MODEL INVESTASI FUZZY UNTUK ANALISIS KELAYAKAN FINANSIAL USAHA DIVERSIFIKASI INDUSTRI BERBASIS TEBU
SRI MARTINI
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Model Investasi Fuzzy untuk Analisis Kelayakan Finansial Usaha Diversifikasi Industri Berbasis Tebu adalah karya saya sendiri dengan arahan komisi pembimbing dan belum pernah diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, Desember 2008
Sri Martini NIM F351050031
ABSTRACT
SRI MARTINI. Fuzzy Investment Model for Financial Feasibility Analysis of Sugar Cane Based Industry Diversification. Supervised by SUKARDI, MARIMIN and ANDES ISMAYANA. Sugar cane is one of the agricultural comodities used as primary raw material in sugar processing. It has high value and important position in Indonesia economy. Sugar cane based industry needs to be developed futher due to market needs of its derivat products. The development of sugar cane based indutry requires feasibility analysis. One of feasibility analysis to determine the best alternative product to be developed is financial analysis. Financial analysis is required to prevent the failure of a project when it is implemented. The obstacles and risks of the project implementation that might arise should be minimized. The financial analysis is sometimes complex due to uncertaint future situation. Fuzzy approach is one of methods to analyze and handle this uncertainty. This research is aimed to study fuzzy financial feasibility parameters, to develop fuzzy financial feasibility model, and to apply the model to bioethanol industry as a derivate of sugar cane based product. Feasibility parameters of fuzzy investment model studied includes NPV Fuzzy, IRR Fuzzy, and B/C Ratio Fuzzy. Raw materials cost, selling price, and interest rate made as fuzzy variables with Triangular Fuzzy Number (TFN) representation. Model feasibility decision was categorized into four categories; unfeasible, fairly feasible, feasible, and very feasible. Model validation was conducted by comparing the fuzzy method output to conventional method. Model verification on bioethanol industry using fuzzy method showed that the industry was feasible to be developed based on assumption of 10 years project periods, NPV of Rp 18,910 million; B/C ratio of 1.46; and IRR of 25.8 %. The calculation by using fuzzy method indicated difference between that there was the conventional method and the developed method. Keywords: Bioethanol industry, fuzzy investment model, NPV fuzzy, IRR fuzzy, B/C Ratio Fuzzy
RINGKASAN
SRI MARTINI. Model Investasi Fuzzy untuk Analisis Kelayakan Finansial Usaha Diversifikasi Industri Berbasis Tebu. Dibimbing oleh SUKARDI, MARIMIN dan ANDES ISMAYANA. Tebu merupakan salah satu komoditas pertanian yang bernilai tinggi dan bahan baku utama bagi industri gula yang menempati posisi penting dalam perekonomian Indonesia. Dengan memanfaatkan tanaman tebu untuk diolah selain menjadi gula diharapkan produktivitas perusahaan dalam pengolahan tebu akan meningkat pula yang secara umum akan meningkatkan keuntungan perusahaan. Industri berbasis tebu memiliki potensi besar untuk dikembangkan karena berbagai macam produknya dibutuhkan di pasaran, sehingga akan lebih baik apabila dilakukan sistematisasi produk-produk olahan dari tebu dan ditentukan produk alternatif yang memiliki nilai kelayakan untuk dikembangkan saat ini. Analisis finansial merupakan salah satu komponen analisa kelayakan yang mempunyai tujuan untuk menentukan rencana investasi melalui perhitungan biaya dan manfaat yang diharapkan, dengan membandingkan antara pengeluaran dan pendapatan, seperti ketersediaan dana, biaya modal, kemampuan proyek untuk membayar kembali dana tersebut dalam waktu yang telah ditentukan dan menilai apakah proyek tersebut akan dapat berkembang terus. Pendekatan analisa finansial didasarkan pada pengukuran analisis ekonomi tentang harga, seperti NPV, IRR, dan Discounted Payback Period (DPP). Pengukuran ini juga mempertimbangkan cash flow dan manfaat yang dibatasi oleh ketidakcocokan estimasi biaya dan manfaat. Estimasi manfaaat dan biaya tidak bisa deteministik maupun stokastik; melainkan bersifat fuzzy, karena ada beberapa elemen yang tidak jelas dalam estimasinya. Ketidaktelitian ini akibat dari kuatnya subyektivitas manusia yang terlibat serta kurang sesuainya pengetahuan dalam pelaksanaan investasi. Jadi teknik konvensioanal tidak cukup untuk mengevaluasi investasi. Implikasi penggunaan sembarang teknik untuk investasi akan menghasilkan pemilihan investasi yang keliru atau estimasi yang kurang tepat terhadap biaya dan manfaat investasi. Pendekatan fuzzy merupakan salah satu metode untuk mengkaji ketidakpastian dalam analisis finansial. Tidak seperti pendekatan konvensional, pendekatan fuzzy memungkinkan data yang digunakan dalam analisis finansial suatu investasi untuk diekspresikan dalam bahasa yang lebih alami yang tidak melibatkan matematika tingkat tinggi. Pendekatan ini memberikan suatu sistem pemodelan standar dalam istilah parameter-parameternya. Prinsip-prinsipnya didasarkan pada asumsi bahwa informasi menjadi sulit diolah dengan metode konvensional, karenanya dibutuhkan metode lain untuk menyelesaikan masalah ini. Tujuan penelitian ini adalah untuk memilih dan mengkaji indikator kelayakan finansial fuzzy, mengembangkan model kelayakan finansial fuzzy dan mengimplementasikan model kelayakan finansial fuzzy pada industri bioethanol sebagai salah satu produk derivat tebu. Pada penelitian telah dikembangkan model investasi fuzzy dengan menggunakan MATLAB 6.5 dan DELPHI 7. Model investasi fuzzy dikembangkan dengan indikator kelayakan yang dipilih adalah NPV fuzzy, IRR fuzzy dan B/C
Ratio fuzzy dan harga bahan baku, harga jual dan suku bunga sebagai variabel yang difuzzikan dengan representasi Triangular Fuzzy Number (TFN). Rentang nilai yang digunakan untuk variabel yang difuzzikan adalah rendah (R), sedang (S) dan tinggi (T) dimana setiap rentang nilai ditentukan berdasarkan data sekunder dan studi pustaka. Harga bahan baku, harga jual dan suku bunga merupakan inputan yang terdiri tiga nilai yaitu rendah, sedang dan tinggi. Informasi kelayakan model investasi fuzzy diklasifikasikan dalam 4 kategori yaitu tidak layak, cukup layak, layak dan sangat layak. Proses pengubahan output fuzzy ke output yang bernilai tunggal (defuzzifikasi) menggunakan metode CENTROID. Validasi model dilakukan dengan membandingkan hasil keluaran metode fuzzy dengan metode konvensional. Validasi model adalah proses menguji substansi model, yaitu sejauh mana model komputer yang dibuat dalam lingkup aplikasinya memiliki kisaran akurasi yang memuaskan, konsisten dengan tujuan dari penerapan model. Verifikasi model dilakukan dengan menggunakan data aktual untuk mengetahui apakah model tersebut cukup layak untuk digunakan dan memenuhi kriteria yang telah ditetapkan. Proses verifikasi dilakukan dengan memasukkan data sekunder yang diperoleh dari industri bioetanol yang berada di PG Jatitujuh, Majalengka. Hasil verifikasi model pada industri bioetanol dengan menggunakan metode fuzzy menunjukkan bahwa industri ini layak untuk dikembangkan dengan asumsi umur proyek 10 tahun, dengan hasil analisa sebagai berikut : NPV dengan nilai Rp. 18,9 milyar, B/C Ratio dengan nilai 1,46 dan IRR dengan nilai 25,8 persen. Pada trend yang searah, hasil penghitungan dengan metode fuzzy berbeda dengan hasil perhitungan dengan metode konvensional. Analisis sensitivitas dilakukan untuk mengetahui sejauh mana unsur-unsur dalam aspek finansial ekonomi berpengaruh terhadap keputusan yang dipilih. Analisis sensitivitas dalam penelitian ini, dilakukan terhadap dua parameter, yaitu kenaikan harga bahan baku dan penurunan harga jual. Hasil analisis sensitivitas dengan pendekatan fuzzy menunjukkan bahwa toleransi kenaikkan harga bahan baku sebesar 15 persen dan penurunan harga jual sebesar 5 persen, sedangkan hasil perhitungan dengan metode konvensional menunjukkan bahwa toleransi kenaikan harga bahan baku sebesar 38,99 persen dan penurunan harga jual sebesar 15,04 persen. Hasil analisis sensitivitas dengan pendekatan fuzzy memberikan toleransi yang yang lebih kecil dibandingkan dengan pendekatan konvensional, hal ini menunjukkan bahwa pendekatan fuzzy lebih sensitif terhadap perubahan harga jual dan harga bahan baku. Hasil perhitungan dengan pendekatan fuzzy menunjukkan nilai yang berbeda dengan nilai hasil perhitungan menggunakan pendekatan konvensional karena adanya variasi input terhadap harga bahan baku, harga jual dan suku bunga. Pendekatan fuzzy dapat mengurangi tingkat resiko dalam pengambilan keputusan suatu proyek karena output kelayakan disajikan dalam rentang tidak layak, cukup layak, layak dan sangat layak. Kata kunci : industri bioetanol, model investasi fuzzy, NPV fuzzy, IRR fuzzy, B/C Ratio Fuzzy
© Hak Cipta milik Institut Pertanian Bogor (IPB), tahun 2008 Hak cipta dilindungi Undang-undang 1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah b. Pengutipan tidak merugikan kepentingan yang wajar IPB 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB
MODEL INVESTASI FUZZY UNTUK ANALISIS KELAYAKAN FINANSIAL USAHA DIVERSIFIKASI INDUSTRI BERBASIS TEBU
SRI MARTINI
Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Teknologi Industri Pertanian
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008
Judul Penelitian
:
Model Investasi Fuzzy untuk Analisis Kelayakan Finansial Usaha Diversifikasi Industri Berbasis Tebu
Nama
:
Sri Martini
NRP
:
F351050031
Program Studi
:
Teknologi Industri Pertanian
Disetujui, Komisi Pembimbing
Dr. Ir. Sukardi, MM Ketua
Prof. Dr. Ir. Marimin, M.Sc Anggota
Ir. Andes Ismayana, MT Anggota
Diketahui, Ketua Program Studi Teknologi Industri Pertanian
Dekan Sekolah Pascasarjana IPB
Dr. Ir. Irawadi Jamaran
Prof. Dr. Ir. Khairil Anwar Notodipuro, M.S.
Tanggal Ujian : 28 Oktober 2008
Tanggal Lulus :
Judul Penelitian
:
Model Investasi Fuzzy Untuk Analisis Kelayakan Finansial Usaha Diversifikasi Industri Berbasis Tebu
Nama
:
Sri Martini
NRP
:
F351050031
Program Studi
:
Teknologi Industri Pertanian
Disetujui, Komisi Pembimbing
Dr. Ir. Sukardi, MM Ketua
Prof. Dr. Ir. Marimin, M.Sc Anggota
Ir. Andes Ismayana, MT Anggota
Diketahui, Ketua Program Studi Teknologi Industri Pertanian
Dekan Sekolah Pascasarjana IPB
Penguji Luar Komisi : Dr. Ir. Suprihatin Dr. Ir. Irawadi Jamaran
PRAKATA
Segala puji hanyalah milik Allah SWT semata yang telah memperkenankan penulis menyelesaikan penelitian dan menuangkan hasilnya dalam bentuk tesis yang berjudul “Model Investasi Fuzzy untuk Analisis Kelayakan Finansial Usaha Diversifikasi Industri Berbasis Tebu ” sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Teknologi Industri Pertanian Institut Pertanian Bogor. Pada kesempatan ini penulis menyampaikan terima kasih yang mendalam kepada Dr. Ir. Sukardi, Prof. Dr. Ir. Marimin, M.Sc dan Ir. Andes Ismayana, MT selaku dosen pembimbing atas segala bimbingan, bantuan dan motivasi baik berupa moril maupun materi yang telah diberikan selama penelitian dan penyusunan tesis. Ucapan terima kasih juga penulis sampaikan kepada Dr. Ir. Suprihatin atas kesediaannya sebagai penguji luar komisi dan atas masukannya yang sangat bermanfaat. Penghargaan dan ucapan terima kasih yang mendalam disampaikan kepada Prof. Dr. Ir. Marimin, M.Sc. selaku Kepala Bagian Teknik Sistem Industri dan Dr. Ir, Muhammad Romli, M.Sc. selaku Kepala Departemen Teknologi Industri Pertanian yang telah memberikan izin serta motivasi kepada penulis dalam menempuh Studi di Program Studi Teknologi Industri Pertanian. Ucapan terima kasih juga penulis ucapkan kepada Direktorat Jenderal Perguruan Tinggi (Ditjen Dikti) yang telah membiayai penulis selama melaksanakan tugas belajar di Sekolah Pascasarjana IPB. Ucapan terima kasih yang tulus penulis sampaikan kepada kedua orangtua yang tiada henti-hentinya berdo’a untuk kesehatan dan kelancaran studi penulis, semua saudara dan kerabat atas semangat, dorongan, pengertian, dan iringan doa yang tulus ikhlas kepada penulis selama menyelesaikan program S2 ini. Penulis juga menyampaikan ucapan terima kasih kepada semua pihak yang telah banyak membantu demi kelancaran pelaksanaan penelitian, yaitu kepada rekan-rekan seperjuangan (TIP 2005), staf dan teknisi laboratorium di Departemen Teknologi Industri Pertanian, serta semua pihak yang tidak dapat saya sebutkan satu persatu atas bantuan, dorongan dan masukan yang bermanfaat. Ucapan terima kasih juga disampaikan kepada Dr. Ir. Irawadi Jamaran dan Dr. Ir. Ani Suryani selaku Ketua dan Sekretaris Program Studi Teknologi Industri Pertanian IPB yang telah banyak memberikan bantuan demi kelancaran studi penulis. Ucapan terima kasih juga ditujukan kepada seluruh staf pengajar Sekolah Pascasarjana IPB yang telah memberi ilmu pengetahuan dan bimbingan kepada penulis selama menimba ilmu pengetahuan. Penulis berharap karya ini dapat bermanfaat bagi pihak-pihak yang membutuhkan. Semoga dengan mengetahui sekelumit tentang investasi fuzzy ini, akan menambah keimanan kita kepada Sang Khalik Yang Maha Mengetahui Segala Sesuatu.
Bogor, Desember 2008
Sri Martini
RIWAYAT HIDUP
Penulis dilahirkan di Sukoharjo pada tanggal 30 Maret 1977 dari ayah Wignyo Suwarno dan ibu Sumiyem. Penulis merupakan anak pertama dari dua bersaudara. Pada tahun 1995 penulis lulus dari SMA Veteran 1 Sukoharjo dan pada tahun yang sama penulis diberi kesempatan untuk melanjutkan pendidikan di STMIK Dian Nuswantoro, Semarang dan lulus tahun 2000. Pada tahun 2001- sekarang, penulis menjadi staf di Departemen Teknologi Industri Pertanian. Pada tahun 2005, penulis berkesempatan melanjutkan pendidikan S2 pada Program Studi Teknologi Industri Pertanian – IPB dengan beasiswa dari Direktorat Jenderal Perguruan Tinggi (Ditjen Dikti).
DAFTAR ISI Halaman KATA PENGANTAR ........................................................................................ DAFTAR ISI ...................................................................................................... DAFTAR TABEL............................................................................................... DAFTAR GAMBAR ......................................................................................... DAFTAR LAMPIRAN .....................................................................................
i ii iv v vi
I. PENDAHULUAN ....................................................................................... 1.1. Latar Belakang ....................................................................................... 1.2. Tujuan .................................................................................................... 1.3. Ruang Lingkup....................................................................................... 1.4. Output dan Manfaat ...............................................................................
1 1 5 5 5
II. TINJAUAN PUSTAKA ............................................................................... 6 2.1. Tebu (Saccharum Afficinarum).............................................................. 6 2.2. Industri Berbasis Tebu .......................................................................... 7 2.3. Diversifikasi Industri Tebu ................................................................... 9 2.4. Metode Bayes......................................................................................... 11 2.5. Sistem Fuzzy .......................................................................................... 14 2.5.1. Perkembangan Sistem Fuzzy ....................................................... 14 2.5.2. Struktur Dasar.............................................................................. 15 2.5.3. Fungsi Keanggotaan .................................................................... 16 2.5.4. Pemrosesan Bilangan Fuzzy ........................................................ 18 2.5.5. Defuzzifikasi................................................................................ 20 2.6. Analisis Finansial dan Teori Fuzzy ........................................................ 20 2.6.1. Analisa Finansial Konvensional (Non Fuzzy) ............................. 20 2.6.2. Analisa Finansial Fuzzy ............................................................... 21 2.7. Model .................................................................................................... 25 2.8. Penelitian Terdahulu ............................................................................ 25 III. METODOLOGI ............................................................................................ 27 3.1. Kerangka Pemikiran.............................................................................. 27 3.2. Tata Laksana ......................................................................................... 29 3.2.1. Jenis dan Sumber Data ................................................................ 29 3.2.2. Pengumpulan Data ...................................................................... 29 3.2.3. Pengembangan Model dan Analisis Finansial Fuzzy ................. 29 3.3. Tempat dan Waktu Penelitian .............................................................. 31 3.3.1. Tempat Penelitian ........................................................................ 31 3.3.2. Waktu Penelitian ........................................................................ 31
ii
IV. ANALISA FAKTOR KELAYAKAN FINANSIAL .................................... 32 4.1. Identifikasi Indikator Kelayakan Finansial ........................................... 32 4.2. Menentukan Variabel yang Difuzzikan ................................................ 33 4.3. Fuzzifikasi Variabel yang Dipilih ......................................................... 33 4.4.1. Penentuan Fungsi Keanggotaan (membership function) ............. 35 V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY......... 39 5.1. Pengembangan Model........................................................................... 39 5.1.1. Net Present Value (NPV) Fuzzy .................................................. 40 5.1.2. Internal Rate of Return (IRR) Fuzzy .......................................... 43 5.1.3. Benefit/Cost Ratio (B/C R) Fuzzy ............................................... 44 VI. IMPLEMENTASI MODEL ......................................................................... 45 6.1. Desain Input .......................................................................................... 45 6.2. Desain Output........................................................................................ 48 VII. VERIFIKASI DAN VALIDASI ............................................................... 50 7.1. Verifikasi .............................................................................................. 50 7.1.1. Input Model Investasi Fuzzy........................................................ 51 7.1.2. Perhitungan Model Investasi Fuzzy............................................. 53 7.2. Analisa Sensitivitas .............................................................................. 56 7.3. Validasi ................................................................................................ 57 VIII. KESIMPULAN DAN SARAN ................................................................ 62 8.1. Kesimpulan .......................................................................................... 62 8.2. Saran ..................................................................................................... 62 DAFTAR PUSTAKA ......................................................................................... 63 LAMPIRAN ...................................................................................................... 65
iii
DAFTAR TABEL Halaman Tabel 2.1. Beberapa indikator kinerja industri gula nasional.............................. 8 Tabel 2.2. Pay off matrix .................................................................................... 12 Tabel 2.3 Posisi penelitian yang dilakukan........................................................ 26 Tabel 4.1. Himpunan fuzzy untuk suku bunga dengan representasi TFN ......... 33 Tabel 4.2. Harga molases dalam 4 tahun terakhir .............................................. 35 Tabel 4.3. Himpunan fuzzy untuk harga bahan baku dengan representasi TFN . 36 Tabel 4.4. Harga etanol dalam 4 tahun terakhir .................................................. 37 Tabel 4.5. Himpunan fuzzy untuk harga jual produk dengan representasi TFN . 38 Tabel 5.1. Cash flow dengan representasi TFN ................................................. 43 Tabel 6.1. Kriteria kelayakan model investasi fuzzy ........................................... 48 Tabel 7.1. Emisi karbon dari produksi ethanol .................................................. 51 Tabel 7.2. Biaya investasi ................................................................................... 52 Tabel 7.3. Biaya operasional tahunan ................................................................. 52 Tabel 7.4. Nilai asumsi yang digunakan dalam analisa kelayakan finansial industri Bioetanol/Biofuel .................................................................. 53 Tabel 7.5. Cash Flow hasil fuzzifikasi (Rp milyar) ............................................ 53 Tabel 7.6. Suku Bunga dengan rentang rendah, sedang dan tinggi .................... 54 Tabel 7.7. Present value dengan rentang rendah, sedang dan tinggi (dalam milyar) .................................................................................... 55 Tabel 7.8. Analisis sensitivitas tehadap harga bahan baku dan harga jual ........ 57 Tabel 7.9. Asumsi yang digunakan dalam metode konvensional ....................... 59 Tabel 7.10. Arus kas bersih dan persent value metode konvensional (dalam milyar) ................................................................................... 60 Tabel 7.11. Analisis sensitivitas tehadap dengan pendekatan konvensional .... 61
iv
DAFTAR GAMBAR Halaman Gambar 2.1. Pohon Industri Tebu ....................................................................... 10 Gambar 2.2. Alur penyelesaian masalah dengan Metode Fuzzy......................... 15 Gambar 2.3. Anak Gugus Fuzzy ......................................................................... 15 Gambar 2.4. Bilangan fuzzy pada [0,1] ............................................................... 16 Gambar 2.5. Bilangan a ..................................................................................... 17 Gambar 2.6. Sebuah bilangan A pada sebuah selang kepercayaan ..................... 17 Gambar 2.7. Triangular Fuzzy Number (TFN) A = (a1, a2, a3) .......................... 18 Gambar 3.1. Kerangka Pemikiran Analisis Finansial Fuzzy............................... 28 Gambar 4.1. TFN suku bunga ............................................................................. 35 Gambar 4.2. TFN harga bahan baku ................................................................... 36 Gambar 4.3. Trend analisis harga jual ................................................................ 37 Gambar 4.4. TFN harga jual produk .................................................................. 38 Gambar 5.1. Diagram alir model investasi fuzzy ............................................... 40 Gambar 6.1. Desain tampilan awal model investasi fuzzy ................................. 46 Gambar 6.2. Tampilan input nama pengguna ..................................................... 46 Gambar 6.3. Desain menu utama model investasi fuzzy .................................... 47 Gambar 6.4. Form input data harga bahan baku ................................................ 47 Gambar 6.5. Form input data harga jual ........................................................... 48
v
DAFTAR LAMPIRAN
Halaman Lampiran 1. Cara memperoleh dan mengolah data penelitian ........................... 66 Lampiran 2. Pemilihan molase dan bioetanol sebagai produk derifat tebu ....... 68 Lampiran 3. Prosedur/manual pengoperasian sistem ........................................ 73 Lampiran 4. Analisis kelayakan dengan pendekatan konvensional ................... 87
vi
1
I. PENDAHULUAN
1.1.
