VI. PEMODELAN SISTEM

6.1 Konfigurasi Model

Model strategi pengembangan klaster agroindustri unggulan daerah dirancang dalam bentuk perangkat lunak Sistem P enunjang Keputusan (SPK) berbasis komputer yang diberi nama Model StraKlas. Model ini dapat digunakan oleh Pemerintah Daerah, pelaku industri dan pihak terkait lainnya untuk membantu proses pengambilan keputusan penyusunan strategi pengembangan klaster agroindustri unggulan daerah.

Paket program Model StraKlas dirancang dengan bahasa pemograman Microsoft Visual Basic Versi 6.0. Model ini terdiri dari tiga komponen utama yaitu sistem manajemen basis model, basis data dan dialog. Konfigurasi Sistem Pendukung Keputusan Strategi Pengembangan Klaster Agroindustri Unggulan Daerah adalah sebagaimana yang tersaji pada Gambar 6.1.

Gambar 6.1 Konfigurasi Sistem Pendukung Keputusan Strategi Pengembangan Klaster Agroindustri Unggulan Daerah

DATA

Sistem Manajemen Basis Data

- Jumlah Unit Usaha - Jumlah Tenaga Kerja - Nilai Tambah - Nilai Output - Nilai Ekspor - Klasifikasi KBLI - Pendapat Ahli

Sistem Manajemen Basis Model - Kompetensi Inti

- Konsentrasi Industri - Pertumbuhan - Kema mpuan Ekspor - Keterkaitan Usaha - Nilai Tambah - Tenaga Kerja

- Pemilihan Agroindustri Unggulan

- Industri Inti Klaster - Strukturisasi Sistem - Tingkat Kepentingan

Subelemen - Kinerja Klaster Sistem Pengolahan Terpusat

Sistem Manajemen Dialog PENGGUNA

6.2 Sistem Manajemen Basis Model

Sistem Manajemen Basis Model (Model Based Management System atau MBMS) dalam Model StraKlas terdiri dari kelompok: (1) untuk Pemilihan Kelompok Agroindustri Unggulan; (2) untuk Strukturisasi Sistem Pengembangan Klaster; (3) untuk Pengukuran Kinerja Klaster.

Kelompok model Pemilihan Kelompok Agroindustri diranc ang untuk mendapatkan peringkat kelompok agroindustri yang berpotensi untuk dikembangkan sebagai klaster agroindustri unggulan daerah. Model dirancang dari keluaran sub model: (1) Kompetensi Inti; (2) Konsentrasi Ind ustri; (3) Tingkat Pertumbuhan; (4) Kemampuan Ekspor; (5 ) Keterkaitan Usaha; (6) Jumlah Tenaga Kerja; (7) Nilai Tambah.

Model Strukturisasi Sistem Pengembangan Klaster merupakan model deskriptif yang dirancang untuk mendapatkan keterkaitan hubungan antara pelaku dalam mengembangkan klaster agroindustri unggulan tersebut. Model Pengukuran Kinerja Klaster dirancang untuk memonitor perkembangan klaster agroindustri yang sudah ditetapkan untuk dikembangkan sebagai klaster agroindustri unggulan daerah. Keluaran dari model ini akan memberikan informasi mengenai kinerja klaster yang meliputi: (1) Peningkatan Tenaga Kerja; (2) P eningkatan Jumlah Perusahaan; (3 ) Peningkatan Nilai Investasi; (4) Peningkatan Nilai Penjualan ; (5) Peningkatan Nilai Tambah; (6) Peningkatan Nilai Tambah per Tenaga Kerja.

6.2.1 Model Kompetensi Inti

Model ditujukan untuk mengidentifikasi kompetensi inti yang dimiliki oleh daerah untuk mendukung pengembangan suatu kelompok agroindustri tertentu di daerah tersebut dan melakukan pembobotan kompetensi inti untuk masing-masing kelompok agroindustri tersebut. Berdasarkan masukan dari para ahli, maka kriteria dari kompetensi inti daerah mencakup 16 kriteria, yaitu: (1) Peraturan di bidang investasi; (2) Peraturan di bidang perdagangan; (3) Fasilitas penunjang bisnis; (4) Kegiatan investasi; (5) Ketersediaan tenaga kerja; (6) Ketersediaan tenaga ahli; (7) Fasilitas pendidikan dan pelatihan; (8) Fasilitas penelitian dan pengembangan; (9) Keberadaan jaringan asosiasi

bisnis; (10) Ketersediaan infrastruktur fisik; (11) Dukungan permodalan; (12 ) Tingkat Upah; (13 ) Pasar domestik; (14) Daya tarik bagi investor asing; (15) Sumber daya alam setempat; (16) Jarak ke pasar utama ekspor.

