ANALISIS PEMILIHAN MITRA LSM DAN OPTIMASI BUDGETING DENGAN MENGGUNAKAN METODE AHP DAN GOAL PROGRAMMING

Prosiding Seminar Nasional Manajemen Teknologi VI Program Studi MMT-ITS, Surabaya 4 Agustus 2007

ANALISIS PEMILIHAN MITRA LSM DAN OPTIMASI BUDGETING DENGAN MENGGUNAKAN METODE AHP DAN GOAL PROGRAMMING Joko Agus Hariyono1) dan Udisubakti Ciptomulyono2) 1. Mahasiswa Magister Manajemen Teknologi – ITS, Kampus MMT ITS, Jl. Cokroaminoto – Surabaya email : [email protected] 2. Dosen Pengajar Jurusan Teknik Industri dan MMT – ITS, Kampus ITS Keputih Sukolilo - Surabaya email : [email protected]

ABSTRAK Pada saat ini banyak Non Government Organization (NGO) asing yang beroperasi di untuk melakukan berbagai proyek bantuan di berbagai bidang. OGB adalah NGO dari Inggris yang telah lama beroperasi di Indonesia di bidang humanitarian dan bantuan bencana alam. Dalam pelaksanaan program – programnya OGB mengajak mitra – mitra yaitu NGO lokal atau biasa dikenal dengan Lembaga Swadaya Masyarakat (LSM). Untuk itu OGB perlu memilih mitra – mitra yang tepat karena bantuan yang diberikan bersifat proyek – proyek tertentu dengan anggaran yang sudah tertentu pula sementara banyak LSM yang ingin terlibat dalam pelaksanaan program bantuan. Penelitian ini memberikan analisis bagaimana NGO memilih mitra untuk bekerja sama dengan menggunakan metode Analytical Hierarchy Process (AHP) yang diintegrasikan dengan Goal Programming, sehingga diperoleh suatu model keputusan multikriteria untuk menyelesaiakan problema dan optimasi dalam memilih mitra yang paling baik untuk diajak bekerja sama. Dengan integrasi kedua metode, diperoleh hirarki proses untuk pemilihan mitra dan model keputusan yang dapat mengoptimalkan lima obyektif yang ditetapkan oleh Tim Partnership OGB, sehingga dapat digunakan untuk menentukan mitra yang paling baik untuk proyek bantuan gempa di Yogyakarta. Dari 11 mitra yang mengajukan proposal dengan nilai sebesar Rp 12.300.000.000,- , sementara anggaran bantuan sebesar Rp 10.000.000.000,- terpilih 8 mitra terbaik dengan nilai bantuan Rp 9.800.000.000,-. Kata kunci : Analytical Hierarchy Process, goal programming, keputusan multi kriteria, LSM, kemitraan

PENDAHULUAN Latar Belakang Oxfam Great Britain (OGB) adalah sebuah organisasi non pemerintah (Non Government Organization / NGO) yang independen dan berafiliasi dengan Oxfam International. OGB bekerja dengan mitra, suka relawan, pendukung, dan staf dari berbagai Negara untuk mengurangi kemiskinan dan penderitaan sebagai bagian dari gerakan / aksi global untuk meciptakan dunia yang lebih adil dan aman. Dalam melaksanakan program bantuan di negara – negara tujuan termasuk Indonesia OGB tidak diperkenankan untuk terjun langsung ke masyarakat tanpa didampingi oleh lembaga – lembaga resmi di dalam negeri. Lembaga ini bisa lembaga


