IMPLEMENTASI MODEL PENGUKURAN KINERJA KOMPREHENSIF Keakuratan sebuah model ditentukan oleh proses pembangunan model tersebut. Sebelum sebuah model diimplementasikan, maka perlu dilakukan dua tahapan yaitu verifikasi dan validasi. Dengan berkembangnya ilmu pengetahuan dan kebutuhan lainnya, maka verifikasi dan validasi dikembangkan menjadi sebuah langkah sistematis yang berupaya untuk memberikan umpan balik pada model
konseptual
sehingga
dapat
dilakukan
perbaikan
sebelum
diimplementasikan (Anderson, 1972; Chatergy and Pooch, 1977: Mc Carl dan Apland, 1986 ; Eriyatno, 2006). Verifikasi dan validasi juga dilakukan pada model pengukuran kinerja komprehensif klaster agroindustri hasil laut yang dirancang. Selanjutnya tahapan proses dan hasil verifikasi serta validasi model akan diuraikan secara sistematis pada bagian ini.
Verifikasi Model pada Klaster Industri Verifikasi dilakukan untuk menguji apakah logika model memiliki kesesuaian yang cukup baik dengan situasi riil di mana model akan diterapkan. Untuk itu dipilih dua klaster industri hasil laut untuk keperluan verifikasi model pengukuran kinerja komprehensif yaitu klaster agroindustri teri nasi dan rumput laut di wilayah Jawa Timur. Kedua klaster ini dipilih karena produk ini memiliki potensi yang sangat baik, baik dari sisi ekspor maupun domestik. Produk teri nasi lebih dominan di pasar ekspor, permintaan terus meningkat namun pasokan terbatas dikarenakan dukungan hasil tangkapan (nelayan) yang masih terbatas, di mana rata-rata kemampuan pasokan adalah 300 ton per tahun. Peluang pasar domestik juga sangat menjanjikan karena kandungan gizi yang sangat tinggi kandungan 100 gram teri nasi ekivalen dengan satu gelas susu Anlene (BLPMHP, 2005). Sementara itu produk rumput laut di samping kandungan serat yang sangat dibutuhkan untuk kesehatan juga mempunyai derivasi produk hilir yang sangat beragam dan masih terus dikembangkan. Oleh karenanya dibutuhkan penguatan struktur industri sehingga dapat terus meningkatkan daya saing baik di pasar global. Model pengukuran kinerja berisi sejumlah indikator kinerja yang mewakili baik dari sisi aspek klaster maupun pelaku klaster yang telah ditentukan berdasarkan hasil penilaian pakar dan pertimbangan logis. Terdapat 22 indikator
119 kinerja kunci yang mewakili empat aspek kinerja klaster dan empat stakeholder yang dikaji seperti telah dikemukakan di bagian terdahulu. Verifikasi model diawali dengan menyusun alat pengukuran berupa form-form penilaian berdasarkan jenis indikator yang akan diukur capaiannya. Verifikasi dilakukan untuk melihat apakah sejumlah indikator kinerja kunci yang telah dipilih secara logika dapat diterima untuk sebuah sistem klaster industri dan akan mampu diimplementasikan dengan baik serta mudah dalam operasionalisasinya. Verifikasi pada sektor hulu dilakukan melalui Diskusi Kelompok Terpadu (DKT) dengan sejumlah usaha penangkapan lepas panen ikan teri nasi (nelayan) dan usaha pasca panen di Jawa Timur dalam dua kelompok dan sesi yang berbeda. Pada DKT tersebut dilakukan eksplorasi data yang terkait dengan model serta capaian ukuran beberapa indikator kinerja kunci pada saat ini. Di samping juga dilakukan penggalian harapan dan persoalan yang dihadapi oleh komponen tersebut pada klaster agroindustri hasil laut. Berdasarkan hasil verifikasi model pengukuran kinerja yang dilakukan, logika model telah cukup sesuai dengan kondisi di lapangan, hal ini ditunjukkan oleh dapat diukurnya semua ukuran secara mudah dan tepat dalam pengisian. Semua indikator kinerja kunci yang terpilih untuk merepresentasikan kinerja komprehensif klaster industri hasil laut dapat diukur di lapangan dengan upaya-upaya klarifikasi yang intensif.
Validasi Model Pengukuran Kinerja Komprehensif Perancangan model pengukuran kinerja komprehensif pada sistem klaster agroindustri hasil laut dilakukan dengan menggunakan pendekatan sistem. Studi perilaku sistem yang kompleks pada sistem klaster industri hasil laut menuntut adanya suatu pendekatan yang bersifat holistik dengan tetap mengacu pada efektivitas hasil. Kajian yang dilakukan pada penelitian ini sebagian besar berbasis pada pengetahun pakar melalui akuisisi dan elisitasi pendapat pakar, oleh karenanya di dalam ilmu sistem kajian ini masuk dalam kategori soft system yang relatif tidak terstruktur. Pada model-model dengan pendekatan soft system methodology validasi tidak bisa sepenuhnya dilakukan secara matematis, namun cukup dengan pengujian untuk mendapat pengakuan secara intelektual yang bisa dilakukan melalui pendekatan expert judgment (Checkland, 1995 ; Eriyatno, 2006).
120 Selanjutnya metode ini akan digunakan pada validasi model pengukuran kinerja yang telah dilakukan pada kedua contoh klaster industri di atas. Validasi model pada situasi ini tidak untuk mencari pembuktian valid atau tidak, namun lebih untuk memperbaiki tingkat keyakinan bahwa berdasarkan kondisi yang diasumsikan model yang dikembangkan bisa mewakili sistem yang sebenarnya (Naylor dan Finger, 1967; Gass, 1983). Validasi meliputi validasi penyusunan dan validasi hasil. Proses penyusunan model harus dijamin validitasnya mulai dari asumsi yang mendasari, pengumpulan data sampai dengan proses pengolahannya, sementara secara hasil juga harus dijamin keakuratnnya bahwa hasil dari model benar-benar merepresentasikan kondisi riil. Validitas konstruksi model ditentukan oleh ketepatan pemilihan pakar dalam penelitian. Pakar yang dipilih berasal dari tiga komponen yang relevan yaitu praktisi industri hasil laut, pengambil kebijakan (Departemen Perindustrian (Deprin) dan Departemen Kelautan dan Perikanan (DKP)) dan akademisi dengan tingkat kepakaran yang dibuktikan berdasarkan pengalaman dan kapasitas keilmuan. Empat pakar praktisi industri yang dilibatkan adalah tingkat General Manager dan Direktur Perusahaan, dari pengambil kebijakan adalah 6 pakar di tingkat Direktur di lingkungan DKP dan Deprin. Sementara itu dari pihak akademisi ikut berkontribusi sebagai pakar adalah 5 pakar yang terdiri dari seorang guru besar yang memiliki keilmuan Teknologi Industri Pertanian dan mempunyai pengalaman praktis dan penelitian di bidang kelautan dan perikanan, 3 orang doktor masing-masing di bidang Sistem Dinamik,Teknik Perkapalan dan Ilmu Wilayah serta satu orang calon Doktor di bidang Ekonomi Internasional. Berdasarkan dari kompetensi seluruh pakar yang dilibatkan pada penilaian sejumlah kriteria dan indikator kinerja klaster industri diharapkan dapat dipertanggungjawabkan validitasnya. Penentuan validitas hasil dari model dilakukan melalui expert judgment pada dua Diskusi Kelompok Terarah (DKT) di dua kelompok terpisah yaitu di kelompok praktisi industri hasil laut (teri nasi) dan kelompok di lingkungan pemerintahan. Hasil rancangan model pengukuran kinerja komprehensif klaster agroindustri hasil laut dipresentasikan pada dua kelompok tersebut dalam waktu dan tempat terpisah. Secara umum kedua kelompok pakar menyatakan bahwa model sudah merepresentasikan sistem klaster agroindustri hasil laut, namun demikian dalam proses dialog dan diskusi yang terjadi terdapat beberapa masukan yang diharapkan bisa ditindaklanjuti.
