ratio, BEP dan PBP. Model SPK yang dikembangkan terdiri atas 3 model: (1) model kelayakan usaha tani, (2) model kebutuhan bahan baku, dan (3) model kelayakan agroindustri. Haridian (2002) melakukan penelitian dengan membuat perangkat lunak
PALADSS’02.1.01 untuk membantu pengambilan keputusan dalam perencanaan
6
prioritas alternatif dan analisis kelayakan finansial umumnya seperti NPV, IRR, B/C Ratio, BEP dan PBP. Selain itu dilengkapi dengan analisis sensitivitas untuk melihat apa yang akan terjadi dengan hasil analisis proyek jika terjadi perubahan dalam dasar-dasar perhitungan biaya atau pendapatan. Model SPK yang dikembangkan terdiri atas 6 model: (1) model pemilihan lokasi penanaman pala, model prakiraan jumlah produksi buah pala, (2) model prakiraan populasi penduduk, (3) model prakiraan pasar komoditi pala meliputi analisis prakiraan jumlah produksi buah pala, analisis prakiraan harga jual buah pala di tingkat petani, (4) model prakiraan pasar agroindustri manisan pala meliputi analisis prakiraan jumlah produksi agroindustri manisan pala dan analisis prakiraan harga jual produk manisan pala, (5) model kelayakan finansial usaha tani tanaman pala, dan (6) model kelayakan finansial agroindustri manisan pala.
2
TINJAUAN PUSTAKA
Tanaman Pala
Pala (Myristica fragrans Houtt) merupakan tanaman asli Indonesia yang berasal dari Kepulauan Banda dan Maluku. Daerah penghasil pala di Indonesia yaitu Kepulauan Maluku, Sulawesi Utara, Sumatera Barat, Nanggroe Aceh Darusalam, Jawa Barat dan Papua. Buah pala terdiri atas daging buah (77,8%), fuli (4 %), tempurung (5,1%) dan biji (13,1%) dan dikenal sebagai rempah yang memiliki nilai ekonomi tinggi dan multi guna karena setiap bagian tanaman dapat dimanfaatkan untuk bahan berbagai industri. Biji dan fuli merupakan produk utama dari tanaman pala, yang sebagian besar untuk diekspor dan berfungsi sebagai rempah, baik untuk keperluan sehari-hari maupun untuk industri makanan dan minuman. Daging buah yang muda banyak digunakan untuk makanan ringan dan minuman seperti manisan, permen, sirup dan jus pala. Minyak pala yang diperoleh dari penyulingan biji pala muda, selain untuk ekspor juga merupakan bahan baku industri obat-obatan, pembuatan sabun, parfum dan kosmetik di dalam negeri. Produk lain yang berasal dari biji pala yaitu mentega pala yaitu trimiristin yang dapat digunakan sebagai minyak makan dan industri kosmetik (DEPTAN 2012).
Agroindustri
Studi agroindustri menekankan pada food processing management dalam
suatu perusahaan produk olahan yang bahan baku utamanya adalah produk pertanian. Dengan kata lain, agroindustri merupakan suatu kegiatan industri yang memproses bahan-bahan baku pertanian menjadi bentuk lain yang lebih menarik dan memberikan nilai tambah serta dapat meningkatkan daya saing produk pertanian (Pengembangan... 2014).
Komoditi pertanian umumnya dihasilkan dalam bentuk bahan mentah dan mudah rusak, sehingga perlu langsung dikonsumsi atau diolah lanjut. Pengolahan dalam agroindustri merupakan tahapan proses transformasi dan pengawetan melalui perubahan fisik atau kimiawi, penyimpanan, pengepakan, dan distribusi terhadap produk yang dihasilkan. Pengolahan dapat berupa pengolahan sederhana seperti pembersihan, pemilihan (grading), pengepakan. Dapat pula berupa
pengolahan yang lebih canggih seperti penggilingan (milling), penepungan (powdering), ekstraksi dan penyulingan (extraction), penggorengan (roasting),
pemintalan (spinning), pengalengan (canning) dan proses pabrikasi lainnya.
Timisela et al. (2012), menambahkan bahwa pengolahan adalah suatu operasi atau rentetan operasi terhadap suatu bahan mentah untuk dirubah bentuknya dan atau komposisinya. Pelaku agroindustri pengolahan hasil pertanian berada diantara petani yang memproduksi dengan konsumen atau pengguna hasil agroindustri.
Sistem Pendukung Keputusan
8
dan bisnis profesional dalam proses pengambilan keputusan (O’Brien dan Marakas 2010). Keputusan dapat diambil dari alternatif-alternatif keputusan yang ada. Alternatif keputusan tersebut dapat dilakukan berdasarkan informasi yang sudah diolah dan disajikan dengan dukungan sistem pendukung keputusan (Marimin et al.
