MODEL SIMULASI MANAJEMEN KRISIS PERUSAHAAN AGROINDUSTRI
ALBERT P. KUHON
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2007
SURAT PERNYATAAN Dengan ini saya menyatakan bahwa disertasi Model Simulasi Manajemen Krisis Perusahaan Agroindustri adalah karya dan hasil penelitian saya sendiri dengan diarahkan komisi pembimbing dan belum pernah diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Semua sumber informasi dan data yang dikutip atau dipergunakan telah disebutkan secara jelas dan dapat diperiksa kebenarannya.
Bintaro, Juli 2007
Albert P. Kuhon NIM P25600008
ABSTRAK ALBERT P. KUHON. Model Simulasi Manajemen Krisis Perusahaan Agroindustri. Dibimbing oleh IRAWADI JAMARAN, DJUMALI MANGUNWIJAYA, MARIMIN, AMRIL AMAN, dan YANDRA ARKEMAN. Dalam dunia perusahaan atau industri, krisis seringkali diartikan sebagai peristiwa mendadak yang mengakibatkan atau dapat mengundang keruntuhan reputasi dan melumpuhkan peluang perusahaan dalam pertumbuhan, memperoleh keuntungan, atau bahkan bertahan (profits, growth and survival). Penelitian ini bertujuan merekayasa dan menyusun model manajemen krisis dalam perusahaan agroindustri menggunakan akuisisi pengetahuan pakar dan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi. Model simulasi yang dihasilkan merupakan piranti yang dapat menyajikan peringatan dini dan dampak maupun peluang krisis internal perusahaan agroindustri dan menyuguhkan alternatif solusi bagi krisis tersebut. Penelitian ini hanya membahas krisis internal (core crises) pada perusahaan agroindustri. Yakni krisis yang berkaitan dengan segala bentuk eksploitasi suatu perusahaan dalam upaya mengubah risiko menjadi profit. Contoh krisis internal adalah krisis yang muncul akibat pemogokan pekerja, pencabutan izin usaha, dan langkanya bahan baku. Krisis internal yang menimpa suatu perusahaan terjadi akibat (1) kesalahan atau kegagalan teknologi, (2) konfrontasi atau pertentangan, (3) malevolence atau teror, (4) kegagalan manajemen, dan (5) ancaman lain terhadap perusahaan. Ruang lingkup penelitian ini adalah krisis yang melanda perusahaan melalui bahan dan produk, teknologi, sosial maupun bidang hukum, serta ekonomi dan finansial. Penerapan simulasi dalam penelitian maupun pengembangan manajemen krisis masih terbatas. Model simulasi CrismanSoft (crises management software) yang dihasilkan dalam penelitian ini, menggunakan keterpaduan antara sistem pakar (expert system atau knowledge based system), sistem pusat data (database) dengan sistem pengolahan data (data processing). Hasil akuisisi pengetahuan dan pengalaman praktisi manajemen perusahaan yang diperoleh melalui wawancara dan angket, dipadukan dengan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi, diolah menjadi gambaran mengenai dampak dan peluang krisis yang dihadapi perusahaan agroindustri serta solusi terhadap krisis tersebut. CrismanSoft yang telah melalui proses validasi dan verifikasi, merupakan model yang dapat menyajikan peringatan dini dan memperkirakan tahapan maupun risiko krisis internal yang sedang dihadapi perusahaan agroindustri, serta menyajikan pilihan solusi krisis tersebut. Asupan data mengenai kondisi terhadap model, dapat menghasilkan gambaran dampak dan peluang krisis bahan, teknologi, sosial maupun finansial yang dihadapi perusahaan agroindustri pada perioda tertentu dan pilihan-pilihan guna menyelesaikan krisis tersebut. Kata kunci: manajemen krisis agroindustri, sistem pakar, deteksi dini, pencegahan krisis, fuzzy, sistem penunjang keputusan
ABSTRACT ALBERT P. KUHON. A Design Model of Crisis Management Simulation in an Agroindustry Enterprise. Under the direction of IRAWADI JAMARAN (chairman), DJUMALI MANGUNWIJAYA, AMRIL AMAN, MARIMIN, and YANDRA ARKEMAN. In the industry, crisis is often defined as a sudden big trouble threatening the achievement of the organization’s central goals- profits, growth and survival, or endangers its reputation. This research aims to develop a crisis management model for agroindustry using an integrated expert system or knowledge based system, economics analysis and fuzzy logic. The model, CrismanSoft (crises management software), detects impacts and probabilities of internal crises, provides early warnings and recommendations to solve the crises. This research is limited to the core crises within the agroindustry companies which related to the exploitation to change risks into profits. Core crises include the crisis caused by labor strikes, permits revocation, and shortages of raw materials, which happen because of technological failures, confrontation or conflicts, malevolence or terror, managerial failures and other threats to the company. The scope of this research is internal crises in an agroindustry caused by raw material and product, technological, social or financial failures. The application of simulation in crises management research and development is very limited. We integrate the acquired expert’s knowledge, database, and data processing using fuzzy rule-based decision making, economics and financial analysis to engineer CrismanSoft. This simulation model detects the impacts and probability of crises, and provides the recommendations to solve the crises as well. The validated and verified CrismanSoft is a model offering early warning, predicting impact and probability of the crises and presenting the solution alternatives for the particular crises. Data inputs to the model can generate prediction of the possibilities and impacts of the material, technological, social and financial crises in the agroindustry on a particular time and provide alternatives to solve the crises. Key words: crisis management, agroindustry, decision support system (DSS), early warning, expert system, fuzzy
RINGKASAN Krisis secara umum diartikan sebagai peristiwa yang datang secara mendadak dan mengakibatkan atau mengundang risiko besar yang tidak mudah dikendalikan. Kebanyakan krisis dalam masyarakat dihubungkan dengan kejadian besar yang menimbulkan korban nyawa atau kerugian material sangat nyata. Di kalangan perusahaan atau industri, krisis seringkali diartikan sebagai peristiwa mendadak yang mengakibatkan atau dapat mengundang keruntuhan reputasi dan melumpuhkan peluang perusahaan dalam pertumbuhan, memperoleh keuntungan, atau bahkan bertahan (profits, growth and survival). Ukuran setiap krisis ditentukan berdasarkan parameter mengenai besarnya dampak kerugian yang ditimbulkan peristiwa itu. Penelitian mengenai manajemen krisis di lingkungan industri, terutama manajemen krisis dalam bidang agroindustri, sampai saat ini masih langka. Hasil penelitian terhadap ratusan krisis yang terjadi selama dekade 1981-1991 di Amerika Serikat menunjukkan perusahaan pengecer makanan, restoran dan usaha makanan cepat saji (fast food) serta agroindustri (termasuk juga perikanan dan perkebunan) memiliki tingkat risiko sedang atau medium terhadap krisis. Selain itu, risiko dan peluang kerugian finansial pada perusahaan agroindustri tergolong sangat tinggi (Mitroff, 2001; Doherty, 2000; Barton, 1993; Purcell 1991; Jefkins 1987; Fink, 1986; Gittinger, 1986). Penelitian ini menggunakan perusahaan tapioka