pemerintah maupun lembaga non pemerintah atau biasa disebut organisasi non pemerintah (Ornop) ataupun Lembaga Swadaya Masyarakat (LSM). Oleh karena itu sangat penting untuk memilih lembaga yang layak untuk dijadikan mitra dalam melaksanakan program bantuan di Indonesia. Di dalam pemilihan mitra ini harus ada kriteria dan prioritas tertentu yang harus dipenuhi yang akan menunjukkan seberapa besar organisasi mitra itu memiliki kemampuan yang dapat dipertanggungjawabkan untuk turut mendukung program yang ada, sehingga OGB memiliki keyakinan yang besar bahwa program akan berjalan dengan sukses serta efisien dalam hal beaya, waktu, komunikasi, pelaporan, maupun aspek pendukung lainnya. Permasalahan dalam hal ini dikarenakan dalam pemilihan mitra terdapat banyak kriteria yang harus dipenuhi namun bisa jadi antara kriteria yang satu dengan kriteria yang lain terdapat konfliktual atau pertentangan yang harus diambil kriteria mana yang akan diutamakan atau jalan keluar lain apabila kriteria tersebut tetap harus dipilih. Oleh karena itu dalam hal ini metode Analitical Hierarchy Process (AHP) sangat sesuai untuk membantu manajemen OGB karena metode AHP mampu mentransformasikan pendapat – pendapat verbal ke dalam bentuk penilaian kuantitatif yang terukur sebagai dasar yang dapat dipertanggungjawabkan dalam proses pengambilan keputusan. Sehingga keputusan pemilihan mitra akan memberikan kepuasan kepada para pengambil keputusan dan manajemen / pimpinan organisasi. Sedangkan dalam pengalokasian budget dana bantuan perlu dipertimbangkan dengan matang mengingat bahwa dana bantuan sifatnya terbatas namun harus tetap mengacu pada pencapaian tujuan–tujuan (obyektif) dari organisasi. Oleh karena itu metode Goal Programming sangat sesuai untuk membantu manajemen OGB dalam mengalokasikan budget secara tepat melalui mitra–mitra yang ada. Tujuan Penelitian Tujuan dari penelitian ini adalah mendapatkan rancangan sistem untuk pemilihan suatu LSM menjadi mitra kerja dan model optimasi budgeting program bantuan dengan mempertimbangkan kriteria dan prioritas dalam melaksanakan program. Manfaat Penelitian Manfaat yang dapat diperoleh dari penelitian ini adalah : a. Mengaplikasikan metode AHP dan Goal Programming untuk pengambilan keputusan khususnya dalam seleksi mitra dan evaluasi budgeting dalam pelaksanaan proyek bantuan dan kemungkinan pada kasus lain yang sejenis b. Sebagai pertimbangan dalam pengambilan keputusan untuk memilih mitra dan mengalokasikan budget. METODA Analitical Hierarchy Process (AHP) Metode AHP, dikembangkan oleh Thomas Saaty, membuat para pengambil keputusan dapat memodelkan suatu problem yang kompleks ke dalam suatu struktur hirarki yang menujukkan hubungan antar tujuan, kriteria, sub kriteria, dan alternatif. Ketidakpastian dan faktor lain yang terlibat dapat juga dimasukkan. Menurut Forman (2004), metode AHP sangat sistematis untuk membandingkan sejumlah kriteria, tujuan, dan alternatif yang harus ditentukan dalam konsep–konsep desain atau rekayasa. AHP tidak hanya mendukung pengambil keputusan dalam ISBN : 978-979-99735-3-5 A-34-2


merestruktur hal yang kompleks dan judgment pengalaman, namun juga mengakomodasikan hal–hal yang bersifat obyektif dan subyektif dalam proses pemecahan masalah. AHP adalah metode pengganti karena alternatif yang ketidaksempurnaan dari pengamatan satu atau lebih tujuan dapat digantikan dengan performa pengamatan dari tujuan yang lain. AHP disusun dari beberapa hal yang sudah ada tetapi tidak berhubungan secara konsep dan teknis misalnya struktur hirarki yang kompleks, perbandingan berpasangan, judgment yang berlebihan. Meskipun setiap konsep dan teknik sangat berguna, Saaty (1988) menyatakan bahwa kombinasi konsep dan teknik menghasilkan proses yang jauh lebih baik. Forman (2004) memberikan langkah–langkah dalam penggunaan AHP untuk menyelesaikan persoalan penentuan pilihan, yaitu (1) identifikasi permasalahan, tujuan, dan alternatif, (2) mengeliminasi alternatif, (3) membuat struktur model keputusan, (4) mengevaluasi faktor dengan perbandingan berpasangan, (5) melakukan perhitungan, (6) analisa sensitivitas, dan (7) dokumentasi keputusan untuk sistem kontrol. Goal Programming (GP) Belton (2002) menggambarkan bahwa goal programming dapat menentukan solusi bagi permasalahan yang kompleks pada proses–proses multi criteria decision making. Dasar pendekatan goal programming adalah memberikan solusi persoalan yang meminimumkan penyimpangan dari sasaran (goal) yang ditargetkan, dengan suatu prioritas dan pembobotan tertentu untuk setiap tujuan. Formulasi Goal Programming Untuk setiap model goal programming paling sedikit akan ada tiga komponen, yaitu fungsi tujuan, pembatas tujuan, dan pembatas non negatif. Tabucanon (1988) memberikan formulasi goal programming sebagai berikut : Min Subject to :