121 Validasi model secara kuantitatif dilakukan pada penentuan model peramalan untuk indikator total penjualan klaster industri teri nasi. Model ini diperlukan untuk meramalkan omset klaster industri teri nasi beberapa periode mendatang. Hal ini diperlukan untuk merencanakan strategi klaster industri teri nasi agar terus dapat bertahan dan bahkan meningkatkan kinerjanya. Di samping itu berdasarkan hasil identifikasi indikator kinerja kunci yang telah dilakukan indikator total penjualan klaster merupakan salah satu indikator penting yang harus selalu dimonitor dan dievaluasi, hal ini untuk melihat apakah secara eksternal sistem ada kondisi kedepan yang kondusif untuk peningkatan kinerja. Validasi model dilakukan dengan mencoba beberapa model peramalan deret waktu untuk memprediksi total penjualan teri nasi di Jawa Timur dalam 12 periode bulan ke depan. Dari pemeriksaan karakteristik pola data awal di mana data bersifat fluktuatif dengan pola tertentu, maka diduga terdapat tiga jenis model yang mampu merepresentasikan sesuai kondisi riilnya yaitu model pemulusan eksponensial tunggal, pemulusan eksponensial ganda dan dekomposisi. Dengan hasil ramalan dan rekaman indikator ketepatan model seperti ditampilkan secara berturut-turut pada Gambar 54–56. Pada Gambar 54 dapat dilihat hasil peramalan dengan menggunakan model pemulusan eksponensial tunggal yang memiliki beberapa parameter keakuratan hasil (MAPE, MAD dan MSD) seperti tampak pada sisi kanan gambar grafik berikut :
450000
Actual Predicted Forecast
C2
350000
Actual Predicted Forecast
250000 Smoothing Constant Alpha:
150000
MA PE:
50000 0
10
20
30
0.562 42
MA D:
57665
MSD:
7.08E+09
40
Time
Gambar 54 Prediksi total penjualan dengan model pemulusan eksponensial tunggal
122 Selanjutnya
sebagai
perbandingan
dilakukan
peramalan
dengan
model
dekomposisi yang memberikan hasil ramalan penjualan dalam bentuk grafik sebagai berikut :
450000
Actual Predicted
Kilogram/bulan C2
Forecast
350000
Actual Predicted Forecast
250000
150000 MAPE: MAD: MSD:
50000 0
10
20
30
40
25 47422 4.13E+09
50
Time
Gambar 55 Prediksi total penjualan dengan model dekomposisi Kemudian sebagai alternatif pembanding lainnya dilakukan uji coba peramalan total penjualan klaster dengan menggunakan model pemulusan eksponensial ganda, dengan hasil seperti tampak pada Gambar 56.
Actual
800000
Predicted Forecast
C2 Kilogram/bulan
600000
Actual Predicted
400000
Forecast
200000 Smoothing Constants 0.672 Alpha (level): Gamma (trend): 0.063
0 -200000
MAPE: MAD: MSD:
-400000 0
10
20
30
43 61935 8.14E+09
40
Time
Gambar 56
Prediksi total penjualan dengan model pemulusan eksponensial ganda
123
Model peramalan deret waktu dipilih atas dasar pendugaan awal bahwa omset penjualan ditentukan oleh periode waktu, disamping alasan ketersediaan data. Adapun rekapitulasi nilai akurasi model dari ketiga model yang diuji di atas dapat dilihat pada tabel berikut : Tabel 17. Nilai akurasi tiga alternatif model peramalan total penjualan teri nasi
No 1 2 3
Parameter keakuratan model
Jenis model MAPE
MAD
MSD
Pemulusan eksponensial tunggal
42
57665
7.08E+09
Dekomposisi
25
47422
4.13E+09
Pemulusan eksponensial ganda
43
61935
8.14E+09
Berdasarkan ketiga parameter keakuratan model seperti pada tabel, maka dapat dilihat bahwa model dekomposisi memiliki keakuratan yang terbaik yang ditunjukkan dengan nilai ketiga parameter paling kecil dibandingkan semua model yang diuji. Hal ini memberikan arti bahwa model dekomposisi akan memberikan kesalahan dalam peramalan paling kecil dibanding dua model lainnya, sehingga dari sini dapat disimpulkan bahwa model dekomposisi merupakan model yang representatif untuk menggambarkan pola data sekaligus menghasilkan prediksi yang paling mendekati hasil yang sebenarnya.
Implementasi Model Setelah melalui tahap verifikasi dan validasi di atas, maka rancangan model pengukuran kinerja komprehensif pada klaster agroindustri hasil laut dapat diimplementasikan. Implementasi dilakukan pada dua klaster industri hasil laut sebagai percontohan yaitu klaster industri teri nasi dan klaster industri rumput laut di Jawa Timur. Proses pengukuran kinerja dilakukan dengan menggunakan bantuan lembar periksa dan dilaksanakan dengan metode interview dengan pihak industri dan pelaku lain untuk mendapatkan informasi capaian indikator kinerja kunci seperti yang telah ditentukan dalam model. Gambaran sistem klaster industri teri nasi di Jawa Timur dan keterkaitannya dapat dilihat pada gambar berikut :
124
Pemerintah Pusat
Industri Mesin dan Peralatan
- Departemen Perindustrian - Departemen Kelautan dan Perikanan - Departemen Keuangan - Departemen Perdagangan - Departemen Pertanian
- Mesin Diesel - Jaring ikan - Peralatan lainnya (Blung dll)
INDUSTRI PENDUKUNG Industri/Usaha Pemasok Bahan Baku Penolong -PLN (Listrik) -PDAM (Air) -Es Batu
PT KML
Pemerintah Daerah
- Dinas Perikanan - Dinas Perindustrian dan Perdagangan
PT MMM
Asosiasi 1. APIKI 2. GAPMMI
PELAKU INTI INSTITUSI PENDUKUNG
(Industri Pengolahan Teri Nasi) PT MPI
PT ICS
Dukungan hasil tangkapan dan usaha lepas pantai (nelayan dan agroindustri level I)
CV Mahera
Lembaga Keuangan - Bank - Non Bank (Koperasi)
Lembaga Penelitian 1. Perguruan Tinggi (Penelitian dan Pengembangan SDM). 2. BLPMHP
Gambar 57 Struktur pelaku klaster industri teri nasi di Jawa Timur Sementara itu gambaran kategori agroindustri teri nasi berdasarkan level proses transformasi menurut Austin (1981) dapat dilihat pada Lampiran 4 dan hasil implementasi model pengukuran kinerja pada sistem klaster agroindustri teri nasi dapat ditampilkan dalam bentuk scoring board seperti pada Tabel 18. Dari hasil verifikasi dapat dilihat bahwa nilai kinerja parsial untuk indikator lokalitas masuk dalam kategori baik, yaitu untuk indikator jumlah tenaga kerja sekitar desa dan jumlah tenaga kerja lokal berturut-turut 105% dan 100 %. Capaian ini sekaligus menunjukkan bahwa lokalitas dari industri hasil laut di Jawa Timur sangat tinggi sehingga dapat diharapkan akan menjadi lapangan kerja yang potensial bagi masyarakat sekitar. Sementara itu beberapa indikator kinerja kunci yang pencapaiannya kurang di antaranya adalah kepemilikan dokumen sertifikasi lingkungan dan jumlah komplain
dari konsumen atas produk yang dihasilkan,
masing-masing dengan nilai kinerja nol.