Proses identifikasi dilakukan melalui pengumpulan pendapat ahli dengan langkah-langkah sebagai berikut: (1) Kelompok agroindustri yang akan dinilai adalah kelompok makanan, kelompok minuman, kelompok tembakau, kelompok kulit, kelompok kayu rotan dan bambu, kelompok kertas, dan kelompok karet; (2) Kriteria yang digunakan adalah 16 kriteria sebagaimana yang telah diuraikan di atas; (3) Para ahli diminta memberikan peringkat setiap kriteria untuk masing-masing kelompok agroindustri dengan peringkat: Baik (skor=5), Sedang (skor=3) dan Kurang (skor=1); (4) Penilaian para ahli untuk setiap kriter ia diagregasi dengan mengambil rata-rata geometriknya; (5) Dilakukan penghitungan ind eks kompetensi inti untuk masing-masing kelompok agroindustri dengan cara membandingkan jumlah nilai rata-rata geometrik setiap kriteria terhadap nilai maksimum yang mungkin dicapai; (6) Dilakukan penentuan bobot kompetensi inti untuk setiap kelompok agroindustri.

Model Kompetensi Inti pada setiap kelompok agroindustri disajikan dalam Gambar 6.2.

Inisialisasi pakar, alternatif, dan kriteria

Pengisian Matriks Pendapat untuk pakar i, alternatif j, dan kriteria k dengan skala s i = 1 – m j = 1 – n k = 1 – p s = 1 – S

Prosedur rata-rata geometrik untuk memperoleh pendapat agregat (A_jk)

Penentuan indeks Kompetensi Inti Alternatif (KI_j)

Tampilkan hasil bobot Kompetensi Inti

Penentuan bobot Kompetensi Inti Alternatif (wKI_j)

m m i ijk jk

V

A

∏

=

=

1

∑∑∑

∑

= = = = = m i n j p k ijk p k jk j V A wKI 1 1 1 1 ijk

V

S p A KI p k jk j * 1

∑

₌ = Mulai Selesai

6.2.2 Model Konsentrasi Industri

Model Konsentrasi Industri ditujukan untuk mengidentifikasi tingkat konsentrasi masing-masing kelompok agroindustri di daerah dan menghitung bobot tingkat konsentrasi industri ini untuk masing-masing kelompok agroindustri. Urutan langkah identifikasi adalah: (1) Menetapkan alternatif kelompok agroindustri yang akan di-identifikasi; (2) Menghit ung Location Quotient dari masing-masing kelompok agroindustri; (3) Menghitung bobot dari masing-masing kelompok agroindustri. Diagram alir model ini adalah seperti yang disajikan dalam Gambar 6.3.

Jumlah tenaga kerja alternatif ke-i pada tingkat kabupaten (Ki)

Jumlah tenaga kerja alternatif ke-i pada tingkat nasional (Ni)

Inisialisasi alternatif kelompok agroindustri

Perhitungan proporsi tenaga kerja setiap alternatif pada masing tingkat kabupaten (PK_i) dan tingkat nasional (PNi)

Penentuan LQ setiap alternatif (LQi) Penentuan bobot LQ Alternatif (wLQi)

∑

₌ = _n i i i i LQ LQ wLQ 1

Tampilkan hasil bobot LQ

∑

= = _n i i i i K K PK 1

∑

= = _n i i i i N N PN 1 i i i PN PK LQ= Mulai Selesai

Gambar 6.3 Diagram Alir Model Konsentrasi Industri

6.2.3 Model Tingkat Pertumbuhan

Model Tingkat Pertumbuhan dimaksudkan untuk mengidentifikasi perbedaan tingkat pertumbuhan dari masing-masing kelompok agroindustri daerah terhad ap tingkat pertumbuhan agro industri secara nasional dan menghitung bobot dari perbedaan tingkat pertumbuhan dari setiap kelompok industri tersebut. Yang ditetapkan sebagai ind ikator untuk maksud ini adalah komponen differential shift dari rumus Shift Share Analysis. Komponen ini memberikan gambaran mengenai tingkat pertumbuhan kelompok agro industri

tertentu di daerah dan dibandingkan dengan tingkat pertumbuhan agro industri secara nasional.

Langkah identifikasi perbedaan tingkat pertumbuhan adalah: (1) Menetapkan alternatif kelompok agroindustri; (2) Menghitung tingkat pertumbuhan setiap alternatif kelompok agroindustri pada tingkat daerah dan tingkat pertumbuhan agroindustri secara nasional; (3) Menghitung komponen differential shift masing-masing kelompok; (4) Menghitung bobot differential shift dari masing-masing kelompok agroindustri. Diagram alir model ini diperlihatkan pada Gambar 6.4.