2013). Metode atau alat analisis yang akan digunakan dalam perancangan model agroindustri pala di Talaud adalah sebagai berikut:
Proses Hirarki Analitik (AHP)
Proses hierarki analitik merupakan suatu analisa yang dipakai dalam pengambilan keputusan untuk memahami kondisi suatu sistem dan membantu melakukan prediksi dalam pengambilan keputusan (Marimin dan Gunawan 2004). AHP merupakan sebuah pendekatan multi kriteria pengambilan keputusan yang diatur dalam struktur hierarki (Saaty 1990), dapat juga dikatakan penyederhanaan suatu persoalan kompleks (Young et al. 2010) yang tidak terstruktur, strategik, dan
dinamik menjadi sebuah bagian-bagian dan tertata dalam sebuah hierarki (Marimin dan Maghfiroh 2010). Tingkat kepentingan setiap variabel diberi nilai numerik, secara subjektif tentang arti penting variabel tersebut dan secara relatif dibandingkan dengan variabel yang lain. Dari berbagai pertimbangan kemudian dilakukan sintesis untuk menetapkan variabel yang memiliki prioritas tinggi dan berperan untuk mempengaruhi hasil pada sistem tersebut.
Sebagaimana langkah yang dijelaskan oleh Saaty (1990), metode AHP dapat digunakan untuk membantu pengambilan keputusan dengan cara sebagai berikut: 1) Menentukan tujuan, kriteria, dan alternatif keputusan
2) Membuat “pohon hierarki” untuk berbagai kriteria dan alternatif keputusan. 3) Membentuk sebuah matriks perbadingan berpasangan (pairwise comparison). 4) Membuat peringkat prioritas dari matriks berpasangan dengan menentukan
nilai eigen. Cara menghitung prioritas menggunakan manipulasi matriks: (1) Mengubah matriks menjadi bilangan desimal
(2) Mengkuadratkan matriks tersebut (iterasi 1)
(3) Menjumlahkan nilai setiap baris dari matriks hasil penguadratan dan kemudian dinormalisasi dengan cara membagi jumlah baris dengan total baris hingga diperoleh nilai eigen
(4) Mengkuadratkan kembali matriks hasil langkah sebelumnya (iterasi 2) (5) Melakukan langkah 3 hingga diperoleh nilai eigen yang baru.
(6) Kemudian, bandingkan nilai eigen yang pertama dan kedua. Jika diantaran keduanya, tidak ada perubahan nilai atau hanya sedikit mengalami perubahan, maka nilai eigen yang pertama sudah benar. Akan tetapi jika sebaliknya, maka nilai eigen yang pertama masih salah dan lakukan kembali langkah 2 sampai 6, hingga nilai eigen tidak berubah atau hanya sedikit berubah. Jika nilai eigen sudah tidak berbeda sampai 4 desimal, maka iterasi berhenti (syarat terpenuhi).
5) Membuat peringkat alternatif dari matriks berpasangan masing-masing alternatif dengan menetukan nilai eigen setiap alternatif. Cara yang digunakan sama ketika membuat peringkat prioritas diatas.
9
�� = √∏ �� �=1
�
(1) Keterangan:
�� = rata-rata geometrik (gabungan nilai pakar)
m = jumlah pakar
�� = penilaian pakar ke=i
� = perkalian
7) Selanjutnya, menghitung nilai consistency ratio (CR). Syarat: penilaian perbandingan dikatakan konsisten jika CR tidak lebih dari 0,10 (CR < 0,10). Cara menghitung nilai CR:
(1) Hitung nilai weighted sum vector (WSV) dengan cara mengalikan matriks perbadingan berpasangan (yang desimal) dengan nilai eigen yang diperoleh pada iterasi terakhir.
(2) Hitung consistency vector (CV) dengan cara membagi nilai WSV
dengan nilai eigen CV = WSV/nilai eigen
(3) Hitung nilai rata-rata dari CV (π)
(4) Hitung nilai consistency index (CI). Nilai CI dapat dihitung dengan menggunakan persamaan:
� = � −− 1 (2)
Keterangan:
π = nilai rata-rata dari CV
n = jumlah parameter/elemen pada setiap level hierarki (5) Nilai CR dapat dihitung menggunakan persamaan:
� = ��� (3)
RI = nilai random indeks seperti ditunjukkan pada Tabel 1. Tabel 1 Nilai random indeks (RI)
n RI n RI n RI
1 0,00 6 1,24 11 1,51
2 0,00 7 1,32 12 1,48
3 0,58 8 1,41 13 1,56
4 0,90 9 1,45 14 1,57
5 1,12 10 1,49 15 1,59
Location Quotient (LQ)
Teknik location quotient (LQ) merupakan salah satu pendekatan yang umum
digunakan untuk mengetahui potensi aktivitas ekonomi yang merupakan indikasi sektor basis dan bukan basis (Rustiadi et al. 2007). Teknik ini merupakan
10
menentukan sebaran komoditas atau melakukan identifikasi wilayah berdasarkan potensinya.