125 Tabel 18 Hasil pengukuran kinerja klaster industri teri nasi di Jawa Timur Indikator Kinerja Kunci Klaster Agroindustri Hasil Bobot Bobot Target Unit Capaian Laut relatif Normal
Sistem Scoring
Skor Relatif
Kinerja Komprehensif Klaster
Status
Absolut 55.61%
Kinerja Sosial Persentase penduduk sekitar (desa) yang terlibat aktif dalam program per tahun (%) Jumlah tenaga kerja penduduk sekitar pabrik/usaha (kelurahan/desa) (%) Jumlah tenaga kerja lokal (%) Jumlah perguruan tinggi dengan disiplin ilmu yang relevan di Jatim Jumlah industri hasil laut yang bergabung dalam Klaster
0.1664 0.0692 0.47405
3% orang
8.69%
52.25%
0.50% Higher is better
7.90%
16.67%
Kurang
0.0363 0.24859 0.0182 0.12452
90% kary 100% kary
95% Higher is better 100% Higher is better
26.24% 12.45%
105.56% 100.00%
Baik Baik
0.0123 0.08431
10 Inst
4 Higher is better
3.37%
40.00%
Kurang
0.0100 0.06853
15
5 Higher is better
2.28%
33.33%
Kurang
0 0 kali
1 Lower is better 1 Lower is better
0.00% 0.00% 0.00%
0.00% 0 0
Kurang Kurang
5 buah
0 Higher is better
0.00% 26.37% 24.38%
0.00% 76.74% 66.67%
Kurang
54.00% 150.00% 60.00% 50.53% 64.57% 53.33%
Cukup Baik Cukup Cukup
Kinerja Lingkungan Jumlah komplain atas produk per thn Jumlah komplain masyarakat per thn Jumlah pelaku yang memiliki dokumen amdal dan tersertifikasi (%) Kinerja Ekonomi Rata-rata keuntungan pelaku klaster (%)
0.155 0.0172 0.33333 0.0172 0.33333
Indeks RCA (Revealed Comparative Advantage) Deviasi keuntungan anggota klaster (%) Pangsa Pasar Total Penjualan per tahun Kinerja Proses Bisnis Internal Output standar Jumlah komplain keterlambatan pengiriman produk ke negara tujuan (ekspor) Jumlah produk yang rusak dalam perjalanan distribusi Nilai rendemen setelah handling Harga jual ke pabrik Jumlah bahan baku yang diperoleh dalam satu kali tangkapan (untuk ikan dan udang) Biaya yang dikeluarkan dalam sekali melaut (untuk ikan & udang) Harga jual produk/bahan baku Nilai rendemen bahan baku (%)
0.0172 0.33333 0.34358 0.0361 0.36571
30% %
20% Higher is better
0.0243 0.2457 0.0180 0.18258 0.0135 0.13713 0.0068 0.06888 0.31829 0.0328 0.13168
4 20 % 50% % 950 ton
2.16 Higher is better 10 Lower is better 30% Higher is better 480 Higher is better
75 ton
40 Higher is better
13.27% 27.39% 8.23% 3.48% 20.55% 7.02%
0.0313 0.12605
0 kali
1 Lower is better
0.00%
0.00%
Kurang
2 Lower is better 20% Higher is better 12500 Higher is better
0.00% 12.94% 9.16%
0.00% 117.65% 83.33%
Kurang Baik Baik
20 Higher is better
4.95%
50.00%
Kurang
50000 Lower is better 11000 Higher is better 90 Higher is better
12.39% 8.72% 9.39%
125.00% 88.00% 94.74%
Baik Baik Baik
0.0313 0.12605 0.0273 0.10995 0.0273 0.10995
0 kali 17% % 15000 rupiah
0.0246 0.09908
40 kg
0.0246 0.09908 0.0246 0.09908 0.0246 0.09908
40000 rupiah 12500 rupiah 95 %
Cukup
Cukup
Tabel scoring board hasil pengukuran kinerja komprehensif klaster agroindustri hasil laut pada industri teri nasi di atas, terdiri atas beberapa komponen parameter
ukuran yang mencerminkan karakteristik dari setiap
indikator kinerja yaitu nilai bobot, nilai yang ditargetkan, nilai capaian indikator, scoring system, nilai skor serta status kinerja. Pengukuran setiap indikator kinerja yang sudah ditentukan melalui penilaian pakar dilakukan secara langsung dengan bantuan alat berupa lembar periksa (check sheet) yang telah disiapkan terlebih dahulu. Idealnya sebuah klaster, pengukuran dilakukan pada semua anggota klaster tergantung pada pelaku mana indikator kinerja yang diukur. Hasil pengukuran pada individu pelaku selanjutnya diagregasikan menjadi nilai capaian
126 indikator kinerja yang diukur seperti tampak pada kolom capaian di Tabel 18 di atas. Nilai skor setiap indikator kinerja yang diukur sangat ditentukan oleh target yang ditentukan oleh pengelola klaster. Pada perhitungan di atas nilai target ditentukan berdasarkan brainstorming dari pakar industri. Penentuan target ini didasarkan pada beberapa pertimbangan yang mengacu pada kriteria SMART (Specific, Measurable, Achievable, Realistic dan Timebound) yang secara detail telah diuraikan pada bagian sebelumnya. Setiap indikator kinerja yang diukur akan memiliki target yang berbeda dengan satuan yang juga bisa berbeda. Scoring system yang dilakukan seperti tabel di atas akan mampu menghilangkan satuan menjadi sebuah ukuran yang unik, di mana nilai skor dapat diperoleh dengan perhitungan sebagai berikut :
Score
ij
= (
k ij t ij
) n ij
..................(29)
keterangan :
i
: indeks indikator kinerja yang diukur
j
: indeks kinerja parsial (aspek klaster)
kij
: nilai capaian kinerja untuk indikator kinerja kunci ke-i pada kinerja parsial (aspek) ke-j
tij
: target yang diinginkan untuk indikator kinerja kunci ke-i pada kinerja parsial (aspek) ke-j
nij
: bobot yang telah dinormalkan untuk indikator kinerja kunci ke-i pada kinerja parsial (aspek) ke-j
Sementara itu status kinerja klaster industri dikategorikan dalam tiga kelompok yaitu Baik, Sedang dan Kurang. Berdasarkan pendapat pakar maka penentuan kategori berdasarkan nilai sebagai berikut : Status Baik jika nilai skor absolut indikator kinerja ≥ 75 Status Sedang jika nilai skor absolut indikator kinerja ≥ 50% dan < 75% Status Kurang jika nilai capaian absolut indikator kinerja < 50 %
127 Dari hasil pengukuran kinerja pada tabel di atas, maka secara parsial dapat dilihat bahwa kinerja klaster agroindustri hasil laut (teri nasi) yang tertinggi dicapai oleh kinerja ekonomi (67.59%) dan terendah oleh kinerja lingkungan (0%). Sementara kinerja sosial dan proses bisnis internal berturut-turut dengan nilai kinerja 52.25% dan 64.57%. Selanjutnya
dengan menggunakan persamaan 13 dan 14 dapat
dihitung nilai kinerja komprehensif klaster agroindustri hasil laut sebagai berikut :
Cp = f (Sp , Ecp , Ep , Tp
)
Cp = c 1 Sp + c 2 Ecp + c 3 Ep + c 4 Tp
……………(30) ……………(31)
Cp = 55 . 61 %
keterangan :
Cp Sp
= nilai kinerja komprehensif
Ecp
= nilai kinerja ekonomi
Ep Tp
= nilai kinerja lingkungan
c1
= nilai bobot agregat kinerja sosial
c2
= nilai bobot agregat kinerja lingkungan
c3
= nilai bobot agregat kinerja ekonomi
c4
= nilai bobot agregat kinerja proses bisnis internal
= nilai kinerja sosial
= nilai kinerja proses bisnis internal