sebagai studi kasus karena industri tapioka merupakan salah satu jenis agroindustri yang rawan terhadap krisis internal. Dengan teknologinya yang sangat sederhana, industri tapioka tergolong padat karya dan sangat dipengaruhi oleh ketersediaan bahan baku. Perubahan harga bahan baku, ketersediaan uang tunai di perusahaan dan cuaca serta mutu prasarana fisik (jalan raya) sangat berpengaruh terhadap pasokan ubikayu yang menjadi bahan dasar pengolahan tapioka. Proses pengolahan tapioka juga sangat dipengaruhi oleh kelancaran pasokan air dan bahan bakar. Makin ketatnya peraturan mengenai kelestarian lingkungan hidup dan pengendalian pencemaran serta keterbatasan penyediaan bahan baku ubikayu, meningkatkan kemungkinan krisis bagi industri tapioka di Indonesia. Penelitian ini bertujuan merekayasa dan menyusun model manajemen krisis menggunakan akuisisi pengetahuan pakar dan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi. Model simulasi yang dihasilkan merupakan piranti yang dapat menyajikan peringatan dini dan dampak maupun peluang krisis internal perusahaan agroindustri dan menyuguhkan alternatif solusi bagi krisis tersebut. Konfigurasi model pengelolaan krisis CrismanSoft (crises management software) tersusun atas Sistem Manajemen Basis Data (Data Base Management System), Sistem Manajemen Basis Model (Model Base Management System) dan Sistem Manajemen Basis Pengetahuan (Knowledge Base Management System). Ketiga sistem itu dihubungkan dengan Sistem Pengolahan Data (data processing) yang menjadi penghubung antar sistem, yang kemudian berinteraksi dengan Sistem Manajemen Dialog yang berfungsi sebagai tampilan bagi pengguna (user interface). Asupan data terhadap model tersebut, setelah diolah bisa menghasilkan gambaran mengenai dampak dan peluang terjadinya krisis serta pilihan-pilihan tindakan guna mencegah atau menanggulangi krisis tersebut. Pengumpulan data lapang dan penyerapan pengetahuan merupakan bagian utama pada pembentukan sistem pakar dalam model pengelolaan krisis CrismanSoft. Penyerapan pengetahuan para praktisi pengelolaan industri tapioka dilakukan melalui wawancara dan angket, kemudian hasilnya diolah dengan inferensi fuzzy sehingga model yang dibentuk melalui dapat bertindak seperti penalaran para praktisi yang diakuisisi pendapatnya dalam pengambilan keputusan mengenai krisis tertentu. Analisis kelayakan usaha yang dilakukan
vi dalam model manajemen krisis ini menggunakan perhitungan Net Present Value (NPV), Internal Rate of Return (IRR), manfaat netto atau Net Benefit Cost Ratio (Net B/C), tingkat pengembalian modal atau Return on Investment (ROI), titik impas atau Break Even Point (BEP), dan perioda pengembalian modal atau Pay Back Period (PBP). Pengambilan keputusan dalam model pengelolaan krisis CrismanSoft dilakukan melalui suatu sistem pakar yang didukung teknik fuzzy non-numerik. Keluaran analisis krisis komprehensif merupakan agregasi dari dampak dan peluang krisis bahan, krisis teknologi, krisis sosial dan krisis finansial. CrismanSoft merupakan paket aplikasi komputer yang bisa melakukan analisis mengenai krisis internal perusahaan agroindustri dan menyajikan solusi terhadap krisis tersebut. Validasi dan verifikasi terhadap CrismanSoft menunjukkan model manajemen krisis bagi perusahaan agroindustri yang direkayasa cukup sahih dan memiliki kemampuan sebagaimana ditetapkan dalam tujuan pembentukannya. Validasi terhadap model-model matematis yang digunakan dalam pemulusan CrismanSoft dilakukan dengan penetapan tingkat akurasinya melalui pemantauan tingkat kesalahan menggunakan antara lain instrumen MAPE, MPE dan PE. Selain itu, dilakukan juga ujicoba CrismanSoft menggunakan data dari perusahaan tapioka yang berbeda. Kita bisa juga mengukur akurasi pemulusan menggunakan nilai R-square dan Adjusted R-square sebagaimana telah dibahas di bagian depan disertasi ini. Verifikasi terhadap CrismanSoft dilakukan guna memastikan bahwa model manajemen krisis ini terbebas dari kekeliruan proses logis (logical errors) sehingga dapat berfungsi sesuai dengan tujuan rekayasanya. Langkah verifikasi dilaksanakan antara lain dengan penelisikan (debugging) berulang guna mengurangi kesalahan masing-masing modul sebelum memadukannya menjadi suatu kesatuan. Verifikasi model manajemen krisis ini antara lain dilakukan dengan memeriksa kemampuan kinerja model, ketepatan interface antara model yang dibentuk dengan aplikasi lainnya. Langkah verifikasi di antaranya dilakukan dengan membandingkan metoda pemulusan (bersamaan dengan pelaksanaan validasi) bagi semua data yang diperkirakan atau diramal guna dijadikan asupan bagi model. Verifikasi secara uji dinamik atau dynamic testing (Martis, 2006; Sargent, 2005; Sargent, 2000) terhadap kemampuan model dalam menyajikan peringatan dini, penghitungan dampak krisis maupun peluang terjadinya krisis, dilaksanakan dengan menelusuri langkah-langkah yang ditempuh oleh model ketika memroses data yang dijadikan asupan, sampai diperoleh kesimpulan yang ditargetkan. Pada penelusuran dilakukan juga pembandingan antara hasil yang ditampilkan oleh model menggunakan data Januari 2000-Agustus 2006 dengan hasil yang ditampilkan oleh model menggunakan data Januari 2000-Desember 2006. Hasil ujicoba menunjukkan model ini mampu secara konsisten mewakili kinerja kepakaran yang digantikannya dalam manajemen krisis pada perusahaan agroindustri tapioka, baik dalam analisis krisis maupun dalam penyajian rekomendasi solusinya. Hasil analisis krisis disajikan dalam kuadran barometer krisis yang dicanangkan oleh Fink (Fink, 1986). Implementasi model ini pada perusahaan agroindustri memerlukan seri data setidaknya 30 bulan, pembaruan (update) data secara kontinyu yang diikuti dengan pemilihan metoda pemulusan yang tepat. Model yang dihasilkan merupakan piranti yang menggunakan akuisisi pengetahuan pakar dan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi dalam penyajian peringatan dini mengenai krisis internal, analisis dampak dan peluang krisis internal maupun penyajian rekomendasi solusinya. Implementasi CrismanSoft pada perusahaan tapioka di Lampung Timur menggunakan data Januari 2000-Desember 2006 menghasilkan proyeksi situasi bulan Februari 2007 yang cukup
vii aman. Dampak Krisis Komprehensif 2,9 (pada skala 1-10) dengan peluang terjadinya krisis komprehensif 33 persen. Model manajemen krisis yang dihasilkan dapat diimplementasikan pada perusahaan agroindustri maupun industri lain, namun memerlukan penyesuaian dalam penetapan faktor-faktor penentu krisis maupun besaran-besaran yang menjadi batas antara keadaan krisis dengan keadaan normal. Selain itu, diperlukan juga penetapan kembali asumsi-asumsi yang dipersyaratkan bagi keberlangsungan simulasi manajemen krisis sebagaimana dirancang dalam penelitian ini. Kata kunci: manajemen krisis agroindustri, sistem pakar, deteksi dini, pencegahan krisis, fuzzy, sistem penunjang keputusan
© Hak Cipta Milik Institut Pertanian Bogor Hak Cipta Dilindungi
Dilarang mengutip dan memperbanyak tanpa izin tertulis dari Institut Pertanian Bogor, sebagian atau seluruhnya, dalam bentuk apa pun, baik cetak, fotokopi, mikrofilm dan lain sebagainya.