Dasar ukuran dalam pemakaian LQ harus disesuaikan dengan tujuan serta ketersediaan dan sumber data. Jika jumlah hasil produksi dipakai untuk mengidentifikasi sebaran suatu agroindustri di suatu wilayah, maka formula LQ adalah sebagai berikut:
LQ= XXij/ ∑ Xij
j/ ∑ Xj
(4) Keterangan:
LQ = Koefisien location quotient
Xij = Jumlah hasil produksi perkebunan ke-i di wilayah ke-j
Xj = Jumlah hasil produksi perkebunan di wilayah ke-j
∑Xij = Total hasil produksi perkebunan ke-i di semua wilayah
∑Xj = Total hasil produksi perkebunan di semua wilayah
Apabila koefisien LQ nilainya lebih besar dari 1 (satu) berarti bahwa agroindustri tersebut merupakan sektor basis suatu wilayah yang memiliki keunggulan komparatif dibanding dengan wilayah lain. Nilai koefisien yang lebih kecil dari satu menyatakan sebaliknya di mana agroindustri tersebut bukan merupakan sektor unggulan dari wilayah yang bersangkutan.
Regresi Linier
Regresi atau peramalan adalah suatu proses memperkirakan secara sistematis tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi dapat juga diartikan sebagai usaha memperkirakan perubahan (Draper dan Smith 1992). Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau memprediksi variabel terikat (Y) apabila variabel bebas (X) diketahui.
Persamaan regresi dirumuskan:
Ŷ = a + bX + ε (5)
Keterangan:
Ŷ = Dependent variabel / variabel tidak bebas / variabel dipengaruhi oleh
variabel lain
X = Independent variabel / variabel bebas / variabel yang dipengaruhi oleh variabel b
a = Intercept (konstanta), nilai y taksiran pada saat x = 0
b = Koefisien regresi, menunjukkan besarnya perubahan unit akibat adanya perubahan tiap satu unit x
ɛ = Error / tingkat kesalahan
Kriteria Investasi
Analisis kelayakan finansial merupakan aspek yang penting dan harus dipertimbangkan dalam perencanaan investasi usaha bisnis apapun. Gittinger (1991) menjelaskan bahwa, penilaian terhadap kelayakan investasi umumnya dilakukan dengan mempertimbangkan beberapa kriteria, diantaranya, net present
value (NPV), B/C ratio, net B/C, internal rate return (IRR), dan payback period
11
1. Net Present Value (NPV)
NPV merupakan nilai sekarang dari suatu usaha dikurangi dengan biaya sekarang dari suatu usaha pada tahun tertentu. Seleksi formal terhadap NPV untuk mengukur nilai suatu usaha bila NPV usaha bernilai positif bila didiskonto pada
Social Opportunity Cost of Capital. Dimana bila nilai NPV nol (positif) maka
industri tersebut diprioritaskan pelaksanaannya (tanda “GO”). Apabila besarnya NPV sama dengan nol berarti industri tersebut mengembalikan persis sebesar
Social Opportunity Cost of Capital. Apabila besarnya NPV nol (negatif) maka sebaiknya usaha ditolak dan sekaligus mengindikasikan ada jenis penggunaan lain yang lebih menguntungkan bagi sumber-sumber yang diperlukan usaha.
NPV menghitung nilai sekarang dari aliran kas yaitu merupakan selisih antara Present Value (PV) manfaat dan PV biaya. Nilai bersih sekarang akan menggambarkan keuntungan dan layak dilaksanakan jika mempunyai nilai positif. Apabila NPV sama dengan nol, maka usaha tersebut tidak untung dan tidak rugi (marjinal), sehingga terserah kepada penilaian pengambilan keputusan dilaksanakan atau tidak. Apabila NPV kurang dari nol, maka usaha tersebut merugikan sehingga lebih baik tidak dilaksanakan. Rumus kriteria investasi ini adalah sebagai berikut:
��� = ∑ 1 + �− �
�=1
(6) Keterangan:
Bt = manfaat yang diperoleh sehubungan dengan suatu usaha atau proyek pada time series (tahun, bulan, dan sebagainya) ke-t (Rp),
Ct = biaya yang dikeluarkan sehubungan dengan proyek pada time series ke-t tidak dilihat apakah biaya tersebut dianggap bersifat modal (pembelian perlatan, tanah, konstruksi dan sebagainya) (Rp),
i = merupakan tingkat suku bunga yang relevan, t = Periode (1,2,3,…,n).