Nilai capaian kinerja komprehensif di atas menunjukkan suatu nilai yang sangat bagus bahwa kinerja komprehensif klaster industri teri nasi di Jawa Timur berada pada kategori Cukup dengan nilai capaian 55.61%. Oleh karena itu harus dilakukan analisa lebih lanjut untuk bisa mendapatkan rekomendasi umpan balik dari hasil pengukuran di atas yang secara detail akan diuraikan pada bagian pembahasan. Selanjutnya sebagai perbandingan model pengukuran kinerja komprehensif juga diimplementasikan pada klaster industri rumput laut, namun pengukuran terbatas masih dilakukan pada satu perusahaan inti yang mewakili industri pengolahan dan pelaku lainnya yakni petambak dan institusi pendukung. Secara lengkap sistem klaster industri rumput laut di Jawa Timur yang menggambarkan komponen dan posisinya dalam klaster dapat dilihat pada Gambar 58 berikut :
128
Pemerintah Pusat
- Departemen Perindustrian - Departemen Kelautan dan Perikanan - Departemen Keuangan - Departemen Perdagangan Pemerintah Daerah - Departemen Pertanian - Dinas Perikanan Industri - Dinas Perindustrian dan Mesin dan Peralatan Perdagangan - Mesin Diesel PT ASML - Jaring ikan - Peralatan lainnya PT SS (Blung dll) Asosiasi
INDUSTRI PENDUKUNG Industri/Usaha Pemasok Bahan Baku Penolong
-PLN (Listrik) -PDAM (Air) -Bibit rumput laut
PELAKU INTI (Industri Pengolahan Rumput Laut) PT SKS
Dukungan hasil panen dan usaha pasca panen (petambak rumput laut dan agroindustri level I)
INSTITUSI PENDUKUNG Lembaga Keuangan - Bank - Non Bank (Koperasi)
Lembaga Penelitian 1. Perguruan Tinggi (Penelitian dan Pengembangan SDM). 2. BLPMHP
Gambar 58 Struktur pelaku klaster industri rumput laut di Jawa Timur Adapun gambaran kategori agroindustri rumput laut berdasarkan level proses transformasi menurut Austin (1981) dapat dilihat pada Lampiran 4.2 dan hasil pengukuran kinerja komprehensif dengan menggunakan model yang dirancang secara lengkap dapat dilihat pada Tabel 19. Dari tabel tersebut, dapat dilihat bahwa nilai numerik kinerja komprehensif klaster industri rumput laut yang dihasilkan sebesar 57.44 %, hal ini menunjukkan bahwa secara numerik klaster industri rumput laut hanya mampu mencapai 57.44% dari target komprehensif yang telah ditentukan. Meskipun secara komprehensif nilai numerik kinerja klaster industri rumput laut dengan kinerja komprehensfif numerik klaster industri teri nasi tidak berbeda secara signifikan, namun jika dilihat secara parsial pada setiap indikator kinerja aspek klaster maka terdapat perbedaan yang cukup signifikan pada kinerja ekonomi. Status indikator kinerja rata-rata keuntungan pada klaster industri rumput laut masuk kategori Baik (120%) yang berarti melebihi 20% dari target keuntungan yang telah ditetapkan, sementara pada klaster industri teri nasi berkinerja Cukup dengan nilai 66.67%.
129 Kinerja komprehensif klaster agroindustri hasil laut di Jawa Timur dengan contoh terpilih dua klaster yang telah diuraikan di atas, dengan berasumsi bahwa kedua klaster industri tersebut memiliki kepentingan sama adalah nilai rata-rata kinerja komprehensif dari kedua klaster tersebut. Sehingga secara numerik dapat dihasilkan nilai agregat 56.63%, yang berarti klaster agroindustri hasil laut di Jawa Timur memiliki kinerja komprehensif atau dengan kata lain klaster industri hasil laut di Jawa Timur hanya memenuhi 56.63% dari target yang ditentukan. Untuk itu masih perlu dilakukan upaya peningkatan kinerja di masa yang akan datang melalui program-program yang efektif. Tabel 19. Hasil pengukuran kinerja klaster industri rumput laut di Jawa Timur
Indikator Kinerja Kunci Klaster Agroindustri Hasil Laut Kinerja Komprehensif Klaster Kinerja Sosial Persentase penduduk sekitar (desa) yang 1 terlibat aktif dalam program per tahun (%) Jumlah tenaga kerja penduduk sekitar 2 pabrik/usaha (kelurahan/desa) (%) 3 Jumlah tenaga kerja lokal (%) Jumlah perguruan tinggi dengan disiplin ilmu 4 yang relevan di Jatim Jumlah industri rumput laut yang bergabung 5 dalam Klaster Kinerja Lingkungan Jumlah komplain masyarakat krn 1 pencemaran lingkungan Jumlah pelaku yang memiliki dokumen amdal 2 dan tersertifikasi (%) Kinerja Ekonomi 1 Rata-rata keuntungan pelaku klaster (%) Indeks RCA (Revealed Comparative 2 Advantage) 3 Deviasi keuntungan anggota klaster (%) 6 Pangsa Pasar 7 Total Penjualan per tahun Kinerja Proses Bisnis Internal 1 Output standar Jumlah penolakan pengiriman oleh pembeli 2 (eksportir) 3 Jumlah komplain atas produk yang dikirim 4 Nilai rendemen setelah handling 5 Harga jual ke pabrik Jumlah bahan baku yang diperoleh dalam 6 satu kali panen (untuk rumput laut) Biaya yang dikeluarkan dalam sekali panen 7 (rumput laut) 9 Nilai rendemen bahan baku (%)
Bobot Bobot Target Unit Capaian relatif Normal
Sistem Scoring
17%
Skor Relatif
Absolut
Status
7.59%
57.44% 45.61%
Kurang
0.0692
47%
2%
0.3 Higher is better
7.11%
15.00%
Kurang
0.0363 0.0182
25% 12%
90% % 100 %
75% Higher is better 100 Higher is better
20.72% 12.45%
83.33% 100.00%
Baik Baik
0.0123
8%
10 unit
4 Higher is better
3.37%
40.00%
Kurang
0.0100
7% 16%
7 unit
2 Higher is better
1.96% 0
28.57% 0
Kurang
0.0344
66%
0 kali
1 Lower is better
0
0.00%
Kurang
0.0172
33% 34% 37%
1 unit
0 Higher is better
0 30.51% 43.89%
0.00% 88.80% 120.00%
Kurang
13.27% 18.26% 8.23% 5.17% 19.33% 13.14%
54.00% 100.00% 60.00% 75.00% 60.74% 80.00%
Cukup Baik Cukup Baik
Lower is better Lower is better Higher is better Higher is better
0.00% 0.00% 9.14% 12.34%
0.00% 0.00% 66.67% 90.00%
Kurang Kurang Cukup Baik
1 Higher is better
8.24%
66.67%
Cukup
100 Lower is better 90 Higher is better
6.18% 11.71%
50.00% 94.74%
Kurang Baik
0.0361 0.0243 0.0180 0.0135 0.0068
25
30 Higher is better
4 0 50% 200 ton
2.16 Higher is better 0 Lower is better 30% Higher is better 150 Higher is better
0.0328
25% 18% 14% 7% 32% 16%
15 ton
12 Higher is better
0.0313 0.0313 0.0273 0.0273
16% 16% 14% 14%
0 0 15 5000
0.0246
12%
1.5 ton/ha
0.0246 0.0246
12% 12%
50 95 %
0 0 10 4500
Baik
Baik
Berdasarkan hasil verifikasi melalui uji coba model pada dua klaster agroindustri hasil laut terpilih, kemudian dianalisis lebih lanjut untuk menentukan apakah model sudah cukup baik berdasarkan beberapa pertimbangan atau masih
130 memerlukan perbaikan. Pada bagian selanjutnya akan diuraikan pertimbanganpertimbangan logis untuk mendapatkan model pengukuran kinerja komprehensif final yang siap untuk diimplementasikan secara periodik dan kontinyu.