Jumlah tenaga kerja alternatif ke-i pada tingkat kabupaten tahun referensi ke-1 (K1i)

Jumlah tenaga kerja alternatif ke-i pada tingkat kabupaten tahun referensi ke-2 (K2i)

Tampilkan hasil bobot differential shift share

Jumlah tenaga kerja alternatif ke-i pada tingkat nasional tahun referensi ke-1 (N1i)

Jumlah tenaga kerja alternatif ke-i pada tingkat nasional tahun referensi ke-2 (N2i)

Hitung Pertumbuhan tenaga kerja setiap alternatif pada tingkat kabupaten (PK_i) dan tingkat nasional (PN_i) i i i i N N N PN 1 1 2− =

Perhitungan Differential Shift Share untuk masing-masing alternatif(DS_i)

i i

i PK PN

DS = −

Perhitungan rata-rata jangkauan differential shift

share (RJ) _{( ) ( )} 5 i i MinDS DS Max RJ= −

Perhitungan nilai differential shift setiap alternatif

(NDS_i)         ⋅ + ≥ ⋅ + < ≤ + ⋅ + < ≤ + + < = RJ n ) ( DS Jika , RJ 3 ) ( DS RJ ) ( Jika , 3 RJ 2 ) ( DS RJ ) ( Jika , 2 ) ( DS Jika , 1 i i i i i i i i i i i DS Min n DS Min DS Min DS Min DS Min RJ DS Min NDS Μ Perhitungan bobot differential shift share

∑

= = n i i i i NDS NDS wDS 1 Mulai Selesai

Inisialisasi alternatif kelompok agroindustri

Inisialisasi alternatif kelompok agroindustri i i i i K K K PK 1 1 2− =

Gambar 6.4 Diagram Alir Model Tingkat Pertumbuhan

6.2.4 Model Kemampuan Ekspor

Model dirancang untuk mengidentifikasi kemampuan ekspor (termasuk “ekspor” keluar daerah ke daerah Indonesia lainnya) kelompok -kelompok agroindustri di daerah yang diteliti. Identifikasi dilakukan melalui pengumpulan pendapat ahli. Para ahli dimintakan pendapatnya mengenai kemampuan untuk mengekspor produk dari masing-masing kelompok

agroindustri daerah ke negara-negara mitra dagang Indonesia dan daerah Indonesia lainnya. Kelompok agroindustri yang ditetapkan sebagai alternatif adalah: (1) Makanan; (2) Minuman; (3) Tembakau; (4) Kulit; (5) Kayu, Rotan dan Bambu; (6) Kertas; (8) Karet. Negara tujuan ekspor yang merupakan mitra dagang Indonesia sebagai kriteria adalah: (1) Singapura; (2) Malaysia; (3) ASEAN lainnya; (4) Korea Selatan; (5) China; (6) Taiwan; (7) Jepang; (8) Australia dan New Zealand; (9) Uni Eropa; (10) Amerika Serikat dan Canada; (11) Timur Tengah dan Afrika; (12) Daerah Indonesia lainnya.

Proses identifikasi melalui pengumpulan pendapat ahli dilakukan dengan langkah-langkah berikut: (1) Para ahli diminta memberikan peringkat masing-masing produk kelompok agroindustri untuk diekspor ke masing-masing-masing-masing negara mitra dagang Indonesia, dengan peringkat: Baik (skor=5), Sedang (skor=3) dan Kurang (skor=1); (2) Penilaian para ahli diagregasi dengan mengambil rata-rata geometriknya; (3) Dilakukan penghitungan indeks kemampuan ekspor untuk masing-masing kelompok agroindustri dengan cara membandingkan jumlah nilai rata-rata geometrik setiap kriteria terhadap jumlah nilai maksimum yang mungkin dicapai; (4) Dilakukan penentuan bobot kemampuan ekspor untuk setiap kelompok agroindustri. Diagram alir Model Kemampuan Ekspor disajikan pada Gambar 6.5.