Kriteria keputusan investasi berdasarkan NPV yaitu:
1) NPV = 0, artinya usaha tersebut mampu memberikan tingkat pengembalian sebesar modal sosial opportunities cost faktor produksi normal. Dengan kata
lain, usaha tersebut tidak untung maupun rugi.
2) NPV > 0, artinya suatu usaha dinyatakan menguntungkan dan dapat dilaksanakan.
3) NPV < 0, artinya usaha tersebut tidak menghasilkan nilai biaya yang dipergunakan, atau dengan kata lain usaha tersebut merugikan dan sebaiknya tidak dilaksanakan.
2. Benefit Cost Ratio (B/C Ratio)
B/C ratio dipakai secara eksklusif untuk mengukur manfaat sosial dalam analisis ekonomi dan jarang dipakai untuk analisis investasi private. B/C Ratio merupakan tingkat besarnya tambahan manfaat setiap penambahan satu satuan rupiah biaya yang digunakan. B/C Ratio diperoleh dengan cara membagi jumlah hasil diskonto pendapatan dengan jumlah hasil diskonto biaya.
12
2) BCR = 1 artinya dari segi aspek finansial dan ekonomis proyek tidak perlu dipertimbangkan untuk dilaksanakan, sedangkan dari segi aspek sosial, proyek dipertimbangkan.
3) BCR <1 artinya proyek tidak layak dilaksanakan.
3. Internal Rate Of Return (IRR)
IRR adalah nilai diskonto yang membuat NVP dari kegiatan usaha sama dengan nol. Dengan demikian IRR merupakan tingkat bunga maksimum yang dapat dibayar oleh kegiatan usaha tersebut untuk sumberdaya yang digunakan. IRR merupakan tingkat suku bunga yang membuat usaha akan mengembalikan semua investasi selama umur usaha atau industri. Suatu usaha akan diterima bila IRR-nya lebih besar dari Opportunity Cost of Capital atau lebih besar dari suku bunga yang telah ditetapkan, dan pada kondisi sebaliknya usaha akan ditolak.
Biasanya untuk menghitung besarnya IRR dilakukan trial and error dengan
nilai suku bunga (i) tertentu yang dianggap mendekati nilai IRR yang benar dan selanjutnya menghitung NPV dari arus pendapatan dan biaya. Jika nilai IRR lebih kecil dengan nilai suku bunga (i) yang berlaku sebagai social discount rate, maka
NPV usaha atau industri besarnya nol (negatif) artinya usaha atau industri sebaiknya tidak dilaksanakan. Secara matematis IRR dapat ditulis sebagai berikut:
��� = �′+ �′+ �′′ ���′
���′− ���′′ (7)
Keterangan:
i’ = tingkat discount rate (dr) pada saat NPV positif,
i” = tingkat discount rate (dr) pada saat NPV negatif,
NPV’ = nilai NPV positif,
NPV” = nilai NPV negatif.
Kriteria keputusan investasi berdasarkan IRR yaitu:
1) Bila IRR lebih tinggi dibandingkan dengan tingkat suku bunga pengembalian investasi (diskon rate), maka proyek investasi diterima (layak).
2) Bila IRR lebih rendah dibandingkan dengan tingkat suku bunga pengembalian investasi (diskon rate), maka proyek investasi ditolak.
4. Payback Period (PP)
Payback periode dapat diartikan sebagai jangka waktu kembalinya investasi
yang telah dikeluarkan, melalui keuntungan yang diperoleh dari suatu proyek. Semakin cepat waktu pengembalian maka semakin baik untuk diusahakan. PP mempunyai kelemahan yaitu hanya digunakan untuk mengukur kecepatan kembalinya dana tetapi tidak mengukur keuntungan proyek; dan digunakan untuk pengukuran dengan net benefit kumulatif, tetapi mengabaikan benefit yang diperoleh sesudah dana investasi kembali.