Latar Belakang Tebu merupakan salah satu komoditas pertanian yang bernilai tinggi dan
bahan baku utama bagi industri gula yang menempati posisi penting dalam perekonomian Indonesia. Selama ini tanaman tebu lebih difokuskan untuk diproses menjadi produk gula tebu. Rendahnya produktivitas tebu per hektar dan rendahnya rendemen pabrik gula menyebabkan tingginya biaya produksi gula tebu. Masalah tersebut dapat ditanggulangi dengan meningkatkan nilai perolehan tebu melalui diversifikasi produk yang bernilai tinggi. Diversifikasi produk dimaksudkan adalah memanfaatkan bagian tanaman tebu yang buka gula untuk dijadikan produk yang bernilai ekonomis. Dengan melakukan divesifikasi produk diharapkan produktivitas perusahaan dalam pengolahan tebu akan meningkat pula yang secara umum akan meningkatkan keuntungan perusahaan. Berdasarkan kondisi yang dihadapi industri gula saat ini, diversifikasi produk olahan tebu diharapkan dapat memperkuat dan meningkatkan pendapatan industri tebu. Keberhasilan peningkatan nilai perolehan tebu tidak hanya memperkokoh daya saing perusahaan, tetapi juga akan menggairahkan petani tebu. Berdasarkan data perindustrian dan pengamatan yang dilakukan tahun 2000, nilai Produk Derivat Tebu (PDT) yang dikembangkan industri gula hanya sekitar 3,4 persen saja dari total nilai PDT di Indonesia (Badan Penelitian dan Pengembangan Pertanian 2005). Walaupun saat ini sudah ada perkembangan di industri gula namun penambahan yang terjadi belum signifikan. Pengembangan PDT yang sinergik telah terbukti mampu memberikan dukungan finansial yang cukup berarti. Profit yang diperoleh dari PDT bisa mencapai 65 persen dari total profit perusahaan (Rao 1997). Ini berarti nilai perolehan produk tebu bisa lebih dari 2 kali nilai perolehan dari produk gula saja. Produk Derivat Tebu (PDT) mempunyai peluang pasar yang masih terbuka, baik di pasar domestik, maupun di pasar internasional. Industri berbasis tebu memiliki potensi besar untuk dikembangkan karena berbagai macam produknya dibutuhkan di pasaran, sehingga akan lebih baik apabila dilakukan sistematisasi
2
produk-produk olahan dari tebu dan ditentukan produk alternatif yang memiliki nilai kelayakan untuk dikembangkan saat ini. Sebelum melakukan pengembangan usaha, terlebih dahulu dilakukan suatu analisis yang mendalam dan komprehensif untuk mengetahui apakah usaha yang akan dilakukan layak atau tidak yang disebut dengan analisa kelayakan. Menurut Umar (2005), terdapat tiga komponen dalam analisa kelayakan, komponen pertama yaitu pasar dengan aspek yang dikaji adalah pasar konsumen dan produsen, komponen kedua yaitu internal perusahaan dengan aspek yang dikaji adalah pemasaran, teknik dan teknologi, manajemen, sumber daya manusia dan aspek finansial. Komponen yang ketiga yaitu lingkungan dengan aspek yang dikaji adalah politik, ekonomi, sosial, lingkungan, yuridis. Analisis finansial merupakan salah satu komponen analisa kelayakan yang mempunyai tujuan untuk menentukan rencana investasi melalui perhitungan biaya dan manfaat yang diharapkan, dengan membandingkan antara pengeluaran dan pendapatan, seperti ketersediaan dana, biaya modal, kemampuan proyek untuk membayar kembali dana tersebut dalam waktu yang telah ditentukan dan menilai apakah proyek tersebut akan dapat berkembang terus (Umar 2005). Analisis finansial menawarkan tools (perangkat) dan teknik evaluasi proyek beresiko, termasuk proyek pendirian industri diversifikasi berbasis tebu. Teknikteknik analisis finansial yang berkembang saat ini belum cukup untuk menempatkan industri diversifikasi berbasis tebu pada anggaran yang aman. Beberapa aspek yang perlu dibenahi adalah manajerial, teknis dan teknik analisis finansial yang tidak sesuai. Teknik analisis finansial yang keliru ini dapat menyebabkan pada pemilihan proyek pendirian industri yang keliru, kekurangan atau kelebihan anggaran. Selain itu analisa finansial diperlukan untuk menghindari kegagalan setelah proyek dilakukan sehingga hambatan dan resiko yang mungkin timbul di masa yang akan datang dapat diminimalkan karena keadaan yang akan datang penuh dengan ketidakpastian. Hal ini menunjukkan bahwa dibutuhkan sebuah pendekatan yang terpadu untuk mengevaluasi proyek pendirian industri diversifikasi berbasis tebu terutama pada sisi finansialnya. Pendekatan analisis finansial didasarkan pada pengukuran analisis ekonomi tentang harga, seperti NPV, IRR, dan discounted payback period (DPP). Pengukuran
3
ini juga mempertimbangkan cash flow dan manfaat yang dibatasi oleh ketidakcocokan estimasi biaya dan manfaat. Karena itu, pengukuran yang ada tidak bisa dikatakan memadai untuk menganalisa suatu proyek dengan cash flow dan manfaat tanpa batas. Estimasi terhadap manfaat maupun biaya merupakan pekerjaan yang sulit karena beberapa alasan, diantaranya adalah keunikan tiap proyek, kurangnya data sebelumnya untuk estimasi biaya, cash flow dan manfaat yang tidak terbatas, adanya manfaat intangible yang tidak mudah dikuantifikasikan, kecenderungan prakiraan biaya yang terlalu rendah seusai umur proyek, dan kelemahan teknik dalam mengatasi manfaat yang tertunda. Alasan lain adalah tingginya biaya modal, kesulitan menduga manfaat jangka panjang. Karena itu, estimasi manfaaat dan biaya tidak bisa dilakukan secara deteministik maupun stokastik; melainkan bersifat fuzzy, karena ada beberapa elemen yang tidak jelas/tidak teliti dalam estimasinya. Ketidakjelasan/ketidaktelitian ini akibat dari kuatnya subyektivitas manusia yang terlibat serta kurang sesuainya pengetahuan dalam pelaksanaan investasi. Jadi teknik konvensioanal tidak cukup untuk mengevaluasi investasi. Implikasi penggunaan sembarang teknik untuk investasi seolah-olah investasi ini sama dengan investasiinvestasi lainnya sehingga menghasilkan pemilihan investasi yang keliru atau estimasi yang kurang tepat terhadap biaya dan manfaat investasi (Omitaomu dan Badiru 2007). Ketidakpastian dalam kelayakan investasi bisa akibat penyederhanaan yang tak terhindarkan dalam proses pemodelan, pengetahuan yang tidak utuh terhadap fungsionalitas dan faktor-faktor di luar kontrol sebagai hasil interaksi antara stakeholder, bias-bias operasional, serta kesalahan-kesalahan kecil lainnya. Karena itu, ketidakpastian di sekitar investasi bersifat multidimensional yang alami karena ketidakjelasan satu faktor saling mempengaruhi faktor lainnya. Beberapa pendekatan termasuk teknik bilangan acak, teori probabilitas, dan sistem fuzzy memiliki kemampuan menyelesaikan situasi dengan ketidakpastian. Menurut Lindley (1987), probabilitas merupakan satu-satunya deskripsi yang masuk akal untuk ketidakpastian dan memadai untuk semua masalah yang melibatkan ketidakpastian. Bagaimanapun, jika ada beberapa sumber informasi yang tidak teliti seperti yang dijumpai dalam investasi; multidimensionalitas yang terlibat
4
pasti akan lebih besar dari yang bisa ditangani oleh model probabilistik. Karena itu, konsep sistem fuzzy membantu menyelesaikan masalah ini. Konsep Sistem fuzzy pertama kali diperkenalkan oleh Profesor Lotfi Zadeh pada tahun 1965 dan sistem tersebut telah menyebar ke dunia industri dengan begitu banyak
aplikasi
teknis.
Logika
fuzzy
mempunyai
kemampuan
untuk
merepresentasikan angka numerik, nilai linguistik, ketidakpastian dan abstrak, dan membantu secara signifikan dalam proses pengambilan keputusan dalam analisis investasi (Sanches et al 2005). Sistem fuzzy digunakan untuk mengatasi kekaburan dan ketidaktepatan yang secara umum terjadi pada data nyata. Tidak seperti pendekatan konvensional, pendekatan fuzzy memungkinkan data yang digunakan dalam analisis finansial suatu investasi untuk diekspresikan dalam bahasa yang lebih alami yang tidak melibatkan matematika tingkat tinggi. Pendekatan ini memberikan suatu sistem pemodelan standar dalam istilah parameter-parameternya. Prinsipprinsipnya didasarkan pada asumsi bahwa informasi menjadi sulit diolah dengan metode konvensional, karenanya dibutuhkan metode lain untuk menyelesaikan masalah ini. Lebih jauh lagi, pendekatan fuzzy memungkinkan manipulasi nilai-nilai yang non-eksak sebagai variabel linguistik untuk implementasi komputer (Badiru dan Cheung 2002). Penentuan kelayakan investasi dengan menggunakan metode fuzzy dapat mengilustrasikan nilai yang dijumpai dilapangan lebih baik sehingga dapat dijadikan alat untuk analisis kelayakan yang lebih tepat. Sebagai contoh perhitungan cash flow dan discount rate dugaan selama satu periode untuk beberapa tahun sangat sulit, bahkan mustahil untuk ditentukan secara tepat. Hal ini sering dikarenakan kesulitan dalam menghitung koefisien korelasi secara statistik. Untuk mengatasi hal tersebut digunakan
pendekatan fuzzy yang akan mengekspresikan dugaan cash flow dan discount rate tersebut dalam sebuah rentang nilai. Model investasi fuzzy untuk analisis kelayakan finansial usaha diversifikasi industri berbasis tebu ini menghadirkan pendekatan yang berbeda, dimana ketidakpastian dalam informasi yang ada disatukan dalam proses evaluasi untuk menangkap gambaran yang lebih baik dari alternatif yang ada untuk membuat keputusan yang lebih baik. Selain itu model ini diharapkan dapat menunjang pihak yang terkait dalam proses pengambilan keputusannya.
5
1.2.
Tujuan Penelitian ini dilakukan dengan tujuan:
1. Mengkaji dan memilih indikator kelayakan finansial fuzzy. 2. Mengembangkan model kelayakan finansial fuzzy. 3. Mengimplementasikan model kelayakan finansial fuzzy pada industri bioetanol sebagai salah satu produk derivat tebu. 1.3. Ruang Lingkup Ruang lingkup dari penelitian ini adalah mengkaji dan memilih indikator kelayakan finansial fuzzy. Setelah indikator kelayakan fuzzy terpilih, kemudian dilakukan pengembangan model kelayakan finansial fuzzy dan diimplementasikan pada industri bioetanol yang berada di PG Jatitujuh, Majalengka. 1.4. Output dan Manfaat Output dari penelitian ini adalah terkajinya indikator - indikator utama dalam penentuan kelayakan finansial fuzzy dan model komputasi kelayakan finansial fuzzy industri berbasis tebu khususnya industri bioetanol.
6
II.
TINJAUAN PUSTAKA
2.1. Tebu (Saccharum afficinarum) Tebu merupakan tanaman perkebunan semusim, yang mempunyai sifat tersendiri, sebab di dalam batangnya terdapat zat gula. Tebu termasuk keluarga rumput-rumputan (famili graminae). Akar tebu adalah akar serabut dan tanaman ini termasuk dalam kelas monocotyledone. Tanaman tebu mempunyai batang yang tinggi kurus, tidak bercabang dan tumbuh tegak. Tanaman yang tumbuh baik tinggi batangnya dapat mencapai 3-5 meter atau lebih. Pada batangnya terdapat lapisan lilin yang berwarna putih keabua-abuan. Batangnya beruas-ruas dengan panjang ruas 1030 cm. Daun berpangkal pada buku batang dengan kedudukan yang berseling. Tebu dapat hidup dengan baik pada ketinggian tempat 5-500 meter diatas permukaan laut (mdpl), pada daerah beriklim panas dan lembab dengan kelembaban >70 persen, hujan yang merata setelah tanaman berumur 8 bulan dan suhu udara berkisar antara 28-340C (Sudiatso 1982). Pada saat ini, luas areal tanaman tebu Indonesia mencapai 344 ribu hektar dengan kotribusi utama adalah Jawa Timur (43,29 persen), Lampung (25,71 persen), Jawa Tengah (10,07 persen) dan Jawa Barat (5,87 persen). Pada lima tahun terakhir areal tebu Indonesia secara stagnasi pada kisaran sekitar 340 ribu hektar (Tabel 2.1). Jika dilihat pada sepuluh tahun terakhir, luas areal tebu Indonesia secara umum mengalami penurunan sekitar 2 persen per tahun dengan luas area dengan luas area tertinggi dicapai pada tahun 1996 dengan luasan 446 ha, walaupun pada tahun 2004 mulai menunjukkan peningkatan. (Badan Penelitian dan Pengembangan Pertanian 2005). Perkembangan produksi pada sepuluh tahun terakhir juga mengalami penurunan dengan laju penurunan sekitar 1,8 persen per tahun. Namun demikian semenjak tahun 2004, produksi gula mulai menunjukkan peningkatan. Pada tahun 1994, produksi gula nasional mencapai 2.435 juta ton, sedangkan pada tahun 2004 hanya 2.051 juta ton. Pada dekade terakhir, produksi terendah terjadi pada tahun 1998 dengan volume produksi 1.494 juta ton. Berbagai kebijakan pemerintah seperti
7
kebijakan tataniaga impor dan program akselerasi peningkatan produktivitas berdampak positif guna meningkatkan kembali produksi gula nasional. Disamping penurunan areal, penurunan produktivitas merupakan faktor utama yang menyebabkan terjadinya penurunan produksi. Jika pada tahun 1990an produktivitas tebu/ha rata-rata mencapai 76,9 ton/ha, maka pada tahun 2000an hanya mencapai sekitar 62,7 ton/ha. Rendemen sebagai salah satu indikator produktivitas juga mengalami penurunan dengan laju sekitar -1,3 persen per tahun pada dekade terakhir. Pada tahun 1998, rendemen mencapai titik terendah (5,49 persen). Selanjutnya, rendemen mulai meningkat dan pada tahun 2004 rendemen mencapai 7,67 persen. 2.2. Industri Berbasis Tebu Tebu merupakan salah satu jenis tanaman yang hanya dapat ditanam di daerah yang memiliki iklim tropis. Dari seluruh perkebunan tebu yang ada di Indonesia, 50 persen di antaranya adalah perkebunan rakyat, 30 persen perkebunan swasta, dan hanya 20 persen perkebunan negara (http://www.chem-is-try.org). Gula merupakan salah satu komoditas strategis dalam perekonomian Indonesia. Dengan luas areal sekitar 350 ribu ha pada periode 2000-2005, industri gula berbasis tebu merupakan salah satu sumber pendapatan bagi sekitar 900 ribu petani dengan jumlah tenaga kerja yang terlibat mencapai sekitar 1,3 juta orang. Tabel 2.1 berikut memperlihatkan beberapa indikator kinerja industri gula nasional (http://www.litbang.deptan.go.id). Gula juga merupakan salah satu kebutuhan pokok masyarakat dan sumber kalori yang relatif murah. Karena merupakan kebutuhan pokok, maka dinamika harga gula akan mempunyai pengaruh langsung terhadap laju inflasi. Walaupun pada dua tahun terakhir kinerja industri gula nasional menunjukkan peningkatan, pada dekade terakhir secara umum kinerjanya mengalami penurunan, baik dari sisi areal, produksi maupun tingkat efisiensi. Sejalan dengan revitalisasi sektor pertanian, industri gula nasional atau industri gula berbasis tebu secara umum harus melakukan revitalisasi. Untuk mewujudkan hal tersebut, peningkatan investasi merupakan suatu syarat keharusan. Investasi di industri gula berbasis tebu cukup prospektif. Dari sisi pasar, permintaan gula dari dalam negeri masih terbuka sekitar 1,4 juta ton per tahun.