MODEL SIMULASI MANAJEMEN KRISIS PERUSAHAAN AGROINDUSTRI
ALBERT P KUHON
DISERTASI sebagai salah satu syarat untuk memperoleh gelar Doktor pada Program Studi Teknologi Industri Pertanian
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2007
Judul Penelitian Nama Mahasiswa Nomor Induk Mhs Program Program Studi
: Model Simulasi Manajemen Krisis Perusahaan Agroindustri : Albert P. Kuhon : P 256 000 08 TIP : Doktor (S-3) : Teknologi Industri Pertanian Komisi Pembimbing
Dr. Ir. Irawadi Jamaran Ketua
Prof. Dr. Ir. Djumali Mangunwidjaja, DEA Anggota
Prof. Dr. Ir. Marimin, MSc Anggota
Diketahui Ketua Program Studi Teknologi Industri Pertanian Sekolah Pascasarjana IPB
Dr. Ir. Irawadi Jamaran Tanggal ujian: 11 Juni 2007
Dr. Ir. Amril Aman, MSc Anggota
Dr. Ir. Yandra Arkeman, MEng Anggota
Dekan Sekolah Pascasarjana IPB
Prof. Dr. Khairil Anwar Notodipuro, MS Tanggal lulus:
PRAKATA
Puji dan syukur penulis panjatkan ke hadapan Tuhan Yang Maha Esa, karena berkat rahmat dan karuniaNya penulis berhasil menyelesaikan disertasi dalam penelitian yang berjudul Model Simulasi Manajemen Krisis Perusahaan Agroindustri ini. Terimakasih dan penghargaan disampaikan kepada yang terhormat Dr. Ir. Irawadi Jamaran selaku Ketua Komisi Pembimbing atas pemberian perhatian, bimbingan, waktu, nasihat, arahan dan motivasi yang ditujukan penulis sampai selesainya disertasi ini. Penghargaan dan ucapan terimakasih yang tak terhingga juga penulis sampaikan kepada para anggota Komisi Pembimbing, Prof. Dr. Ir. Djumali Mangunwijaya, DEA; Prof. Dr. Ir. Marimin, MSc; Dr. Ir. Amril Aman, MSc; dan Dr. Ir. Yandra Arkeman, MEng yang telah mengarahkan, memberi saran, meminjamkan buku dan memberi dorongan sehingga menajamkan pemikiran penulis dalam menyelesaikan disertasi ini. Juga kepada Dr. Ir. Anas Miftah Fauzi, MEng, selaku Dekan Fakultas Teknologi Pertanian maupun sebagai pribadi, yang berkali-kali menghidupkan kembali semangat dan mendorong penulis menyelesaikan studi. Ucapan terimakasih secara khusus penulis sampaikan kepada Prof. Dr. Ir. Tun Tedja, yang selalu membangkitkan semangat guna menyelesaikan sekolah, serta berlapang dada mengizinkan penggunaan ruang dan merepotkan diri sewaktu penulis (dan teman-teman) berkonsultasi dengan Dr Irawadi Jamaran di luar jamjam kerja. Penulis juga berterimakasih kepada Rektor IPB, Dekan Sekolah Pascasarjana IPB, Ketua Departemen Teknologi Industri Pertanian IPB, dan Ketua Program Studi Teknologi Industri Pertanian Sekolah Pascasarjana IPB atas segala bantuan dan pelayanannya. Kepada seluruh staf Pengajar Program Studi Teknologi Industri Pertanian IPB, penulis ucapkan terimakasih atas segala curahan waktu, ilmu pengetahuan, dan pengalaman yang diberikan selama penulis menempuh pendidikan di IPB. Penghargaan dan terimakasih penulis sampaikan kepada Ir. Iswanto dari PT Great Giant Pineapple di Lampung, Ir. Hendro Purnomo dari PT Umas Jaya Agrotama di Terbanggi (Lampung Tengah), dan Tonny Edyanto dari PT Umas Jaya Agrotama di Jabung (Lampung Timur), atas segala bantuan dan kesempatan yang diberikan dalam penyusunan model manajemen krisis ini. Rasa terimakasih penulis haturkan kepada Ardy Ranieri Kuhon, si bungsu yang sering merelakan hari liburnya dengan menemani papanya sampai dinihari, serta selalu memberi dorongan agar penulis segera menyelesaikan sekolah. Juga kepada si sulung
xii Arvy Raoul Kuhon, yang membiarkan papanya tenggelam dalam kesibukan selama beberapa tahun semasa mengerjakan penelitian dan disertasi ini. Secara khusus terimakasih penulis sampaikan kepada staf dan kerabat kerja di Arendi Kemala, terutama Mawan Sugianto dan Imam Maulana, atas segala bantuan dalam proses penyelesaian disertasi. Juga kepada Hadikrun sekeluarga, yang seringkali harus berjaga sampai dinihari karena menemani penulis menyelesaikan disertasi di kantor. Kepada Joko Prayitno, yang seringkali harus bekerja sampai larut malam memperbaiki komputer yang digunakan dalam penyelesaian disertasi. Ucapan terima kasih juga penulis sampaikan kepada rekan-rekan mahasiswa pascasarjana Program Studi Teknologi Industri Pertanian, IPB, khususnya Nunuk Adiarni, Handojo Kristianto, Bintoro Dibyoseputro, Willem Dagi, Nofialdi, Ari Mirah Darmaputra, Aidil Yuzar, Herman Widyananda, Dida Heryadi Salya, rekan-rekan S3 TIP angkatan 2000 dan teman-teman di milis Agrin 2000 atas segala kebersamaan, persaudaraan, maupun kerjasama selama ini. Juga kepada Noke Kiroyan dan segenap anggota Strategic Team pada Kiroyan-Kuhon Partners (KKP), yang mendukung dan memberi penulis peluang menyelesaikan disertasi ini di tengah puncak kesibukan pekerjaan kantor. Kepada semua pihak yang tidak dapat disebutkan satu persatu, yang telah membantu penulis selama mengikuti pendidikan sampai terselesaikannya disertasi ini, juga disampaikan terimakasih. Penulis menyadari bahwa masih cukup banyak yang dapat disempurnakan dalam disertasi ini, karenanya sangat diharapkan saran dan kritik guna perbaikannya. Semoga disertasi ini bisa bermanfaat. Bintaro, Juni 2007 Penulis
RIWAYAT HIDUP
Penulis dilahirkan di Tanjungkarang pada tanggal 16 Januari 1954 dari ayah Yosef G. Kuhon dan ibu Tinanny. Penulis lulus dari Jurusan Teknologi Hasil Pertanian, Fakultas Teknologi Pertanian Universitas Gadjah Mada tahun 1981. Tahun 1994 melanjutkan kuliah di Graduate School of Technology Management, University of Maryland, Amerika Serikat dan lulus tahun 1996. Penulis melanjutkan ke program doktor pada Program Studi Teknologi Industri Pertanian, Sekolah Pascasarjana IPB tahun 2000. Penulis pernah bekerja sebagai staf Pusdiklat Departemen Perindustrian RI tahun 1976-1981, ketika masih berkuliah di Yogyakarta. Pada saat yang sama penulis menjadi wartawan Harian Kedaulatan Rakyat di Yogyakarta dan Gelora Mahasiswa UGM. Tahun 1981 penulis pindah ke Jakarta, menjadi wartawan di Harian Kompas sampai tahun 1989. Lalu tahun 1989 pindah ke grup Sinar Kasih dan menjadi Redaktur Pelaksana Harian Jayakarta dan tahun 1990 ditugaskan sebagai Kepala Biro Koresponden Harian Suara Pembaruan di Amerika yang berkedudukan di Washington DC. Pulang ke Indonesia tahun 1997, penulis pindah bekerja di Surya Citra Televisi dengan jabatan terakhir sebagai Produser Eksekutif Liputan 6 dan Senior Manajer Departemen Sistem Mutu yang menyiapkan sertifikasi ISO 2001 bagi SCTV. Tahun 2003 penulis membangun perusahaan konsultan komunikasi dan manajemen krisis Arendi Kemala, dan sekarang aktif sebagai direktur dan managing partner pada perusahaan konsultan Kiroyan-Kuhon Partners yang menangani komunikasi dan solusi bisnis. Penulis menikah dengan Dra. Saraswati Hidayat pada tahun 1989 dan dikaruniai dua orang anak, yaitu Arvy Raoul Kuhon (17 tahun), dan Ardy Raniery Kuhon (13 tahun).