13
3
METODE
Tahapan penelitian pada perancangan SPK Pengembangan Agroindustri Pala mengacu pada tahapan penelitian System Development Life Cycle (SDLC) (Turban 2005) menggunakan pendekatan pengembangan sistem Object Oriented (OO)
(Satzinger et al. 2010). Tahapan penelitian terdiri atas perencanaan, analisis,
perancangan dan implementasi seperti yang disajikan dalam Gambar 1. Lingkungan Pengembangan Sistem
Pada penelitian ini digunakan perangkat keras dan perangkat lunak untuk membangun sistem. Spesifikasi perangkat keras yang digunakan yaitu Laptop Compaq Presario CQ42, Intel(R) Core(TM) i3 CPU M370 @ 2.40 GHz 32-bit,
Random Access Memory 4 GB, Harddisk 250GB dan Mouse optik (tetikus).
Spesifikasi perangkat lunak yang digunakan terdiri dari Windows 7 ultimate (sistem operasi), Apache 2.4.16 (web server), MySQL 5.6.25 (basisdata), phpMyAdmin
4.4.12 (antarmuka basisdata), PHP 5.6.11 (bahasa pemrograman), Notepad++ dan Adobe Dreamweaver CS6 (script editor), Google Chrome 43.0.2357.130 (Web
browser), Microsoft Visio 2010 (perancangan antarmuka), StarUML 2.5.1
(perancangan diagram UML), dan Expert Choice 11 (perancangan model keputusan).
Mulai
Selesai
Identifikasi Kebutuhan Data Analisis Masalah
Studi Pustaka
Prototipe SPK
Ya
Analisis Model Keputusan
Implementasi Sistem
Pengujian Sistem Analisis Sistem
Pengumpulan Data
Sesuai?
Sesuai? Tidak
Perancangan Sistem
14
Perencanaan
Pada tahap perencanaan dilakukan analisis masalah, studi pustaka, identifikasi kebutuhan, dan pengumpulan data. Pada kegiatan analisis masalah dilakukan identifikasi situasi, keadaan dan kondisi yang terjadi di tempat penelitian, untuk memahami kebutuhan dan masalah yang terjadi serta menentukan solusinya. Masalah yang teridentifikasi, selanjutnya dirumuskan secara detail dan menyeluruh. Tujuannya supaya proses identifikasi dan penentuan parameter sistem lebih mudah dilakukan. Selanjutnya, dilakukan studi pustaka, pencarian dan pembelajaran literatur yang relevan. Literatur yang dibutuhkan mencakup sistem pendukung keputusan, agroindustri, pala, metode analisis model, dan metode pengembangan sistem. Selanjutnya dilakukan identifikasi kebutuhan data primer dan sekunder, informasi mengenai jenis model keputusan serta parameter model keputusan. Hasil pada tahap ini adalah parameter model keputusan yang disusun dalam bentuk kuesioner yang digunakan untuk mengumpulkan penilaian pakar. Penilaian pakar bertujuan untuk menentukan bobot pada masing-masing parameter model keputusan. Setelah itu, dilakukan pengumpulan data primer dan sekunder. Data primer dikumpulkan melalui survei lapangan, wawancara dan pengisian kuesioner oleh pakar, sedangkan data sekunder diperoleh dari Badan Pusat Statistik (BPS) dan Dinas Pertanian.
Analisis
Pada tahap analisis dilakukan analisis model keputusan dan analisis sistem. Pada kegiatan analisis model keputusan, data primer hasil kuesioner dan data sekunder yang telah dikumpulkan dianalisis menggunakan beberapa metode seperti AHP, LQ, regresi linier dan kriteria-kriteria investasi sesuai kebutuhan masing-masing model keputusan. Proses analisis ini menghasilkan bobot penilaian pada masing-masing model. Model keputusan dan bobot hasil penilaian pada tahap analisis selanjutnya digambarkan dalam bentuk diagram atau hierarki. Secara detail proses analisis model keputusan dijelaskan sebagai berikut.
Model penentuan produk agroindustri bertujuan untuk menentukan produk agroindustri potensial dalam sistem pengembangan agroindustri pala. Masukan data dalam model ini adalah alternatif produk agroindustri pala serta kriteria-kriteria keputusan. Keluaran yang diharapkan adalah prioritas produk agroindustri pala. Proses analisis dilakukan dengan menggunakan teknik AHP. Diagram alir proses penentuan tersebut disajikan pada Gambar 2.
Model penentuan lokasi industri bertujuan untuk menentukan prioritas lokasi pengembangan agroindustri pala di Talaud. Model ini dianalisis menggunakan metode LQ dan AHP. Metode LQ digunakan untuk mengindentifikasi alternatif lokasi pengembangan dan AHP untuk menentukan prioritas lokasi industri. Gambar 3 menunjukkan diagram alir penentuan prioritas lokasi industri.