Inisialisasi pakar, alternatif, dan kriteria

Pengisian Matriks Pendapat untuk pakar i, alternatif j, dan kriteria k dengan skala s i = 1 – m j = 1 – n k = 1 – p s = 1 – S

Prosedur rata-rata geometrik untuk memperoleh pendapat agregat (A_jk)

Penentuan indeks

Kemampuan Ekspor Alternatif (KE_j)

Tampilkan hasil bobot Kemampuan Ekspor

Penentuan bobot Kompetensi Inti Alternatif (wKE_j)

m m i ijk jk

V

A

∏

=

=

1

∑∑∑

∑

= = = = = m i n j p k ijk p k jk j V A wKE 1 1 1 1 ijk

V

S p A KE p k jk j * 1

∑

₌ = Mulai Selesai

6.2.5 Model Keterkaitan dengan Usaha Lain

Rancangan model dimaksudkan untuk mengidentifikasi tingkat keterkaitan relatif setiap kelompok agroindustri dengan usaha-usaha di sektor ekonomi lainnya. Kelompok agroindustri yang dievaluasi sebagai alternatif adalah sama dengan kelompok agroindustri pada model-model yang dibahas terdahulu. Sebagai krit eria adalah kelompok agroindustri dan sektor-sektor kegiatan ekonomi lainnya, yaitu: (1) Makanan; (2) Minuman; (3) Tembakau ; (4) Kulit; (5) Kayu, Rotan, Bambu; (6) Kertas; (7) Karet; (8) Tekstil; (9) Pertanian; (10) Peternakan; (11) Kehutanan; (12) Perikan an; (13) Penerbitan dan Percetakan; (14) Industri Kimia; (15) Perdagangan; (16) Mesin dan Perlengkapan; (17 ) Transportasi dan Pergudangan; (18) Jasa Keuangan; (19 ) Jasa Pendidikan dan Pelatihan; (20) Jasa Penelitian dan Pengembangan.

Proses identifikasi melalui pengumpulan pendapat ahli dilakukan dengan langkah-langkah berikut: (1) Para ahli diminta memberikan peringkat

keterkaitan masing-masing kelompok agroindustri dengan kelompok

agroindustri lain dan sektor kegiatan eko nomi lainnya, dengan peringkat: Baik (skor=5), Sedang (skor=3) dan Kurang (skor=1); (2) Penilaian para ahli diagregasi dengan mengambil rata-rata geometriknya; (3) Dilakukan penghitungan indeks keterkaitan usaha untuk masing-masing kelompok agroindustri dengan cara membandingkan jumlah nilai rata-rata geometrik setiap kriteria terhadap jumlah nilai maksimum yang mungkin dicapai; (4) Dilakukan penentuan bobot keterkaitan usaha untuk setiap kelompok agroindustri.

Diagram alir Model Keterkaitan dengan Usaha Lain disajikan pada Gambar 6.6.

Inisialisasi pakar, alternatif, dan kriteria

Pengisian Matriks Pendapat untuk pakar i, alternatif j, dan kriteria k dengan skala s i = 1 – m j = 1 – n k = 1 – p s = 1 – S

Prosedur rata-rata geometrik untuk memperoleh pendapat agregat (A_jk)

Penentuan indeks Keterkaitan Usaha Alternatif (KU_j)

Tampilkan hasil bobot Keterkaitan Usaha

Penentuan bobot Keterkaitan Usaha Alternatif (wKE_j)

m m i ijk jk

V

A

∏

=

=

1

∑∑∑

∑

= = = = = m i n j p k ijk p k jk j V A wKE 1 1 1 1 ijk

V

S p A KE p k jk j * 1

∑

₌ = Mulai Selesai

Gambar 6.6 Diagram Alir Model Keterkaitan dengan Usaha Lain

6.2.6 Model Jumlah Tenaga Kerja

Model ini dimaksudkan untuk menghitung bobot setiap kelompok agroindustri untuk faktor Tenaga Kerja. Sebagai alternatif dalam model ini adalah kelompok agroindustri: (1) Makanan; (2) Minuman; (3) Tembakau; (4) Kulit; (5) Kayu, Rotan, Bambu; (6) Kertas; dan (7) Karet. Untuk mendapatkan hasil yang lebih baik, maka jumlah tenaga kerja yang digunakan dalam model adalah rata-rata jumlah tenaga kerja beberapa tahun terakhir pada setiap kelompok agroindustri.

Langkah -langkah yang dilakukan adalah: (1) Menetapkan alternatif kelompok agroindustri dan periode analisa; (2) Menghitung rata-rata jumlah tenaga kerja pada setiap alternatif untuk periode yang dipilih; (3) Menentukan bobot setiap kelompok agroindustri untuk faktor tenaga kerja.