Z =  (Poi di- + Pai di+) Z =  (aij xij) + di- - di+ = bi xj, di-, di+ ≥ 0

………(1) ………(2) ………(3)

Selanjutnya minimasi yang dilakukan tergantung pada pertimbangan nilai sisi kanan terhadap nilai variabel keputusan x yang diinginkan (Tabel 1). Tabel 1. Prosedur minimasi variabel simpangan dalam goal programming (Ignizio, 1994) Fungsi kendala fi (xj) ≥ b i fi (xj) ≤ b i fi (xj) = bi

Fungsi tujuan fi (xj) + di- - di+ = bi fi (xj) + di- - di+ = bi fi (xj) + di- - di+ = bi

Prosedur minimasi Minimasi diMinimasi di+ Minimasi di- + di+

Penggunaan Metode AHP dan Goal Programming Metode AHP dan Goal Programming telah banyak digunakan untuk penelitian yang fokus pada permasalahan–permasalahan multi criteria decision making. Ansori (2005) memilih kedua metode tersebut untuk membuat suatu usulan model untuk memilih UKM yang pantas untuk menerima pinjaman lunak di Surabaya. Sementara itu Ciptomulyono (2005) menggunakan metode ini untuk penelitian dalam pemilihan perencanaan proyek pembangkit listrik yang berwawasan lingkungan dimana problem utamanya adalah adanya multi kriteria dan multi obyektif yang bersifat kuantitatif dan kualitatif yang sulit diukur dalam term finansial ataupun non finansial. Jauh sebelumnya Kwak, Schiederjans, dan Warkentin (1991) menggunakan metode

ISBN : 978-979-99735-3-5 A-34-3


goal programming untuk menentukan struktur distribusi yang optimal dalam term persentasi All Comodity Volume yang berhubungan dengan pembagian pasar, profit, dan keterbatasan budget pada sebuah industri makanan. PENGEMBANGAN MODEL OPTIMASI Pada kriteria–kriteria dilakukan proses AHP dengan membuat perbandingan berpasangan untuk mendapatkan bobot, kemudian bobot ini diintegrasikan ke dalam model goal programming atas kriteria yang ditetapkan selain sebagai kriteria juga sebagai obyektif. Tim Partnership menetapkan lima obyektif yang ingin dicapai secara optimal, sebagaimana dalam Tabel 2. Tabel 2. Tujuan dari sasaran No. 1 2 3 4 5

Obyektif / Sasaran Jumlah mitra dengan visi / misi paling sesuai Jumlah beneficiary (penerima bantuan) Persentasi dana (fee) untuk mitra Area wilayah cakupan penyerahan bantuan Waktu pelaksanaan

Tujuan Maksimal Maksimal Minimal Maksimal Minimal

Formulasi Model Optimasi Goal Programming Untuk membuat formulasi model optomasi goal programming diperlukan data– data mengenai jumlah dana yang diajukan, obyektif (tujuan) dari pemilihan mitra, susunan prioritas obyektif, dan penilaian pencapaian obyektif. Tabel 3. Data pengajuan permintaan bantuan Mitra 1 2 3 4 5 6 7 8 9 10 11

Bidang yang Dikerjakan EE, RE,SH, WS CL, HR, EE, RE EE, RE, SH EE, RE, HR, SH EE, HR, RE HR, RE EE, SH CL, EE, HR, RE, SH, WS CL, EE, HR, RE, SH HR HR

Pengajuan Dana ( Rp ) 1.500.000.000,800.000.000,800.000.000,2.500.000.000,750.000.000,850.000.000,250.000.000,2.500.000.000,950.000.000,450.000.000,950.000.000,Jumlah = 12.300.000.000,-