8
Tabel 2.1. Perkembangan kinerja industri gula nasional Tahun 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
Luas Areal (ha) 428.726 420.630 403.266 385.669 378.293 340.800 340.660 344.441 350.723 335.752 344.793 367.875 377.930
Produksi (ton hablur) 2.448.831 2.059.471 2.094.195 2.189.974 1.491.553 1.488.599 1.690.667 1.725.467 1.755.343 1.631.919 2.051.644 2.219.778 2.441.758
Rendemen (persen) 8,02 6,97 7,32 7,83 5,49 6,96 7,04 6,85 6,88 7,21 7,67 7,84 7,48
Konsumsi (ton hablur) 2.851.770 2.888.843 2.926.398 2.964.441 3.002.979 3.042.018 3.087.618 3.133.932 3.180.941 3.228.655 3.281.928 3.324.662 3.372.790
Impor (ton hablur) 402.937 792.372 832.203 774.468 1.511.426 1.533.419 1.396.951 1.408.465 1.425.507 1.596.736 1.230.284 1.104.884 931.032
(Sumber : http://www.litbang.deptan.go.id)
Pemerintah dengan berbagai kebijakan promotif dan protektifnya telah menciptakan iklim investasi yang kondusif untuk pengembangan industri gula berbasis tebu. Pasar internasional yang dalam tiga tahun terakhir mengalami defisit sebagai akibat tekanan yang dihadapi oleh produsen utama gula dunia juga mengindikasikan investasi pada bidang ini cukup prospektif. Di gula, beberapa produk derivat tebu (PDT) seperti etanol, ragi roti, inactive yeast, wafer pucuk tebu, papan partikel, papan serat, pulp, kertas, Ca-sitrat dan listrik mempunyai peluang pasar yang cukup terbuka, baik di pasar domestik maupun internasional. Guna mewujudkan sasaran pembangunan industri gula berbasis tebu, maka diperlukan investasi baik pada usahatani, pabrik gula dan produk derivatnya, serta investasi pemerintah (http://www.litbang.deptan.go.id). Solomon dan Singh dalam Prihandana (2005) menyatakan bahwa ada 64 bagian yang dapat dimanfaatkan dari batang tebu. Namun, hampir tidak ada pabrik gula di Indonesia yang memanfaatkan seluruh hasil tebu tersebut secara optimal. Di Indonesia hanya 13 bagian tebu yang bisa diolah di pabrik gula. Tetes tebu yang diperoleh dari tahap pemisahan kristal gula dan masih mengandung gula 50-60 persen, asam amino, serta mineral, baru bisa dibuat sebagai etanol dan bumbu masak MSG. Pucuk daun tebu juga sebatas dimanfaatkan sebagai makanan ternak. Blotong yang merupakan hasil sampingan proses penjernihan ternyata baru dibuat sebagai
9
pupuk. Padahal, bahan organik ini bisa dipakai untuk campuran bahan baku semen dan mansory cement. Blotong juga dapat digunakan sebagai bahan baku cat. Pengembangan diversifikasi mulai dari produk hulu, hilir hingga produk samping akan menghasilkan pendapatan dari tiap-tiap produk tersebut. Jika pendapatan itu sudah terkumpul di pabrik gula, yang terjadi adalah transfer cost dan transfer price, yang pada akhirnya hal tersebut dapat menurunkan biaya produksi. Upaya inovasi transfer pricing merupakan langkah peralihan paradigma, dari pabrik gula menjadi industri berbasis tebu (Prihandana 2005). 2.3. Diversifikasi Industri Tebu Tebu merupakan sumberdaya biologis yang bernilai tinggi dan bahan baku utama bagi industri gula di Indonesia, industri ini menempati posisi penting dalam perekonomian Indonesia. Sejak jaman penjajahan, sumbangan devisa dari industri gula relatif lebih tinggi dibandingkan industri lainnya. Pada akhir tahun 1960-an, indutri gula mengalami penurunan produktivitas dari tahun ke tahun karena inefisiensi dalam melakukan pengolahan tebu menjadi gula. Kemudian pada tahun 1967, Indonesia yang sebelumnya dikenal sebagai negara pengekspor gula berubah menjadi negara pengimpor gula (Mubyarto 1968). Selama ini tanaman tebu lebih difokuskan untuk diproses menjadi produk Gula Tebu dengan skala besar dibuat pabrik-pabrik gula sebagai tempat produksi gula tebu. Kemudian disadari bahwa tanaman tebu memiliki banyak manfaat untuk memenuhi kebutuhan banyak hal dari mulai bahan makanan hingga pakan ternak. Dengan memanfaatkan tanaman tebu untuk diolah selain menjadi gula maka produktivitas perusahaan dalam pengolahan tebu akan meningkat, secara tidak langsung hal ini akan meningkatkan produktivitas perusahaan secara umum dan akan meningkatkan keuntungan perusahaan. Proses produksi gula di pabrik menghasilkan ampas tebu sebesar 90 persen dari setiap tebu yang diproses, gula yang termanfaatkan hanya 5 persen, sisanya berupa tetes tebu (molase) dan air. Selama ini pemanfaatan ampas tebu (sugar cane bagasse) yang dihasilkan masih terbatas untuk makanan ternak, bahan baku pembuatan pupuk, pulp, particle board dan untuk bahan bakar boiler di pabrik gula. Di samping terbatas, nilai ekonomi yang diperoleh juga belum tinggi. Oleh karena itu, diperlukan
10
adanya pengembangan proses teknologi sehingga terjadi diversifikasi pemanfaatan limbah pertanian yang ada (http://www.chem-is-try.org). Batang tanaman tebu merupakan sumber gula. Namun demikian rendeman/ persentase gula yang dihasilkan hanya berkisar 10-15 persen. Sisa pengolahan batang tebu adalah: o Tetes tebu (molase) yang diperoleh dari tahap pemisahan kristal gula dan masih mengandung gula 50-60 persen, asam amino dan mineral. Tetes tebu adalah bahan baku bumbu masak MSG, gula cair dan arak. o Pucuk daun tebu yang diperoleh pada tahap penebangan digunakan untuk pakan ternak dalam bentuk silase, pelet dan wafer. o Ampas tebu yang merupakan hasil samping dari proses ekstraksi cairan tebu. Dimanfaatkan sebagai bahan bakar pabrik, bahan industri kertas, particle board dan media untuk budidaya jamur atau dikomposkan untuk pupuk. o Blotong yang merupakan hasil samping proses penjernihan. Bahan organik ini dipakai sebagai pupuk tanaman tebu. Sisa pengolahan tebu ini dapat digunakan untuk berbagai macam keperluan, hal ini dapat dilihat lebih lengkap pada pohon industri pada Gambar 2.1.
Gambar 2.1. Pohon Industri Tebu
11
Berdasarkan data perindustrian dan pengamatan yang dilakukan tahun 2000, nilai Produk Derivat Tebu (PDT) yang dikembangkan industri gula hanya sekitar 3,4 persen saja dari total nilai PDT di Indonesia. Walaupun saat ini sudah ada perkembangan di Industri gula namun penambahan yang terjadi belum signifikan. Pengembangan PDT yang sinergik telah terbukti mampu memberikan dukungan finansial yang cukup berarti. Profit yang diperoleh dari PDT bisa mencapai 65 persen dari total profit perusahaan (Rao 1997). Ini berarti nilai perolehan produk dari tebu bisa lebih dari 2 kali dari nilai perolehan dari produk gula saja. 2.4. Metode Bayes Metode Bayes merupakan salah satu teknik yang dapat dipergunakan untuk melakukan analisis dalam pengambilan keputusan terbaik dari sejumlah alternatif dengan tujuan menghasilkan perolehan yang optimal. Untuk menghasilkan keputusan yang optimal perlu dipertimbangkan berbagai kriteria. Pembuatan keputusan dengan metode Bayes dilakukan melalui upaya pengkuantifikasian kemungkinan terjadinya suatu kejadian dan dinyatakan dengan suatu bilangan antara 0 dan 1. Namun sering kali hal ini dianggap sebagai probabilitas pribadi atau subyektif dimana bobot Bayes didasarkan pada tingkat kepercayaan, keyakinan, pengalaman serta latar belakang pengambil keputusan (Marimin 2004). Persamaan Bayes yang digunakan untuk menghitung nilai setiap alternatif sering disederhanakan menjadi: m
Total Nilai i = ∑ Nilai ij (Kritj) j=1
dimana: Total Nilai i
= total nilai akhir dari alternatif ke-i
Nilai ij
= nilai dari alternatif ke-i pada kriteria ke-j
Krit j
= tingkat kepentingan (bobot) kriteria ke-j
i
= 1,2,3,…n; n = jumlah alternatif
j
= 1,2,3,…m; m = jumlah kriteria
Nilai peluang didapatkan dari suatu informasi awal yang dapat bersifat subyektif maupun obyektif. Nilai peluang ini dapat diperbaiki dengan adanya
12
informasi tambahan yang didapat dari sejumlah percobaan. Informasi awal tentang nilai peluang ini disebut distribusi prior, sedangkan nilai peluang yang sedang diperbaiki dengan informasi tambahan disebut peluang posterior (Marimin 2004). 2.4.1. Kriteria Bayes Pengambilan keputusan merupakan suatu pemilihan aksi a dari sekelompok aksi yang mungkin (A). Pemilihan aksi harus dengan mengetahui akibat dari aksi terpilih, yang biasanya merupakan fungsi dari status situasi (state of nature). Suatu status situasi θ menggambarkan situasi atau keadaan nyata yang sebenarnya dimana aksi akan diaplikasikan. Nilai kinerja dari setiap aksi a dan status situasi θ digambarkan dengan menggunakan pay off matrix, yang berbentuk seperti Tabel 2.2. Tabel 2.2. Pay off matrix θ
θ1
θ2
.
.
.
a1
x
x
.
.
.
a2
x
x
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am
.
.
.
.
.
a
θn
θ adalah status situasi yang dapat berupa kondisi, kriteria seleksi atau persyaratan pemilihan, a dapat berupa aksi, strategi atau pilihan, sedangkan x adalah nilai penampakan dari setiap aksi dan status situasi. Apabila satuan (unit) dari setiap x sama, maka dengan matriks ini dapat langsung dilakukan perhitungan untuk pemilihan aksi. Tetapi apabila satuan dari x tidak sama, matriks ini harus diubah dulu ke dalam bentuk CPI (Comparative Performance Index), caranya adalah dengan menentukan nilai minimum pada setiap lajur (setiap status situasi), dan menetapkan nilai minimum tersebut sama dengan seratus. Kemudian nilai lain dalam lajur yang sama dibandingkan dengan nilai minimum tersebut. Akibat dari aksi yang dipilih dapat diukur dengan mengasumsikan adanya suatu fungsi kerugian (loss function)
13
dengan simbol l(a,θ) yang merefleksikan kerugian yang diderita apabila memilih aksi a pada status situasi θ, serta didefinisikan untuk setiap kombinasi a dan θ. Pengambilan keputusan yang dilakukan tanpa adanya percobaan dibantu dengan penggunaan nilai peluang prior dengan suatu prosedur yang disebut kriteria Bayes. Pada prosedur ini si pembuat keputusan akan memilih aksi yang meminimumkan dugaan kerugian (expected loss) yang dievaluasi menurut nilai peluang prior. Perhitungan dugaan kerugian l(a) untuk diskrit adalah: l (a) = E [l,(a, θ)] = ∑ l (a,k)Pθ (k) semua k
Perhitungan dengan kerugian untuk θ yang kontinyu adalah: ∞
l (a) = E [l,(a,(a θ)] = ∫ l (a,y) Pθ (y)dy
2.4.2. Prosedur Bayes Data yang didapatkan dari hasil percobaan dapat digunakan dalam proses pengambilan keputusan. Distribusi peluang posterior dari θ adalah suatu distribusi peluang bersyarat dari θ dengan diberikan X = x. Keputusan dicari dengan menghitung terlebih dahulu distribusi peluang posterior dari θ untuk setiap X = x, setelah itu dipilih aksi yang meminimumkan dugaan kerugian ln(a) yang serupa dengan pernyataan resiko, termasuk biaya percobaan. Untuk θ yang diskrit perhitungan dugaan kerugian adalah: ln(a) = E [(l (a,0)] = ∑ l (a,k) hθ⎮X=x (k) k
hθ⎮X=x (k) adalah distribusi peluang posterior diskrit. Untuk θ yang kontinyu, distribusi peluang posterior dinyatakan dalam hθ⎮X=x (y), dengan perhitungan dugaan kerugian adalah: ∞
ln(a) = E [(l (a,0)] = ∫ l (a,y) hθ⎮X=x (y)dy
14
2.5. Sistem Fuzzy 2.5.1.Perkembangan Sistem Fuzzy Gugus fuzzy pertama kali diperkenalkan oleh Prof. L. A. Zadeh dari Barkeley pada tahun 1965. Pada 10 tahun pertama, kemunculan gugus fuzzy tidak terlalu diperhatikan, namun baru-baru ini telah terjadi perkembangan yang cukup pesat dalam hal jumlah peneliti dan paper-paper mengenai gugus fuzzy dan aplikasinya, sehingga dibentuk organisasi International Fuzzy Systems Association (IFSA) (Marimin 2005). Sangatlah perlu bagi komputer untuk mengerti bahasa manusia, namun kendalanya, terdapat banyak ke-ambiguity-an dalam bahasa sehari-hari yang tidak dapat diselesaikan dengan pemrosesan logika biasa, sehingga diperlukan perangkat logika yang mampu mengekspresikan ke-ambiguity-an. Sebagai contoh, jika kita mengatakan seseorang berbadan tinggi, kita tidak dapat mendefinisikan secara pasti, berapa cm-kah tinggi badan seseorang agar dia dapat dikatakan berbadan tinggi. Gugus fuzzy merupakan perangkat yang tepat untuk mengekspresikan ke-ambiguityan. Gugus fuzzy merupakan media komunikasi yang berbicara mengenai logika alami dan kompleksitas di antara manusia dan pengetahuan sosial (Marimin 2005). Teori gugus fuzzy pertama kali hanya dipandang sebagai teknik yang secara matematis mengekspresikan ambiguity dalam bahasa. Namun saat ini, teori gugus fuzzy dikembangkan sebagai pengukuran beragam fenomena ambiguity secara matematis yang mencakup konsep peluang. Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelijen dalam lingkungan yang tidak pasti, dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy. Logika fuzzy merupakan bagian dari logika boolean, yang digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah. Logika fuzzy sering menggunakan informasi linguistik dan verbal. Dalam logika fuzzy terdapat beberapa proses, yaitu penentuan gugus fuzzy, penerapan aturan if-then, serta proses inferensi fuzzy. Alur penyelesaian masalah dengan menggunakan metode fuzzy disajikan pada Gambar 2.2
15
Gambar 2.2. Alur penyelesaian masalah dengan Metode Fuzzy 2.5.2. Struktur Dasar Gugus fuzzy merupakan pengembangan dari gugus biasa. Representasi abstrak dari anak gugus fuzzy dari sebuah gugus universal X tampak seperti pada Gambar 2.3. X A. B. A
Gambar 2.3. Anak Gugus Fuzzy Bingkai persegi panjang merepresentasikan gugus universal X, dan lingkaran yang terputus-putus menggambarkan batas ambigous dari elemen yang terdapat di dalam atau di luar X, sedangkan A adalah gugus fuzzy dalam X. Teori gugus fuzzy mendefinisikan derajat di mana elemen x dari gugus universal X berada (tercakup) di dalam gugus fuzzy A. Fungsi yang memberikan derajat terhadap sebuah elemen mengenai keberadaannya dalam sebuah gugus disebut fungsi keanggotaan. Dalam
16
kasus ini, anggota dari gugus X adalah elemen x. Sebagai contoh, derajat keanggotaan dari elemen x dalam area A diekspresikan oleh: μA (x1)= 1,
μA (x2) = 0.8
μA (x3)= 0.3,
μA (x4) = 0
μ adalah fungsi keanggotaan (membership function) yang memberikan derajat keanggotaan yang berada pada suatu selang tertentu, yaitu selang [0,1]. Tulisan subscript di sebelah μ, yaitu A, menunjukkan bahwa μA adalah fungsi keanggotaan dari A. 2.5.3. Fungsi Keanggotaan 1. Single Point Jika A ⊂ [0,1] bersifat convex dan normal, maka sebuah bilangan fuzzy dalam [0,1] didefinisikan sebagai ∀ x ε [0,1] : μ A (x ) ε [0,1] Gambar 2.4 menunjukkan sebuah bilangan fuzzy pada [0,1]. Dengan menggunakan α-cuts, ∀ α ε [0,1] dituliskan sebagai berikut:
[
]
Aα = a1α , a 2 α ⊂ [0,1]
a1α ≤ a 2 α , a1α , a 2 α ε [0,1] μ 1.0
a2α
α 0.5
α-CUT,
a1α
0.0 0.5
1.0
Gambar 2.4. Bilangan fuzzy pada [0,1]
x
17
2. Interval of Confidence Gambar 2.5. menunjukkan a ε R. Bilangan a ini dapat dikarakteristikkan dengan menggunakan fungsi keanggotaan sebagai berikut: μa (x) = 1, x = a = 0,
1
x≠a
.5
a
x
Gambar 2.5. Bilangan a Sebuah bilangan A ε R pada selang kepercayaan [a1,a3] seperti yang ditunjukkan pada Gambar 2.6, dapat didefinisikan sebagai berikut: μA (x) = 0,
x < a1
= 1,
a1 ≤ x ≤ a3
= 0,
x > a3
μA (x) 1
.5
a1
0
a3
x
Gambar 2.6. Sebuah bilangan A pada sebuah selang kepercayaan A tidak dapat lebih kecil dari a1 dan tidak dapat lebih besar dari a3. Representasi simbolik dari sebuah selang kepercayaan dituliskan dengan: A = [a1, a1].
18
3. Triangular Fuzzy Number (TFN) μA (x) 1
.5
a1
0
a2
a3
x
Gambar 2.7. Triangular Fuzzy Number (TFN) A = (a1, a2, a3) Fungsi keanggotaan untuk TFN pada Gambar 2.7 adalah sebagai berikut: μ A (x ) = 0,
x < a1
=
x − a1 , a 2 − a1
a1 ≤ x ≤ a 2
=
a3 − x , a3 − a 2
a 2 ≤ x ≤ a3
= 0,
x > a3
4. Gaussian Sinopsis: y = GAUSSMF(x, PARAMS) GAUSSMF(x, PARAMS) mengembalikan sebuah matriks di mana fungsi keanggotaan Gaussian dihitung di x. PARAMS adalah 2-element vector yang menentukan bentuk dan posisi dari fungsi keanggotaan. Rumus untuk fungsi keanggotaan Gaussian ini adalah: − ( x − c )2
f ( x; σ , c) = e
2σ 2
2.5.4. Pemrosesan Bilangan Fuzzy Bilangan fuzzy dapat diproses secara matematik fuzzy sesuai dengan metode representasinya.