Penetapan jumlah tenaga kerja pada wilayah i, alternatif j, dan periode k

i = 1 – m j = 1 – n

k = 1 – p

V

ijk

Perhitungan rata-rata jumlah tenaga kerja setiap alternatif pada masing-masing wilayah p V A p k ijk ij

∑

₌ = 1

Penentuan bobot Tenaga Kerja Alternatif (wTKij)

∑

= = n j ij ij ij A A wTK 1 Tampilkan hasil bobot

Tenaga Kerja

Mulai

Selesai

Inisialisasi alternatif, wilayah, dan periode analisa

( )

Aij

Gambar 6.7 Diagram Alir Model Jumlah Tenaga Kerja

6.2.7 Model Nilai Tambah

Model ini dimaksudkan untuk menghitung bobot setiap kelompok agroindustri untuk faktor Nilai Tambah. Sebagai alternatif dalam model ini adalah kelompok agroindustri: (1) Makanan; (2) Minuman; (3) Tembakau; (4) Kulit; (5) Kayu, Rotan, Bambu; (6) Kertas; dan (7) Karet. Untuk mendapatkan hasil yang lebih baik, maka jumlah tenaga kerja yang digunakan dalam model adalah rata-rata nilai tambah beberapa tahun terakhir pada setiap kelompok agroindustri.

Langkah-langkah yang dilakukan adalah : (1) Menetapkan alternatif kelompok agroindustri dan periode analisa; (2) Menghitung rata-rata jumlah nilai tambah pada setiap alternatif untuk periode yang dipilih; (3) Menentukan bobot setiap kelompok agroindustri untuk faktor Nilai Tambah.

Penetapan nilai tambah pada wilayah i, alternatif j, dan periode k

i = 1 – m j = 1 – n

k = 1 – p

V

ijk

Perhitungan rata-rata nilai tambah setiap alternatif pada masing-masing wilayah p V A p k ijk ij

∑

= = 1

Penentuan bobot Nilai Tambah Alternatif (wNTij)

∑

= = n j ij ij ij A A wNT 1 Tampilkan hasil bobot

Nilai Tambah

Mulai

Selesai

Inisialisasi alternatif, wilayah, dan periode analisa

( )

Aij

Gambar 6.8 Diagram Alir Model Nilai Tambah

6.2.8 Model Pemilihan Kelompok Agroindustri Unggulan

Model ini dirancang untuk memilih kelompok agroindustri unggulan daerah yang akan dikembangkan sebagai klaster agroindustri unggulan daerah. Model direkayasa dengan menggunakan teknik Analytical Hierarchy Process (AHP) dengan melakukan tahapan-tahapan berikut: (1) Dekomposisi terhadap program pemilihan kelompok agroindustri unggulan daerah dengan mengacu pada hasil kajian pustaka, konsultasi dengan para ahli dan pihak terkait serta penelitian lapangan; (2) Menetapkam hierarki dan elemen pada setiap hierarki; (3) Mengidentifikasi ada-tidaknya hubungan antara masing-masing elemen pada suatu hierarki dengan elemen -elemen pada hierarki dibawahnya. Pada model ini dimungkinkan bahwa tidak semua elemen pada suatu hierarki mempunyai hubungan dengan elemen pada hierarki diatasnya; (3) Melakukan comparative judgement, yaitu membuat penilaian setiap ahli tentang kepentingan relatif sepasang (dua) elemen pada suatu tingkat hierarki tertentu dengan setiap elemen yang ada hubungan pada hierarki diatasnya; (4) Menentukan peringkat elemen-elemen pada suatu tingkat hierarki menurut

relatif pentingnya terhadap elemen-elemen hierarki diatasnya melalui teknik pairwise comparison, yang akan menghasilkan prioritas lokal (local priority) suatu elemen. Pada model ini direkayasa agar peringkat elemen dapat juga dilakukan berdasarkan masukan langsung (direct input) tanpa proses pairwise comparison; (5) Melakukan pemeriksaan atas indeks konsistensi (consistency index) dan ratio konsistensi (consistency ratio). Apabila memenuhi ketentuan maka proses dilanjutkan, sedang apabila tidak memenuhi ketentuan maka dilakukan proses iterasi atas pendapat ahli yang bersangkutan; (6) Menyusun matriks gabungan pendapat ahli dari matriks individu setiap ahli dan melakukan pemeriksaan indeks konsistensi dan ratio konsistensi serta proses iterasi apabila diperlukan; (7) Melakukan pengolahan untuk menyusun prioritas pengaruh setiap elemen pada setiap tingkat hierarki terhadap hierarki paling puncak. Melalui proses tahapan -tahapan tersebut di atas akan diperoleh peringkat kelompok agroindustri unggulan daerah.

Model ini tidak membatasi banyaknya tingkatan hierarki dan jumlah elemen pada setiap hierarki. Pada model ini dimungkinkan pula keadaan dimana tidak semua elemen pada tingkat hierarki tertentu harus mempunyai hubungan dengan semua elemen hierarki diatasnya. Diagram alir Model Pemilihan Kelompok Agroindustri Unggulan disajikan dalam Gambar 6.9.