Perbaikan Model Pengukuran Kinerja Komprehensif Dalam implemetasinya, sebuah model ini di samping mempertimbangkan aspek substansi juga perlu mempertimbangkan efisiensi dan kemudahan dalam operasionalnya. Model pengukuran kinerja dalam bentuk scoring board yang telah diverifikasi dan divalidasi di atas, ternyata masih mengandung cukup banyak indikator kinerja kunci sehingga sulit untuk diingat. Hal ini juga akan mempersulit implementasi
dan
membuat
enggan
bagi
pengelola
klaster
(kelompok
kerja/working group) untuk menerapkan. Oleh karena itu perlu dilakukan penyederhanaan
penampilan
tanpa
harus
mengurangi
substansi
model
pengukuran kinerja yang telah disepakati seperti pada scoring board sebelumnya. Proses reduksi jumlah indikator kinerja dengan tanpa merubah keterwakilan dan nilai bobot dilakukan melalui brainstorming, elaborasi dan penggalian referensi lainnya. Upaya penyederhanaan dilakukan dengan mendefinisikan beberapa indikator kinerja dalam representasi indikator kinerja yang lebih padat melalui pengelompokan sebagai berikut : 1. Kinerja Sosial direpresentasikan oleh indikator kinerja kunci : (1)
Indeks CSR (Corporate Social Responsibility) yang mewakili indikator kinerja antara lain : Tingkat kepedulian industri terhadap masyarakat sekitar Jumlah tenaga kerja penduduk sekitar pabrik/usaha (kelurahan/desa) (%) Jumlah tenaga kerja lokal (%)
(2)
Keanggotaan klaster mencakup indikator kinerja : Jumlah perguruan tinggi dengan disiplin ilmu yang relevan di Jatim Jumlah industri hasil laut yang bergabung dalam Klaster
2. Kinerja Lingkungan diwakili oleh indikator kinerja Indeks CER (Corporate Environment Responsibility) mencakup indikator : Jumlah keluahan masyarakat karena pencemaran lingkungan Jumlah pelaku yang memiliki dokumen amdal dan tersertifikasi (%)
131 3. Kinerja Ekonomi terdiri dari indikator kinerja kunci berikut : (1)
Keuntungan klaster meliputi : Rata-rata keuntungan pelaku klaster (%) Deviasi keuntungan anggota klaster (%)
(2)
Indeks RCA (Revealed Comparative Advantage)
(3)
Kontribusi pada devisa negara (%)
(4)
Kinerja pasar (Market Performance), mewakili beberapa indikator kinerja berikut : Pangsa Pasar Total Penjualan per tahun
4. Kinerja Proses Bisnis Internal diwakili oleh indikator kinerja kunci berikut : (1)
Output standar
(2)
Nilai rendemen yang mencakup indikator : Nilai rendemen setelah handling Nilai rendemen bahan baku (%)
(3)
Indeks kepuasan pelanggan atas produk, representasi dari indikator berikut : Jumlah penolakan pengiriman oleh pembeli (eksportir) Jumlah komplain atas produk yang dikirim
(4)
Produktivitas petani/nelayan/petambak yang mencakup indikator : Jumlah bahan baku yang diperoleh dalam satu kali tangkapan (untuk ikan) atau satu kali panen (untuk rumput laut) Biaya yang dikeluarkan dalam sekali melaut (untuk ikan) atau sekali tanam (untuk rumput laut) Harga jual produk/bahan baku
Hasil penyederhanaan indikator kinerja kunci di atas sekaligus mereduksi jumlah indikator kinerja yang terdahulu namun tidak merubah substansi indikator kinerja yang telah ditentukan di depan. Selanjutnya melalui penormalan nilai-nilai bobot dari masing-masing indikator kinerja yang digabungkan dapat diperoleh nilai bobot baru untuk setiap indikator kinerja yang baru. Pada perbaikan model ini juga dilakukan penyamaan sistem scoring yang semula terdiri dari tiga cara yaitu higher is better, smaller is better dan must be zero menjadi satu cara yaitu higher is better. Hasil final dari komposisi indikator kinerja kunci (IKK) yang bisa mewakili kinerja
132 komprehensif klaster industri hasil laut tersebut dan selanjutnya akan dijadikan model pengukuran kinerja untuk diimplementasikan dapat dilihat pada Tabel 20. Tabel 20 Model final scoring board pengukuran kinerja komprehensif klaster agroindustri hasil laut.
Kinerja Kunci dan indikator kinerja
Bobot Bobot Target Unit Capaian relatif Normal
Skor Relatif
Absolut
Status
Kinerja Komprehensif Klaster Kinerja Sosial 1 Indeks CSR (Corporate Social Responsibility ) 2 Keanggotaan klaster Kinerja Lingkungan 1 Indeks CER (Corporate Environment Responsibility ) Kinerja Ekonomi 1 Keuntungan Klaster 2 Indeks RCA (Revealed Comparative Advantage ) 3 Kinerja Pasar (Market Performance) Kinerja Proses Bisnis Internal 1 Output standar 2 Nilai Rendemen 3 Indeks kepuasan pelanggan atas produk 4 Produktivitas petani/nelayan/petambak
0.1664 0.1237 0.0223
0.8472 0.1528 0.155
0.0515 0.0541
1 0.3436 0.5483
0.0243
0.2457
0.0203 0.0328 0.0766
0.206 0.3183 0.1333 0.3117
0.0626
0.2547
0.0738
0.3003
Penentuan indikator kinerja kunci seperti pada tabel di atas dilakukan berdasarkan proses agregasi dengan memperhatikan keterkaitan antara beberapa indikator kinerja yang diagregasikan. Sebagai contoh beberapa indikator kinerja untuk aspek kepedulian sosial yang meliputi tingkat kepedulian perusahaan melalui penyelenggaraan program kemasyarakatan untuk masyarakat sekitar industri, jumlah tenaga kerja dari penduduk sekitar serta jumlah tenaga kerja lokal dapat diwakili oleh satu indikator kinerja baru yaitu indeks CSR (Corporate Social Responsibility). Hubungan antara masing-masing indikator pembentuk dengan indeks CSR dapat dinyatakan dalam formula berikut :
Indeks
CSR = f (S 1 , S 2 , S 3 ,... S n
)
= c 1 S 1 + c 2 S 2 + c 3 S 3 + ... + c n S n
…….(32) …….(33)
133 keterangan :
S
: nilai indikator kinerja pembentuk (disagregasi)
n
: jumlah indikator kinerja pembentuk
Pengukuran capaian nilai indeks CSR ini tetap memperhatikan indikator kinerja disagregasinya. Hal yang sama juga terjadi pada indikator kinerja yang merepresentasikan seluruh kriteria pada aspek lingkungan yaitu indeks CER (Corporate Environment Responsibility). Indikator kinerja keuntungan klaster merupakan nilai kovarian dari rata-rata keuntungan pelaku klaster industri hasil laut dan standar deviasinya. Sementara itu semua indikasi kepuasan pelanggan yang terdiri dari jumlah penolakan dan jumlah komplain terhadap produk yang dibeli dapat diwakili oleh satu indikator kunci yaitu indeks kepuasan pelanggan. Semua kegiatan yang berkaitan dengan kemasyarakatan dalam sebuah sistem industri lebih dikenal dengan kegiatan Corporate Social Responsibility (CSR). CSR merupakan suatu hal yang semakin dipandang perlu dari waktu kewaktu. Hal ini dikarenakan kelangsungan hidup perusahaan tidak hanya ditentukan oleh kemampuan pengelolaan perusahaan secara efisien, tetapi juga karena kemampuan memenuhi nilai-nilai masyarakat sekitarnya. Meskipun tidak ada definisi yang tepat tentang CSR, Waldman et al. (2006) menyatakan bahwa CSR merupakan langkah yang dilakukan oleh perusahaan lebih dari kewajiban legalnya.