19
a. Representasi dalam selang ∀ a1, a3, b1, b3 ε R+ A = [a1, a3], B = [b1, b3] 1. Penjumlahan [a1, a3] (+) [b1, b3] = [a1 + b1, a3 + b3] 2. Pengurangan [a1, a3] (-) [b1, b3] = [a1 - b3, a3 – b1] 3. Perkalian [a1, a3] (.) [b1, b3] = [a1 . b1, a3 . b3] 4. Invers ⎡
[a1 , a 3 ]−1 = ⎢ 1
⎣ a3
,
1⎤ ⎥ a1 ⎦
5. Pembagian ⎡
⎤
[a1 , a 3 ] (÷) [b1 , b3 ] = ⎢ a1 , a 3 ⎥ ⎣ b3 b1 ⎦
6. Minimum
[a1 , a 3 ] (∧ ) [b1 , b3 ] = [a1 ∧ b1 , a 3 ∧ b3 ] 7. Maksimum
[a1 , a 3 ] (∨ ) [b1 , b3 ] = [a1 ∨ b1 , a 3 ∨ b3 ] b. Representasi TFN 1. Penjumlahan A (+) B = (a1, a2, a3) (+) (b1, b2, b3) = (a1 + b1 , a2 + b2, a3 + b3) 2. Pengurangan A (-) B = (a1, a2, a3) (-) (b1, b2, b3) = (a1 – b3 , a2 - b2, a3 – b1) Untuk perkalian dan pembagian, triplets tidak dapat diproses secara langsung. Tetapi perhitungan dapat diperkirakan dengan menggunakan selang kepercayaan pada setiap level α ∈ [0,1]. Dengan menentukan selang
20
kepercayaan pada level α , TFN, katakanlah A dan B, dapat didefinisikan sebagai berikut: Aα = [(a 2 − a1 )α + a1 ,−(a 3 − a 2 )α + a 3 ] Bα = [(b2 − b1 )α + b1 ,−(b3 − b2 )α + b3 ]
;
;
Jika terdapat dua buah selang D dan E yang didefinisikan dalam R+ sebagai [d1,d2] dan [e1,e2] secara berturut-turut dan terdapat konstanta positif c, maka beberapa operasi perhitungan didefinisikan sebagai berikut: 3. Perkalian
[d1, d 2 ]× [e1 , e2 ] = [d1 × e1, d 2 × e2 ] 4. Pembagian
[d1 , d 2 ] ÷ [e1 , e2 ] = ⎡⎢ d1 , d 2 ⎤⎥; e1, e2 ≠ 0 ⎣ e2 e1 ⎦
5. Perkalian Skalar c × [d1 , d 2 ] = [c × d1 , c × d 2 ]
6. Pangkat
[d1 , d 2 ]c = [d1c , d 2c ] , dimana c = pangkat
2.5.5. Defuzzifikasi Defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp). Terdapat banyak metode defuzzifikasi, namun yang biasa digunakan adalah metode CENTROID dan MAXIMUM. Di dalam metode CENTROID, nilai tunggal dari variabel output dihitung dengan menemukan nilai variabel dari center of gravity suatu fungsi keanggotaan untuk nilai fuzzy, sedangkan di dalam metode MAXIMUM, satu dari nilai-nilai variabel yang merupakan nilai kepercayaan maksimum gugus fuzzy dipilih sebagai nilai tunggal untuk variabel output. 2.6. Analisis Finansial dan Teori Fuzzy 2.6.1. Analisa Finansial Konvensional (Non Fuzzy) Menurut Majlender (2002), analisa finansial konvesional atau non fuzzy cenderung menyelesaikan masalah yang nilainya pasti, apabila terjadi perubahan
21
variabel maka nilai dari perubahan tersebut dapat diangggap sebagai nilai yang pasti atau real. Pada pendekatan investasi konvensional ini, keputusan pelaksanaan aktivitas atau proyek investasi dinyatakan dalam nilai ya atau tidak. Hal ini berarti keputusan investasi dilaksanakan sekarang atau tidak sama sekali. 2.6.2. Analisa Finansial Fuzzy Teori fuzzy adalah metode untuk menyajikan ketidakpastian, dimana ketidakpastian tersebut merupakan faktor yang sering muncul di dalam analisis teknik. Analisa finansial fuzzy menggunakan bilangan fuzzy yang dapat menghitung tingkat sensitivitas perubahan dari sebuah variabel karena menggunakan rentang nilai yang menjadikan nilai sensitivitas lebih sensitif dan hal ini tidak dijumpai dalam analisa finansial bukan fuzzy (konvensional). Buckley (1987) merupakan salah satu pionir pengguna dari pendekatan ini. Pendekatan ini telah disajikan pula oleh beberapa penulis, diantaranya adalah Chiu dan Park (1994) dan Karaman, Da Ruan dan Tolga (2002). 2.6.2.1. Cash Flow Ada tiga hal yang harus diperhatikan dalam kegiatan investasi yaitu: ¾ Adanya unsur ketidakpastian berusaha ¾ Keterbatasan dana yang dimiliki ¾ Pendapatan dan biaya masa mendatang harus dikonversikan ke dalam nilai sekarang sebelum dibandingkan Pendapatan dan biaya masa mendatang karena mengandung unsur ketidakpastian, maka nilai masa mendatang harus dikonversikan ke dalam nilai sekarang (present value). Besarnya nilai uang setahun mendatang yang dikonversikan ke nilai uang sekarang dinyatakan dalam: ............................................................................... (1)
PV = F / (1 + r)
Untuk dua, tiga dan tahun-tahun seterusnya, faktor konversi nilai uang/penyebut dipangkatkan dengan waktunya. PV =
F
(1 + r )
t
=F
1 = F.DF .................................................... (2) (1 + r) t
22
Dengan: PV = nilai sekarang dari uang masa mendatang (tahun ke-t) F = nilai uang masa mendatang (waktu ke-t) r
= tingkat diskonto (persen)
1 = DF = faktor diskonto (1 + r) t
2.6.2.2. Fuzzy Net Present Value (NPV) Penentuan kelayakan investasi dengan menggunakan metode fuzzy akan dapat mengilustrasikan nilai yang dijumpai dilapangan sehingga dapat dijadikan alat untuk analisis kelayakan yang lebih tepat. Penggunaan medote fuzzy pada penghitungan cash flow dimulai oleh Ward (1985) yang menggambarkan fuzzy dengan fungsi keanggotaan trapezium untuk menyelesaikan permasalahan terkini. Sedangkan Buckley (1987) menggunakan fungsi keanggotaan Triangular Fuzzy Number (TFN) untuk menghitung fuzzy net present value dan fuzzy net future value dengan tingkat suku bunga fuzzy pada periode n tahun. Buckley menghitung persamaan fuzzy untuk melanjutkan pembayaran bunga, tingkat efektif bunga secara baik. Penghitungan fuzzy pada periode waktu tertentu menghasilkan ketidaklinieran yang membuat perhitungan semakin kompleks. Berdasarkan pertimbangan analisis NPV, peluang investasi dapat dievaluasi apakah dilaksanakan atau harus melepaskan. Nilai pasti (kepastian) dari proyek tersebut dapat diperhitungkan berdasarkan perkiraan dan membuat keputusan apakah bermanfaat jika dilaksanakan atau tidak. Data yang dibutuhkan adalah cash flow yang diharapkan untuk tiap tahun dari proyek Vi, biaya investasi X, dan dari tingkat pengembalian (rate of return) yang disyaratkan dalam investasi ke n, yang juga disebut beta proyek. Cash flow tahunan yang diharapkan memberikan keuntungan tahunan, yang secara aktual perbedaan antara penerimaan operasional dan biaya operasional pada tahun tertentu dari proyek, dan kuantitas yang diagregatkan berdasarkan pada parameter beta yang discounting dari investasi dengan rumus sebagai berikut : ............................................................................. (3)
23
Dimana L menyatakan lama aktivitas investasi. Parameter discounting r secara implisit terdiri derajat kegunaan resiko dari investor atau pengambil keputusan. Membuat r lebih tinggi berarti bahwa investasi lebih beresiko, sebab cash flow di masa depan lebih tinggi diperlukan untuk mencapai penerimaan agregat yang sama. Biaya investasi X adalah biaya satu kali waktu, yang harus dibayar pada awal proyek untuk dapat masuk ke dalamnya. Nilai dari investasi adalah: .................................................... (4) dan aturan keputusan adalah jelas, misalnya jika NPV > 0 maka investasi dapat diterima (layak), sebaliknya jika NPV<0 maka investasi tidak layak. Menurut Majlender (2002), tiap tahun harus diperkirakan cash flow yang diharapkan dengan menggunakan angka fuzzy trapezoidal dari bentuk .................................................... (5) Untuk i = 0,1, …., L misal nilai yang paling mungkin dari cash flow yang diharapkan pada tahun i dari proyek dalam interval [ai, bi] (sebagai inti dari angka fuzzy trapezoidal Vi) dan (ai – αi) adalah penurunan potensial dan (bi + βi) adalah kenaikan potensial untuk cash flow yang diharapkan pada tahun i. Dalam tindakan yang sama kita dapat memperkirakan biaya investasi yang diharapkan dengan menggunakan kemungkinan distribusi trapezoidal pada bentuk .................................................... (6) Misal nilai yang paling mungkin dari biaya investasi yang diharapkan terdapat dalam interval [X1, X2] (sebagai inti dari angka fuzzy trapezoidal X), dan (X1 – α’) adalah penurunan potensial dan (X2 + β’) adalah kenaikan potensial untuk biaya investasi yang diharapkan. 2.6.2.3. Internal Rate of Return (IRR) Internal Rate of Return (IRR) adalah tingkat suku bunga pada saat NPV sama dengan nol dan dinyatakan dalam persen (Gray et al 1993). Menurut Sutojo (1993), IRR adalah tingkat suku bunga yang bilamana dipergunakan mendiskonto seluruh kas masuk pada tahun-tahun operasi proyek akan menghasilkan jumlah kas yang sama dengan investasi proyek. Tujuan penghitungan IRR adalah untuk mengetahui
24
presentasi keuntungan dari suatu proyek tiap tahunnya. IRR menunjukkan seberapa besar tingkat (rate) pengembalian suatu investasi. n
∑ t =1
Ft - I0 = 0 (1 + IRR)t
.................................................... (6)
Dengan: IRR
= internal rate of return
Suatu investasi dinyatakan layak, jika IRR > r IRR dari sebuah investasi didefinisikan sebagai tingkat suku bunga yang membuat cash flow NPV bernilai nol. Kesulitan dalam menterjemahkan konsep ini ke dalam definisi IRR adalah dimana IRR tersebut membutuhkan suatu nilai yang pasti (Buckley 1987). 2.6.2.4. Benefit Cost (B/C) Ratio Fuzzy Net Benefit Cost Ratio (Net B/C) merupakan angka perbandingan antara jumlah Present Value yang bernilai positif dengan jumlah Present Value yang bernilai negatif. Perhitungan Net B/C dilakukan untuk melihat berapa kali lipat manfaat yang diperoleh dari biaya yang dikeluarkan (Gray et al 1993). Menurut Gray et al. (1993), formulasi matematik dirumuskan sebagai berikut : n
netB/ C =
Bt − Ct
∑ (1+ i)
t
, untuk Bt – Ct > 0
Bt − Ct ∑ t t =1 (1+ i )
, untuk Bt – Ct < 0
t =1 n
................................ (7)
dimana : Bt = pendapatan proyek pada tahun tertentu Ct = biaya proyek pada tahun tertentu n = umur proyek i = tingkat bunga Proyek dinyatakan layak jika nilai Net B/C lebih besar sama dengan satu dan tidak layak jika Net B/C kurang dari satu.
25
2.7. Model Model adalah suatu representasi atau formalisasi dalam bahasa tertentu yang disepakati dari suatu sistem nyata. Adapun sistem nyata adalah sistem yang berlangsung dalam kehidupan. Dengan demikian, pemodelan adalah suatu proses membangun atau membentuk sebuah model dari suatu sistem nyata dalam bahasa formal tertentu (Simatupang 1996). Salah satu dasar utama untuk mengembangkan model guna menemukan peubah-peubah apa yang penting dan tepat. Penemuan peubah tersebut sangat erat hubungannya dengan pengkajian hubungan-hubungan yang terdapat diantara peubahpeubah (Eriyatno, 1998). Menurut Simatupang (1996), ada beberapa kriteria yang harus dipenuhi dalam memodelkan suatu sistem, antara lain: (a) model harus mewakili (merepresentasikan) sistem nyatanya dan (b) model merupakan penyederhanaan dari kompleknya sistem, sehingga diperbolehkan adanya penyimpangan pada batas-batas tertentu. 2.8. Penelitian Terdahulu Beberapa penelitian terdahulu yang menjadi acuan dalam penelitian ini diantaranya Buckley (1987) telah memperlajari perluasan fuzzy dari matematika keuangan untuk memfokuskan pada hukum bunga majemuk. Variabel yang di fuzzikan adalah tingkat suku bunga. Sementara itu Carlsson (1998) mengembangkan IRR fuzzy untuk memilih beberapa proyek dengan variabel yang difuzzikan yang difuzzikan adalah cash flow. Chiu dan Park (1994) mengembangkan NPV fuzzy dengan cash flow dan tingkat suku bunga ditetapkan sebagai bilangan fuzzy segitiga (TFN). Lesage (2001) dan Yao et al. (2005) telah mengembangkan model sistem
logika fuzzy pada pendekatan discounted cash flow (DCF) dengan memperhatikan faktor ketidakpastian cash flow dan ketidaktepatan discounted rate pada perhitungan analisis finansial penilaian proyek. Sementara itu, Sanches (2005) telah mengembangkan pendekatan fuzzy untuk menghitung nilai NPV beberapa proyek dengan cash flow sebagai variabel yang di representasikan dengan TFN. Dengan acuan penelitian terdahulu, posisi penelitian yang dilakukan disajikan pada Tabel 2.3.
26
Tabel. 2.3. Posisi penelitian yang dilakukan Variabel yang difuzzikan
Fungsi Keanggotaan
Suku Bunga
Trapezoidal
-
Cash Flow
TFN
-
-
TFN
-
-
√
Cash Flow, Suku bunga Suku Bunga
√
-
-
Yao et al (2005) Banholzer (2005) Sanches (2005)
√
-
-
√
√
√
Penelitian ini
√
Peneliti
NPV Fuzzy
Topik IRR Fuzzy
Buckley (1987)
√
-
B/C Ratio Fuzzy -
Carlsson (1998) Chiu & Park (1994) Kahraman (2001) Lesage (2001)
-
√
√
TFN Trapezoidal
-
Suku Bunga, Cash Flow Suku Bunga, Cash Flow Cash Flow
-
-
Cash Flow
Trapezoidal
√
√
Harga Bahan Baku, Harga Jual, Suku Bunga
TFN
Trapezoidal TFN
Output Kelayakan Tidak Layak/ Layak Tidak Layak/ Layak Tidak Layak/ Layak Tidak Layak/ Layak Tidak Layak/ Layak Tidak Layak/ Layak Tidak Layak/ Layak Tidak Layak/ Layak Tidak Layak/ Cukup Layak/ Layak/ Sangat Layak
Pengembangan model investasi fuzzy dilakukan dengan variabel yang difuzzikan adalah harga bahan baku, harga jual dan suku bunga. Harga bahan baku dan harga jual merupakan variabel yang mempengaruhi cash flow. Variabel tersebut merupakan inputan yang terdiri dari tiga nilai yaitu rendah, sedang dan tinggi. Dengan inputan yang bersifat fuzzy tersebut, maka cash flow yang dihasilkan juga fuzzy. Hal ini berbeda dengan penelitian yang terdapat dalam literatur, dimana variabel cash flow langsung difuzzikan tanpa memfuzzikan variabel lain sebagai inputan.
27
III.
3.1.
METODOLOGI
Kerangka Pemikiran Penggunaan medote fuzzy pada penghitungan cash flow dimulai oleh Ward
(1985) yang menggambarkan fuzzy dengan fungsi keanggotaan trapezium untuk menyelesaikan permasalahan terkini. Sedangkan Buckley (1987) menggunakan fungsi keanggotaan Triangular Fuzzy Number (TFN) untuk menghitung fuzzy net present value dan fuzzy net future value dengan tingkat suku bunga fuzzy pada periode n tahun. Buckley menghitung persamaan fuzzy untuk melanjutkan pembayaran bunga, tingkat efektif bunga secara baik. Penghitungan fuzzy pada periode waktu tertentu menghasilkan ketidaklinieran yang membuat perhitungan semakin kompleks. Menurut Kaufman (1985), sistem fuzzy dapat digunakan untuk menganalisis kelayakan atau untuk menemukan investasi yang baik pada permasalahan yang tidak pasti dan dalam lingkungan yang samar-samar. Dalam hal ini data fuzzy, berupa kelayakan usaha yang bersifat kabur, namun harus terdapat ukuran terhadap suatu kelayakan usaha meliputi : (1) terdapat daftar kelayakan untuk mengevaluasi suatu kelayakan; (2) menetapkan faktor-faktor kompensasi yang akan menentukan harga relatif dari suatu kelayakan; (3) menetapkan level untuk tiap-tiap faktor dalam tiaptiap kelayakan; (4) menetapkan batas bawah untuk jumlah level terendah dan batas atas untuk level tertinggi dan (5) menetapkan batas bawah selisih antar level dalam setiap faktor (Kusumadewi 2002). Variabel dalam penilaian kelayakan fuzzy memperhatikan asumsi-asumsi yang secara umum mempengaruhi sensitivitas kelayakan. Variabel tersebut adalah biaya bahan baku, harga jual produk, tingkat diskonto (discount rate) (Brown 1984). Tingkat diskonto ini tergantung kepada kondisi ekonomi, politik luar negeri dan Kebijakan Bank Indonesia yang akan mempengaruhi besarnya tingkat suku bunga. Besarnya tingkat diskonto dapat rendah (Sangat Optimis), sedang (Pesimis-Optimis) dan tinggi (Sangat Pesimis). Beberapa konsep dasar penetapan fuzzy diterapkan pada format fuzzy sets dan Triangular Fuzzy Number (TFN). TFN adalah tipe khusus fuzzy number yang sangat
28
menyederhanakan operasi perhitungan dan digunakan pada pengembangan model dalam penelitian ini. Model investasi fuzzy
Untuk Kelayakan Usaha Diversifikasi Industri
Berbasis Tebu merupakan suatu model yang dirancang untuk mengatasi kondisi yang tidak pasti dalam analisa finansial, selain itu model ini dapat digunakan untuk menunjang dalam penentuan produk yang layak untuk dikembangkan. Model ini diharapkan dapat menunjang pihak yang terkait dalam proses pengambilan keputusannya. Kerangka pemikiran penelitian dapat dilihat pada Gambar 3.1. M ulai
A nalisa Faktor K elayakan Finansial
K elayakan finansial konvensional
Identifikasi dan K lasifikasi indikator kelayakan
M enentukan V ariabel yang di fuzzikan
Fuzzifikasi V ariabel yang di pilih
Penentuan rentang nilai dan fungsi kenaggotaan (membership function) (TFN)
P engem bangan M odel K elayakan fuzzy
D efuzzikasi hasil perhitungan
tidak
V erifikasi dan V alidasi m odel, sesuai?
ya K riteria K elayakan Industri B ioethanol
S top
Gambar 3.1. Kerangka Pemikiran Model Investasi Fuzzy
29
3.2. Tata Laksana 3.2.1. Jenis dan Sumber Data Jenis data yang digunakan adalah data sekunder. Data sekunder dapat berupa data kualitatif maupun kuantitatif yang diperoleh melalui studi pustaka dan data dari luar perusahaan yang ada hubungannya dengan penelitian yang dilakukan. 3.2.2. Pengumpulan Data Pengumpulan data data sekunder dilakukan dengan studi pustaka dan analisa terhadap data sekunder yang diperoleh dari PT PG Rajawali II unit PG Jatitujuh, hasil penelitian, jurnal dan literatur lainnya. Pengumpulan data primer dilakukan dengan wawancara dengan pakar yang berasal dari praktisi dan akademisi. Cara pengumpulan data secara lengkap disajikan pada Lampiran 1. 3.2.3. Pengembangan dan Implementasi Model dan Analisis Finansial Fuzzy a.
Indikator Kelayakan yang dipilih Pengkajian dan pemilihan indikator kelayakan dilakukan dengan studi pustaka
yang digunakan untuk menentukan kriteria yang digunakan dalam memutuskan apakah proyek yang akan dijalankan layak atau tidak melalui penilaian indikator investasi diantaranya sebagai berikut : - Net Present Value (NPV), yaitu selisih antara nilai sekarang dari nilai penerimaan (benefit) dengan nilai sekarang dari pengeluaran (cost) pada tingkat suku bunga tertentu - Internal Rate of Return (IRR), yaitu suatu tingkat bunga modal yang mengakibatkan nilai sekarang dari aliran uang suatu proyek sama dengan nol. - Net Benefit Cost Rasio (Net B/C) yaitu nilai multak dari perbandingan antara NPV positif terhadap terhadap NPV negatif. Ketiga indikator tersebut di pilih karena ketiga indikator tersebut merupakan indikator yang analisanya didasarkan pada cash flow yang merupakan komponen yang penting dalam analisa finansial. b.
Menentukan Variabel yang Difuzzikan Penentuan variabel kelayakan dilakukan dengan studi pustaka. Variabel dalam
penilaian kelayakan industri bioetanol yang difuzzikan adalah asumsi-asumsi yang
30
secara umum mempengaruhi sensitivitas kelayakan. Variabel tersebut adalah biaya bahan baku, harga jual produk, suku bunga (discount rate). c.
Fuzzifikasi Variabel yang Dipilih Fungsi keanggotaan fuzzy yang digunakan untuk fuzzifikasi variabel adalah
Triangular Fuzzy Number (TFN). Fuzzifikasi dilakukan dengan menetapkan fungsi keanggotaan, menetapkan level untuk tiap-tiap faktor; menetapkan batas bawah untuk jumlah level terendah dan batas atas untuk level tertinggi dan menetapkan batas bawah selisih antar level dalam setiap faktor. d.
Pengembangan Model Perhitungan Fuzzy Pengembangan model dilakukan dengan memanfaatkan progam aplikasi
MATLAB 6.5. e.
Defuzzikasi Hasil Perhitungan Defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang
bernilai tunggal. Terdapat banyak metode defuzzifikasi, namun yang biasa digunakan adalah metode CENTROID dimana nilai tunggal dari variabel output dihitung dengan menemukan nilai variabel dari center of gravity (CoG) suatu fungsi keanggotaan untuk nilai fuzzy. f.
Implementasi Pada tahap implementasi rancangan model diimplementasikan dalam bentuk
program komputer menggunakan Matlab dan Delphi sebagai perangkat lunak untuk user interface. g.
Verifikasi dan Validasi Model Verifikasi model dilakukan dengan menggunakan data aktual untuk mengetahui
apakah model tersebut cukup layak untuk digunakan dan memenuhi kriteria yang telah ditetapkan. Menurut Sargent (1998), jenis bahasa komputer yang digunakan akan mempengaruhi diperolehnya program yang benar. Proses verifikasi dilakukan dengan memasukkan data sekunder yang diperoleh dari industri bioetanol yang berada di PG Jatitujuh, Majalengka. Validasi model adalah proses menguji substansi model, yaitu sejauh mana model komputer yang dibuat dalam lingkup aplikasinya memiliki kisaran akurasi yang memuaskan, konsisten dengan tujuan dari penerapan model. Sesuai dengan
31
yang dikemukakan oleh Sargent (1998), atribut yang digunakan dalam proses validasi sangat dipengaruhi oleh kondisi sistem yang digunakan dalam model tersebut apakah dapat diobeservasi (observable system) atau tidak dapat diobservasi (non observable system). Sistem tersebut dapat diobservasi apabila dimungkinkan untuk mengumpulkan data di dunia nyata tentang perilaku operasional dari sistem yang akan dikaji. Validasi yang dilakukan dalam menilai kesahihan model investasi fuzzy adalah menggunakan teknik Comparison to Other Model yaitu dengan membandingkan berbagai hasil (keluaran) model yang sedang divalidasi dengan hasil model lain yang terbukti valid. 3.3. Tempat dan Waktu Penelitian 3.3.1. Tempat Penelitian Pengambilan data dilakukan di PT PG Rajawali II unit PG Jatitujuh dan pengolahan data di lakukan di Laboratorium Teknik dan Manajemen Industri, Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. 3.3.2.