Gambar 6.9 Diagram Alir Model Pemilihan Kelompok Agroindustri Unggulan Pengisian pendapat pakar

secara berpasangan untuk setiap elemen

Inisialisasi pakar, hirarki, dan elemen pada setiap hirarki

Matriks Pairwise Comparison

Perhitungan eigen vektor pada setiap hirarki

Pengolahan prioritas lokal Perhitungan indeks konsistensi

(CI)

Perhitungan rasio konsistensi (CR)

Konsisten?

Penyusunan matriks gabungan

Perhitungan indeks konsistensi dan rasio konsistensi gabungan

Konsisten?

Pengolahan vertikal

Prioritas kelompok agroindustri

Mulai

Ya

Ya

Bobot kompetensi inti, konsentrasi industri, pertumbuhan kelompok, kemampuan ekspor, keterkaitan usaha, tenaga kerja, nilai tambah

Perhitungan bobot Kompetensi inti, konsentrasi industri, pertumbuhan kelompok, kemampuan ekspor, keterkaitan usaha, tenaga kerja, nilai tambah Tidak

Tidak

6.2.9 Model Identifikasi Industri Inti Klaster

Model ini dimaksudkan untuk mengidentifikasi agroindustri 5-digit KBLI 2000 yang dapat ditetapkan sebagai agroindustri inti pada kelompok agroindustri unggulan yang diteliti. Sebagaimana telah diuraikan sebelumnya, kelompok agroindustri yang diteliti merupakan kelompok-kelompok yang terdiri dari satu atau beberapa agroindustri 3-digit KBLI 2000. Dengan mengetahui agroindustri inti pada kelompok ini, maka dapat dilakukan analisa-analisa lanjutan yang diperlukan.

Identifikasi dilakukan menghitung ind eks atau bobot komposit kriteria dari setiap alternatif. Sebagai alternatif untuk analisa ini adalah semua agroindustri 5-digit KBLI yang termasuk dalam kelompok agroindustri unggulan dengan LQ > 1. Kriteria yang ditetapkan untuk analisa adalah: (1) Jumlah Perusahaan; (2) Jumlah Tenaga Kerja; (3) Nilai Tambah. Langkah -langkah yang dilaksanakan adalah: (1) Memilih kelompok agroindustri 5-digit yang memiliki LQ > 1 sebagai alternatif; (2) Menetapkan kriteria dan memasukkan bobot kriteria; (3) Memasukkan nilai setiap kriteria untuk setiap alternatif; (4) Menghitung indeks atau bobot kriteria untuk setiap alternatif; (5) Menghitung indeks atau bobot komposit kriteria untuk setiap alternatif. Alternatif yang memiliki indeks atau bobot terbesar adalah agroindustri yang berperan sebagai industri inti. Diagram alir model diperlihatkan pada Gambar 6.10. Mulai Masukkan alternatif Industri (A_i) dengan LQ >=1 i = 1…m Masukkan kriteria (Kj) beserta bobotnya (Bj) j = 1…n Masukkan nilai setiap alternatif untuk setiap kriteria

Hitung Total Nilai

untuk setiap kriteria (TN_j)

∑

=

=

m i ij j

V

TN

1 Hitung Nilai indeks kriteria (C_ij) j ij ij

TN

V

C

=

Hitung Nilai Indeks

Alternatif (wA_i)

∑

(

)

=

•

=

n j ij j i

B

C

wA

1 Selesai ij V

6.2.10 Model Strukturisasi Sistem Pengembangan Klaster

Model ini dirancang dengan tujuan untuk menstrukturisasi elemen sistem pengembangan klaster agroindustri unggulan daerah. Masukan model berasal dari pengumpulan pendapat ahli. Elemen pengembangan klaster agroindustri dapat dikelompokkan menjadi sekurang-kurangnya lima kelompok elemen yaitu: (1) Elemen Tujuan; (2) Elemen Pelaku; (3) Elemen Peran Pemerintah; (4) Elemen Aktivitas Dunia Usaha; (5) Elemen Kendala.

Masing-masing elemen diuraikan lagi atas sub-sub elemen yang penting. Struktur sistem dinyatakan dalam hierarki dan klasifikasi sistem yang dihasilkan dari proses strukturisasi elemen sistem dengan menggunakan teknik Interpretive Stru ctural Modelling (ISM). Diagram alir model adalah sebagaimana yang diperlihatkan pada Gambar 6.11.