15
berpasangan Perhitungan vektor eigen pada setiap hirarki
Perhitungan vektor eigen pada setiap hirarki
Penetuan prioritas lokal
Perhitungan IK dan RK gabungan Perhitungan IK dan
RK gabungan
Gambar 4 Diagram alir penentuan kelembagaan agroindustri
Mulai
berpasangan eigen pada setiap hirarkieigen pada setiap hirarkiPerhitungan vektor Perhitungan vektor
Penetuan prioritas lokal
Perhitungan IK dan RK gabungan Perhitungan IK dan
RK gabungan
Gambar 2 Diagram alir penentuan prioritas produk agroindustri Mulai
Mulai
Alternatif lokasi pengembangan Jumlah hasil produksi lokal Jumlah hasil produksi kabupaten Alternatif lokasi pengembangan Jumlah hasil produksi lokal Jumlah hasil produksi kabupaten
Perhitungan rasio hasil produksi pala terhadap hasil produksi perkebunan pada setiap lokasi
(Metode LQ)
Perhitungan rasio hasil produksi pala terhadap hasil produksi perkebunan pada setiap lokasi
(Metode LQ)
Penetuan prioritas lokasi pengembangan (Metode AHP)
Penetuan prioritas lokasi pengembangan (Metode AHP)
Penilaian berpasangan untuk setiap elemen
Penilaian berpasangan untuk setiap elemen
Matriks perbandingan berpasangan
Matriks perbandingan berpasangan
Perhitungan vektor eigen pada setiap hirarki
Perhitungan vektor eigen pada setiap hirarki
Perhitungan Rasio Konsistensi (RK)
Perhitungan Rasio Konsistensi (RK)
Perhitungan IK dan RK gabungan
Perhitungan IK dan RK gabungan
Selesai pengembanganPrioritas lokasi Prioritas lokasi pengembangan
Ya Tidak
Tidak
16
Model prakiraan pasar terdiri atas dua yaitu prakiraan komoditi pala dan agroindustri pala. Prakiraan komoditi pala bertujuan untuk memperkirakan kondisi pasar bagi komoditi pala. Analisis prakiraan pasar komoditi pala meliputi: (1) analisis prakiraan produksi buah pala, (2) analisis prakiraan volume penjualan buah pala, dan (3) analisis prakiraan harga jual buah pala di tingkat petani. Prakiraan pasar agroindustri pala bertujuan untuk memperkirakan kondisi pasar bagi agroindustri pala. Agroindustri pala yang akan dianalisis adalah industri pengolahan anggur pala. Analisis prakiraan pasar agroindustri pala meliputi: (1) analisis prakiraan produksi agroindustri anggur pala, (2) analisis prakiraan volume penjualan agroindustri anggur pala, (3) dan analisis prakiraan harga jual agroindustri anggur pala. Model prakiraan pasar dianalisis menggunakan teknik prakiraan Regresi Linier sederhana.
Model kelayakan finansial agroindustri dirancang untuk menganalisis potensi dan kelayakan usaha agroindustri pala di Talaud. Kriteria kelayakan yang digunakan dalam model ini terbatas pada kriteria investasi meliputi: NPV, B/C ratio, IRR, dan PP. Tahapan proses analisis dalam model ini disajikan pada Gambar 5. Keluaran model didasarkan pada kondisi faktual, selanjutnya disimulasi dengan menggunakan analisis sensitivitas yang bertujuan untuk mengetahui seberapa besar dampak atau risiko yang muncul jika satu atau beberapa faktor endogen mengalami perubahan. Faktor endogen yang disimulasikan tersebut adalah bahan baku dan harga jual produk di tingkat pabrik.
Pada kegiatan analisis sistem dilakukan analisis kebutuhan sumber daya manusia (SDM), analisis kebutuhan pengguna, dan analisis kebutuhan sistem. Analisis kebutuhan SDM bertujuan untuk mengidentifikasi kebutuhan SDM dalam pengembangan sistem. Analisis kebutuhan pengguna ditujukan untuk menjawab pertanyaan siapa pengguna sistem, apa saja kebutuhan masing-masing pengguna sistem, dan sistem seperti apa yang sebenarnya dibutuhkan oleh pengguna. Analisis kebutuhan sistem dimmodelkan dengan diagram unified modeling language (UML).
Diagram UML yang digambarkan yaitu class diagrams, use case diagram, use case
description, dan activity diagrams. Hasil dari analisis sistem akan digunakan pada
tahap perancangan.