Langkah
ini
dilakukan
dengan
mempertimbangkan
stakeholder
perusahaan. Pada model ini, nilai CSR ini diwakili dari hasil pengolahan satu paket kuesioner pakar dan di konfirmasikan pada perwakilan masyarakat sekitar industri. Proses agregasi nilai capaian indikator kinerja dari model scoring board yang lama ke model scoring board yang baru dilakukan melalui perhitungan matematis yang salah satunya diperlihatkan pada formula di atas (CSR). Secara lengkap hasil transformasi dan perhitungan kinerja klaster industri teri nasi dapat dilihat pada Tabel 21. Jika dibandingkan hasil pengukuran kinerja dengan menggunakan model awal dan model final, maka terjadi perbedaan nilai skor pada aspek kinerja yang diukur. Hal tersebut terjadi karena ada perubahan representasi indikator kinerja kunci dari setiap aspeknya. Perbedaan kinerja yang paling signifikan terjadi pada aspek sosial dan aspek lingkungan, pada model awal bernilai 52.25% dan 0% menjadi 67.4% dan 25%. Sementara untuk kinerja dua aspek yang lain tidak
134 mengalami perubahan yang signifikan dikarenakan tidak adanya perubahan yang berarti pada indikator kinerja yang mewakili. Tabel 21 Hasil pengukuran kinerja klaster industri teri nasi di Jawa Timur dengan model scoring board final Kinerja Kunci dan indikator kinerja
Bobot relatif
Bobot Normal
Target
Skor
Capaian
Relatif
Absolut
Kinerja Komprehensif Klaster Kinerja Sosial 1 Indeks CSR (Corporate Social Responsibility) 2 Keanggotaan klaster Kinerja Lingkungan 1 Indeks CER (Corporate Environment Responsibility) Kinerja Ekonomi 1 Keuntungan Klaster 2 Indeks RCA (Revealed Comparative Advantage) 3 Market Performance Kinerja Proses Bisnis Internal 1 Output standar 2 Nilai Rendemen 3 Indeks kepuasan pelanggan atas produk Produktivitas 4 petani/nelayan/petambak
0.166404
11.2%
67.4%
0.1237 0.8471587 0.0223 0.1528413 0.155004
4 4
3 1
63.5% 3.8% 3.88%
75.0% 25.0% 25%
0.0515
4
1
100%
94%
25% 26.4% 51.8%
25% 76.7% 94%
0.0243 0.2456972 0.0203 0.2060108 0.318294 0.0328 0.1481334 0.0519 0.2349361
4 100%
2.16 57%
75 100%
40 107%
13.3% 11.7% 21.0% 7.9% 25.1%
54% 57% 66.0% 53% 107%
0.0626 0.2831367
4
3
21.2%
75%
0.0738 0.3337937
12.5
4.4
11.7%
35%
0.0541
1 0.343577 0.548292
Indikator CSR (Corporate Social Responsibility), keanggotaan klaster dan CER (Corporate Environment Responsibility) dilakukan dengan menggunakan kuesioner
berskala
likert.
Hal
ini
dilakukan
sebagai
konsekuensi
dari
penyederhanaan dan perampingan indikator kinerja yang telah dilakukan untuk alasan kemudahan operasional dan implementasi model pengukuran kinerja komprehensif pada sistem klaster agroindustri hasil laut. Implementasi model final pengukuran kinerja komprehensif (hasil perbaikan) juga dilakukan pada klaster industri rumput laut di Jawa Timur. Melalui
cara
agregasi yang sama dapat diperoleh hasil pengukuran kinerja klaster industri rumput laut dengan menggunakan model yang telah diperbaiki seperti pada Tabel 22. Seperti halnya pengukuran kinerja pada klaster industri teri nasi, hasil pengukuran kinerja pada klaster rumput laut juga mengalami perubahan nilai skor. Perubahan terjadi sebagai konsekuensi atas perubahan indikator kinerja yang digunakan karena adanya upaya perampingan indikator kinerja kunci, khususnya pada kinerja aspek sosial dan aspek lingkungan. Sementara itu untuk aspek
135 ekonomi dan proses bisnis internal hanya sedikit terjadi perbedaan dari 88.8% dan 60.74% menjadi 82% dan 57.9%. Tabel 22. Hasil pengukuran kinerja klaster industri rumput laut di Jawa Timur dengan model scoring board final
Kinerja Kunci dan indikator kinerja
Bobot relatif
Bobot Normal
Target
Score
Capaian
Relatif
Absolut
Kinerja Komprehensif Klaster Kinerja Sosial 1 Indeks CSR (Corporate Social Responsibility) 2 Keanggotaan klaster Kinerja Lingkungan 1 Indeks CER (Corporate Environment Responsibility) Kinerja Ekonomi 1 Keuntungan Klaster 2 Indeks RCA (Revealed Comparative Advantage) 3 Market Performance Kinerja Proses Bisnis Internal 1 Output standar 2 Nilai Rendemen 3 Indeks kepuasan pelanggan atas produk Produktivitas 4 petani/nelayan/petambak
0.166404
7.7%
46.2%
0.1237 0.0223
0.8471587 0.1528413 0.155004
4 4
2 1
42.4% 3.8% 3.88%
50.0% 25.0% 25%
0.0515
1 0.343577 0.548292
4
1
100%
113%
25% 28.3% 62.1%
25% 82% 113%
4 100%
2.16 33%
0.0328 0.0520
0.2456972 0.2060108 0.318294 0.1481026 0.235095
75 100%
40 80%
13.3% 6.9% 18.4% 7.9% 18.8%
54.0% 33.3% 57.9% 53% 80%
0.0626
0.2830779
4
3
21.2%
75%
0.0738
0.3337244
150
45
10.0%
30%
0.0541 0.0243 0.0203
Dalam upaya meningkatkan efisiensi dan efektivitas sebuah sistem pengukuran kinerja maka perlu dirancang sebuah Sistem Penunjang Keputusan (SPK)
yang
lebih
fleksibel
dan
mudah
digunakan
sehingga
mampu
mengakomodasi kebutuhan manajerial untuk pengembangan klaster agroindustri hasil laut ke depan dalam bentuk perangkat lunak.