DAFTAR ISTILAH AHP
AI ANFIS adjusted R-square agroindustri
: analytical hierarchy process atau proses hierarki analitik, salah satu metoda pengambilan keputusan dengan menerapkan analisis dan sintesis guna menetapkan peubah yang memiliki prioritas tertinggi dan paling berpengaruh terhadap pengambilan keputusan tersebut. artificial intelligence atau kecerdasan buatan yang memungkinkan suatu komputer dapat bertindak sebaik penalaran manusia dalam pengambilan keputusan : Adaptive Neuro-Fuzzy Inference System, salah satu teknik neurofuzzy : R-square yang disesuaikan derajat kebebasannya : segala jenis industri yang menggunakan bahan baku atau bahan pembantu yang berasal dari produk pertanian
BEP
: break even point, titik impas
dfe
: Residual atau degree of freedom error
ekstraksi expert system
: proses pemisahan bahan padat menggunakan pelarut : bagian dari AI(artificial intelligent), disebut juga sistem pakar atau sistem berbasis pengetahuan (knowledge based system), merupakan bagian dari kecerdasan buatan yang menggunakan komputer guna menyimpan pengetahuan para pakar sehingga komputer itu dapat meniru keahlian pakar dalam menyelesaikan permasalahan
FIS fuzzy
: fuzzy inference system atau sistem inferensi fuzzy : bilangan atau himpunan bilangan yang tidak memiliki batas yang terdefinisikan secara jelas (clearly) dan tegas (crisp) : disebut juga logika nilai beragam (multivalued logic atau multivalent logic), logika yang memungkinkan kita menjawab semua pertanyaan dengan ya, tidak, atau nilai-nilai antara ya dan tidak
fuzzy logic
IRR inferensi
krisis krisis internal MAE MAPE
: internal rate of return, tingkat pengembalian modal atau investasi
: suatu metoda yang menerjemahkan nilai vektor asupan fuzzy dan mengolahnya berdasarkan beberapa aturan, menempatkan nilai tersebut pada vektor keluaran : kejadian atau situasi mendadak yang berdampak cukup besar atau fatal bagi suatu lembaga, perusahaan atau entitas lain : krisis yang timbul akibat upaya suatu perusahaan menjalani proses mencari keuntungan : Mean Absolute Error, harga mutlak rata-rata selisih antara data hasil peramalan dengan kenyataan : Mean Absolute Percentage Error, rata-rata harga mutlak persentase selisih antara hasil peramalan dengan keadaan yang sebenarnya
xv ME MPE MSE metodologi model model simulasi
model simulasi manajemen krisis
NPV net B/C nilai keapikan
: Mean Error, rata-rata selisih antara data hasil peramalan dengan kenyataan : Mean Percentage Error, rata-rata persentase selisih antara hasil peramalan dengan keadaan yang sebenarnya : Mean Squares Errors : kumpulan metoda yang digunakan dalam pencapaian suatu tujuan : suatu entitas yang mewakili sistem tertentu : suatu sistem yang direkayasa dan tersusun oleh serangkaian subsistem, yang mampu berperilaku atau bereaksi seperti sistem yang diwakilinya, ketika mendapat asupan, perlakuan atau rangsangan tertentu suatu sistem yang direkayasa dan tersusun oleh serangkaian : persamaan matematis serta sistem pakar dan inferensi fuzzy, yang mampu mewakili perilaku dan reaksi para praktisi manajemen dalam menghadapi suatu krisis pada perusahaan agroindustri : net present value, nilai sekarang dari suatu laba yang timbul karena adanya investasi : perbandingan antara keuntungan bersih yang diperoleh dengan biaya yang dikeluarkan : goodness value, parameter yang menunjukkan tingkat akurasi suatu metoda peramalan
OWA
: ordered weighted averaging, salah satu metoda agregasi fuzzy yang memudahkan penggabungan operasi AND dan OR
PBP PE
: pay back period, perioda atau jangka waktu pengembalian investasi : Percentage Error, persentase selisih antara hasil peramalan dengan keadaan yang sebenarnya : upaya membentuk model sesuai dengan yang ditetapkan atau dirancang sebelumnya
pemodelan rmse R-square
: Root Mean Squares Error : perbandingan sum of squares of the regression (SSR) dengan total sum of squares (SST)
SDE SSE SSR SST sistem
: : : : :
sistem pakar
Standard Deviation of Errors Sum of Squared Error Sum of Squares of the regression total sum of squares, jumlah SSR dan SSE kumpulan suatu entitas, dapat berupa manusia atau mesin atau unsur lain, yang bekerja secara sendiri-sendiri maupun bersama guna mencapai suatu tujuan logis tertentu. : lihat expert system
tapioka
: tepung pati kering hasil ekstraksi ubikayu atau singkong
validasi
: pengujian kesahihan atau kesesuaian perilaku model yang direkayasa dengan perilaku model yang direncanakan
xvi verifikasi
: pengujian kesesuaian kemampuan dan proses dalam model hasil rekayasa dengan kemampuan dan proses sistem pada keadaan yang nyata atau kemampuan dan proses yang direncanakan
DAFTAR ISI
ABSTRAK .......................................................................................................................... iii ABSTRACT.........................................................................................................................iv RINGKASAN .......................................................................................................................v PRAKATA...........................................................................................................................xi RIWAYAT HIDUP........................................................................................................... xiii DAFTAR ISTILAH ...........................................................................................................xiv DAFTAR ISI.....................................................................................................................xvii DAFTAR TABEL..............................................................................................................xxi DAFTAR GAMBAR ........................................................................................................xxii DAFTAR LAMPIRAN.....................................................................................................xxv I. PENDAHULUAN .............................................................................................................1 1.1. Latar Belakang ...................................................................................................1 1.2. Agroindustri Tapioka .........................................................................................4 1.3. Simulasi Manajemen Krisis ...............................................................................6 1.4. Tujuan ................................................................................................................9 1.5. Ruang Lingkup...................................................................................................9 II. TINJAUAN PUSTAKA.................................................................................................11 2.1. Krisis ................................................................................................................11 2.2. Krisis dalam Agroindustri ................................................................................15 2.3. Manajemen Krisis ............................................................................................17 2.4. Sistem...............................................................................................................19 III. LANDASAN TEORI ....................................................................................................24 3.1. Sistem Pakar.....................................................................................................24 3.1.1. Penyerapan Pengetahuan .......................................................................25 3.1.2. Pengolahan Data dan Pengetahuan ........................................................25 3.1.3. Penyusunan Model.................................................................................26 3.2. Metoda Peramalan............................................................................................26 3.2.1. Mutu Metoda Peramalan........................................................................27 3.2.2. Gaussian.................................................................................................29 3.2.3. Polinomial ..............................................................................................31 3.2.4. Eksponensial ..........................................................................................33 3.2.5. Fourier....................................................................................................35 3.3. Fuzzy ................................................................................................................36 3.3.1. Logika fuzzy ...........................................................................................37 3.3.2. Pengoperasian Logika............................................................................40 3.3.3. Fungsi Keanggotaan (Membership Functions)......................................42 3.3.4. Sistem Inferensi fuzzy ............................................................................47 3.3.5. Metoda Mamdani ...................................................................................50 3.3.6. Metoda Sugeno ......................................................................................52