Ya Pengisian matriks

pendapat pakar ke-i, sub elemen j dalam kaitannya dengan sub elemen k

i = 1 – m j = 1 – n k = 1 – p

Inisialisasi pakar, elemen, dan sub elemen

ijk

V

Perhitungan rata-rata aritmatik pendapat

m

V

A

m i ijk jk

∑

₌

=

1 Modifikasi Pendapat Tampilkan Elemen kunci, struktur, dan grafik dependency – driver power. Mulai Pendapat Transitif? Selesai Tidak Transformasi ke reachability matrix Modifikasi Structural Self Interaction Matrix

Gambar 6.11 Diagram Alir Model Strukturisasi Sistem Pengembangan Klaster

Tahapan proses pemodelan adalah sebagai berikut: (1) Inisialisasi pakar, elemen dan subelemen; (2) Pengisian matriks penilaian setiap pakar mengenai hubungan kontekstual antara subelemen pada setiap elemen; (3) Perhitungan

rata-rata pendapat pakar dan penyususnan Structural Self-Interaction Matrix (SSIM); (4) Transformasi SSIM menjadi Reachability Matrix (RM); (5) Perhitungan aturan Transivity dan koreksi; (6) Modifikasi SSIM apabila diperlukan; (7) Menampilkan sub elemen kunci, struktur subelemen dan penggambaran grafis dalam koordinat Driver-Power-Dependence.

6.2.11 Model Tingkat Kepentingan Subelemen

Model ini dirancang untuk mengetahui tingkat kepentingan dari masing-masing subelemen pada elemen Peran Pemerintah dan elemen Aktivitas Dunia Usaha berdasarkan agregasi kriteria (subelemen) Tujuan. Setiap kegiatan pada elemen Peran Pemerintah dan elemen Aktivitas Dunia Usaha mempunyai tingkat kepentingan yang tidak sama terhadap setiap kriteria (subelemen) pada elemen Tujuan. Dari model ini akan dapat diketahui subelemen mana dari elemen Peran Pemerintah yang memiliki tingkat kepentingan yang tinggi terhadap pencapaian Tujuan, demikian pula mengenai subelemen mana dari elemen Aktivitas Dunia Usaha yang memiliki tingkat kepentingan yang tinggi untuk pencapaian Tujuan. Masukan model diperoleh dari pengumpulan pendapat ahli dan diproses dengan teknik fuzzy Multi Expert Multi Criteria Decision Making. Diagram alir model adalah sebagaimana yang disajikan pada Gambar 6.12.

Iinisialisasi

• Skala Penilaian (Sh); h = 1 – q

• Pakar/Pengambil Keputusan (P_i); i = 1 – r • Alternatif (A_j); j = 1 – s

• Kriteria (K_k)dan Bobot Kriteria (B_k); k = 1 to t

Mulai

Pengisian matriks pendapat pakar ke – i terhadap alternatif ke – j berdasarkan kriteria ke – k (M_ijk)

Perhitungan negasi bobot kriteria

Neg B_k= q – B_k+ 1

Agregasi kriteria untuk memperoleh skor alternatif ke – j oleh pakar ke – i

[

k ijk

]

q k ij

Neg

B

M

v

=

∨

=

min

,..., 1

Hitung bobot OWA setiap pakar

    _      − + = r q i wi 1 1 int Agregasi pakar untuk memperoleh skor alternatif

[

ij i

]

r i j v w wA = ∧ =1,..., max Selesai

Gambar 6.12 Diagram Alir Model Tingkat Kepentingan Peran Pemerintah dan Aktivitas Dunia Usaha

Tahapan proses pada model adalah sebagai berikut: (1) Inisisalisasi pakar, skala, penilaian, alternatif dan kriteria; (2) Pengisian matriks pendapat setiap pakar terhadap alternatif untuk setiap kriteria; (3) Perhitungan negasi bobot kriteria; (4) Agregasi kriteria untuk memperoleh skor setiap alternatif; (5) Menghitung bobot pendapat setiap pakar dengan metode OWA; (6) Melakukan agregasi pendapat pakar untuk memperoleh skor setiap alternatif.

6.2.12 Model Pengukuran Kinerja Klaster

Model ini dimaksudkan untuk mengikuti perkembangan klaster industri dalam kaitannya dengan dengan intervensi dan kebijakan-kebijakan yang diambil Pemerintah Daerah untuk mendukung pengembangan klaster industri. Indikator yang digunakan dalam model ini haruslah indikator yang dapat diukur secara b erkala (tahunan) dengan menggunakan data statistik yang tersedia atau data yang relatif mudah diperoleh melalui survei lapangan. Untuk model ini dipilih indikator: (1) Peningkatan jumlah tenaga kerja klaster; (2) Peningkatan jumlah perusahaan klaster; (3) Peningkatan jumlah investasi klaster; (4) Peningkatan nilai penjualan klaster; (5) Peningkatan nilai tambah klaster; (6) Peningkatan nilai tambah per tenaga kerja.