Tim Partnership memberikan masukan obyektif dari pemilihan mitra seperti tercantum pada Tabel 3, sementara hasil pembobotan prioritas obyektif tercantum dalam Tabel 4, sedangkan Tabel 5 menampilkan pencapaian obyektif dari mitra hasil penilaian Tim Partnership terhadap proposal dan kuisioner. Tabel 4. Susunan prioritas obyektif Prioritas 1 2 3 4 5

Obyektif / Sasaran Jumlah mitra dengan visi/misi paling sesuai Jumlah beneficiary (penerima bantuan) Fee untuk mitra Area wilayah cakupan penyerahan bantuan Waktu pelaksanaan

ISBN : 978-979-99735-3-5 A-34-4

Bobot 0.090 0.043 0.022 0.015 0.007

Normalisa si Bobot 0.508 0.243 0.124 0.085 0.040

Prosiding Seminar Nasional Manajemen Teknologi VI Program Studi MMT-ITS, Surabaya 4 Agustus 2007 Tabel 5. Hasil penilaian terhadap pencapaian obyektif Mitra 1 2 3 4 5 6 7 8 9 10 11 Jumlah

Mitra ( % visi ) 67 67 33 67 67 83 100 83 50 67 50 B = 734

Jml. Bnfcr. ( KK ) 20952 4034 12439 33107 1222 10420 8766 24593 28276 115 769 C = 144693

Obyektif / sasaran Fee mitra ( Rp juta) 121 60 68 230 50 72 26 256 93 36 72 D = 1084

Area ( Nilai ) 300 300 150 300 200 300 300 300 100 200 200 E = 2650

Waktu ( Minggu ) 16 20 12 20 24 24 16 24 12 24 24 F = 216

Dalam menyusun formulasi matematis goal programming untuk optimasi budgeting ada beberapa hal yang harus ditetapkan, yaitu variabel keputusan, susunan prioritas, kendala sasaran, dan fungsi tujuan. a. Variabel keputusan Xi = variabel keputusan untuk memilih mitra ke-i Dimana : i = 1, 2, 3, …, 11 ; dan 0 ≤ Xi ≤ 1 b. Susunan prioritas Tabel 6. Susunan Prioritas, kendala obyektif, dan fungsi tujuan Prioritas 1 2

3 4 5 6 7

Obyektif Mencegah berulangnya pemilihan pada mitra yang sama Mencegah agar total bantuan tidak melebihi anggaran dana sebesar Rp 10 Milyar Memaksimalkan mitra dengan visi / misi paling sesuai Memaksimalkan jumah beneficiary Meminimalkan persentasi dana untuk mitra Memaksimalkan area wilayah peyerahan bantuan Meminimalkan waktu pelaksanaan

Kendala obyektif Xi + dj- - dj+ = 1 i dan j = 1, 2, …, 11 Σ ( Ai Xi ) + d12- - d12+ = Rp10 M

Fungsi tujuan Σ ( w1 dj+ )

Σ ( Bi Xi ) + d13- - d13+ = B

Min w3 d13-

Σ ( Ci Xi ) + d14- - d14+ = C Σ (Di Xi ) + d15- - d15+ = D

Min w4 d14Min w5 d15+

Σ ( Ei Xi ) + d16- -d16+ = E

Min w6 d16-

Σ ( Fi Xi ) + d17- - d17+ = F

Min w7 d17+

Min w2 d12+

c. Fungsi tujuan Dengan demikian secara keseluruhan fungsi tujuannya adalah : Minimize Z = Σ ( w1 dj+ ) + w2 d12+ + w3 d13- + w4 d14- + w5 d15+ + w6 d16- + w7 d17+ PENERAPAN DAN ANALISA MODEL UNTUK PEMILIHAN MITRA Selanjutnya model yang sudah diperoleh digunakan untuk memilih mitra yang paling baik sesuai dengan kriteria dan prioritas yang diinginkan. Dengan bantuan piranti lunak Lindo maka dihasilkan 8 mitra yang disetujui untuk bekerja sama, yaitu mitra ke1, 3, 4, 6, 7, 8, 9, dan 10, sedangkan 3 mitra yang tidak disetujui adalah mitra ke-2, 5, dan 11. Adapun nilai bantuan yang dapat disalurkan melalui 8 mitra tersebut berjumlah Rp 9.800.000.000,- dari anggaran Rp 10.000.000.000,- yang disediakan. Tabel 7 menunjukkan pencapaian yang didapatkan dari 8 mitra terpilih. ISBN : 978-979-99735-3-5 A-34-5