Waktu Penelitian
Penelitian Model Investasi Fuzzy untuk Analisis Kelayakan Finansial Usaha Diversifikasi Industri Berbasis Tebu dilaksanakan selama 8 (delapan) bulan.
32
IV. ANALISA FAKTOR KELAYAKAN FINANSIAL
4.1. Identifikasi Indikator Kelayakan Finansial Pada umumnya ada enam indikator yang biasa dipertimbangkan untuk dipakai dalam penilaian kelayakan finansial dari suatu investasi yaitu Payback Period (PP), Net Present Value (NPV), Internal Rate of Return (IRR), Benefit Cost/Ratio (B C/R) dan Profitability Indek (PI) serta Break Event Point (BEP). Metode Payback Period (PP) adalah suatu periode yang diperlukan untuk menutup
kembali
pengeluaran
investasi
(Initial
cash
investment)
dengan
menggunakan cash flow dengan kata lain payback period merupakan rasio antara initial cash investment dengan cash inflow-nya yang hasilnya merupakan satuan waktu. Selanjutnya nilai rasio ini dibandingkan dengan maximum payback period yang dapat diterima. Net Present Value (NPV) adalah selisih antara Present Value dari investasi dengan nilai sekarang dari penerimaan-penerimaan kas bersih (cash flow operasional maupun cash flow terminal) dimasa yang akan datang. Untuk menghitung nilai sekarang perlu ditentukan tingkat bunga yang relevan. Metode Internal Rate of Return (IRR) digunakan untuk mencari tingkat bunga yang menyamakan nilai sekarang dari cash flow yang diharapkan dimasa mendatang, atau penerimaan kas dengan mengeluarkan investasi awal. Net B / C adalah kriteria investasi yang didapatkan dengan perbandingan nilai atau jumlah positif cash flow masuk dengan jumlah cash flow keluar pada nilai sekarang. Indikator yang digunakan dalam analisis finansial mengandung variabel yang bersifat tidak pasti.
Ketidakpastian dalam analisis finansial ini bisa akibat
penyederhanaan yang tak terhindari dalam proses pemodelan, pengetahuan yang tidak utuh terhadap fungsionalitas, faktor-faktor di luar kontrol sebagai hasil interaksi antara stakeholder, bias-bias operasional, serta kesalahan-kesalahan kecil lainnya. Karena itu, ketidakpastian indikator di dalam analisa finansial pendirian pabrik terjadi karena kekaburan satu faktor yang saling mempengaruhi. Indikator – indikator yang kabur tersebut mempengaruhi hasil keputusan apakah suatu investasi layak atau
33
tidak untuk dikerjakan. Ketidakpastian indikator kelayakan dipengaruhi oleh variabel-variabel yang tidak pasti antara lain tingkat suku bunga, harga bahan baku dan harga jual. Ketidakpastian variabel tersebut dapat mempengaruhi keputusan apakah suatu investasi tersebut layak atau tidak untuk dilaksanakan. 4.2. Menentukan Variabel yang difuzzikan Terdapat beberapa jenis hubungan antara variabel pada model analisa finansial. Umumnya, hubungan ketergantungan di antara variabel tersebut diabaikan oleh para pemegang keputusan. Pada umumnya analisa finansial lemah di bagian ini. Walau bagaimanapun, hubungan ini memang ada dan mungkin memiliki efek yang signifikan terhadap keputusan. Variabel yang digunakan dalam analisa finansial ada yang bersifat pasti dan tidak pasti. Adapun yang bersifat pasti antara lain jumlah biaya tetap yang meliputi penyusutan bangunan, mesin dan peralatan, serta gaji tenaga kerja langsung, pemeliharaan, biaya overhead, biaya semi variabel serta pajak bumi dan bangunan. Sedangkan variabel yang tidak pasti meliputi cash flow, suku bunga bank, harga bahan baku, harga jual produk. Penjualan merupakan hasil dari kuantitas dan harga. Namun kuantitas dan harga bukanlah variabel bebas (independen): makin tinggi harga, makin rendah permintaan global dan jumlah yang terjual. Jika hubungan ini dipertimbangkan, mengakibatkan jumlah penjualan menurun. Dalam penelitian ini variabel yang difuzzikan adalah tingkat suku bunga, harga bahan baku dan harga jual produk. Pemilihan variabel ini dikarenakan suku bunga, harga bahan baku dan harga jual produk bersifat fluktuatif dan mempunyai kecenderungan tidak pasti. Pemilihan variabel tersebut didasarkan pada studi literatur yang ditelah dilakukan. 4.3. Fuzzifikasi Variabel yang Dipilih 4.3.1 Penentuan fungsi keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya sering juga disebut dengan derajat keanggotaan yang memiliki interval antara 0 dan 1 (Kusumadewi 2002).
34
Pada penelitian ini, representasi bilangan triangular fuzzy number (TFN) dengan tiga parameter digunakan untuk merepresentasikan tiga nilai yang mungkin dari suku bunga, harga bahan baku dan harga jual produk. Sebuah bilangan fuzzy segitiga x dapat diwakili oleh (a1,a2,a3) dimana a1 ≤ a2 ≤ a3. a.
Penetapan fungsi keanggotan suku bunga Tingkat suku bunga (discount rate/required rate of rutern/cost of capital)
merupakan suatu nilai untuk menentukan berapa besarnya tingkat pengembalian suatu investasi. Nilai ini dipengaruhi oleh nilai suku bunga (perbankan, obligasi, SBI dan lainnya), baik suku bunga simpanan maupun pinjaman. Nilai tingkat suku bunga ini tergantung kepada kondisi ekonomi (juga politik dalam negeri) Besarnya tingkat suku bunga ini bisa rendah (kalau kondisi perekonomian baik), sedang (kondisi perekonomian normal) atau tinggi (kalau kondisi dalam negeri tidak stabil). Suku bunga dapat diklasifikasikan dalam rendah, sedang, tinggi. Dimana rendah mempunyai rentang 1% - 17%, sedang 15% - 22% dan tinggi nilai 20% - 50%. Dalam penetapan batas bawah rentang rendah dan batas atas rentang tinggi untuk mengantisipasi apabila terkaji kondisi yang tidak stabil seperti halnya yang pernah terjadi pada Tahun 1998 dimana suku bunga mencapai 49%. Angka-angka tersebut setiap tahun bisa berkorelasi sesuai dengan kondisi nyata di lapangan. Dengan representasi menggunakan TFN segitiga sama kaki diperoleh nilai yang mungkin untuk rendah (1, 1, 17), sedang (15, 18,5, 22) dan tinggi (20, 50, 50). Interval
keanggotaan
suku
bunga
untuk
masing-masing
kategori
menggunakan angka fuzzy dengan TFN disajikan pada Tabel 4.1. Tabel 4.1. Himpunan fuzzy untuk suku bunga dengan TFN Klasifikasi Tinggi Sedang Rendah
FUZZIFIKASI
Representasi Natural Ordinal T 3
S
R
Rentang 50
2
20 22
1
15 17 1
TFN 50 (20;50;50) 50 20 22 (15;18.5;22) 18.5 15 17 (1;1;17) 1 1
Keterangan : T = Tinggi, S = Sedang, R = Rendah
dengan
35
Secara grafis TFN untuk suku bunga disajikan pada Gambar 4.1
Gambar 4.1. TFN suku bunga b.
Penetapan fungsi keanggotan harga bahan baku Dalam penelitian ini bahan baku yang dipakai adalah molase. Berdasarkan data
yang diperoleh menunjukkan harga molases dari tahun 2003 sampai tahun 2006 cenderung sama yaitu Rp 600/kg seperti yang disajikan pada Tabel 4.2. Tabel 4.2. Harga molases dalam 4 tahun terakhir. Tahun
Harga (Rp/Kg)
2003
Produksi Molases (ton) 57.496,0
2004
66.994,1
600
2005
76.500,2
600
2006
75.362,1
600
600
Sumber : PG. Rajawali II (2007) Berdasarkan tabel diatas harga molases mempunyai pola data yang stasioner atau konstan, sehingga dapat diperkiraan harga molase tahun berikutnya sama dengan harga tahun sebelumnya. Namun demikian harga sangat dipengaruhi oleh adanya inflasi. Dengan mempertimbangkan adanya inflasi, maka inflasi diasumsikan sebesar 20 persen. Hasil perkiraan harga molases tersebut dijadikan sebagai dasar dalam penetapan rentang nilai harga bahan baku. Rentang nilai yang digunakan adalah rendah, sedang, tinggi. Dimana rendah mempunyai rentang nilai 350-750, sedang 600-1200 dan tinggi 1000-1500. Dengan representasi menggunakan TFN segitiga
36
sama kaki diperoleh nilai yang mungkin untuk rendah (350; 350; 750), sedang (600; 900; 1200) dan tinggi (1000; 1500; 1500). Interval keanggotaan harga bahan baku untuk masing-masing kategori dengan menggunakan angka fuzzy dengan TFN disajikan pada Tabel 4.3. Tabel 4.3. Himpunan fuzzy untuk harga bahan baku dengan TFN Klasifikasi Tinggi Sedang Rendah
FUZZIFIKASI
Representasi Natural Interval T 3
S
R
Rentang
TFN
1500
1500 (1000,1500,1500) 1500 1000 1200 (600,900,1200) 900 600 750 (350,350,750) 330 350
2
1000 1200
1
600 750 350
Keterangan : T = Tinggi, S = Sedang, R = Rendah Secara grafis TFN untuk harga bahan baku disajikan pada Gambar 4.2
Gambar 4.2. TFN harga bahan baku c. Penetapan fungsi keanggotan harga jual produk Harga jual produk ditentukan oleh penjumlahan dari biaya variabel ditambah dengan biaya non variabel dibagi dengan jumlah produksi kemudian ditambah dengan profit yang diinginkan. Harga jual bioetanol untuk biofuel selama beberapa tahun disajikan pada Tabel 4.4.
37
Tabel 4.4. Harga bioetanol dalam 4 tahun terakhir Tahun
Harga (Rp/Liter)
2003
4800
2004
5000
2005
5500
2006
5500
Sumber : PG. Rajawali II (2007) Dari data tersebut diolah dengan time series dengan menggunakan metode single moving average, harga bahan bahan baku tahun berikutnya dapat diperkirakan dengan persamaan Yt = 4370 + 270t. Gambar hasil olahan data disajikan pada Gambar 4.3. Dengan demikian harga jual untuk tahun depan dapat diperkiraan naik atau lebih tinggi dari tahun sebelumnya. Hasil olahan data tersebut dijadikan dasar dalam penetapan rentang untuk harga jual produk.
Namun demikian harga sangat
dipengaruhi oleh adanya inflasi. Dengan mempertimbangkan adanya inflasi, maka inflasi diasumsikan sebesar 20 persen.
Gambar 4.3. Trend analisis harga jual
Dalam penetapan harga jual produk rentang yang digunakan adalah rendah, sedang, tinggi, dan mempunyai nilai ordinal 1, 2 dan 3. Dimana rendah mempunyai rentang nilai 2500-5500, sedang 4500-8500 dan tinggi 7500-10000.
Dengan
representasi menggunakan TFN segitiga sama kaki diperoleh nilai yang mungkin
38
untuk rendah adalah 2500; 2500; 5500, sedang 4500; 6500; 8500 dan tinggi 7500; 10000; 10000. Interval keanggotaan harga jual untuk masing-masing kategori dengan menggunakan angka fuzzy dengan TFN disajikan pada Tabel 4.5. Tabel 4.5. Himpunan fuzzy untuk harga jual produk dengan TFN Klasifikasi Tinggi Sedang Rendah
FUZZIFIKASI
Representasi Natural Ordinal T 3
S
R
Rentang
TFN
10000
10000 (7500,10000,10000) 10000 7500 8500 (4500,6500,8500) 6500 4500 5500 (2500,2500,5500) 2500 2500
2
7500 8500
1
4500 5500 2500
Keterangan : T = Tinggi, S = Sedang, R = Rendah Secara grafis TFN untuk harga jual produk disajikan pada Gambar 4.4.
Gambar 4.4. TFN harga jual produk
39
V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY
5.1. Pengembangan Model Pemodelan fuzzy telah terbukti sebagai teknik yang sangat berguna ketika penalaran dalam kondisi ketidakpastian atau dengan informasi yang tidak pasti sering dijumpai dalam kasus investasi pendirian industri bioetanol. Pendekatan ini memberikan suatu sistem pemodelan standar dalam istilah parameter-parameternya. Model investasi fuzzy digunakan untuk mengukur kelayakan dari industri bioetanol. Kelayakan diukur berdasarkan parameter NPV, IRR, B/C Ratio. Data yang diperlukan untuk menganalisa kelayakan finansial adalah input data asumsi persentase produksi tahun pertama, persentase produksi tahun kedua, persentase produksi tahun ketiga sampai kesepuluh. Kemudian asumsi lain, yaitu : persentase produk terjual, umur proyek, angsuran pinjaman, debt, equity, biaya pajak, biaya asuransi, persentase biaya penyusutan, biaya investasi, biaya tetap, biaya variabel dan persentase biaya pemeliharaan. Suku bunga, harga produk, harga bahan baku diinputkan langsung karena menggunakan selang fuzzy. Selain asumsi yang disebutkan diatas penyusunan model investasi fuzzy juga menggunakan beberapa asumsi untuk mendukung perhitungan analisa kelayakan. Asumsi tersebut merupakan hal-hal yang berkaitan dengan analisa kelayakan secara keseluruhan. Asumsi yang dipakai dalam penyusunan model antara lain : 1. Sumber pembiayaan investasi terdiri dari modal sendiri dan peminjaman bank dengan rasio 40:60. 2. Produksi bioetanol sebanyak 100 liter/hari dengan hari kerja 224 hari/tahun. Model yang dikembangkan meliputi Net Present Value Fuzzy, Internal Rate Return Fuzzy dan B/C Ratio Fuzzy. Diagram alir Model investasi fuzzy disajikan pada Gambar 5.1.
40
Mulai
Identifikasi variabel kelayakan
tidak Fuzzy?
ya Harga bahan baku, harga jual, suku bunga
Pengolahan dengan metode konvensional
Cash Flow Tidak Layak/Layak
Penentuan Kelayakan Fuzzy (NPV, IRR, B/C Ratio)
Stop
Defuzzifikasi
tidak Verifikasi dan Validasi. Sesuai?
ya Tidak Layak/Cukup Layak/Layak/Sangat Layak
Stop
Gambar 5.1. Diagram alir Model investasi fuzzy 5.1.1. Net Present Value Fuzzy Dalam metode NPV (metode nilai sekarang, discounted present value method) diperoleh present value seluruh penerimaan bersih yang akan datang dipotong biaya modal yang sesuai bagi perusahaan (r0), dikurangi biaya awal. Dengan pendekatan konvensional NPV di rumuskan sebagai berikut :
41
n
NPV =
∑ t =1
Be − Ct − I0 (1 + i ) t
Dimana : Bt = benefit bruto pada tahun ke-t Ct
= biaya bruto sehubungan dengan investasi pada tahun ke-t
i
= tingkat suku bunga (%)
t
= periode investasi (t=0,1,2,3....,n)
Benefit bruto diperoleh dari jumlah produksi dikalikan dengan harga jual produk, sedangkan biaya bruto merupakan hasil penjumlahan dari biaya variabel ditambah dengan biaya non variabel. Biaya non variabel meliputi biaya penyusutan, biaya tenaga kerja tidak langsung, biaya pemeliharaan, asuransi dan overhead. Biaya variabel meliputi biaya tenaga kerja langsung, biaya bahan baku, biaya pemasaran dan biaya transportasi. Harga bahan baku dan harga jual produk merupakan variabel yang bersifat fluktuatif dan sangat mempengaruhi aliran cash flow pada tiap tahun. NPV dari cash flow didefinisikan sebagai jumlah dari alur cash flow dari tahun ke nol dengan tingkat suku bunga i, Oleh karena itu NPV sebuah cash flow (F) dirumuskan sebagai berikut: .................................................... (8)
Dimana : Ft
= cash flow
r
= suku bunga
t
= periode investasi (t=0,1,2,3....,n) Chiu dan Park (1994) menyatakan bahwa ketika sebuah cash flow
dipengaruhi oleh tingkat suku bunga (r), dengan menggunakan investasi fuzzy dan cash flow fuzzy maka NPV fuzzy bisa dihitung apabila terdapat parameter dari operasi fuzzy. Formulasi global NPV sebuah fuzzy cash flow yang hanya ada dalam cash flow periodik dan discount rate diperlakukan sebagai bilangan fuzzy oleh Chiu dan Park (1994) sebagai berikut:
42
n
PV = ∑ t =0
Ft
∏
t x =0
.................................................... (9)
(1 + rx )
dimana Ft adalah positif (manfaat) dan negatif (biaya) akhir periode cash flow TFN pada waktu t, rx adalah non-negatif dicount rate pada waktu x, dan n adalah bilangan pembatas periode evaluasi. Dalam pendirian industri berbasis tebu sebagaimana umur investasi dari suatu proyek pendirian industri pada umumnya, periode evaluasi juga memiliki ketidakpastian, untuk itu dalam menentukan periode evaluasi juga menggunakan bilangan fuzzy. Present value (PV) dengan bilangan fuzzy periode evaluasi dengan batas tertentu dapat direpresentasikan dengan TFN sebagai berikut : ni
PVi = ∑ t =0
Ft
∏
t x =0
(1 + rx )
.................................................... (10)
dimana i melambangkan tiga parameter sebuah periode yang dibatasi oleh TFN. Tiap hasil PV adalah sebuah TFN dengan tiga nilai. Jadi, PV fuzzy dapat ditulis:
PV1 = (a1, b1, c1) PV2 = (a 2, b2, c2)
.................................................... (11)
PV3 = (a3, b3, c3) Dalam kasus fuzzy, terdapat pemilahan antara cash flow yang bernilai negatif dan cash flow positif. Penjumlahan dari NPV (+) dan NPV (-) menghasilkan NPV fuzzy. Pendekatan dari dua kasus tersebut digabungkan menjadi nilai/rumusan tunggal pernah disampaikan oleh Chiu dan Park (1994), sehingga NPV fuzzy dapat dirumuskan sebagai berikut:
⎤ ⎡ min{ f t 0 ,0} ⎞⎟ ⎥ ⎢ ni ⎛⎜ max{ f t 0 ,0} , + ⎢∑ ⎜ t t ⎟⎥ t =0 C r r ( 1 ) ( 1 ) + + ∏ x =0 x 0 ⎠ ⎥ x2 ⎢ ⎝ x =0 ⎥ ⎢ ni f t1 ⎥ ............................... (12) PV i = ⎢ ∑ , t ⎥ ⎢ t =0 r ( 1 ) + x1 ⎥ ⎢ ∏ x =0 ⎢ ni ⎛ ⎞⎥ ⎢ ⎜ max{ f t 2 ,0} + min{ f t 2 ,0} ⎟ ⎥ t t ⎜ ⎢∑ t =0 C ( 1 r ) (1 + rx 2 ) ⎟⎠ ⎥ + ∏ x 0 x =0 x=0 ⎦ ⎣ ⎝
43
5.1.2. Internal Rate of Return (IRR) Fuzzy IRR merupakan salah satu alat yang paling sering digunakan dalam melakukan analisis finansial. IRR dari sebuah investasi yang didefinisikan sebagai tingkat suku bunga yang membuat cash flow NPV bernilai nol. Dalam pendekatan konvensional IRR di rumuskan sebagai berikut Kadariah et al. (1978) :
IRR = i1 +
NPV1 × (i1 − i2 ) NPV1 + NPV2
............................................. (13)
dimana : i1
= tingkat suku bunga yang menghasilkan NPV positif
i2
= tingkat suku bunga yang menghasilkan NPV negatif
NPV1 = NPV yang bernilai positif NPV2 = NPV yang bernilai negatif Seperti NPV, IRR juga bersifat tidak pasti karena dipengaruhi oleh tingkat suku bunga. IRR menunjukkan seberapa besar tingkat (rate) pengembalian suatu investasi. Dalam penelitian ini IRR dihitung dengan menggunakan rumus : n
Ft - I0 = 0 (1 + IRR ) t
∑ t =1
............................................. (14)
Dengan: IRR
= internal rate of return
Suatu investasi disebut layak, jika IRR > r IRR dihitung berdasarkan cash flow. Sebagai contoh cash flow dengan representasi TFN di sajikan sebagai berikut : Tabel 5.1. Cash flow dengan reprensentasi TFN (Rp milyar) Periode 0 1 2 3 4 5
Rendah (136.8) 15.4 20.8 32.7 35.3 37.0
Sedang (126.8) 19.4 28.8 35.7 37.3 39.0
Tinggi (106.8) 25.7 33.8 37.7 39.3 50.0
44
Dari cash flow yang diklasifikasi dalam representasi TFN, maka didapat tiga (3) nilai IRR yaitu rendah, sedang dan tinggi. Untuk memperoleh nilai crips dilakukan defuzzifikasi dengan menggunakan centroid. 5.1.3. Benefit/Cost Ratio Fuzzy (B/C R) Penentuan B/C rasio dapat digambarkan sebagai perbandingan nilai keuntungan (benefit) terhadap nilai biaya (cost). Nilai equivalen dapat disesuaikan untuk nilai sekarang, nilai tahunan atau nilai mendatang. B/C R diformulasikan sebagai : ........................................................................ (16) B/C R = B/C Dimana B adalah nilai equivalen keuntungan project dan C adalah net cost project. Analisis B/C rasio merupakan indikator untuk mengevaluasi keuntungan ekonomis suatu project. Dalam analisis B/C, biaya tidak ditunjukkan oleh tanda negatif. Tujuan memaksimumkan B/C rasio adalah untuk memilih alternatif dengan NPV terbesar atau dengan nilai tahunan bersih terbesar, karena B/C rasio diperoleh dari persamaan dengan melakukan analisis keuntungan dan net cost project (Kahraman 2001). Analisis B/C rasio dapat didasarkan pada cash flow tahunan dan teknik ini lebih dapat dimengerti oleh para pengambil keputusan untuk menganalisis pengembalian (Kahraman 2001). Analisis B/C dapat digunakan untuk menganalisa teknik lain seperti analisis present value (PV), future value (FV) dan rate of return (ROR). Dalam penelitian ini metode perhitungan B/C rasio menggunakan metode yang dikembangkan
oleh
Kahraman
(2001).