Implementasi SPK dalam Pengukuran Kinerja Klaster SPK dirancang untuk memudahkan dalam operasionalisasi penerapan model pengukuran kinerja komprehensif klaster. Menu utama SPK terdiri dari database, model base, knowledge base, scoring board dan simulasi. Semua data dan informasi yang diperlukan disimpan dalam satu database di dalam SPK dan disediakan fasilitas untuk memperbaiki dan memperbarui data sehingga data yang digunakan selalu data terkini. Pengguna harus terlebih dulu melakukan login dengan user name dan password yang sudah diinformasikan dalam sistem, hal ini
136 dilakukan sebagai bentuk sekuritas sistem dan untuk mengantisipasi adanya pihak-pihak lain yang tidak berkepentingan masuk dalam sistem.
Gambar 59 Proses login pada SPK C-Promeas Sistem database dirancang untuk dapat memelihara dan mengelola data dengan baik dan mudah. Sub menu database terdiri dari empat basis data yang disertai sistem perubahan yaitu ; (1) capaian indikator kinerja pelaku industri anggota klaster, (2) nilai bobot kriteria dan indikator kinerja, (3) batasan kategori/status kinerja klaster dan (4) nilai fuzzy infrastruktur. Sementara itu dua basis data lainnya adalah kumpulan informasi yang bersifat statis. Adapun tampilan sub menu database dalam SPK dapat dilihat pada Gambar 60.
Gambar 60 Tampilan sub menu database interaktif dalam SPK
137 Data capaian indikator kinerja pelaku industri anggota klaster dapat dimasukkan dan disimpan dalam database, di samping juga disediakan fasilitas untuk mengganti data yang baru maupun menghapus data jika sudah tidak diperlukan. Perubahan ini akan langsung direspon oleh sub menu scoring board untuk serentak melakukan perubahan perhitungan skor kinerja dan penetapan status kinerja komprehensif klaster. Salah satu tampilan data nilai bobot kriteria dapat dilihat pada Gambar 61. Sub menu model base memuat beberapa model penilaian kriteria diantaranya expert choice 2000, electre II dan perhitungan logika fuzzy dengan metode center of gravity. Keberadaan model ini disiapkan untuk keperluan jika suatu saat akan ada kebutuhan untuk merubah kriteria-kriteria sehingga memerlukan penilaian pakar lagi. Sementara data hasil pengolahan dari ketiga model tersebut untuk SPK saat ini disimpan dalam sub menu database. Dalam operasionalnya penggunaan model ini lagi hanya akan dilakukan jika terjadi suatu perubahan lingkungan yang signifikan sehingga muncul kriteria-kriteria baru dalam menentukan kinerja klaster atau ada perubahan persepsi pakar terhadap kondisi yang ada.
Gambar 61 Tampilan data nilai bobot sesuai dengan struktur hirarki
138 Beberapa informasi yang diperoleh berdasarkan penggalian pendapat pakar secara kualitatif disimpan secara rapi di dalam sub menu knowledge base. Sub menu ini mengandung sejumlah informasi yang diperoleh dari pakar untuk digunakan sebagai umpan balik maupun pertimbangan-pertimbangan dalam pengambilan keputusan. Sub menu terdiri dari informasi pakar mengenai rekomendasi perbaikan kinerja klaster, model berlian Porter, diagram lingkar sebab akibat dan diagram input output. Khusus untuk sub menu rekomendasi dihubungkan dengan sub menu scoring board karena untuk menentukan umpan balik kinerja klaster yang akan diuraikan lebih lengkap pada bagian pembahasan. SPK C-Promeas juga memberikan fasilitas utama untuk pengolahan semua data empiris capaian indikator kinerja kunci dan pendapat pakar yang hasilnya ditampilkan dalam bentuk scoring board sesuai dengan nama sub menunya. Pada sub menu ini, pengguna bisa melihat hasil pengukuran kinerja secara parsial dalam bentuk skor pada setiap aspek dan indikator kinerja kunci serta dalam bentuk status atau kategori (baik, sedang dan kurang) untuk kinerja komprehensif klaster agroindustri hasil laut yang diukur. Di samping itu, pada sub menu ini pengguna dapat melihat rekomendasi pakar terhadap capaian skor kinerja parsial dan status kinerja komprehesif berdasarkan status. Pada bagian akhir SPK ini dapat dibuka sub menu simulation yang didisain untuk melihat beberapa dampak perubahan lingkungan terhadap kinerja klaster agroindustri hasil laut. Adapun petunjuk penggunaan SPK C-Promeas dapat dilihat pada lampiran.
Peramalan Indikator Kinerja Gambaran kondisi ke depan dapat menjadi deteksi dini bagi keberlanjutan sebuah sistem klaster industri hasil laut khususnya teri nasi. Keberlanjutan klaster industri di antaranya dapat dilihat dari dua sisi baik internal maupun eksternal. Sisi internal dapat diwakili oleh sejumlah indikator kinerja kunci yang dominan dipengaruhi oleh internal proses di dalam sistem klaster, sementara sisi eksternal lebih diwakili oleh beberapa indikator yang sebenarnya dominan dipengaruhi oleh faktor eksternal, misalnya kondisi pasar, nilai dolar, kebijakan pemerintah ataupun faktor lain yang berada di luar sistem klaster industri. Pada kasus sistem klaster industri hasil laut dan dengan melihat hasil eksplorasi sejumlah indikator kinerja kunci yang telah ditetapkan di atas, maka indikator total penjualan merupakan salah satu indikator kinerja kunci yang sangat dipengaruhi oleh faktor eksternal. Di samping itu, untuk melihat kinerja lebih
139 konkrit yaitu omset penjualan klaster, maka perlu diperhatikan satu indikator lagi yang sangat berpengaruh yaitu harga jual produk. Pada penelitian ini peramalan kedua indikator kinerja di atas akan dilakukan untuk klaster industri teri nasi, yang hasilnya akan dijadikan sebagai gambaran apakah ada kemungkinan peningkatan kinerja terjadi pada kedua indikator yang sebenarnya lebih banyak dipengaruhi oleh faktor eksternal sistem. Peramalan total penjualan dilakukan pada sistem klaster teri nasi khususnya untuk ekspor (karena dominasi di pasar ekspor (90%). Karena model pengukuran kinerja yang dirancang dalam format SPK (Sistem Penunjang Keputusan) tidak dilengkapi dengan fasilitas peramalan indikator kinerja karena hanya bersifat sebagai pendukung dan juga tidak semua indikator kinerja yang diukur memiliki data historis, maka peramalan dilakukan di luar sistem SPK, namun hasilnya dapat ditampilkan pada sub menu hasil simulasi pada bangunan SPK. Sesuai dengan pemilihan model peramalan yang memberikan hasil paling akurat berdasarkan data historis penjualan klaster yang dilakukan pada bagian sebelumnya, maka model dekomposisi dapat dipercaya untuk digunakan dalam peramalan total penjualan ini. Model dekomposisi ini merupakan salah satu model peramalan deret waktu yang memperhatikan beberapa faktor diantaranya kecenderungan, musiman, siklik dan tidak teratur (error). Peramalan dilakukan dengan bantuan perangkat lunak Minitab versi terbaru (2005). Adapun hasil peramalan total penjualan teri nasi di Jawa Timur untuk 12 periode bulanan ke depan dapat ditampilkan pada Tabel 23. Berdasarkan hasil peramalan, dapat dilihat bahwa meskipun terjadi kenaikan total penjualan pada setiap periode berikutnya, namun tidak cukup signifikan sehingga peningkatan kinerja klaster industri teri nasi tidak bisa mengandalkan dari sisi peningkatan penjualan karena nilai yang cenderung statis. Namun demikian hal ini masih mungkin dilakukan jika diketahui bahwa ada kenaikan harga jual produk yang cukup signifikan dari sistem klaster industri teri nasi, oleh karena itu perlu dilihat kecenderungan indikator lain yang relevan dengan total penjualan.