Penyusunan necara rugi laba
Penyusunan necara rugi laba
Perhitungan, NPV, B/C ratio, dan Net B/C
Perhitungan, NPV, B/C ratio, dan Net B/C
Perhitungan IRR dan PP
Perhitungan IRR dan PP
Analisis Sensitivitas
Analisis Sensitivitas SelesaiSelesai
Total penerimaan
IRR, PP Koefisien kriteria
kelayakan simulatif
Koefisien kriteria kelayakan simulatif
17 Perancangan
Setelah melakukan tahap analisis, tahap berikutnya mmelakukan perancangan sistem. Pada tahap perancangan sistem dilakukan perancangan arsitektur, basis data dan antarmuka. Aplikasi yang digunakan untuk membantu perancangan antarmuka menggunakan perangkat lunak Microsoft Visio 2010.
Implementasi
Pada tahap implementasi dilakukan perancangan sistem menggunakan bahasa pemrograman berbasis web. Pada tahap ini juga dilakukan evaluasi prototipe sistem
yang dibuat. Alat yang digunakan untuk mengimplementasikan prototipe tersebut adalah Xampp dan Google Chrome. Setelah prototipe diimplementasikan, selajutnya dilakukan pengujian sistem. Pada tahap pengujian sistem, dilakukan uji coba terhadap fungsionalitas sistem menggunakan metode black box testing.
Pengujian hasil perhitungan dilakukan dengan membandingkan hasil perhitungan menggunakan program yang dibuat dan hasil perhitungan secara manual menggunakan Microsoft Office Excel 2013.
Lokasi dan Waktu Penelitian
4
HASIL DAN PEMBAHASAN
Perencanaan
Analisis masalah
Salah satu usaha agroindustri pedesaan yang potensial di Talaud adalah agroindustri pala. Sektor ini melibatkan petani dan tenaga kerja yang cukup banyak sehingga dikatakan potensial. Selain itu, menurut data yang dipublikasikan oleh BPS Talaud (2015), tersedia bahan baku yang relatif cukup besar di sektor ini. Sebagaimana dipresentasikan dalam Tabel 2, luas areal tanaman pala di Talaud mencapai 5.324,80 ha pada tahun 2014 dengan populasi tanaman diperkirakan mencapai 532.480 pohon, di mana 56 % diantaranya merupakan tanaman produktif. Studi literatur yang dilakukan menunjukkan bahwa seluruh bagian buah pala dapat diolah menjadi berbagai produk turunan seperti pada Gambar 6. Daging buah dapat diolah menjadi aneka produk makanan antara lain manisan pala, salad pala, sirup pala, jeli pala, selai pala dan sambal pala. Disamping produk-produk tersebut, daging buah pala dapat diolah menjadi sari buah pala, minuman instan pala, anggur pala, asam cuka, permen gelatin, dan permen pala (hard candy) (Nurdjannah 2014). Biji pala terdiri atas tiga bagian yaitu fuli, tempurung dan daging biji. Fuli dan daging biji dapat diolah menjadi minyak atsiri, oleoresin dan mentega yang digunakan sebagai perisa pada industri makanan dan kosmetik. Sementara itu, ampasnya dapat dijadikan bungkil sebagai makanan ternak. Sedangkan untuk tempurungnya, dapat dimanfaatkan sebagai bahan baku dalam industri kimia.
Pengembangan sektor agroindustri pala dipengaruhi oleh dua aspek penting yaitu aspek penawaran dan permintaan. Aspek penawaran berkaitan dengan proses produksi yang dipengaruhi oleh faktor-faktor seperti bahan baku, jumlah dan kualitas tenaga kerja, teknologi pengolahan, dan penanganan akhir produk. Sedangkan aspek permintaan dipengaruhi oleh faktor-faktor seperti harga produk, tingkat konsumsi, mutu produk, dan produk substitusi. Perencanaan dan pengembangan pala di Talaud diperhadapkan pada sejumlah permasalahan seperti: 1) potensi bahan baku yang belum dimanfaatkan secara optimal, 2) belum adanya teknologi untuk proses produksi, 3) belum adanya skala usaha kecil menengah (usaha rumah tangga), sehingga menyebabkan tidak memungkinkan tercapainya skala ekonomi yang menghasilkan keuntungan, 4) belum adanya kerja sama dan keterpaduan antara pihak-pihak atau lembaga yang terkait dengan sistem
Tabel 2 Sebaran dan produksi tanaman pala di Talaud tahun 2008-2014
No Tahun Luas areal
Populasi Tanaman (pohon) Belum
Menghasilkan Menghasilkan
Tidak
19
agroindustri, 5) kurangnya informasi mengenai sistem penunjang keputusan investasi, baik mengenai kelayakan teknis maupun ekonomi bagi pengusaha dan pelaku usaha lainnya.