Prosiding Seminar Nasional Manajemen Teknologi VI Program Studi MMT-ITS, Surabaya 4 Agustus 2007 Tabel 7. Daftar mitra terpilih dan pencapaian obyektif Mitra

Nilai Bantuan (Rp)

1 3 4 6 7 8 9 10 Jumlah Maks. %

1.500.000.000,800.000.000,2.500.000.000,850.000.000,250.000.000,2.500.000.000,950.000.000,450.000.000,9.800.000.000,10.000.000.000,98.00

Kesesuaian Visi / Misi (%) 67 33 67 83 100 83 50 67 550 734 74.93

Jumlah Beneficr. ( KK ) 20952 12439 33107 10420 8766 24593 28276 115 138668 144693 95.84

Fee untuk Mitra (Rp juta) 121 68 230 72 26 256 93 36 902 1084 83.21

Luas Wil.

300 150 300 300 300 300 100 200 1950 2650 73.58

Waktu (Minggu) 16 12 20 24 16 24 12 24 148 216 68.52

ANALISA SENSITIVITAS Analisa sensitivitas adalah analisa yang diperlukan agar dapat memberikan evaluasi terhadap kestabilan solusi yang didapatkan dari model penyelesaian. Analisa ini dilakukan dengan memberikan berbagai variasi perubahan pada kendala dan bobot prioritas obyektif sehingga dengan perubahan itu dapat diamati perubahan yang terjadi pada hasilnya. Karena faktor–faktor penetapan kendala dan bobot prioritas obyektif sangat berpengaruh, maka dilakukan variasi perubahan pada kendala jumlah anggaran dan bobot prioritas obyektif. Perubahan Jumlah Anggaran Perubahan hasil solusi akibat variasi perubahan pada jumlah anggaran dengan menggunakan piranti lunak Lindo dapat dilihat pada Tabel 8. Dengan hasil ini dapat diamati pada penurunan anggaran 5% jumlah mitra terpilih menjadi 7 dimana mitra ke10 tidak terpilih. Pada penurunan 10% jumlah mitra terpilih menjadi 7 dimana mitra ke6 tidak terpilih, sedangkan pada penurunan 15% jumlah mitra terpilih turun menjadi 6 dimana mitra ke-6 dan 10 tidak terpilih lagi. Bila anggaran dinaikkan 5% jumlah mitra terpilih tetap 8 tetapi mitra ke-10 yang sebelumnya terpilih tergantikan oleh mitra ke-2. Kenaikkan anggaran 10% membuat jumlah mitra terpilih menjadi 9 dan kenaikkan 15% membuat jumlah mitra terpilih menjadi 10 mitra. Hal ini bisa dipahami bahwa pengurangan jumlah anggaran akan memperkecil peluang dan jumlah mitra terpilih begitu sebaliknya dengan penambahan anggaran memungkinkan bertambahnya jumlah mitra terpilih. Tabel 8 Perubahan mitra terpilih akibat perubahan jumlah anggaran Perubahan - 15 % -10 % -5% Awal +5% + 10 % + 15 %

Mitra ke-i yang terpilih 1, 3, 4, 7, 8, 9 6 mitra 1, 3, 4, 7, 8, 9, 10 7 mitra 1, 3, 4, 6, 7, 8, 9 7 mitra 1, 3, 4, 6, 7, 8, 9, 10 8 mitra 1, 2, 3, 4, 6, 7, 8, 9 8 mitra 1, 2, 3, 4, 5, 6, 7, 8, 9 9 mitra 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 10 mitra

Dapat diamati pula ada 6 mitra yang selalu terpilih pada setiap kondisi yaitu mitra ke-1, 3, 4, 7, 8, dan 9, dan ada 1 mitra yang tidak pernah terpilih yaitu mitra ke11. ISBN : 978-979-99735-3-5 A-34-6


