III. METODE KAJIAN
3.1.
Kerangka Pemikiran Kajian Survei lapangan dilakukan untuk menganalisa kinerja bisnis usaha tahu dan kebutuhan pasar. Hasil analisa kebutuhan pasar menjadi masukan dalam pengembangan usaha IK tahu, kemudian dilakukan analisa kelayakan pengembangan usaha. Apabila hasilnya layak, maka dilakukan penyusunan rencana pengembangan
usaha
yang akan
didukung oleh strategi
pengembangan usaha yang sesuai agar usaha dapat menguntungkan dan berkelanjutan. Uji Friedman
Mulai
Analisa Kebutuhan Pasar
Survey Lapangan
Kinerja Bisnis Usaha Kecil Tahu Lamping
Peningkatan Kapasitas Usaha
Analisa Kelayakan Pengembangan Usaha
Layak?
Tidak Ya Perencanaan Pengembangan Usaha
Perumusan Strategi Pengembangan Usaha (AHP) Proses Pengolahan Produk Pengolahan limbah Pembiayaan usaha
Strategi Pengembangan Usaha
Gambar 4. Tahapan kajian
Karakteristik Produk dan Minat Konsumen terhadap Produk
20
3.2.
Pengumpulan Data Data yang digunakan dalam penelitian ini meliputi data primer dan sekunder. Data primer adalah data yang diperoleh langsung dari lapangan. Data sekunder adalah data yang diperoleh dari sumber bahan bacaan yang mendukung penelitian. Berdasarkan pengertian tersebut, maka data primer dalam penelitian ini diperoleh dari pengamatan langsung di lokasi baik melalui
wawancara
dengan
pendekatan
pendapat
pakar
dan
angket/kuesioner. Sedangkan data sekunder diperoleh dari instasi terkait, laporan-laporan berkala atau tahunan, jurnal dan berbagai literatur yang berhubungan dengan penelitian. Sumber pokok data sekunder akan diperoleh dari Pemda Kabupaten Kuningan, Provinsi Jawa Barat, dan KOPTI Kabupaten Kuningan. 3.3.
Pengolahan dan Analisis Data Teknik pengolahan data yang akan digunakan adalah Uji Beda Freidman dan Analytical Hierarchy Process (AHP). 3.4.1. Uji Beda Friedman Menurut Santoso (2010), Uji Friedman berguna untuk mengetes pasangan sampel data ordinal berasal dari populasi yang sama. Uji ini umumnya digunakan jika skala pengukuran datanya ordinal dan skala interval maupun rasional yang tidak memenuhi syarat untuk uji t atau uji F kategori/perlakuan yang diteliti lebih besar dari dua (P > 2) dan termasuk klasifikasi dua arah (ada peubah lain/sampingan selain perlakuan) atau berpasangan atau dalam rancangan percobaan/ lingkungan terkenal dengan nama Rancangan Acak Kelompok (RAK). Rumus uji Friedman adalah :
F
12 nk (k 1)
k
Ri 2
3n(k 1)
i 1
Dimana : F Ri k n
: nilai Friedman dari hasil perhitungan : jumlah rank dari kategori/perlakuan ke i : banyaknya katagori/perlakuan (i=1,2,3,……,k) : jumlah pasangan atau kelompok
21
Hipotesisnya: Ho : R1 = R2 = R3 =…………..=Rk H1 : Ri≠Ri’ untuk suatu pasangan Ri (i≠i) Dimana: Ri adalah jumlah rangking ke i Kriteria penerimaan Ho adalah sebagai berikut : Jika F < X2(0,05:db=(k-1), maka H diterima Jika F > X20,05:db=(k-1), maka H ditolak Jika F > X20,05:db=(k-1), maka Ho ditolak Jika Ho ditolak berarti ada pasangan rataan rangking yang berbeda untuk mencari pasangan mana yang berbeda, maka harus melakukan uji lanjutan yaitu uji jumlah rangking dengan rumus berikut : tH
t / 2; db
(k 1)(n 1)
nk (k 1) 6
Disini k adalah banyaknya kategori /perlakuan dan n adalah banyaknya pasangan atau kelompok. Jika
Ri Ri '
t H pada α=0,05 maka Ho diterima berarti
pasangan rangking perlakuan tersebut berbeda nyata (P < 0,05) dan jika Ri
Ri '
t H pada α=0,05 maka Ho ditolak berarti pasangan
rangking perlakuan tersebut berbeda nyata (P < 0,05) dan jika
Ri Ri '
t H pada α=0,01 maka Ho ditolak berarti pasangan rangking
perlakuan tersebut berbeda sangat nyata (P > 0,01). Sugiyono
(2010)
menyatakan
uji
Friedman
merupakan
perkembangan uji Wilcoxon, dimana uji Wilcoxon digunakan untuk uji dua contoh berpasangan. Dalam hal ini, berasal dari ulangan pengukuran yang berasal dari satu contoh atau dari pengukuran yang sama dari beberapa contoh yang berpasangan. Sedangkan uji Friedman umumnya digunakan untuk uji n contoh berhubungan (berpasangan). Uji ini pada prinsipnya ingin menguji apakah n contoh (lebih dari dua contoh) yang berpasangan satu dengan yang lain