xix 3.4. Kecerdasan Buatan (Artificial Intelligence).....................................................56 3.4.1. FIS dan ANFIS ......................................................................................57 3.5. Metoda Penilaian Kelayakan Usaha ................................................................59 3.5.1. Net Present Value (NPV).......................................................................60 3.5.2. Internal Rate of Return (IRR) ................................................................61 3.5.3. Net Benefit Cost Ratio (Net B/C)...........................................................61 3.5.4. Titik Impas .............................................................................................62 3.5.5. Pay Back Period (PBP)..........................................................................62 3.5.6. Return on investment (ROI) ...................................................................62 IV. METODOLOGI............................................................................................................63 4.1. Kerangka Pemikiran.........................................................................................63 4.2. Tahapan penelitian ...........................................................................................65 4.2.1. Penetapan Tujuan...................................................................................67 4.2.2. Perumusan Permasalahan.......................................................................67 4.2.3. Penelitian................................................................................................68 4.2.4. Analisis ..................................................................................................68 4.2.5. Perancangan Model Manajemen Krisis .................................................70 4.2.5. Validasi ..................................................................................................74 4.2.7. Rekayasa Model.....................................................................................74 4.2.8. Verifikasi................................................................................................74 4.2.9. Perancangan Implementasi ....................................................................75 V. ANALISIS SISTEM ......................................................................................................76 5.1. Analisis Kebutuhan ..........................................................................................78 5.2. Perumusan Permasalahan.................................................................................79 5.2.1. Bahan .....................................................................................................80 5.2.2. Teknologi ...............................................................................................80 5.2.3. Ekonomi dan Finansial ..........................................................................80 5.2.4. Sosial......................................................................................................81 5.3. Identifikasi Sistem............................................................................................81 VI. PEMODELAN..............................................................................................................85 6.1. Kerangka Model...............................................................................................85 6.2. Sistem Manajemen Basis Data.........................................................................87 6.2.1. Data bahan .............................................................................................88 6.2.2. Data Ekonomi dan Finansial..................................................................89 6.2.3. Data Ketersediaan Teknologi.................................................................90 6.2.4. Data Sosial .............................................................................................90 6.2.5. Data Solusi Krisis ..................................................................................90 6.3. Sistem Manajemen Basis Model......................................................................90 6.3.1. Submodel Bahan ....................................................................................91 6.3.2. Submodel Ketersediaan Teknologi ......................................................101 6.3.3. Submodel Ekonomi dan Finansial .......................................................102 6.3.4. Submodel Masalah Sosial ....................................................................103 6.3.5. Submodel Alternatif Solusi..................................................................104 6.4. Sistem Pengolahan Data.................................................................................105 6.4.1. Dampak Krisis .....................................................................................106 6.4.2. Contoh Penetapan Dampak Krisis .......................................................108 6.5. Sistem Manajemen Dialog .............................................................................111
xx VII. VALIDASI DAN VERIFIKASI ...............................................................................113 7.1. Validasi ..........................................................................................................113 7.1.1. Model Krisis Bahan .............................................................................114 7.1.2. Model Krisis Finansial dan Ekonomi ..................................................118 7.1.3. Model Krisis Teknologi .......................................................................118 7.1.4. Model Krisis Sosial..............................................................................118 7.1.5. Model Krisis Komprehensif.................................................................118 7.1.6. Rekomendasi Solusi Krisis ..................................................................119 7.2. Verifikasi........................................................................................................119 VIII. RANCANGAN IMPLEMENTASI .........................................................................129 8.1. Asumsi ...........................................................................................................129 8.2. Pengambil Keputusan.....................................................................................130 8.3. Lingkungan ....................................................................................................130 8.4. Agroindustri Lain ...........................................................................................131 8.5. Faktor Lain .....................................................................................................132 IX. KESIMPULAN DAN SARAN ..................................................................................133 9.1. Kesimpulan ....................................................................................................133 9.2 Saran................................................................................................................134 DAFTAR PUSTAKA .......................................................................................................135 DAFTAR BACAAN.........................................................................................................140 LAMPIRAN......................................................................................................................143
DAFTAR TABEL Tabel 1. Klasifikasi lembaga berdasarkan kepentingan......................................................12 Tabel 2. Fungsi persamaan distribusi..................................................................................30 Tabel 3. Perbandingan beberapa alternatif metoda pengambilan keputusan ......................50 Tabel 4. Parameter linguistik ..............................................................................................50 Tabel 5. Pihak-pihak yang berkepentingan pada perusahaan agroindustri .........................79 Tabel 6. Klasifikasi pendekatan sistem...............................................................................82 Tabel 7. Jenis-jenis krisis internal.......................................................................................83 Tabel 8. Komponen model krisis bahan baku.....................................................................95 Tabel 9. Komponen model krisis pemasaran ......................................................................95 Tabel 10. Komponen model krisis bahan bakar..................................................................97 Tabel 11. Komponen model krisis air .................................................................................99 Tabel 12. Komponen model krisis bahan pembantu...........................................................99 Tabel 13. Alternatif dan kriteria masing-masing submodel..............................................105 Tabel 14. Himpunan fuzzy asupan dampak krisis bahan...................................................107 Tabel 15. Himpunan fuzzy keluaran dampak krisis komprehensif....................................107 Tabel 16. Indikator akurasi peramalan pasokan eksternal Jan-Des 2006 menggunakan pemulusan Gaussian orde 8...................................................................................115 Tabel 17. Indikator akurasi peramalan produksi tapioka Jan-Des 2006 menggunakan pemulusan Gaussian orde 8...................................................................................115 Tabel 18. Perbandingan Metoda Pemulusan Pasokan Bahan Baku Eksternal..................120