Model
tersebut
merupakan
hasil
pengembangan dari metode sebelumnya yaitu : n ⎛ n l ⎜ ∑ Bt (1 + r r ) −t ∑ Btr (1 + r l ) −t , t =n0 B / C = ⎜ t =n0 ⎜ r l −t l r −t ⎜ ∑ Ct (1 + r ) ∑ C t (1 + r ) t =0 ⎝ t =0
⎞ ⎟ ⎟ p1 ⎟ ⎟ ⎠
.................. (17)
Dimana r adalah tingkat bunga fuzzy (fuzzy interest rate) dan n adalah jangka waktu penggunaan. Model analisis rasio B/C fuzzy tersebut telah diterapkan pada teknologi manufaktur.
45
VI. IMPLEMENTASI MODEL
Pengembangan model investasi fuzzy memerlukan perangkat keras dan mendukung perangkat lunak yang digunakan sehingga sistem ini dapat berjalan sesuai dengan fungsinya. Perangkat keras yang digunakan harus disesuaikan dengan perangkat lunak yang dipergunakan sehingga terjadi sinkronisasi antara perangkat keras dan perangkat lunak. Pengembangan model investasi fuzzy dilakukan dengan menterjemahkan representasi pengetahuan menjadi bahasa perintah yang dapat dipahami komputer. Dalam pengembangan model investasi fuzzy, pengemasan akhir dilakukan dengan Delphi 7, sedangkan pengolahan atau interensinya dilakukan dengan MATLAB 6.5. Spesifikasi perangkat keras yang digunakan : a. Prosessor Intel Pentium III atau lebih tinggi b. RAM 512 MB atau lebih tinggi c. Hard Disk Drive 80 GB atau lebih tinggi d. CD Room 8x atau lebih tinggi e. VGA Card 16 MB atau lebih tinggi f. Monitor support for 800 x 600 screen resolution Spesifikasi perangkat lunak yang digunakan : a. OS windows XP b. Matlab versi 6.5 c. Delphi versi 7 Model investasi fuzzy diimplementasikan pada industri bioetanol yang berada di PG Jatitujuh. Pemilihan industri bioetanol ini didasarkan pada penelitian Lutfi (2007) yang berjudul “Sistem Penunjang Keputusan Diversifikasi Produk Industri Gula Tebu” diperoleh produk derivat tebu yang terpilih adalah produk bioetanol. Data hasil pemilihan produk derifat tebu disajikan pada Lampiran 2. 6.1. Desain Input Desain input sistem dirancang ke dalam sebuah interface yang mudah dipahami oleh user. Desain user interface difokuskan pada interaksi antara pengguna dengan sistem. Desain tampilan awal disajikan pada Gambar 6.1.
46
Gambar 6.1. Desain tampilan awal model investasi fuzzy Interface input berupa suatu window yang dibagi menjadi 3 bagian. Bagian pertama untuk memasukkan data identitas pengguna dan kata kunci disajikan pada Gambar 6.2.
Gambar 6.2. Tampilan input nama pengguna
Form selanjutnya adalah menu utama model investasi fuzzy didesain untuk memudahkan user dalam mengoperasikan model. Menu utama terdiri dari File, Edit, Data, yang berisi asumsi-asumsi dan Model yang berisi model yang dibuat. Desain menu utama disajikan pada Gambar 6.3 dan petunjuk instalasi sistem disajikan pada Lampiran 3.
47
Gambar 6.3. Desain menu utama model investasi fuzzy Selanjutkan form untuk menginputkan suku bunga, harga jual dan harga bahan baku yang terdiri dari tiga inputan yaitu nilai rendah, sedang dan tinggi. Pengguna dapat memasukkan tiga nilai yang mungkin untuk suku bunga, harga produk, harga bahan baku. Form untuk menginputkan harga bahan baku, harga jual dan suku bunga disajikan dalam Gambar 6.4 dan Gambar 6.5 . Nilai-nilai
tersebut
kemudian
menghasilkan
cash
flow
diklasifikasikan dalam rentang rendah, sedang dan tinggi.
Gambar 6.4. Form input data harga bahan baku
fuzzy
yang
48
Gambar 6.5. Form input data harga jual 6.2. Desain ouput Pada interface output menampilkan hasil analisis finansial industri bioetanol yang meliputi NPV, IRR dan B/C ratio. Hasil analisis finansial diklasifikasikan dalam 4 kriteria yaitu tidak layak, cukup layak, layak dan sangat layak. Dimana masing-masing kriteria mempunyai rentang sebagai berikut : Tabel 6.1. Kriteria kelayakan model investasi fuzzy Kriteria Indikator NPV
Tidak Layak <0
Cukup Layak
Layak
0 < NPV ≤ 10% * Investasi
8% * investasi < NPV ≤ 17% * investasi 4% + r < IRR ≤ 15% + r 1,25 < B/C ≤ 1,75
IRR
r ≤ IRR ≤ 6% + r
B/C Ratio
<1
1 < B/C ≤ 1,3
Sangat Layak NPV > 15 % * investasi IRR ≥ r + 12% B/C > 1,6
Rentang nilai dalam kriteria kelayakan merupakan parameter model yang nilainya tergantung dari jenis industri, lokasi dan waktu analisis dilakukan. Jika terjadi perbedaan output kelayakan, misalkan nilai IRR menunjukkan sangat layak, B/C ratio menunjukkan cukup layak dan NPV menunjukkan layak maka untuk menentukan kriteria kelayakannya menggunakan metode bayes. Dalam metode bayes, kriteria diberi bobot yang jika dijumlahkan sama dengan 1. NPV, IRR dan B/C Ratio merupakan indikator yang digunakan dalam metode bayes, yang masing-masing memiliki bobot 0,4 untuk NPV, 0,3 untuk IRR dan 0,3
49
untuk B/C Ratio. Kriteria kelayakan yang terdiri dari cukup layak, layak dan sangat layak dikonversi menjadi nilai skala 1 sampai 3. Skala kelayakan yang digunakan adalah 1 untuk cukup layak, 2 untuk layak dan 3 untuk sangat layak. Jika hasil kelayakan menunjukkan nilai IRR sangat layak, B/C ratio menunjukkan cukup layak dan NPV menunjukkan layak, maka hasil kelayakan yang diolah dengan menggunakan bayes adalah sebagai berikut : = 0,3(3) + 0,3( 1) + 0,4(2) = 0,9 + 0,3 + 0,8 =2 Maka kriteria untuk kelayakan diatas masuk ke dalam kriteria layak, karena hasil pengolahan dengan metode bayes menghasilkan 2 yang menunjukkan kriteria layak. Apabila model ini akan digunakan untuk menganalisa industri lain yang perlu diperhatikan adalah penentuan asumsi yang digunakan serta penentuan rentang nilai, baik itu rentang untuk harga bahan baku, harga jual dan suku bunga harus disesuaikan dengan harga yang berlaku di industri yang bersangkutan.
50
VII. VERIFIKASI DAN VALIDASI
7.1. Verifikasi Verifikasi model investasi fuzzy dilakukan untuk memastikan bahwa pemrograman komputer dan implementasi model sudah benar. Untuk membantu memastikan bahwa program komputer yang benar sudah terpenuhi, prosedur disain dan pembuatan program di bidang teknik software harus digunakan dalam pengembangan dan implementasi program komputer (Sargent 1998).
Verifikasi
model investasi fuzzy dilakukan dengan menggunakan parameter berpengaruh tinggi yaitu harga bahan baku, harga jual dan tingkat suku bunga. Lutfi (2007) telah melakukan penelitian untuk pemilihan produk derifat tebu yang terpilih untuk dikembangkan adalah produk bioetanol/biofuel. Produk bioetanol/biofuel didukung oleh kebijakan pemerintah, dengan disahkannya Peraturan Presiden Nomor 5 Tahun 2006 tentang Kebijakan Energi Nasional dan Instruksi Presiden Republik Indonesia nomor 1 tahun 2006 tentang penyediaan dan pemanfaatan bahan bakar nabati (biofuel) sebagai bahan bakar lain. Dukungan internasional mengenai pengurangan gas emisi karbon (CO2) dengan penggunaan bahan bakar nabati (biofuel) dan adanya pengesahan Protokol Kyoto tanggal 16 Februari 2005. Pengembangan produk bioetanol/biofuel sudah lama dilakukan, dengan bahan baku berbagai jenis tanaman. Kesuksesan Negara Brazil pada produk biofuel merupakan bukti peluang baik untuk mengembangkan produk ini. Penggunaan tebu sebagai biofuel lebih ramah lingkungan dibandingkan tanaman lain. Untuk emisi karbon pembuatan bioetanol/biofuel, tebu memiliki tingkat emisi karbon yang lebih sedikit dibandingkan tanaman lainnya seperti terlihat pada Tabel 7.1.
51
Tabel 7.1. Emisi karbon dari produksi bioetanol No
Tanaman
Emisi Karbon
1
Sweet sorghum
1,1024 t carbon/ha
2
Jagung
135,18 t carbon/ha
3
Bit gula
1,335 t carbon/ha
4
Gandum
1,96 t carbon/ha
5
Tebu (perhitungan Macedo)
0,377 t carbon/ha
6
Tebu
0,422 t carbon/ha
Sumber : Santos (2000) 7.1.1.Input Model Kelayakan Fuzzy
Input Model Kelayakan Fuzzy berasal dari data biaya yang dibutuhkan untuk pembangunan industri Bioetanol/Biofuel yang terdiri dari biaya investasi, biaya operasional yang terdiri dari biaya tetap dan biaya variabel. Biaya investasi yang diperlukan untuk mendirikan industri Bioetanol/Biofuel adalah sebesar Rp 126,8 milyar. Biaya operasional yang dibutuhkan adalah Rp 55,4 milyar per tahun yang terdiri dari biaya tetap sebesar Rp 6,2 milyar per tahun dan biaya variabel sebesar Rp 49,1 milyar per tahun. Biaya investasi terdiri dari modal kerja dan biaya tetap yaitu : pra investasi, bangunan, fasilitas penunjang, mesin dan peralatan, alat kantor, bunga selama konstruksi, produksi percobaan dan kontingensi. Kegiatan produksi percobaan masuk dalam biaya tetap karena termasuk dalam pengeluaran disebabkan produk yang dihasilkan belum memenuhi standar sehingga belum dapat dipasarkan. Suatu prakiraan biaya tidak mungkin sepenuhnya tepat, karena itu dalam suatu proyek biasanya terdapat suatu kontingensi yang disiapkan untuk menutupi kekurangan yang mungkin terjadi (Soeharto 1995). Kontingensi ditetapkan sebanyak 10 persen dari biaya investasi. Dana modal kerja adalah pengeluaran yang digunakan untuk membiayai keperluan operasi dan produksi pada waktu pertama kali dijalankan (Soeharto 1995). Modal kerja diasumsikan untuk kebutuhan produksi selama 4 bulan hingga barang dapat dipasarkan. Biaya investasi ini disajikan pada Tabel 7.2.
52
Tabel 7.2. Biaya investasi No Deskripsi 1 Pra investasi 2 Bangunan 3 Mesin dan peralatan 4 Fasilitas Penunjang 5 Alat kantor 6 Bunga selama konstruksi 7 Produksi percobaan 8 Kontingensi 9 Modal kerja Total
Biaya (Rp juta) 4.575 6.495 60.356 19.315,9 25,8 3.777,2 2.309,2 11.532,8 18.473,8 126.860,8
Biaya tetap terdiri dari biaya penyusutan bangunan, mesin dan peralatan, gaji tenaga kerja tak langsung, pemeliharaan, asuransi, overhead dan PBB (Pajak Bumi dan Bangunan). Biaya variabel terdiri dari biaya bahan baku, bahan pembantu, air, listrik, biaya pemasaran, biaya transportasi dan gaji tenaga kerja langsung. Biaya operasional ini disajikan pada Tabel 7.3. Tabel 7.3. Biaya operasional tahunan Komponen Biaya Biaya Tetap Penyusutan Bangunan Mesin Peralatan Gaji Tenaga Kerja Tak Langsung Pemeliharaan Asuransi Biaya Overhead Pajak Bumi dan Bangunan(2,5%) Subtotal Biaya variabel Air Gaji Tenaga Kerja Langsung Biaya Listrik Urea+ ammonium sulphate Asam Sulphur Biaya pemasaran Biaya Transportasi Subtotal Total
Harga (Rp juta) 216,5 1.762,5 1.673,6 666 861,9 861,9 25,5 162,3 6.230,4 29 372 847,5 693,5 1.806,3 90 328,5 49.191 55.421,4
Nilai asumsi yang lain yang menjadi masukan dalam model analisa kelayakan finansial disajikan pada Tabel 7.4. Harga jual merupakan inputan yang terdiri dari tiga nilai (rendah, sedang, tinggi). Masukan ini dapat diubah sesuai keinginan
53
pengguna. Dari segi biaya operasional dan biaya investasi juga dapat diubah sesuai keinginan pengguna. Umur proyek pengembangan Industri Bioetanol/Biofuel diasumsikan berumur 10 tahun, lama pengembalian pinjaman bank 5 tahun. Tabel 7.4. Nilai asumsi yang digunakan dalam analisa kelayakan finansial industri Bioetanol/Biofuel No. Asumsi 1. Persentase produksi tahun ke-1 2. Persentase produksi tahun ke-2 Persentase produksi tahun ke-3 3. sampai tahun ke-10 4. Persentase produk terjual 5. Biaya Pajak Bumi dan Bangunan 6. Persentase penyusutan 7. Persentase pemeliharaan 8. Biaya asuransi 9. Suku bunga deposito
Nilai Asumsi 75 % 90 % 100 % 100 % 2.5 % 20 % 1% 1% 15 %
7.1.2.Perhitungan model finansial fuzzy
a. NPV Fuzzy Perhitungan dalam model kelayakan finansial didasarkan pada cash flow yang merupakan hasil pengurangan dari total kas masuk dan total kas keluar. Selanjutnya cash flow tersebut difuzzifikasi dengan menggunakan fungsi keanggotaan Triangular Fuzzy Number (TFN). Fuzzifikasi cash flow dilakukan dengan menggunakan rentang rendah, sedang, tinggi. Cash flow hasil fuzzifikasi disajikan pada Tabel 7.5, sedangkan suku bunga yang dipakai untuk perhitungan NPV diklasifikasikan dalam rentang rendah, sedang dan tinggi, masing-masing disajikan pada Tabel 7.6. Tabel 7.5. Cash Flow hasil fuzzifikasi (Rp milyar) Periode 0 1 2 3 4 5 6 7 8 9 10
Rendah -136,8 15,4 20,9 32,7 35,4 37,1 48,1 48,1 48,1 48,1 48,1
Sedang -126,7 19,5 28,9 35,7 37,7 39,1 51,1 51,1 51,1 51,1 51,1
Tinggi -106,7 25,5 33,9 37,7 39,4 42,1 55,1 55,1 55,1 55,1 55,1
54
Tabel 7.6. Suku Bunga dengan rentang rendah, sedang dan tinggi Periode 1 2 3 4 5 6 7 8 9 10
Rendah 0,10 0,10 0,12 0,11 0,13 0,11 0,13 0,12 0,14 0,12
Sedang 0,15 0,16 0,17 0,18 0,17 0,19 0,18 0,16 0,17 0,16
Tinggi 0,21 0,22 0,21 0,21 0,22 0,21 0,22 0,21 0,20 0,21
Dari data diatas maka NPV fuzzy dapat dihitung dengan menggunakan rumus : ⎡ ⎢ ni ⎢∑ ⎢ t=0 ⎢ ni PV i = ⎢ ∑ ⎢ t=0 ⎢ ⎢ ni ⎢ ⎢∑ t=0 ⎣
⎤ min{ f t 0 , 0} ⎞⎟ ⎥ ,⎥ t ∏ x = 0 (1 + r x 0 ) ⎟⎠ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎛ max{ f , 0} ⎞ min{ f t 2 , 0} ⎟ ⎥ ⎜ t2 + t t ⎜ + ( 1 r ) ∏ x = 0 (1 + r x 2 ) ⎟⎠ ⎥⎦ x0 ⎝ C x=0 ⎛ max{ f , 0} ⎜ t0 + t ⎜ + r ( 1 ) C x 2 x=0 ⎝ f t1 , t + ( 1 r ) ∏ x=0 x1
Hasil PV diklasifikasikan dalam :
PV1 = (a1, b1, c1) PV2 = (a 2, b2, c2) PV3 = (a3, b3, c3) Dimana PVi = (ai,bi,ci) dengan i = 1,2, 3 Dengan cash flow dan suku bunga diatas, maka diperoleh nilai untuk n = 1 a1 = -75,3 milyar b1 = -45,1 milyar c1 = -1,7 milyar untuk n = 2 a2 = b2 = c2 =
-33,8 milyar 9,8 milyar 78,0 milyar
untuk dan n= 3 a3 = b3 = c3 =
-8,0 milyar 47,5 milyar 139,4 milyar
55
Selanjutnya nilai n1 didefuzzifikasi dengan menggunakan metode centroid menghasilkan
-40,7 milyar, n2 = 17,6 milyar dan n3 =
58,9 milyar. Untuk
mendapatkan nilai crips maka nilai n1, n2 dan n3 didefuzzifikasi dengan metode centriod menghasilkan 18,9 milyar. Dengan demikian nilai NPV fuzzy yang dihasilkan adalah Rp 18,9 milyar. Nilai tersebut menunjukkan hasil bersih yang akan diterima selama masa proyek (10 tahun) yang diukur dengan nilai sekarang. Nilai NPV menunjukkan (>8% - ≤ 17%) * investasi (Rp 126 milyar) maka industri bioetanol layak untuk didirikan. b. B/C Ratio Fuzzy Kriteria investasi lain adalah B/C Ratio. Kriteria ini membandingkan antara manfaat yang diperoleh dari proyek terhadap biaya dari proyek. Dalam hal ini, merupakan selisih antara nilai pendapatan sekarang dengan biaya pada nilai sekarang. Dalam penelitian ini perhitungan B/C Ratio fuzzy menggunakan model yang telah dikembangkan oleh Kahraman 2001. Metode tersebut telah diterapkan pada industri manufaktur. B/C ratio dihitung berdasarkan nilai present value di bagi dengan biaya. Nilai present value diperoleh dari kas bersih dikalikan dengan suku bunga. Suku bunga merupakan nilai inputan yang terdiri dari tiga nilai (rendah, sedang, tinggi). Sebagai contoh suku bunga yang diinputkan seperti yang disajikan pada Tabel 7.6 sehingga didapatkan nilai present value sebagai berikut : Tabel 7.7. Present value dengan rentang rendah, sedang dan tinggi (dalam milyar) Periode 0 1 2 3 4 5 6 7 8 9 10
Present Value (PV) Rendah Sedang Tinggi -136,9 -126,9 -106,9 12,8 16,9 23,1 14,1 21,6 28,1 18,3 22,9 27,8 16,3 20,3 26,1 14,1 18,1 24,7 15,1 20,1 29,2 12,3 16,9 25,9 10,2 14,5 23,1 8,5 12,4 20,2 7,1 10,7 18,1
56
Dari nilai present value tersebut kemudian dihitung nilai B/C Ratio dengan menggunakan persamaan 15 dan menghasilkan nilai B/C Ratio tinggi 1,78 sedang 1,37 dan rendah 1,21. Selanjutnya untuk memperoleh nilai tunggal dilakukan defuzzifikasi dengan menggunakan metode centroid menghasilkan 1,46. Jadi B/C Ratio yang diolah dengan metode fuzzy untuk proyek pendirian industri bioetanol sebesar 1,46. Kriteria ini menunjukkan proyek layak untuk dijalankan karena nilainya termasuk ke dalam rentang nilai (> 1,25 - ≥ 1,75). c. IRR Fuzzy Internal rate of return (IRR) adalah arus pengembalian yang menghasilkan NPV cash flow masuk = NPV cash flow keluar. Suatu proyek layak untuk direalisasikan apabila nilai IRR lebih besar dari arus pengembalian yang diinginkan, biasanya didasarkan pada tingkat suku bunga bank. IRR fuzzy dihitung dari arus kas bersih. Arus kas bersih diklasifikasikan dalam range rendah, sedang dan tinggi seperti yang disajikan dalam Tabel 7.5. Dari arus kas tersebut dihitung nilai IRR dengan persamaan 14. Hasil perhitungan didapatkan nilai IRR rendah = 19,8 persen sedang 24,6 persen dan tinggi 33,0 persen. Langkah selanjutnya untuk memperoleh nilai tunggal dilakukan defuzzifikasi dengan metode centroid menghasilkan 25,8 persen. Dengan demikian IRR yang diperoleh dengan pendekatan fuzzy adalah 25,8 persen. Berdasarkan kriteria kelayakan yang disajikan pada Tabel 6.1, maka nilai tersebut menunjukkan bahwa proyek layak untuk dijalankan karena memiliki nilai lebih besar dari asumsi suku bunga bank. 7.2. Analisa Sensitivitas Kelayakan finansial dibuat berdasarkan sejumlah asumsi yang menyebabkan banyak faktor ketidakpastian mengenai kondisi dan situasi di masa depan. Perubahan asumsi akan menyebabkan perubahan kelayakan suatu proyek, karena itu perlu dilakukan analisis sensitivitas terhadap asumsi – asumsi yang digunakan. Analisis sensitivitas dilakukan untuk mengetahui sejauh mana unsur-unsur dalam aspek finansial ekonomi berpengaruh terhadap keputusan yang dipilih. Analisis sensitivitas dalam penelitian ini, dilakukan terhadap dua parameter, yaitu kenaikan harga bahan baku dan penurunan harga jual. Tabel 7.8 menyajikan hasil analisis sensitivitas.