22
berasal dari populasi yang sama. Persyaratan data dalam uji ini adalah (1) data bertipe nominal atau ordinal, (2) data bertipe interval atau rasio, namun tidak berdistribusi normal, dan (3) data berjumlah sedikit (di bawah 30). 3.4.2. Teknik Peramalan 3.4.2.1. Proyeksi Penjualan
Teknik prakiraan atau peramalan (forecasting) merupakan titik pangkal dalam perencanaan produksi suatu barang dan jasa. Prakiraan sangat diperlukan untuk menentukan kapan suatu kejadian akan terjadi atau kapan suatu kebutuhan akan timbul, sehingga dapat diambil tindakan atau langkah-langkah yang tepat. Hal ini disebabkan adanya selang waktu antara proses produksi barang dan jasa sampai tiba di tangan konsumen/pengguna melalui proses penjualan. Oleh karena prakiraan merupakan suatu usaha dengan menggunakan metode ilmiah untuk menduga apa yang akan terjadi di masa mendatang, maka
faktor
terjadinya
kesalahan-kesalahan
(error)
besar
kemungkinannya untuk terjadi. Namun walaupun demikian dengan menggunakan teknik prakiraan hal-hal yang terjadi di masa mendatang dapat diduga lebih baik. Pada metode kuantitatif model deret waktu (time series) pendugaan terhadap masa mendatang dilakukan atas dasar nilai peubah atau galat (error). Metode ini bertujuan untuk mengungkapkan pola deret data masa lalu dan kemudian mengekstrapolasikannya ke masa mendatang, namun sebab-sebab terjadinya fluktuasi tidak diperhatikan. Himpunan data time series terdiri dari himpunan data inisialisasi dan himpunan data uji. Metode time series ini dapat dikelompokkan menjadi : (1) Metode Penataan (Averaging Methods), (2) Metode Pemulusan Eksponensial (Exponential Smoothing Methods),
(3)
Metode
Jenkins(Auto-regressive ARIMA)
Dekomposisi Integrated
dan
Moving
(4)
Metode
Average
Box-
Model
=
23
Pemulusan digolongkan menjadi Pemulusan dengan metode Nilai Rataan (Average Methods) dan Pemulusan Eksponensial. Pemulusan dengan Metode Nilai Rataan terdiri dari : (1) Perataan Sederhana (Simple Average), (2) Perataan Bergerak Tunggal (Single Moving Average) dan (3) Perataan Bergerak Ganda (Double Moving Average) Dari berbagai metode pemulusan tersebut dipilih teknik prakiraan yang memiliki nilai parameter dengan ukuran efektivitas yang terbaik. Kecermatan hasil prakiraan ditentukan dari selisih antara hasil prakiraan dan data aktual, kecocokan teknik prakiraan dengan pola data dan nilai parameter prakiraan. Ukuran parameter prakiraan dikelompokkan menjadi ukuran baku statistika dan ukuran relatif. Ukuran relatif merupakan persentase error atau kesalahan prakiraan. Ukuran baku statistika dapat ditetapkan : ei = Xi – Fi
dengan
e = error (galat) X = datum aktual F = prakiraan Beberapa besaran ukuran kecermatan prakiraan yang sering
digunakan adalah : 1. Mean Error (ME)
2. Standard Deviation of Error (SDE)
3. Percentage Error (PE)
4. Mean Absolute Percent Error (MAPE)
3.4.2.2. Proyeksi Pertumbuhan Penduduk
24
Pertumbuhan penduduk di suatu wilayah di pengaruhi oleh besarnya
angka
fertilitas,
mortalitas,
migrasi.
Rumus
untuk
menghitung jumlah pertumbuhan penduduk berdasarkan pertumbuhan geometrik yaitu : Pt=Po(1+r)t , Di mana: Pt = Jumlah penduduk pada tahun t Po = Jumlah penduduk pada tahun awal r
= Angka pertumbuhan penduduk
t
= Jangka waktu dalam tahun Pertumbuhan geometri adalah pertumbuhan penduduk berskala
atau bertahap dalam selang waktu tertentu. 3.4.3. AHP Metode ini dimaksudkan untuk dapat mengorganisasikan informasi dan berbagai keputusan secara rasional (judgement) agar dapat memlih alternatif yang paling disukai (Saaty, 1990). Metode ini dimaksudkan untuk membantu memecahkan masalah kualitatif yang kompleks dengan memakai perhitungan kuantitatif, melalui proses pengekspresian masalah yang dimaksud dalam kerangka berpikir terorganisir,
sehingga
memungkinkan
pengambilan
keputusan
secara
efektif.