DAFTAR GAMBAR Gambar 1. Bagan proses pengolahan tapioka. ......................................................................6 Gambar 2. Intervensi terencana penghindaran dan pencegahan krisis. ..............................13 Gambar 3. Barometer krisis. ...............................................................................................14 Gambar 4. Distribusi Gaussian. ..........................................................................................30 Gambar 5. Distribusi Gaussian dimensi tunggal dengan mean 0 dan σ =1. .......................31 Gambar 6. Diagram polinomial...........................................................................................32 Gambar 7. Kasus umum dan contoh khusus inferensi fuzzy. ..............................................37 Gambar 8. Himpunan nama hari dalam satu minggu..........................................................37 Gambar 9. Hari-hari akhir pekan. .......................................................................................38 Gambar 10. Keanggotaan hari pada akhir pekan dinilai secara ya-tidak (kiri) dan fuzzy (kanan). ...................................................................................................................39 Gambar 11. Logika nilai ganda dan nilai fuzzy. ..................................................................40 Gambar 12. Triangular fuzzy Number (TFN) A = (a1, a2, a3). ..........................................42 Gambar 13. Klasifikasi menurut bilangan tegas atau crisp.................................................43 Gambar 14. Kurva fungsi keanggotaan bilangan tegas (atas) dan bilangan fuzzy (bawah).44 Gambar 15. Kurva fungsi keanggotaan segitiga dan trapezoidal........................................45 Gambar 16. Kurva fungsi keanggotaan Gaussian dan lonceng atau g-bell.........................46 Gambar 17. Kurva sigmoidal. .............................................................................................46 Gambar 18. Kurva polinomial.............................................................................................47 Gambar 19. Pola umum inferensi fuzzy...............................................................................48 Gambar 20. Komposisi himpunan fuzzy Metoda Max (Mamdani). ....................................51 Gambar 21. Sistem Inferensi fuzzy TSK dengan Dua Aturan.............................................53 Gambar 22. Diagram persamaan Sugeno............................................................................54 Gambar 23. Mekanisme inferensi fuzzy Model Sugeno......................................................55 Gambar 24. Visualisasi hasil inferensi Sugeno...................................................................55 Gambar 25. Struktur ANFIS. ..............................................................................................58 Gambar 26. Konfigurasi model simulasi manajemen krisis. ..............................................63 Gambar 27. Rekayasa simulasi manajemen krisis. .............................................................66 Gambar 28. Proyeksi dampak dan peluang krisis pada kuadran Fink. ...............................73 Gambar 29. Tahap pendekatan sistem. ...............................................................................77 Gambar 30. Diagram asupan-keluaran manajemen krisis...................................................81 Gambar 31. Konfigurasi model manajemen krisis..............................................................85 Gambar 32. Konfigurasi perkiraan data. .............................................................................87 Gambar 33. Konfigurasi manajemen krisis gabungan. .......................................................91 Gambar 34. Konfigurasi krisis bahan baku.........................................................................92 Gambar 35. Model inferensi fuzzy krisis bahan baku. ........................................................93 Gambar 36. Konfigurasi manajemen krisis pemasaran.......................................................96 Gambar 37. Konfigurasi manajemen krisis bahan bakar. ...................................................97 Gambar 38. Konfigurasi manajemen krisis air. ..................................................................98 Gambar 39. Konfigurasi manajemen krisis bahan pembantu. ..........................................100 Gambar 40. Model inferensi fuzzy krisis bahan (gabungan). ............................................100 Gambar 41. Konfigurasi analisis krisis bahan (gabungan). ..............................................101 Gambar 42. Konfigurasi model manajemen krisis teknologi............................................102 Gambar 43. Konfigurasi manajemen krisis finansial........................................................103 Gambar 44. Konfigurasi analisis krisis sosial. ..................................................................104 Gambar 45. Inferensi fuzzy pada penghitungan krisis bahan gabungan............................106
xxiii Gambar 46. Kaidah pada inferensi fuzzy dampak krisis komprehensif. ...........................108 Gambar 47. Aturan jika-maka pada penghitungan dampak krisis komprehensif. ............108 Gambar 48. Validasi dan verifikasi model........................................................................113 Gambar 49. Perbandingan data pasokan eksternal ubikayu (Jan 2000-Agust 2006) dengan kurva pemulusannya..............................................................................................116 Gambar 50. Perbandingan data produksi tapioka (Jan 2000-Agust 2006) dengan kurva pemulusannya........................................................................................................117 Gambar 51. Perbandingan data pasokan air (Jan 2000-Agust 2006) dengan kurva pemulusannya........................................................................................................117 Gambar 52. Tampilan hasil penetapan krisis bahan baku.................................................122 Gambar 53. Tampilan analisis krisis gabungan bahan......................................................123 Gambar 54. Tampilan analisis krisis finansial Februari 2007...........................................124 Gambar 55. Tampilan analisis krisis komprehensif Februari 2007. .................................125
xxiv
DAFTAR LAMPIRAN Lampiran 1. Angket Penilaian Krisis......................................................................... 144 Lampiran 2. Angket Solusi Krisis.............................................................................. 147 Lampiran 3. Hasil Angket Penilaian Krisis............................................................... 149 Lampiran 4. Hasil Angket Solusi Krisis ................................................................... 152 Lampiran 5. Produksi, Biaya dan Harga Pokok Tapioka..........................................156 Lampiran 6. Contoh Validasi Metoda Pemulusan..................................................... 184 Lampiran 7. Contoh Verifikasi Metoda Pemulusan Menggunakan Indikator Akurasi .......................................................................................................... 217 Lampiran 8. Contoh Verifikasi Metoda Pemulusan. Menggunakan Pembandingan Grafis..................................................................................... 228 Lampiran 9. Hasil Analisis Kelayakan Usaha........................................................... 254 Lampiran 10. Inferensi Fuzzy Penetapan Krisis ....................................................... 257 Lampiran 11. Kaidah Penetapan Solusi..................................................................... 271 Lampiran 12. Petunjuk Penggunaan CrismanSoft..................................................... 279
I. PENDAHULUAN 1.1. Latar Belakang Krisis secara umum diartikan sebagai peristiwa yang datang secara mendadak dan mengakibatkan atau mengundang risiko besar yang tidak mudah dikendalikan. Sampai kini, kebanyakan krisis dalam masyarakat dihubungkan dengan kejadian besar yang menimbulkan korban nyawa atau kerugian material sangat nyata seperti bencana alam (gempa bumi, tsunami, angin puyuh dan lain-lain), kebakaran, peperangan, kecelakaan pesawat terbang dan sebagainya (Mitroff, 2001; Lerbinger 1997; Mitroff et al., 1996; Booth, 1993; Fink, 1986). Luapan lumpur panas di Sidoarjo (Jawa Timur) yang berlangsung sejak pertengahan tahun 2006 merupakan kejadian yang mengundang krisis berkepanjangan bagi perusahaan pertambangan yang menjadi pemicu peristiwa itu maupun bagi warga sekitar lokasi kejadian. Gempa bumi di Yogyakarta akhir Mei 2006, juga menimbulkan krisis bagi penduduk di sana. Tsunami yang menyerang Aceh dan sejumlah negara yang berbatasan dengan Lautan Hindia pada akhir tahun 2004, digolongkan sebagai salah satu bencana alam terdahsyat di dunia yang meninggalkan krisis yang masih membekas. Topan Andrew yang menimbulkan kerusakan pada sebagian besar wilayah pantai Amerika Serikat pada tahun 1992, dijuluki sebagai ‘topan termahal’. Kebocoran pada industri kimia Union Carbide di Bhopal, India, tahun 1984 yang mengakibatkan lebih dari 2.500 korban tewas disebut sebagai ‘kecelakaan industrial terburuk’. Jumlah korban tewas akibat kecelakaan industrial yang mendekati dampak kebocoran gas Bhopal terjadi pada ledakan batubara di Honkeiko (Cina) tahun 1942 dan ledakan truk dinamit di Cali (Columbia) tahun 1956 (Mitroff, 2001; Lerbinger 1997; Mitroff et al., 1996; Booth, 1993; Fink, 1986). Contoh lain mengenai krisis adalah ledakan pada pusat listrik tenaga nuklir di Chernobyl (1986) di Rusia. Dalam peristiwa tersebut dilaporkan beberapa karyawan yang tewas seketika dan sejumlah petugas pemadam kebakaran meninggal setelah kejadian. Akibat peristiwa itu, sekitar 140.000 penduduk diungsikan dari sekitar lokasi ledakan. Lahan pada radius sekitar 5 km dari pusat ledakan nuklir itu tetap bersifat radioaktif sampai sekitar setahun setelah ledakan. Berbagai jenis produk pertanian seperti sayurmayur, susu, daging dan buah-buahan dimusnahkan sampai beberapa minggu setelah kejadian, guna mencegah penularan cemaran radiasi pada manusia melalui makanan (Lerbinger, 1997; Barton, 1993; Booth, 1993).
