ABSTRACT DADANG SURJASA. Model Design of Intelligent Decision Support System for Rice Supply Chain System in DKI Jakarta Province. Guided by E. GUMBIRA SA`ID, BUSTANUL ARIFIN, SUKARDI. DKI Jakarta is the region which has a very large population but it is not supported directly by rice field area that can meet the needs of rice for its population. Cipinang rice market center (PIBC) managed by PT. Food Station Tjipinang Jaya (FSTJ) is expected to be a party that can manage and control the rice for food security, especially in the Jakarta area. There are several important aspects to be considered by FSTJ in regulating and controlling food security. These aspects are the supply of rice, rice price, rice supplier selection, transportation and distribution aspects of rice as well as the performance aspect of the rice supply chain. The purpose of this study was to develop a model of intelligent decision support system for rice supply chain that covers all these aspects effectively and ef ficiently. There were several methods used in this study. Artificial neural network was used to analyze aspects of the supply and price of rice, TOPSIS was used to analyze the rice suppliers selection, simulated annealing was used to analyze the distribution and transportation of rice and fuzzy inference system was used to analyze the performance of the rice supply chain. Analysis results showed that the accuracy of forecasting models to forecast the supply of rice and to forecast rice prices have reached more than 90 percent. Rice supplier selection model is effectively able to sort the suppliers of rice based on predetermined criteria. Transportation and distribution model has effectively been able to make the shortest route to distribute the rice. This model also has been able to make the sequence assignment of vehicles to deliver the rice to its customers. Finally, the rice supply chain performance model also effectively has been able to measure the performance of supply chain that accommodates the input factors. According to the results of analysis and experts opinion, there were advantages and disadvantages of the model produced, but they can be verified and they were also valid. Keywords : Model, Intelligence Decision Support System, Rice, Supply Chain, DKI Jakarta.
RINGKASAN DADANG SURJASA. Rancang Bangun Model Sistem Pendukung Keputusan Cerdas Untuk Sistem Rantai Pasokan Beras di Propinsi DKI Jakarta. Dibimbing oleh E. GUMBIRA SA`ID, BUSTANUL ARIFIN, SUKARDI.
DKI Jakarta adalah kota metropolitan yang memiliki jumlah penduduk sangat besar tetapi tidak ditopang langsung oleh kemampuan daerah tersebut dalam menghasilkan komoditas beras yang dapat memenuhi kebutuhan pangan penduduknya. Keadaan tersebut membuat Pemerintah Daerah (Pemda) DKI Jakarta harus selalu mengupayakan ketahanan pangan baik dari faktor kecukupan pasokan beras maupun dari faktor harga beras yang stabil. Untuk itu Pemda DKI Jakarta menugaskan PT. Food Station Tjipinang Jaya (FSTJ) sebagai badan hukum yang dapat mengatur dan menjaga ketahanan pangan, khususnya untuk komoditas beras di wilayah DKI Jakarta. FSTJ mencoba mewujudkan keinginan Pemda DKI Jakarta tersebut melalui usaha yang dilakukan dengan cara mengkoordinir para pengusaha beras yang berada di area pasar induk beras Cipinang (PIBC). Koordinasi FSTJ terhadap para pengusaha beras di PIBC meliputi koordinasi dari sisi pasokan beras maupun dari sisi harga beras. Dari sisi pasokan beras, FSTJ diharapkan dapat mengatur kecukupan pasokan beras bagi warga penduduk DKI Jakarta dalam memenuhi kebutuhan pangan setiap hari dan dari sisi harga beras, FSTJ diharapkan dapat menjaga stabilitas harga beras sehingga warga penduduk