dilakukannya Metode
ini
proses memiliki
keunggulan tertentu, karena mampu membantu menyederhanakan persoalan
kompleks
menjadi
persoalan
terstruktur,
sehingga
mendorong dipercepatnya proses pengambilan keputusan terkait. Prinsip kerja AHP adalah menyederhanakan suatu persoalan kompleks dan tidak terstruktur, serta bersifat strategik dan dinamis melalui upaya penataan rangkaian peubahnya dalam suatu hirarki. Pengolahan data dengan metode AHP dapat dilakukan dengan aplikasi perangkat lunak CDP V3.04 dan Expert Choice 2000. Keunggulan lain dari AHP, diantaranya menjelaskan proses pengambilan keputusan secara grafik, sehingga mudah dipahami oleh semua pihak yang terlibat dalam proses bersangkutan. Dengan
25
memakai metoda AHP, proses keputusan yang bersifat kompleks dapat diuraikan menjadi sejumlah keputusan lebih kecil (terbatas), sehingga dapat ditangani dengan lebih mudah. Selain itu, dalam aplikasinya, metode ini juga menguji konsistensi berbagai penilaian, khususnya apabila terjadi penyimpangan penilaian yang terlalu jauh dari nilai konsistensi yang sempurna (Marimin, 2004). Tabel 5. Keuntungan penggunaan metode AHP No 1 2 3
4 5 6 7
8 9
Prinsip
Penjelasan
Kesatuan
AHP memberikan satu model tunggal yang mudah dimengerti, dan luwes untuk aneka ragam persoalan yang tidak terstruktur. Kompleksitas AHP memadukan ancangan deduktif dan ancangan berdasar sistem dalam memecahkan persoalan kompleks. Saling AHP mencerminkan kecenderungan alami, dari pemikiran untuk Ketergantungan memilah-milah unsur dalam satu sistem, pada berbagai tingkat yang berlainan dan pengelompokkan unsur-unsur yang serupa dalam setiap tingkat. Pengukuran AHP menghasilkan satu skala untuk mengukur hal-hal dan terwujudnya suatu metode untuk menetapkan prioritas. Konsistensi AHP melacak konsistensi logis dari berbagai pertimbangan yang dipakai untuk menetapkan berbagai prioritas Sintesis AHP menuntun ke suatu taksiran menyeluruh tentang kebaikan setiap alternatif. Tawar AHP mempertimbangkan prioritas-prioritas relatif dari berbagai Menawar faktor sistem dan memungkinkan organisasi dapat memilih alternatif terbaik berdasarkan tujuan-tujuannya. Pemilihan AHP tidak memaksakan konsesus tetapi mensintesiskan suatu Konsesus hasil yang representatif dari berbagai penilaian berbeda. Pengulangan AHP memungkinkan organisasi memperhalus definisinya atas Proses satu persoalan dan memperbaiki berbagai pertimbangan serta pengertian melalui berbagai pengulangan.
Marimin (2004) menyatakan beberapa langkah yang dilakukan dalam metode AHP adalah : 1. Penyusunan Hirarki, untuk menguraikan persoalan menjadi unsur-unsur, dalam wujud kriteria dan alternatif, yang disusun dalam bentuk hirarki. 2. Penyusunan kriteria, untuk membuat keputusan yang dilengkapi dengan (1) uraian subkriteria dan (2) bentuk alternatif yang terkait
26
masing-masing kriteria tersebut untuk dipilih sebagai keputusan tercantum pada tingkatan paling bawah. 3. Penilaian Kriteria dan Alternatif, untuk melihat pengaruh strategik terhadap pencapaian sasaran, yang dinilai melalui perbandingan berpasangan. Nilai dan definisi pendapat kualitatif berdasarkan skala perbandingan Saaty (1990) adalah seperti termuat pada Tabel 6. Tabel 6. Penilaian kriteria berdasarkan skala perbandingan Saaty. Nilai
Keterangan
1 3 5 7 9 2,4,6,8
A sama penting dengan B A sedikit lebih penting dari B A jelas lebih penting dari B A sangat jelas lebih penting dari B Mutlak lebih penting dari B Apabila ragu-ragu antara dua nilai berdekatan
4. Penentuan
Prioritas,
menggunakan
teknik
perbandingan
berpasangan (pairwise comparisons) untuk setiap kriteria dan alternatif. Nilai-nilai perbandingan relatif tersebut diolah dengan menggunakan manipulasi matriks atau melalui penyelesaian persamaan matematik untuk menentukan peringkat relatif dari seluruh alternatif yang ada. Selanjutnya dilakukan perhitungan untuk melihat konsistensi penilaian dengan menggunakan cara perhitungan CR (Consistency Ratio).