2 Statistik pada Nexis, sebuah bank data pemberitaan yang online, menunjukkan setidaknya ada 6.667 judul hasil liputan suratkabar yang berkaitan dengan krisis (crisis) dan perusahaan (company) selama 1 Januari – 30 Desember 1995. Penelitian Mitroff (1988) mengungkapkan dalam perioda tahun 1900-1988 terjadi 29 kecelakaan (yang masing-masing mengakibatkan lebih dari 50 korban tewas) pada industri besar di dunia dan sekitar separuh dari kecelakaan itu terjadi dalam tahun 1980-1988 (Mitroff, 2001; Schonberger, 2001; White & Mazur, 1998; Lerbinger 1997; Mitroff et al., 1996; Booth, 1993; Mitroff, 1988; Fink, 1986). Lerbinger (1997) melalui bukunya The Crisis Manager menegaskan bahwa dalam dunia perusahaan atau industri, krisis seringkali diartikan sebagai peristiwa mendadak yang mengakibatkan atau dapat mengundang keruntuhan reputasi dan melumpuhkan peluang perusahaan dalam pertumbuhan, memperoleh keuntungan, atau bahkan bertahan (profits, growth and survival). Ukuran setiap krisis ditentukan berdasarkan parameter mengenai besarnya dampak kerugian yang ditimbulkan peristiwa itu. Pencemaran laut dan pantai akibat kebocoran minyak dari kapal tanker pada tahun 1989, mengakibatkan perusahaan minyak Exxon Corporation dari Amerika Serikat harus membayar lebih dari 2 miliar dollar AS guna membersihkan cemaran minyak, ditambah 1,2 miliar dollar AS ganti rugi kepada pemerintah negara bagian Alaska, dan 5 miliar dollar AS lainnya ganti rugi kepada nelayan dan warga Alaska. Peristiwa Bhopal, menyebabkan harga saham Union Carbide merosot dari 59 dollar AS per lembar menjadi 33 dollar AS per lembar (Mitroff, 2001; Mitroff et al., 1996; Booth, 1993). Krisis yang melanda perusahaan, termasuk perusahaan agroindustri, dapat dipilahkan menjadi dua golongan utama yaitu krisis insidental (incidental crises) dan krisis internal (core crises). Krisis insidental, muncul sebagai akibat suatu peristiwa atau fenomena, yang sama sekali tidak berkaitan langsung dengan kegiatan suatu perusahaan. Krisis insidental terjadi sangat mendadak dan memiliki tingkat ketidakpastian yang sangat tinggi, sehingga umumnya pihak perusahaan tak memiliki kemampuan guna menanganinya dan harus mengalihkan pengelolaan risiko yang timbul akibat krisis tersebut kepada pihak lain. Contoh krisis insidental adalah krisis yang dialami oleh sejumlah perusahaan agroindustri di Indonesia setelah pemboman World Trade Center (WTC) di New York (11 September 2001), akibat pembatasan perdagangan yang diterapkan oleh pemerintah Amerika Serikat terhadap negara-negara yang dianggap tidak memerangi terorisme. Peristiwa pemboman WTC di New York itu, sama sekali tidak ada hubungan dengan kegiatan perusahaan agroindustri di Indonesia.
3 Krisis internal, berkaitan dengan segala bentuk eksploitasi suatu perusahaan dalam upaya mengubah risiko menjadi profit. Contoh krisis internal adalah krisis yang muncul akibat pemogokan pekerja, pencabutan izin usaha, dan langkanya bahan baku. Krisis internal yang menimpa suatu perusahaan dibagi menjadi lima golongan. Yakni krisis akibat (1) kesalahan atau kegagalan teknologi, (2) konfrontasi atau pertentangan, (3) malevolence atau teror, (4) kegagalan manajemen, dan (5) ancaman lain terhadap perusahaan (White & Mazur, 1998). Krisis akibat teknologi (technological crises) umumnya terjadi di lingkungan perusahaan yang sangat tergantung pada teknologi, dan terjadi akibat kegagalan teknologi yang amat dominan tersebut. Sedang krisis akibat konfrontasi (confrontation crises) terjadi ketika sejumlah kelompok menentang kebijakan atau sikap perusahaan, baik dalam bentuk kritik maupun tindakan-tindakan lainnya seperti pemboikotan yang terjadi terhadap produk-produk Nestle atau Procter Gamble pada tahun 1986 (Lerbinger, 1997). Dimensi situasi krisis internal antara lain (Mitroff, 2001; Mitroff et al., 1996; Fink, 1986): •
Intensitas ancaman, baik terhadap nyawa, keselamatan atau kelanjutan suatu perusahaan.
•
Keterbatasan waktu, yang berarti pengambilan keputusan harus dilakukan secara cepat guna menghadapi situasi.