57
Tabel 7.8. Analisis sensitivitas terhadap harga bahan baku dan harga jual Perubahan
Kriteria Investasi NPV (Rp)
Harga bahan baku naik 15% Harga jual turun 5%
217.228.952
IRR (%) 22,3
B/C Ratio Kriteria 1,2
1.858.513.000
22,6
1,3
Cukup Layak Cukup Layak
Penurunan yang lebih dari angka tersebut akan menyebabkan kriteria investasi menunjukkan proyek tidak layak. 7.3.
Validasi Validasi model dilakukan guna menjamin agar model investasi fuzzy sesuai
tujuan pembentukannya. Validasi digunakan untuk menilai kesesuaian model investasi fuzzy dengan parameter yang telah ditetapkan dalam penelitian. Jika dalam validasi ternyata model dan proses yang berlangsung dalam model tidak menghasilkan kesesuaian dengan parameter dan sasaran yang ditetapkan dalam perencanaan, dilakukan perancangan dan pemodelan ulang sampai hasil validasinya menunjukkan kesesuaian dengan perencanaan (Sargent 1998, Marimin 2004, Kusumadewi 2002). Sargent (1998) mengemukakan empat pendekatan dasar yang dapat dipilih untuk menetapkan kesahihan suatu model. Pendekatan validasi yang pertama adalah validasi secara subyektif oleh perekayasa atau pengembang model, yang dilakukan dengan berbagai uji dan evaluasi yang dilakukan pada setiap tahapan pengembangan model. Pendekatan subjektif tersebut paling sering diterapkan dalam pengembangan model (Sargent 1998). Pendekatan yang kedua adalah validasi yang melibatkan pengguna. Pendekatan yang ketiga yaitu validasi yang dilakukan pihak independen atau uji kesahihan dilakukan oleh pihak lain. Pendekatan validasi yang keempat adalah uji kesahihan yang menggunakan penilaian dan pembobotan (scoring). Sargent (1998) juga mengemukakan beberapa teknik validasi yang dapat dilakukan yaitu :
58
a. Animation: prilaku operasional model ditampilkan secara grafis sebagai model bergerak bersama waktu. Misalnya pergerakan komponen yang melintasi pabrik selama simulasi disajikan secara grafis. b. Comparison to Other Models: Berbagai hasil (keluaran) model simulasi yang sedang divalidasi dibandingkan dengan hasil model lain yang terbukti valid. Misalnya, 1) kasus simulasi sederhana mungkin dibandingkan untuk mengetahui hasil model analitik, 2) model simulasi mungkin dibandingkan dengan model simulasi lain yang telah divalidasi. c. Degenerate Tests: Degeneracy (penurunan) prilaku model diuji melalui seleksi nilai yang cocok terhadap input dan parameter internal. Misalnya, apakah nilai rata-rata pada urutan server tunggal terus meningkat berdasarkan waktu ketika laju kedatangan lebih besar dari laju service d. Event Validity: Kejadian (event) yang terjadi pada model simulasi dibandingkan dengan sistem nyata untuk menentukan apakah mereka mirip. Contoh kejadian adalah kematian dalam simulasi kebakaran di sebuah departemen. e. Extreme Condition Tests: Struktur dan keluaran model mestinya masuk akal untuk sembarang kombinasi level faktor ekstrim dalam sebuah sistem; jika dalam proses persediaan adalah nol, maka keluaran produksi juga mestinya nol. f. Face Validity: yaitu menanyakan pendapat pakar tentang sistem itu apakah model dan/atau prilakunya bisa diterima. Teknik ini bisa digunakan dalam menentukan apakah logika model konseptual sudah benar dan apakah hubungan input-output model bisa diterima. g. Fixed Values: Nilai tetap (misalnya konstanta) digunakan untuk berbagai variabel dan parameter input model. Hal ini memungkinkan untuk mengecek hasil model dengan mudah melalui nilai-nilai perhitungan. h. Historical Data Validation: Jika tersedia data historis (atau jika data dikumpulkan pada sebuah sistem untuk membangun atau menguji model), bagian dari data digunakan untuk membuat model dan data sisanya digunakan untuk menentukan (uji) apakah model berjalan sebagaimana sistem itu bekerja. i. Traces: Prilaku tipe-tipe yang berbeda pada entitas tertentu dalam model dilacak (diikuti) di setiap tahap model untuk menentukan bahwa logika model sudah benar dan akurasi yang diperlukan sudah diperoleh.
59
Validasi terhadap suatu model sangat tergantung pada teori dan asumsi yang dipakai sebagai acuan dalam penentuan struktur dan persamaan model serta nilainilai yang ditetapkan bagi parameter yang digunakan dalam model. Validasi dilakukan dalam menilai kesahihan model investasi fuzzy adalah menggunakan teknik Comparison to Other Model yaitu dengan membandingkan berbagai hasil (keluaran) model yang sedang divalidasi dengan hasil model lain yang terbukti valid. Dalam hal ini yang dipakai untuk membandingkan hasil dari model investasi fuzzy adalah perhitungan analisa kelayakan dengan metode konvensional. Perhitungan analisa kelayakan dengan metode konvensional industri bioetanol telah dilakukan oleh Lutfi (2007) pada skripsinya yang berjudul “Sistem Penunjang Keputusan Diversifikasi Produk Tebu di PT. PG. Rajawali II Unit PG. Jatitujuh, Majalengka-Jawa Barat”. Hasil perhitungan dengan metode konvensional disajikan pada Lampiran 4. Perhitungan konvensional dilakukan dengan beberapa asumsi yaitu : Tabel 7.9. Asumsi yang digunakan dalam metode konvensional Indikator Harga Molase (Rp/Liter) Harga Urea (Rp/Kg) Harga Asam Sulphat (Rp/Liter) Harga Ammonium Sulphate (Rp/Kg) Harga Jual etanol (Rp/Liter) Deposito 1 US Dolar
Harga 600 1500 5600 2800 5500 15% 10000
Perhitungan kriteria-kriteria investasi dilakukan dengan penyusunan laporan laba rugi. Susunan laporan laba rugi terdiri dari penerimaan yaitu hasil penjualan produk dan pengeluaran yang terdiri dari biaya tetap, biaya variabel, angsuran pinjaman bank dan pajak. Pembuatan cash flow dilakukan setelah laporan laba rugi, yang terdiri dari kas masuk dan kas keluar. Tahun 0, kas masuk berasal dari sumber pembiayaan investasi terdiri dari modal sendiri dan peminjaman bank dengan rasio 40:60. Tahun berikutnya kas masuk berasal dari laba bersih dan penyusutan. Untuk kas keluar, pada tahun ke-0 pengeluaran untuk pembiayaan investasi pendirian pabrik dan modal kerja awal, biaya bangunan, fasilitas penunjang, mesin dan peralatan, alat kantor, produksi percobaan dan bunga selama konstruksi digabung menjadi investasi tetap. Tahun berikutnya dianggap tidak ada cash flow keluar.
60
Perhitungan dalam model kelayakan finansial didasarkan pada aliran/arus kas bersih. Hal ini diperoleh dari arus kas yang telah dibahas pada bagian sebelumnya. Arus kas bersih merupakan penjumlahan laba bersih dan depresiasi. Seperti yang disajikan pada Tabel di bawah ini. Tabel 7.10. Arus kas bersih dan present value metode konvensional (dalam milyar) Tahun
0 1 2 3 4 5 6 7 8 9 10
Kas Bersih
Rp (126,8) Rp 19,4 Rp 28,8 Rp 35,7 Rp 37,4 Rp 39,0 Rp 51,1 Rp 51,1 Rp 51,1 Rp 51,1 Rp 51,1
Akumulasi
Rp (126,8) Rp (107,4) Rp (78,5) Rp (42,8) Rp (5,4) Rp 33,6 Rp 84,6 Rp 135,8 Rp 186,9 Rp 237,9 Rp 289,0
15% DF 1,0000 0,8696 0,7561 0,6575 0,5718 0,4972 0,4323 0,3759 0,3269 0,2843 0,2472
Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp
PV (126,8) 16,9 21,8 23,5 21,4 19,4 22,1 19,2 16,7 14,5 12,6
Perhitungan Net Present Value (NPV) untuk industri bioetanol dengan asumsi, investasi dan biaya operasional yang telah disebutkan sebelumnya sebesar Rp 61,3 milyar. Nilai ini berbeda dengan nilai yang dihasilkan dengan metode fuzzy (Rp 18,9 milyar). Hasil perhitungan NPV dengan pendekatan fuzzy menunjukkan nilai NPV yang lebih kecil dibandingkan dengan hasil perhitungan dengan pendekatan NPV konvensional. Hal ini akan mengurangi tingkat resiko dari suatu proyek karena terdapat perbedaan yang signifikan antara hasil pengolahan pendekatan konvensional dengan dengan pendekatan fuzzy, misalnya suatu proyek dianalisa dengan pendekatan konvensional, NPV suatu proyek dinyatakan layak, tetapi apabila dihitung dengan pendekatan fuzzy menjadi tidak layak karena NPV kurang dari 1. Secara umum pendekatan fuzzy mengurangi tingkat ketidakpastian dan memperkuat pengambilan
keputusan
dengan
menekankan
pada
sebagian
besar
dari
ketidaksempurnaan output karena output kelayakan disajikan dalam sebuah rentang nilai. Kriteria investasi lain adalah B/C Ratio. Dengan metode konvensional B/C Ratio untuk proyek pendirian industri bioetanol sebesar 1,48. Nilai tersebut sedikit
61
berbeda dengan hasil yang diperoleh dengan pendekatan fuzzy. Dengan pendekatan fuzzy, B/C Ratio yang diperoleh 1,46. Seperti halnya NPV fuzzy, B/C Ratio fuzzy juga menghasilkan nilai yang lebih kecil dibandingkan dengan metode konvensional, hal ini menunjukkan penggunaan bilangan fuzzy memberikan rentang lebih luas untuk mengisi kekaburan atau ketidakpastian karena adanya variasi input pada variabel kelayakan (harga bahan baku, harga jual dan suku bunga). Kriteria selanjutnya adalah Internal rate of return (IRR). IRR adalah arus pengembalian yang menghasilkan NPV cash flow masuk = NPV cash flow keluar. Nilai IRR dengan pendekatan konvensional menghasilkan 24,7 persen. Nilai ini sedikit berbeda dengan nilai IRR yang diperoleh dengan pendekatan fuzzy (25,8 persen). Hasil perhitungan IRR dengan pendekatan fuzzy menunjukkan nilai IRR yang lebih besar dibandingkan hasil perhitungan dengan pendekatan konvensional. Analisis sensitivitas dengan pendekatan konvensional menunjukkan bahwa toleransi kenaikan harga bahan baku sebesar 38,99 persen dan penurunan harga jual sebesar 15,04 persen seperti yang disajikan pada Tabel di bawah ini : Tabel 7.11. Hasil analisis sensitivitas dengan pendekatan konvensional Perubahan
Kriteria Investasi NPV (Rp) IRR (%) B/C Ratio Harga bahan baku naik 38,99 % 10.811.814 15 1,0 Harga jual turun 15,04 %
11.689.157
15
1,0
Hasil analisis sensitivitas dengan pendekatan fuzzy memberikan toleransi yang yang lebih kecil dibandingkan dengan pendekatan konvensional, hal ini menunjukkan bahwa pendekatan fuzzy lebih sensitif terhadap perubahan harga jual dan harga bahan baku.
62
VIII. KESIMPULAN DAN SARAN
8.1. Kesimpulan Penelitian model investasi fuzzy untuk analisis kelayakan finansial usaha diversifikasi industri berbasis tebu dapat disimpulkan sebagai berikut : •
Model investasi fuzzy dikembangkan dengan indikator kelayakan yang terpilih adalah NPV, B/C Ratio dan IRR yang diimplementasikan pada industri bioetanol dengan tujuan untuk mengetahui kelayakan suatu usaha dari aspek finansial.
•
Hasil analisis kelayakan dengan menggunakan metode fuzzy menunjukkan bahwa industri bioetanol layak untuk dikembangkan dengan asumsi umur proyek 10 tahun, hasil analisa sebagai berikut : NPV dengan nilai Rp. 18,9 milyar, B/C Ratio dengan nilai 1,46 dan IRR dengan nilai 25,8 persen.
•
Hasil perhitungan dengan pendekatan fuzzy menunjukkan nilai yang berbeda dengan nilai hasil pengolahan menggunakan pendekatan konvensional karena adanya variasi input terhadap harga bahan baku, harga jual dan suku bunga.
•
Pendekatan fuzzy dapat mengurangi tingkat resiko dalam pengambilan keputusan suatu proyek karena output kelayakan disajikan dalam rentang cukup layak, layak, sangat layak atau tidak layak.
8.2. Saran •
Perlu dilakukan fuzzifikasi dengan fungsi keanggotaan selain Triangular Fuzzy Number (TFN) seperti trapeziodal dan gaussian
•
Perlu pengkajian yang lebih mendalam baik rentang, representasi fungsi (rendah, sedang, tinggi) pada setiap variabel yang dikaji (suku bunga, harga bahan baku, harga jual) dan juga penentuan rentang dalam kriteria kelayakan.
•
Analisa sensitivitas dengan menggabungkan pendapat pakar dan aplikasi praktis.
63
DAFTAR PUSTAKA
Badan Penelitian dan Pengembangan Pertanian. 2005. Prospek dan Arah Pengembangan Agribisnis Tebu. BPPT-Departemen Pertanian. Jakarta. Banholzer IEG, Sanches AL, Pamplona EO, Montevechi JAB. 2004. An Interpretation For The Internal Rate Of Return Through Fuzzy Calculation. Brazil:Universidade Federal de Itajuba. Badiru AB, Cheng JY 2002. Fuzzy Engineering Expert System With Neural Network Applications. New York. John Wiley & Sons, Inc. Buckley JU. 1987. The Fuzzy Mathematics of Finance. Fuzzy Sets System. (21) 257273. Carlsson C, Futtler R. 1998. On Fuzzy Internal Rate of Return. Turku Centre for Computer Science. TUCS Technical Report No. 211. Chiu CY, Park CS. 1994. Fuzzy Cash Flow Analysis Using Present worth Criterion. The Engineering Economist l (39):2. Chiadamrong N. 1999. Development of Integrated Multi-Criteria Invesment Justification Approach Based on Fuzzy Logic. Journal Thammasat Int J Sc Tech 4:1. January 1999. Thailand. Esogbue AA. 1998. On Replacement Models Via a Fuzzy Set Theoretic Framework. IEE Transactions on System, Man and Cybernetics – Part C Aplication and Reviews 28 (4). Gautney L.D. 1995. The Potential for Export System in Agricultural System Management. Michigan : Michigan State University. Simanjuntak GCP, L.K Sabur, Maspaitella P.F.L. dan Varley R.O.G. 1993. Pengantar Evaluasi Proyek. Gramedia Pustaka Utama, Jakarta. Husnan S, Suwarsono. 1997. Studi Kelayakan Proyek. UPP AMP YKPN. Cetakan Kedua, Yogyakarta. Jang JSR. 1993. ANFIS : Adaptive Network – Based Fuzzy Inference System. IEEE. Trans. On System, man and Cybernetics, 23 (3). Kaufmann A, Gupta MM. 1985. Introduction to fuzzy arithmetic: theory and applications. New York: Van Nostrand Reinhold. Kadariah, Karlina L, Gray C. 1999. Evaluasi Proyek : Analisis Ekonomi Edisi Dua. Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, Jakarta. Kahraman C. 2001. Fuzzy Versus Probabilistic Benefit/Cost Ratio Analysis For Public Work Project. Int. J Appl. Math Comput. Sci. 11 (3): 705-718. Kusumadewi S, Purnomo H. 2004. Aplikasi Logika Fuzzy untuk Penunjang Keputusan. Jakarta; Graha Ilmu.