140 Tabel 23 Hasil peramalan penjualan teri nasi di Jawa Timur dengan model dekomposisi untuk periode tahun 2007 Bulan
Total Penjualan (kg)
Januari
208 901
Februari
209 406
Maret
209 911
April
210 415
Mei
210 920
Juni
211 425
Juli
211 929
Agustus
212 434
September
212 939
Oktober
213 443
November
213 948
Desember
214 453
Nilai penjualan (omset) ditentukan oleh dua indikator yaitu jumlah penjualan dan harga jual dari produk, sehingga untuk lebih lengkap informasi prediksi indikator kinerja omset penjualan perlu dilakukan prediksi harga jual teri nasi pada periode mendatang. Prediksi harga jual produk teri nasi di pasar ekspor dilakukan dengan menggunakan Jaringan Saraf Tiruan (JST) seperti telah diuraikan pada bagian sebelumnya. Metode JST ini digunakan dengan alasan karena adanya beberapa faktor yang dianggap berpengaruh tapi tidak memiliki keteraturan pola/distribusi sehingga tidak valid jika digunakan model-model time series maupun model regresi yang pada umumnya digunakan untuk peramalan. Beberapa faktor yang dianggap berpengaruh dalam menentukan harga jual ekspor produk teri nasi, di samping jumlah produk teri nasi yang dihasilkan oleh klaster industri juga sangat dipengaruhi oleh produksi dan harga jual dari pesaing sejenis serta pola musiman yang diduga mempengaruhi jumlah produksi dan harga. Berdasarkan hasil observasi di lapangan dan hasil DKT dengan sejumlah nelayan dan usaha lepas pantai (pasca panen) teri nasi diperoleh informasi bahwa bahan baku teri nasi bersifat musiman, maka diperoleh data harga jual produk teri nasi pada beberapa negara tujuan ekspor pada satu tahun terakhir (2006) dengan jenis musimnya sebagai berikut :
141 Tabel 24 Harga ekspor teri nasi berdasarkan faktor musiman
Bulan
Harga Jual (US$)
Harga Jual KOR
THA
CHN
INA
Januari
Peak
9.15
9.05
9.05
9.25
Februari
Med
8.99
8.89
9.05
9.09
Maret
Med
8.58
8.48
9.05
8.68
April
Med
9.05
8.95
9.05
9.15
Mei
Med
8.68
8.58
9.05
8.78
Juni
Med
9.03
8.93
9.05
9.13
Juli
Med
9.15
9.05
9.05
9.25
Agustus
Low
9.8
9.7
9.05
9.9
September
Low
10
9.9
9.05
10.1
Oktober
Low
9.88
9.78
9.05
9.98
November
Peak
9.15
9.05
9.05
9.25
Desember
Peak
8.91
8.81
9.05
9.01
Sumber : Notulen FGD, 2005 ; dokumentasi PT.ICS, 2006 Dari data harga seperti yang ada pada tabel di atas dilakukan peramalan dengan menggunakan metode JST, dengan memakai parameter-parameter bulan, musim panen (peak, medium, dan low). Langkah pertama adalah proses pelatihan (training) sistem untuk mengenali pola yang terbentuk pada data historis yang dimaksud, selanjutnya setelah didapatkan pola dari data historis sistem telah siap untuk melakukan peramalan. Berikut adalah hasil dari peramalan dengan menggunakan metode JST:
US$ Aktual dan Hasil peramalan
10,28 10,08 9,88 9,68 9,48
Aktual
9,28
Hasil Peramalan
9,08 8,88 8,68 1
2
3
4
5
6
7
8
9
10
11
12
Bulan
Gambar 62 Grafik peramalan harga ekspor teri nasi untuk 12 periode ke depan dengan menggunakan Jaringan Saraf Tiruan (JST) (Tahun 2007)
142 Dengan menggunakan JST sebenarnya peramalan dapat dilakukan dengan tingkat akurasi tinggi jika jumlah data untuk input JST sedikitnya berjumlah tiga kali jumlah data yang akan diramal. Namun JST juga mampu meramal dengan jumlah data kurang dari batasan tersebut dengan catatan tingkat akurasi dan variasi hasil ramalan tidak sebesar jika data historisnya besar. Untuk peramalan harga teri nasi ini, hasil peramalan yang dihasilkan ternyata memiliki tingkat akurasi tinggi. Hal ini ditunjukkan dari hasil peramalan, Gambar 63 menunjukkan kesesuaian antara data aktual dengan data hasil peramalan. Yang memiliki simpangan tidak lebih dari 0.06639.
Musim Peak Med Med Med Med Med Med Low Low Low Peak Peak
KOR 9.15 8.99 8.58 9.05 8.68 9.03 9.15 9.8 10 9.88 9.15 8.91
Input
THA 9.05 8.89 8.48 8.95 8.58 8.93 9.05 9.7 9.9 9.78 9.05 8.81
Target CHN 9.05 9.05 9.05 9.05 9.05 9.05 9.05 9.05 9.05 9.05 9.05 9.05
Output
INA
Forecast Abs. Error
9.25 9.09 8.68 9.15 8.78 9.13 9.25 9.9 10.1 9.98 9.25 9.01
9.2501293 0.0001292 9.0585722 -0.031428 8.69066261 0.0106626 9.1364827 -0.013517 8.753516 -0.026484 9.10995565 -0.020044 9.2756944 0.0256944 9.9216848 0.0216848 10.073378 -0.026621 9.9906492 0.0106492 9.2501293 0.0001293 8.9436131 -0.06639
Rel. Error 0.00% 0.35% 0.12% 0.15% 0.30% 0.22% 0.28% 0.22% 0.26% 0.11% 0.00% 0.74%
Gambar 63 Hasil peramalan harga teri nasi dengan menggunakan JST Dari hasil pengolahan data dengan JST juga dapat menunjukkan parameterparameter yang berpengaruh pada pergerakan harga jual teri nasi, Gambar 62 menunjukkan
tingkat
kepentingan
masing-masing
parameter.
Berdasarkan
gambar tersebut, dapat dilihat bahwa dari beberapa faktor yang digunakan dalam peramalan tiga di antaranya yaitu harga jual teri nasi oleh Negara Thailand, harga jual negara Korea dan faktor musiman memiliki pengaruh terhadap hasil yang diperoleh. Dua parameter pertama memiliki pengaruh yang signifikan terhadap harga jual teri nasi dari Indonesia secara berturut-turut adalah Thailand (53.89%) dan negara Korea (43.47%), sementara faktor musiman tidak secara signifikan berpengaruh pada harga jual teri nasi dengan nilai pengaruh 2.649%. Harga dari China tidak memberikan pengaruh karena harga dari China adalah harga statis
143 yang tidak bergerak dari waktu ke waktu. Musim panen pun demikian tidak memiliki pengaruh yang signifikan terhadap harga jual teri nasi dari Indonesia.
Faktor Input
Harga jual Thailand Thailand
53.887%
Harga jual Korea Korea
Perubahan Musim musim
0%
43.465%
2.649%
20%
40%
60%
80%
100%
Tingkat pengaruh
Gambar 64 Tingkat pengaruh beberapa parameter pada hasil peramalan harga teri nasi Secara keseluruhan dapat dikatakan bahwa dari hasil peramalan harga jual dengan metode JST, menunjukkan tidak ada kecenderungan kenaikan harga jual dan harga cenderung statis.