Pengembangan suatu model SPK Agroindustri Pala berbasis web akan
mampu membantu para pengambil keputusan mengenai perencanaan dan pengembangan agroindustri berbasis pala serta mampu mengakomodasi semua informasi yang berkaitan dengan komoditi pala dan olahannya yang dibutuhkan pengguna. Beberapa kelebihan dalam menyusun aplikasi berbasiskan web
(Kendall dan Kendall 2011), adalah meningkatkan kesadaran akan tersedianya suatu layanan, produk, industri, orang atau kelompok, bisa diakses selama 24 jam oleh pengguna (user), menstandarkan desain antarmuka, menciptakan suatu sistem
yang dapat diperluas secara global bukan hanya lokal, sehingga mampu menjangkau orang-orang di tempat-tempat yang berjauhan tanpa mengkhawatirkan zona waktu lokasi mereka. Hasil akhir penelitian ini adalah Sistem Pendukung Keputusan Pengembangan Agroindustri Pala berbasis web yang dapat menentukan
prioritas pengembangan agroindustri pala di Kabupaten Kepulauan Talaud, Sulawesi Utara.
Identifikasi kebutuhan data
Kebutuhan data dalam penelitian ini terdiri dari data primer dan sekunder. Data primer yaitu data yang diperoleh dari hasil observasi langsung melalui wawancara dan survei menggunakan kuesioner. Data primer yang dibutuhkan yaitu data tentang kriteria dan alternatif yang diperlukan dalam penentuan prioritas produk agroindustri potensial, penentuan prioritas lokasi industri, dan penentuan kelembagaan agroindustri.
4-5 dan 6-7 bulan
4-5 dan 6-7 bulan
6-7 bulan
20
Data sekunder yaitu data yang diperoleh dari studi pustaka, BPS dan dinas pertanian. Data sekunder yang dibutuhkan yaitu: (1) data lokasi industri, berisikan lokasi-lokasi alternatif untuk pendirian industri pengolahan pala, (2) data permintaan terdiri atas dua, yaitu permintaan pala dan produk hasil olahan pala, (3) data volume penjualan komoditi pala, (4) data luas areal tanaman pala, (5) data hasil produksi (panen) pala, (6) data produksi pala mentah, (7) data harga jual pala mentah, (8) data volume penjualan produk olahan pala, (9) data produksi produk olahan pala, (10) data harga jual produk olahan pala, dan (11) data struktur biaya investasi industri pengolahan minyak pala.
Pengumpulan data
Penggunaan parameter model disesuaikan dengan domain permasalahan yang akan dicari penyelesaiannya. Parameter yang digunakan diperoleh dari studi pustaka selanjutnya diverifikasi oleh pakar pala. Secara detail dijabarkan dalam Lampiran 2. Setelah menentukan parameter untuk setiap model, selanjutnya dilakukan penyusunan kuesioner menggunakan parameter-parameter tersebut. Kuesioner digunakan untuk memperoleh penilaian dari pakar tentang model penentuan prioritas produk agroindustri, model penentuan lokasi agroindustri dan model penentuan alternatif kelembagaan. Metode yang digunakan dalam kuesioner adalah penilaian perbandingan menggunakan AHP. Kuesioner yang digunakan seperti pada Lampiran 3.
Wawancara dengan pakar dilakukan untuk mengetahui alternatif dan kriteria perencanaan dan pengembangan industri pala dan turunannya. Selain itu, dilakukan pula wawancara dengan pemerintah daerah dalam hal ini Kepala Dinas Pertanian dan Kepala Bidang Perkebunan untuk mengidentifikasi masalah yang dihadapi masyarakat Talaud saat ini. Pihak-pihak yang dimintakan pendapat dan saran sebagai pakar adalah: (1) kepala dinas pertanian dan kehutanan Kabupaten Kepulauan Talaud, (2) anggota Komisi B di dewan perwakilan rakyat daerah (DPRD) Kabupaten Kepulauan Talaud, (3) kepala bidang perindustrian Dinas Perindustrian dan perdagangan Kabupaten Kepulauan Talaud, (4) koordinator
industri anggur pala “PORODISA” Kabupaten Kepulauan Talaud, dan (5) petani
pala.
Analisis
Tahap analisis merupakan kegiatan awal dalam pengembangan suatu sistem dan merupakan tahap penting sebelum masuk pada tahap perancangan. Kegiatan yang dilakukan pada tahap analisis pada pengembangan SPK terdiri dari: (1) analisis model keputusan, dan (2) analisis kebutuhan sistem.
Analisis model keputusan