Langkah yang dilakukan adalah: (1) Memasukkan angka-angka jumlah tenaga kerja, jumlah perusahaan, nilai investasi, nilai penjualan, dan nila i tambah untuk seluruh perusahaan dalam klaster pada awal periode monitoring; (2) Memasukkan angka-angka jumlah tenaga kerja, jumlah perusahaan, nilai investasi, nilai penjualan, dan nilai tambah perusahaan dalam klaster pada akhir periode monitoring; (3) Menghitung peningkatan jumlah tenaga kerja, peningkatan jumlah perusahaan, peningkatan nilai investasi, peningkatan nilai penjualan, peningkatan nilai tambah, dan peningkatan nilai tambah per tenaga kerja. Diagram alir model disajikan pada Gambar 6.13.

Jumlah tenaga kerja periode ke-i (TKi)

Jumlah perusahaan periode ke-i (PR_i) Nilai investasi periode ke-i (IN_i) Nilai penjualan periode ke-i (PJi)

Nilai tambah periode ke-i (NTi)

Mulai

Selesai

Peningkatan tenaga kerja ke-i = (TKi– TKi-1)/ TKi-1

Peningkatan jumlah perusahaan periode ke-i = (PRi– PRi-1)/ PRi-1

Peningkatan nilai investasi periode ke-i = (IN_i– IN_i-1)/ IN_i-1 Peningkatan nilai penjualan periode ke-i = (PJ_i– PJ_i-1)/ PJ_i-1 Peningkatan nilai tambah periode ke-i = (NTi– NTi-1)/ NTi-1

Peningkatan nilai tambah per tenaga kerja periode ke-i = (NTi/TKi) –(NTi-1/TKi-1)/ (NTi-1/TKi-1)

Tampilkan peningkatan tenaga kerja ke-i

Tampilkan peningkatan jumlah perusahaan periode ke-i Tampilkan peningkatan nilai investasi periode ke-i Tampilkan peningkatan nilai penjualan periode ke-i Tampilkan peningkatan nilai tambah periode ke-i

Tampilkan peningkatan nilai tambah per tenaga kerja periode ke-i

Gambar 6.13 Diagram Alir Konfigurasi Model Pengukuran Kinerja Klaster

6.3 Sistem Manajemen Basis Data

Sistem Manajemen Basis Data (Data Base Management System atau DBMS) merupakan salah satu komponen Sistem Penunjang Keputusan yang terdiri dari basis data dan program pengelola untuk menambah, menghapus, mengambil dan membaca data. Pada dasarnya DBMS melakukan tiga fungsi utama, yaitu menyimpan data pada data base, pencarian kembali data dari data base dan pengaturan data pada data base. Melalui DBMS maka akses dan pengambilan data dapat cepat dilakukan. Basis data dalam model StraK las mencakup berbagai data mengenai perusahaan agroindustri pada klasifikasi 3 dan 5 digit KBLI yang ada di Kabupaten, Propinsi maupun seluruh Indonesia, yang mencakup antara lain : jumlah unit usaha, jumlah tenaga kerja, nilai tambah, biaya input, nilai output.

6.4 Sistem Manajemen Dialog

Sistem manajemen dialog adalah komponen SPK yang dirancang untuk memfasilitasi interface antara pengguna dengan sistem. Sistem manajemen dialog berfungsi mengatur arus informasi input dan output, dan berfungsi untuk mentransformasi input dari pengguna menjadi bahasa yang bisa dibaca oleh DBMS dan MBMS. Sistem manajemen dialog ini juga menterjemahkan output dari DBMS dan MBMS serta Sistem Ahli ke dalam bentuk yang dapat dimengerti oleh pengguna. Komponen ini oleh sebagian pakar SPK (Turban 1993) dianggap komponen yang paling penting pada suatu SPK karena kemampuan, fleksibilitas dan kemudahan penggunaan dari suatu sistem SPK bersumber dari komponen ini.

6.5 Pendapat Ahli

Di dalam SPK pada umumnya, pendapat ahli digunakan untuk membantu pengambil keputusan mendapatkan input untuk berbagai model yang digunakan, dan juga untuk mengolah data guna mendapatkan alternatif-alternatif keputusan yang terbaik. Di dalam model StraKlas, pendapat ahli digunakan sebagai input untuk: penilaian kompetensi inti daerah, penilaian kemampuan ekspor dari produk-produk kelompok agroindustri, penilaian keterkaitan usaha antara kelompok agroindustri dengan sektor usaha lain, identifikasi dan penyusunan struktur dan hierarki dalam analisa AHP, penilaian pairwise comparison antar subelemen dalam analisa AHP, identifikasi elemen dalam proses ISM, hubungan kontekstual dalam proses ISM dan penyusunan Structural Self Interaction Matrix (SSIM) dalam proses ISM.