64
Kim KJ, Dewekar UM. 2002. Hammerslye Stochastic Annealing Efficiency Improvement for Combinational Optimization Under Uncertainty. IEE Transactions, 34:761-777. Klir GJ, Wierman MJ. 1999. Uncertainty based information. New York, Physica Verlag. Lutfi TB. 2007. Sistem Penunjang Keputusan Diversifikasi Produk Tebu di PT. PG. Rajawali II Unit PG. Jatitujuh, Majalengka-Jawa Barat. [Skripsi]. Bogor. Insititut Pertanian Bogor. Lesage C. 2001. Discounted cash-flow analysis : An Interactive fuzzy arithmetic approach. European Journal of Economic and Social System. 15 (2): 49-68. Majlender P. 2002. Strategic Investment Planning by Using Dynamic Decision Trees. Proceeding of the 36th Hawaii International Conference on System Science. IEEE. Marimin. 2005. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial, IPB Press, Bogor. Mubyarto 1968. Usahatani Tebu dan Industri Gula di Jawa. Pusat Dokumentasi Ilmiah, Jakarta. Omitaomu OA, Badiru AB. 2007. Fuzzy Present Value Analysis Model for Evaluation System Projects. The Engineering Economist 52: 157-178. Prihandana R. 2005. Dari Pabrik Gula Menuju Industri Berbasis Tebu. Proklamasi Publishing House, Jakarta. Sanches AL, Pomplona EO, Montevechi JAB. 2005. Capital Budgeting Using Triangular Fuzzy Numbers. V Encuentro Internacional de Finanzas. Santiago, Chile, 19 a 21 de janeiro. Sargent RG. 1998. Verification and Validation of Simulation Models Proceesing of the 1998 Winter Simulation Conference. DJ Medeiros, EF Watson, JS Carson and MS Manivannan, eds. Santos MA. 2000. Energy Analysis of Crops Used for Producing Ethanol and CO2 Emission. Cidade Universitaria [terhubung berkala]. http://www.ivig.coppe.ufrj.br/doc/alcofoen.pdf. [9 November 2006]. Sudiatso. 1982. Bertanam Tebu. Departemen Agronomi. Faperta IPB, Bogor. Thierauf RJ, RC Kleklamp. 1975. Decision Making Trough Operation Research. Third Edition. John Willey and Sons, New Delhi. Umar H. 2005. Study Kelayakan Bisnis. PT. Gramedia Pustaka Utama. Jakarta. Yasin H, Marimin, 2000. Analisis Kelayakan Investasi Industri Pulp Menggunakan Pendekatan Fuzzy. Jurnal Teknologi Industri Pertanian. Bogor.
65
LAMPIRAN
66 66
67
68
Lampiran 1. Cara Memperoleh dan Mengolah Data Penelitian Langkah-langkah penelitian PERSIAPAN PENELITIAN
PENGUMPULAN DATA
ANALISIS DATA
Data dan Informasi
Sumber Data
Latar belakang penelitian, permusan penelitian, tujuan penelitian, ruang lingkup penelitian dan output penelitian Data indikator analisis kelayakan industri ethanol dan data finansial
Internal dan eksternal perusahaan
Analisis data finansial
Internal dan eksternal perusahaan Studi pustaka, Internal dan eksternal perusahaan
Variabel yang sudah FUZZIFIKASI VARIABEL YANG ditentukan sebelumnya DIPILIH
Internal dan eksternal perusahaan
Cara Tipe Data Mengambil Data a. Studi pustaka Data b. Studi Sekunder dokumentasi c. Browsing internet
a. Studi pustaka b. Studi dokumentasi c. Browsing internet Analisis data hasil studi pustaka Analisis data hasil studi pustaka
Teknik yang digunakan untuk pengolahan data Analisis Deskriptif
Prosedur Pelaksanaan Kegiatan a. menetapkan industri yang akan dikaji b. menetapkan substansi yang dikaji c. menetapkan tool yang akan digunakan d. menetapkan ruang lingkup kajian a. menentukan indikator kelayakan b. menentukan variabel kelayakan
Data Sekunder
Analisis Deskriptif
Data Sekunder
Analisis Deskriptif
Data Sekunder
Fungsi a. menetapkan level keanggotaan fuzzy untuk tiap-tiap yang digunakan faktor; untuk fuzzifikasi b. menetapkan batas variabel adalah bawah untuk jumlah level terendah dan Triangular Fuzzy Number (TFN) batas atas untuk level tertinggi dan
Menentukan jenis data yang diperlukan
Langkah-langkah penelitian
Data dan Informasi
Sumber Data
PENGEMBANGAN MODEL PERHITUNGAN FUZZY
Data suku bunga, harga bahan baku dan harga jual produk
Studi pustaka, Internal dan eksternal perusahaan
DEFUZZIKASI
Model perhitungan fuzzy
IMPLEMENTASI
Rancangan Fuzzy investment model yang dikembangkan
Hasil rancangan model
VERIFIKASI DAN VALIDASI
Kelayakan finansial konvensional industri bioethanol
Internal perusahaan
Cara Mengambil Data
Analisis data hasil studi pustaka
Tipe Data
Data Sekunder
Hasil olahan data Data Primer
Mengambil salah satu contoh kasus untuk input data Studi pustaka
Data sekunder dan data primer Data Primer
Teknik yang digunakan untuk pengolahan data
Prosedur Pelaksanaan Kegiatan
c. menetapkan batas bawah selisih antar level dalam setiap faktor Analisis Membangun model Deskriptif berdasarkan elemenelemen penyusun model dengan bantuan program aplikasi MATLAB 7.0 Menggunakan mengubah output fuzzy metode ke output yang bernilai CENTROID tunggal Menggunakan Meterjemahkan model software ke dalam bahasa MATLAB 7.0 dan pemrograman Delphi Delphi Analisis Validasi dan verifikasi Deskriptif dengan membandingkan hasil analisal finansial fuzzy dengan hasil finansial secara konvensional
68
Lampiran 2. Pemilihan Molase dan Bioetanol sebagai produk derifitat tebu Produk derivat tebu (PDT) yang dipilih, berasal dari hasil samping tebu. Daun dengan produk pupuk dan briket. Pucuk dengan produk pakan dan pupuk. Blotong dengan produk lahan urug, pupuk mix dan briket. Molase dengan produk pakan (PST), MSG, alkohol terdiri dari biofuel/bioetanol, asam asetat & turunan dan CO2, pengolahan vinase yaitu biogas dan pupuk, CO2,, gula cair (invert), sumasi (suplemen makanan sapi). Ampas dengan produk energi (sebagai bahan bakar boiler), kanvas rem, papan partikel, kertas, media jamur, campuran aspal, furfural, karpet sapi, briket, bubuk asbestos. Penilaian terhadap alternatif produk turunan tebu diperoleh dari hasil pengisian kuisioner oleh keenam pakar yang telah disebutkan di atas. Penilaian yang dilakukan Pakar adalah dengan membobot kriteria yang diajukan kemudian membobot alternatif berdasarkan kriterianya. Seperti disajikan pada Tabel 1. Tabel 1 Pembobotan kriteria dengan pairwise comparison No.
Kriteria
Bobot
1
Proses pengolahan
0.14
Bobot (faktor konversi=22) 3
2
Nilai tambah
0.17
4
3
Peluang pasar
0.20
4
4
Modal
0.10
2
5
Kebijakan
0.23
5
Hasil keluaran atau output dengan menggunakan metode pairwise comparison adalah bobot untuk tiap kriteria yang digunakan dalam penilaian alternatif produk derivat tebu (Tabel 7). Selanjutnya dilakukan penilaian terhadap produk derivat tebu, dengan agregat pendapat seperti tampak pada Tabel 2 di bawah ini.
69
Tabel 2 Agregat penilaian produk derivat tebu terhadap kriteria Asal
Produk
Pupuk Briket Pakan Pucuk Pupuk Lahan urug Blotong Pupuk MIX Briket Pakan (PST) MSG Alkohol Biofuel/Bioethanol Asam asetat & turunan Molase CO2 Biogas Vinase Pupuk CO2 Gula Cair (Invert) Sumasi Energi Kanvas Rem Papan Partikel Kertas Media Jamur Ampas Campuran Aspal Furfural Karpet Sapi Briket Bubuk Asbestos Daun
Penilaian Kriteria Proses Nilai Pengolahan Tambah 4 3 4 3 4 3 4 3 4 2 4 3 4 3 3 3 3 4 2 4 2 4
Peluang Pasar 3 3 3 3 2 3 3 3 4 4 4
2
4
2 3 3 2 2 3 4 3 3 2 4 3 3 3 4 3
4 4 3 3 4 3 4 3 4 4 3 3 4 3 3 3
Modal Kebijakan 3 3 3 3 4 3 3 3 2 2 1
3 3 3 3 3 4 3 3 3 4 4
4
1
4
4 3 3 3 3 2 4 4 4 4 3 3 3 3 3 3
2 2 2 2 1 3 2 2 2 2 4 3 2 3 3 3
4 4 4 3 3 3 4 4 4 3 3 3 3 3 3 3
Prioritas Produk Derivat Tebu Berdasarkan data-data yang telah disebutkan, kemudian dilakukan analisis dengan menggunakan metode perhitungan MPE. Nilai perhitungan dan urutan prioritas produk derivat tebu disajikan pada Tabel 3.
70
Tabel 3 Prioritas PDT menggunakan MPE Alternatif Produk Derivat Tebu (PDT) Pupuk Daun Briket Pakan Pucuk Pupuk Lahan Urug Blotong Pupuk MIX Briket Pakan (PST) MSG
722 677 624 684 328 925
Prioritas berdasarkan Bahan Baku 1 2 1 2 3 1
12 17 18 15 27 10
593 427 685
2 10 8
19 24 14
1630
2
3
1872
1
1
1452 1208
3 4
4 6
Biogas 1081 Pupuk 835
5
7
6
11
Bahan Baku
Alkohol Biofuel/Bioethanol Asam Asetat & Derivatnya CO2
Molase
Vinase
Ampas
Bobot MPE
Prioritas PDT
CO2
313
11
28
Gula Cair (Invert) Sumasi (suplemen makanan sapi) Energi Kanvas Rem Papan Partikel
712
7
13
444
9
23
1834 1034
1 3
2 8
1317
2
5
Kertas Media Jamur Campuran Aspal Furfural Karpet Sapi Briket Bubuk Asbestos
1017 581 329 465
4 6 10 8
9 20 26 22
508 677 416
7 5 9
21 16 25
Hasil perhitungan menunjukan prioritas produk derivat tebu dibagi menjadi dua bagian : 1. Prioritas berdasarkan bahan baku dimana ada bahan baku daun, pucuk, blotong, molase dan ampas. Produk dengan nilai MPE terbesar dengan bahan baku : ¾
daun adalah pupuk dengan nilai 722.
¾
pucuk adalah pupuk dengan nilai 684.
71
¾
blotong adalah pupuk MIX dengan nilai 925.
¾
molase adalah biofuel/bioethanol dengan nilai 1872.
¾
ampas adalah energi dengan nilai 1834.
2. Prioritas dengan membandingkan seluruh produk derivat tebu yang masuk dalam alternatif tanpa melihat asal bahan baku, dimana lima nilai terbesarnya adalah : ¾
Biofuel/bioetanol dengan nilai 1872.
¾
Energi dengan nilai 1834.
¾
Alkohol dengan nilai 1630.
¾
Asam asetat & derivat dengan nilai 1452.
¾
Papan partikel dengan nilai 1317.
Hasil menunjukkan bahwa produk dengan nilai MPE tertinggi adalah Biofuel/bioetanol dengan nilai MPE 1872. Biofuel merupakan bahan bakar nabati yang aman bagi lingkungan karena mengurangi pencemaran udara, apalagi dengan adanya pemberlakuan Protokol Kyoto pada tanggal 16 Februari 2005 untuk mereduksi emisi gas rumah kaca ke atmosfer memberi angin segar bagi pengembangan teknologi dan penggunaan bahan bakar energi ramah lingkungan. Negara
Brazil,
merupakan
contoh
sukses
negara
yang
mengembangkan
bioetanol/biofuel, saat ini Brazil adalah negara yang memimpin dalam industri bioetanol/Biofuel. Indonesia sebagai negara dengan potensi yang besar untuk menghasilkan produk ini dapat mengurangi tingkat penggunaan BBM. Dengan meningkatnya harga BBM dan peningkatan penggunaan BBM setiap tahunnya maka peluang yang baik untuk mengembangkan produk ini. Energi merupakan produk dengan prioritas kedua dengan nilai 1834. Penggunaan energi dengan memanfaatkan hasil samping ampas untuk kebutuhan energi dalam pengolahan tebu menjadi gula. Ampas akan dibakar untuk memanaskan boiler yang akan menghasilkan steam untuk pengolahan tebu. Di PG Jatitujuh apabila panas yang dihasilkan dari pembakaran ampas tidak mencukupi maka digunakan pula bahan bakar IDO, ampas yang tersedia sekitar 33 % dari tiap 100 ton tebu.
72
Alkohol menempati urutan ketiga dengan nilai MPE 1630. Alkohol merupakan produk yang berasal dari pengolahan molase, istilah alkohol ini diberikan untuk jenis alkohol yang digunakan untuk kebutuhan produk farmasi, kosmetik dan industri kimia. Asam asetat dan turunan menempati urutan keempat dengan nilai MPE sebesar 1452. peluang pengembangan asam asetat cukup baik, karena kebutuhan domestik yang cukup besar. Tantangannya adalah harga yang bersaing dengan produk yang sama yang berasal dari minyak bumi. Lebih lanjut, Produk papan partikel dengan nilai MPE sebesar 1317. Papan partikel ini berasal dari pengolahan ampas (bagasse), dilihat dari peluang pasar produk ini memiliki peluang yang bagus, karena pasar domestik maupun ekspor yang masih terbuka. Namun mutu produk menjadi salah satu tantangan besar dalam pengembangan produk ini, dengan pesaingnya adalah limbah kayu.
73
Lampiran 3. Prosedur/manual pengoperasian sistem A. Instalasi Sistem 1. Spesifikasi Perangkat Keras dan Perangkat Lunak Perangkat Keras Spesifikasi perangkat keras yang digunakan untuk mengembangkan fuzzy investment model untuk kelayakan usaha diversifikasi industri berbasis tebu. adalah sebagai berikut: a. Prosessor Intel Pentium III atau lebih tinggi b. RAM 512 MB atau lebih tinggi c. Hard Disk Drive 80 GB atau lebih tinggi d. CD Room 8x atau lebih tinggi e. VGA Card 16 MB atau lebih tinggi f. Monitor support for 800 x 600 screen resolution Perangkat Lunak Sedangkan spesifikasi perangkat lunak untuk mengembangkan fuzzy investment model untuk kelayakan usaha diversifikasi industri berbasis tebu adalah sebagai berikut : a. OS windows XP b. Matlab versi 6.5 c. Delphi versi 7 2. Instalasi MatLab versi 6.5 Langkah-langkah untuk instalasi program MatLab versi 6.5 adalah sebagai berikut: 1. Nyalakan computer. 2. Masukkan CD ke-1 berisi program MatLab versi 6.5 ke dalam CD Drive, sehingga CD autorun dan keluar tampilan seperti pada Gambar 1.
74
Gambar 1. Tampilan awal instalasi MatLab 6.5
3. Klik Next sehingga keluar tampilan seperti pada Gambar 2. Masukkan Serial Number yang ada pada cover CD, lalu klik Next.
Gambar 2. Tampilan untuk memasukkan serial number
4. Setelah itu keluar tampilan untuk persetujuan lisensi, lalu klik Yes. 5. Setelah itu keluar tampilan untuk informasi Nama dan Perusahaan. Isikan Nama dan Perusahaan tersebut, lalu klik Next. 6. Kemudian selanjutnya akan muncul tampilan untuk update melalui internet, klik No.
75
7. Berikutnya akan tampil pilihan software atau toolbox yang akan ikut diinstall seperti terlihat pada Gambar 3, lalu klik Next.
Gambar 3. Tampilan pilihan software atau toolbox yang akan di-install
8. Pada saat proses instalasi mencapai 70% maka pengguna diminta untuk memasukkan CD ke-2. Masukkan CD ke-2 dan klik OK. 9. Setelah proses instalasi selesai seperti terlihat pada Gambar 4, komputer direstart kembali dengan cara klik Finish.
Gambar 5. Tampilan proses instalasi selesai
76
3. Instalasi Delphi 7 Tahapan menginstall Borland Delphi 7 Enterprise 1. Masukkan CD instalasi Delphi dan navigasikan pada folder “Install” seperti pada gambar di bawah ini.
Jalankan file setup.exe untuk memulai instalasi
2. Jalankan file setup.exe untuk memulai instalasi Borland Delphi 7 Enterprice Edition. Akan ditampilkan dialog seperti pada gambar di bawah ini:
3. Tunggu dialog selanjutnya hingga muncul dialog seperti di bawah ini :
77
4. Klik next untuk untuk melajutkan instalasi Borlan Delphi 7 Enterprice Edition. Kemudian akan muncul dialog untuk memasukkan serial number dan authorization key sebagai berikut :
5. Klik next dan intalasi akan dilanjutkan pada dialog persetujuan license Agreement seperti di bawah ini :
78
6. Pilih pada I accept the terms in the licence agreement dan kemudian pilih Next, selanjutnya mucul penjelasan instalasi sebagi berikut :
7. Klik next, maka instalasi akan dilajutkan pada jenis instalasi yang akan dilakukan. Disana terdapat tiga macam jenis instalasi, yaitu typical, custom dan compact.
79
8. Setelah memastikan pilihan jenis isntalasi klik Next untuk melajutkan instalasi. Klik Next selanjutnya maka akan ada beberapa dialog instalasi yang harus dipilih. Lanjutkan hingga sampai pada dialog sebagai berikut :
9. Klik install untuk memulai instalasi, dan tunggu hingga proses instalasi selesai.
80
10. Selanjutnya ada dapat menjalan Delphi 7 Enterprise Edition untuk memulai pemrograman. B. Instalasi Program Model Investasi Fuzzy (FuzzTech) Langkah-langkah untuk instalasi Program model investasi fuzzy untuk kelayakan usaha diversifikasi industri berbasis tebu atau disebut dengan FuzzTech adalah sebagai berikut: 1. Masukkan CD Program model investasi fuzzy ke dalam CD Drive -
Buka isi CD Program model investasi fuzzy dengan menggunakan Windows Explorer, kemudian copy program ke folder C:\Program File seperti terlihat pada Gambar 6.
Gambar 7. Isi CD Program Sistem Pakar IKK
Gambar 6. Copy seluruh file FuzzTech ke folder C:\Program File
81
2. Periksa apakah semua file FuzzTech sudah tercopy ke dalam folder C:\Program File seperti terlihat pada Gambar 7.
Gambar 7. Periksa folder C:\Program File
C. Prosedur Pengoperasian Program Model Investasi Fuzzy (FuzzTech) Langkah-langkah untuk mengoperasikan Program model investasi fuzzy untuk kelayakan usaha diversifikasi industri berbasis tebu (FuzzTech) adalah sebagai berikut: 1. Buka Folder C:\Program File\FuzzTech, kemudian klik pada file FizzTech.exe seperti yang terlihat pada Gambar diatas (Gambar 7), dan akan muncul tampilan sebagai berikut :
Gambar 7. Desain tampilan awal model investasi fuzzy
82
Setelah muncul tampilan awal, kemudian akan muncul menu untuk memasukkan data identitas pengguna (admin) dan kata kunci (admin) seperti yang terlihat pada Gambar dibawah ini :
Gambar 8. Tampilan input nama pengguna 2. Setelah memasukkan nama pengguna dan kata kunci, akan muncul menu utama disajikan pada Gambar 9.
Gambar 9. Desain menu utama model investasi fuzzy Menu utama terdiri dari beberapa tools yaitu file, edit, data, model, pengguna, window dan help. Dalam program FizzTech, tools yang lebih banyak digunakan adalah data dimana di dalam data ada beberapa sub menu seperti yang terlihat pada Gambar di bawah ini :
83
Gambar 10. Desain menu utama model investasi fuzzy 3. Selanjutkan form untuk menginputkan suku bunga, harga jual dan harga bahan baku yang terdiri dari tiga inputan yaitu nilai rendah, sedang dan tinggi. Pengguna dapat memasukkan tiga nilai yang mungkin untuk suku bunga, harga produk, harga bahan baku. Form untuk menginputkan harga bahan baku, harga jual dan suku bunga disajikan dalam Gambar 11, 12 dan Gambar 13 .
Gambar 11. Form input data harga bahan baku
Gambar 12. Form input data harga jual
84
Gambar 13. Form input data suku bunga 4. Langkah selanjutnya form untuk menganalisa kelayakan, klik pada tools model. Untuk melakukan analisa kelayakan nama project harus diisi, klik pada tanda seperti gambar di bawah ini :
Gambar 14. Form untuk melakukan analisa finansial
85
5. untuk menganalisa kelayakan hitung normal (tanpa ada asumsi kenaikan harga), klik tombol hitung normal pada form, kemudian klik tombol analisa finansial seperti yang disajikan pada Gambar di bawah ini :.
Gambar 15. Form penghitungan kelayakan Sehingga akan muncul form seperti Gambar di bawah ini
Gambar 16. Hasil analisa kelayakan
Dari form tersebut dapat diketahui hasil NPV fuzzy, IRR fuzzy dan B/C Ratio fuzzy. Untuk mengetahui output kelayakan klik tombol analisa kelayakan seperti yang disajikan pada gambar di bawah ini :
86
Sehingga akan muncul hasil analisa seperti pada gambar di bawah ini :
Gambar 17. Hasil analisa kelayakan
87
88
89
90
91
92
93
94
95