DKI Jakarta dapat memperoleh beras tersebut dengan harga yang terjangkau. Dalam kondisi ketika pasokan beras yang masuk ke wilayah DKI Jakarta kurang atau ketika harga beras melonjak di atas daya beli warga masyarakat, maka FSTJ meminta bantuan badan urusan logistik (BULOG) DKI Jakarta untuk melakukan operasi pasar beras supaya pasokan beras tercukupi atau harga beras dapat terjangkau kembali oleh warga masyarakat DKI Jakarta. Untuk menjaga pasokan beras yang dapat mencukupi kebutuhan warga masyarakat DKI Jakarta dan dengan harga beras yang stabil, FSTJ perlu melakukan prakiraan pasokan maupun prakiraan harga beras setiap waktu. Terkait dengan jumlah pasokan beras, FSTJ perlu mengkoordinir para pengusaha beras di PIBC agar selalu melakukan proses pengadaan beras secara efektif dan efisien dari para pemasok beras. Terkait dengan upaya pemenuhan kebutuhan warga masyarakat DKI Jakarta terhadap beras tersebut, FSTJ juga perlu mengkoordinir para pengusaha beras di PIBC agar selalu dapat menyalurkan beras ke para distributornya di seluruh wilayah DKI Jakarta secara efektif dan efisien. Terkait dengan kinerja, FSTJ perlu memiliki ukuran kinerja yang dapat memonitor dan mengevaluasi kinerja rantai pasokan berasnya setiap waktu. Dari permasalahan perberasan di DKI Jakarta tersebut, terdapat beberapa aspek penting yang perlu dikaji lebih lanjut khususnya yang berhubungan dengan masalah rantai pasokan beras di Provinsi DKI Jakarta. Adapun aspek-aspek penting yang diteliti tersebut adalah aspek pasokan beras, aspek harga beras, aspek pemilihan pemasok beras, aspek distribusi dan transportasi beras serta aspek kinerja rantai pasokan beras.
Sehubungan dengan permasalahan perberasan di Provinsi DKI Jakarta tersebut, penelitian ini memiliki tujuan untuk menghasilkan model sistem pendukung keputusan untuk rantai pasokan beras yang efektif dan efisien yang mencakup model prakiraan pasokan beras, model prakiraan harga beras, model pemilihan pemasok beras, model distribusi dan transportasi beras serta model kinerja rantai pasok beras. Model dibangun melalui model konseptual yang selanjutnya dikembangkan menjadi program komputasi dengan menerapkan tiga buah metode artificial intelligence (AI) dan satu buah metode analitik. Metode AI yang dipergunakan adalah metode jaringan syaraf tiruan (JST) untuk subsistem prakiraan pasokan dan harga beras, metode simulated annealing untuk subsistem distribusi dan transportasi beras dan metode fuzzy inference system (FIS) untuk subsistem kinerja rantai pasokan beras, sedangkan metode analitik yang dipergunakan adalah metode technique for order preference by similarity to ideal solution (TOPSIS) untuk subsistem pemilihan pemasok beras. Model dari subsistem yang pertama adalah model prakiraan pasokan beras dan prakiraan harga beras yang dikembangkan dengan menggunakan metode jaringan syaraf tiruan (JST). Data pasokan beras maupun data harga beras diperoleh dari database FSTJ. Hasil prakiraan dari pasokan beras yang masuk ke wilayah DKI Jakarta selanjutnya dibandingkan dengan kebutuhan beras dari penduduk DKI Jakarta pada suatu waktu. Dari hasil perbandingan tersebut dapat dinyatakan suatu peringatan dini (early warning system) yang menyatakan apakah pasokan beras ke wilayah DKI Jakarta pada suatu waktu tersebut dalam kondisi aman atau pasokan beras harus diwaspadai atau pasokan beras dalam kondisi rawan. Demikian pula dengan hasil prakiraan dari harga beras pada suatu waktu selanjutnya dibandingkan dengan harga beras rata-rata empat periode sebelumnya. Hasil dari perbandingan tersebut juga berupa suatu peringatan dini apakah harga beras di wilayah DKI Jakarta pada suatu waktu itu masuk ke dalam kondisi harga