Perubahan Bobot Prioritas Obyektif Perubahan bobot prioritas dengan rentang antara -10% sampai +10% ternyata tidak mempengaruhi hasilnya baik dari segi jumlah maupun mitra mana yang terpilih. Mitra terpilih tetap sama dengan kondisi awal yaitu mitra ke-1, 3, 4, 6, 7, 8, 9, dan 10 Dengan demikian dapat dikatakan bahwa solusi yang diperoleh dari model yang dikembangkan cukup stabil. KESIMPULAN Berdasarkan pengamatan, pengolahan data–data, dan pembahasan dalam penelitian ini dapat diambil kesmpulan–kesimpulan sebagai berikut : 1. Urutan kriteria yang paling menentukan dalam proses pemilihan mitra LSM untuk kerja sama adalah Kultur Lembaga, Visi / Misi, Proposal Program, dan Kemampuan Teknis. 2. Dengan menerapkan metode Analytical Hierarchy Process pembuatan kriteria untuk merancang proses pemilihan mitra menjadi lebih fokus dan mudah dalam proses kuantifikasi. 3. Dengan menerapkan metode Goal Programming diperoleh formulasi dan model untuk optimasi budgeting dan pencapaian obyektif. 4. Integrasi metode AHP dan Goal Programming yang mempertimbangkan kriteria, keterbatasan anggaran, dan obyektif memberikan solusi 8 mitra yang terpilih yaitu mitra ke-1, 3, 4, 6, 7, 8, 9, dan 10 5. Tiga mitra yang tidak terpilih yaitu mitra ke-2, 5, dan 11 dianggap sebagai mitra yang kurang optimal dalam pencapaian obyektif dari model yang dikembangkan. Saran Saran-saran yang dapat diberikan adalah : 1. Fee untuk mitra sebaiknya ditetapkan oleh lembaga donor karena lembaga donor dan mitra adalah lembaga non profit dan proyek bersifat bantuan kemanusiaan, sehingga tidak mengarah seperti proyek komersial 2. Masih terbuka kesempatan untuk mengembangkan penelitian dengan topik yang lain misalnya untuk program dan kemitraan yang bersifat jangka panjang. DAFTAR PUSTAKA Anshori, M., dan Ciptomulyono, U., (2005), Ususlan Model Multikriteria untuk Pemilihan UKM Penerima Pinjaman Lunak di Wilayah Surabaya, Jurnal Keilmuan dan Aplikasi Teknik dan Manajemen Industri, Vol. 2, No. 2, Juli 2005 Belton, V., and Stewart, T.J., (2002), Multi Criteria Decision Analysis, An Integrated Approach, Kuwer Academic Publisher Ciptomulyono, Udisubakti, (2005), Model Multikriteria Analytical Hierarchy Process (AHP) dan Goal Programming untuk Pemilihan Perencanaan Proyek Pembangkit Listrik yang Berwawasan Lingkungan, Jurnal Keilmuan dan Aplikasi Teknik dan Manajemen Industri, Vol. 2, No. 3, Nopember 2005 Forman, Ernest, and Selly, Marry Ann, (2004), Decision by Objective, How to Convince Others that You are Right, Management of Science George Washington University

ISBN : 978-979-99735-3-5 A-34-7


Frank, F., and Smith, A., (2000), The Partnership Handbook, Minister of Public Works and Government Service, Canada Ignizio, J.P., and Cavalier, T.M., (1994), Linear Programming, Prentice – Hall Inc., New Jersey Kwak, N.K., Schniederjans, M.J., Warkentin, K.S., (1991), An Aplication of Linear Goal Programming to The Marketing Distribution Decision, European Journal of Operation Research, 52, p. 334 – 344 Saaty, T.L., (1988), Decision Making for Leader, The Analytical Hierearchy Process dor Decision in Complex World, University of Pittsburg Tabucanon, M.T., (1988), Multi Criteria Decision Making in Industry, Elsevier Science Publisher, BV

ISBN : 978-979-99735-3-5 A-34-8


ISBN : 978-979-99735-3-5 A-34-9


ISBN : 978-979-99735-3-5 A-34-10

ANALISIS PEMILIHAN MITRA LSM DAN OPTIMASI BUDGETING DENGAN MENGGUNAKAN METODE AHP DAN GOAL PROGRAMMING

Recommend Documents