beras aman atau harga beras harus diwaspadai atau masuk ke dalam kondisi harga beras rawan. Dengan informasi peringatan dini tersebut, pihak yang berkepentingan seperti FSTJ dapat melakukan antisipasi apabila prakiraan pasokan maupun harga beras berada dalam kondisi rawan. Apabila prakiraan pasokan beras maupun harga beras menunjukkan kondisi rawan, maka FSTJ selanjutnya dapat menghubungi pihak Badan Urusan Logistik (BULOG) DKI Jakarta untuk meminta agar dilakukan operasi pasar. Model dari subsistem yang ke dua adalah model pemilihan pemasok beras. Model tersebut dirancang untuk mendapatkan pemasok beras terpilih yang memenuhi kriteria yang ditentukan oleh para pelaku usaha perberasan di PIBC. Model dikembangkan dengan menggunakan metode TOPSIS. Metode TOPSIS adalah salah satu metode yang dapat menyelesaikan persoalan multy criteria decision making (MCDM). Input untuk model tersebut dapat berbentuk kuantitatif maupun kualitatif. Input yang dipergunakan tersebut berupa jumlah alternatif dari berbagai daerah yang memasok beras ke PIBC dan berbagai kriteria perberasan baik kriteria dari pemasok beras maupun kriteria dari komoditas beras itu sendiri. Hasil dari model tersebut adalah urutan peringkat pemasok beras dari peringat pertama sampai peringkat terakhir yang sudah mempertimbangkan berbagai kriteria perberasan tersebut. Dengan hasil urutan peringkat pemasok beras ini, para pelaku usaha perberasan di PIBC dapat mengambil keputusan, beras dari daerah mana saja yang dapat diambil untuk menjadi komoditas usahanya.
Model dari subsistem yang ke tiga yaitu model distribusi dan transportasi beras yang dikembangkan dengan menggunakan metode simulated annealing. Input untuk model pada subsistem distribusi dan transportasi beras tersebut adalah jarak antar pelanggan yang merupakan distributor beras di seluruh wilayah DKI Jakarta, banyaknya permintaan beras dari pasar tersebut serta kendaraan dan bobot kendaraan yang dipergunakan. Hasil dari model tersebut adalah rute terpendek dan banyaknya kendaraan yang dipergunakan untuk menyalurkan beras tersebut ke pasar-pasar di wilayah DKI Jakarta. Dengan hasil tersebut, para pelaku perberasan dapat menyalurkan sejumlah beras ke berbagai pasar beras dengan menggunakan jumlah kendaraan yang tepat dan dengan rute terpendek. Dengan demikian para pelaku perberasan di PIBC khususnya dapat menyalurkan beras tersebut dengan biaya transportasi yang lebih efisien. Model subsistem ke empat yaitu model kinerja rantai pasokan beras. Model tersebut diperoleh dengan menggunakan metode fuzzy inference system (FIS). Input untuk model tersebut terdiri dari tiga subsistem sebelumnya yaitu subsistem prakiraan pasokan dan harga beras, subsistem pemilihan pemasok beras dan subsistem distribusi dan transportasi beras. Hasil dari model tersebut adalah ukuran kinerja dari rantai pasokan beras. Dengan hasil tersebut, para pelaku usaha perberasan di PIBC khususnya dapat mengukur kinerja rantai pasokannya apakah masuk ke dalam kategori baik, cukup baik atau tidak baik. Dengan adanya ukuran kinerja tersebut, para pelaku perberasan di PIBC dapat juga mengantisipasi apa yang harus dipersiapkan dan dilakukan supaya kinerja rantai pasokannya di masa mendatang lebih baik dari pada kinerja saat ini. Semua model dari ke empat subsistem yang dihasilkan pada penelitian ini telah memenuhi kriteria efektifitas dan efisiensi juga telah memenuhi prosedur verifikasi dan validasi, sehingga semua model yang dihasilkan dapat diverifikasi (verified) dan valid. Kata Kunci : Sistem Pendukung Keputusan, Rantai Pasokan, Jaringan Syaraf Tiruan, TOPSIS, Simulated Annealing, Fuzzy Inference System, Kinerja Rantai Pasokan Beras, DKI Jakarta. .