•
Intensitas ketegangan atau stress, terutama menghinggapi manajemen atau pihak-pihak yang bertanggungjawab mengendalikan situasi. Kemampuan suatu industri mengelola krisis internal, seringkali merupakan hal
yang sangat menentukan bagi kelangsungan perusahaan. Kesalahan pengelolaan krisis dapat berakibat sangat fatal bagi sebuah perusahaan. Kegiatan manajemen krisis yang proaktif, meliputi antara lain peramalan mengenai kemungkinan krisis dan perencanaan cara-cara penanggulangannya. Seluruh tindakan tersebut harus diselesaikan dalam waktu yang sangat terbatas dan kekeliruan tindakan dapat menimbulkan krisis lanjutan (Mitroff, 2001; Mitroff et al, 1996; Barton, 1993; Gottschalk, 1993; Begelow, Jefkins, 1987; Fink, 1986). Tindakan intervensi secara tepat, dapat menghindarkan terjadinya krisis maupun dampak yang timbul akibat krisis. Penerapan manajemen krisis memerlukan perencanaan mengenai antisipasi terhadap krisis, dampak krisis maupun kejadian tak terduga yang lain yang dapat menimpa perusahaan. Terlalu banyak hal yang sukar diduga, menyulitkan
4 penyusunan rencana rinci dan akurat mengenai penghindaran maupun penanggulangan krisis (Mitroff, 2001; Hendricks, 2000; White & Mazur, 1998; Crandall & Menefee, 1996; Mitroff et al, 1996; Lippitt, 1994; Barton, 1993; Glen, 1993; Gottschalk, 1993; Fink, 1986). Pertumbuhan teknologi komunikasi yang sangat cepat, tuntutan keterbukaan pemerintah, laporan dan advokasi lembaga swadaya masyarakat, serta perkembangan kehandalan investigasi di kalangan pelaku media massa, mengakibatkan upaya menyembunyikan krisis makin sulit dilakukan. Informasi mengenai peristiwa krisis di suatu tempat, dapat segera tersebar ke benua lain dalam waktu yang singkat dengan bantuan teknologi satelit, yang mengakibatkan krisis makin sulit dikelola. Kebanyakan lembaga atau perusahaan kurang memperhatikan pengelolaan krisis dan baru menyadari hal tersebut sangat penting ketika sudah dilanda krisis. Kendala utama bagi perkembangan manajemen krisis di lingkungan industri adalah faktor penyebab krisis terlalu banyak, kehadiran krisis sulit diramal, tahapan krisis sukar dideteksi serta penguasaan terhadap manajemen krisis di tingkat perusahaan masih rendah. (Mitroff, 2001; Lerbinger, 1997; Augustine, 1995; Fink, 1986). 1.2. Agroindustri Tapioka Penelitian mengenai manajemen krisis di lingkungan industri, terutama manajemen krisis dalam bidang agroindustri, sampai saat ini masih langka. Hasil penelitian terhadap ratusan krisis yang terjadi selama dekade 1981-1991 di Amerika Serikat menunjukkan perusahaan pengecer makanan, restoran dan usaha makanan cepat saji (fast food) serta agroindustri (termasuk juga perikanan dan perkebunan) digolongkan sebagai perusahaan yang memiliki tingkat risiko sedang atau medium terhadap krisis. Selain itu, risiko dan peluang kerugian finansial pada perusahaan agroindustri tergolong sangat tinggi (Mitroff, 2001; Doherty, 2000; Barton, 1993; Purcell 1991; Jefkins 1987; Fink, 1986; Gittinger, 1986). Berbagai penelitian menunjukkan kebanyakan perusahaan, termasuk perusahaan agroindustri, kurang memperhatikan manajemen krisis. Penelitian pada tahun 1989 yang dilakukan oleh perusahaan kehumasan Golin/Harris di Amerika Serikat menunjukkan sekitar 66 persen dari responden mereka menyadari adanya krisis dalam 5 tahun terakhir, tetapi hanya sekitar sepertiga dari mereka yang memiliki rencana pengelolaan krisis (crisis management plan) dan secara rutin melakukan rapat setidaknya sekali dalam tiga bulan. Penelitian Pauchant dan Mitroff menunjukkan hanya 5-15 persen dari 120 perusahaan
5 yang diamati mulai memiliki kesiagaan menghadapi krisis (crisis preparedness). Dua orang dosen administrasi bisnis dari Portland (AS), Janice Jackson dan William Schantz, memperkirakan sekitar 60 persen dari perusahaan industri Fortune 1000 dan perusahaan jasa Fortune 500 yang memiliki rencana operasional manajemen krisis (Mitroff, 2001; Lerbinger, 1997; Barton, 1993; Booth, 1993; Pauchant & Mitroff, 1992;. Janis, 1989; Fink, 1986). Setidaknya dua hal yang mengakibatkan risiko krisis menjadi meningkat dalam era kemajuan teknologi. Yang pertama adalah kerumitan teknologi yang digunakan dalam perusahaan, yang merupakan bagian dari suatu sistem yang lebih besar dan sekaligus juga memiliki subsistem. Kedua, hubungan yang sangat erat antara masing-masing subsistem yang memungkinkan kegagalan salah satu subsistem memicu akibat yang tidak terduga pada subsistem lainnya. Kerentanan agroindustri terhadap krisis cukup tinggi karena industri hasil pertanian belakangan ini sangat banyak mengadopsi kemajuan teknologi (Lerbinger, 1997; Betz, 1995; Perrow, 1984). Penelitian ini menggunakan perusahaan tapioka sebagai studi kasus karena industri tapioka merupakan salah satu jenis agroindustri yang rawan terhadap krisis internal. Meski teknologinya sangat sederhana, industri tapioka tergolong padat karya dan sangat dipengaruhi oleh ketersediaan bahan baku. Perubahan harga bahan baku, ketersediaan uang tunai di perusahaan dan cuaca serta mutu prasarana fisik (jalan raya) sangat berpengaruh terhadap pasokan ubikayu yang menjadi bahan dasar pengolahan tapioka. Proses pengolahan tapioka juga sangat dipengaruhi oleh kelancaran pasokan air dan bahan bakar. Kerawanan industri tapioka terhadap krisis internal meningkat seiring dengan makin ketatnya peraturan mengenai kelestarian lingkungan hidup dan pengendalian pencemaran. Tambahan pula, pertumbuhan industri tapioka di beberapa daerah tidak diiringi dengan perkembangan areal tanaman ubikayu sehingga sejumlah perusahaan tapioka dalam waktu dekat akan kekurangan bahan baku. Selain itu, kehadiran tapioka impor memperburuk keadaan industri tapioka di Indonesia. Prinsip utama dalam pengolahan ubikayu menjadi tapioka adalah proses ekstraksi pati yang terdapat dalam bahan baku. Secara ringkas prosesnya dapat dilihat pada diagram alir pengolahan tapioka. Dalam proses tersebut ubikayu dihancurkan, patinya diekstrak secara basah kemudian hasil ekstraknya dikeringkan sampai menjadi tepung yang dijual sebagai tapioka. Randemen proses pengolahan tapioka dari ubikayu berkisar 22 persen. Pemrosesan guna menghasilkan 1 ton tapioka memerlukan air sekitar 20 m kubik dan
6 pengeringannya membutuhkan sekitar 35 liter bahan bakar. Selain itu, diperlukan tenaga listrik sekitar 180 Kwh guna menggerakkan mesin-mesin pengolahan dalam menghasilkan 1 ton tapioka. Bagan prosesnya dapat dilihat pada Gambar 1. Pada umumnya air yang digunakan dalam proses pengolahan tapioka bersumber dari sungai yang terdekat dengan lokasi pabrik, sehingga perlu diolah dulu sebelum digunakan dalam pemrosesan tapioka. Pembersihan air kebutuhan pengolahan tapioka dilakukan antara lain dengan tawas dan belerang, yang dalam penelitian ini digolongkan sebagai bahan pembantu.
Gambar 1. Bagan proses pengolahan tapioka. 1.3. Simulasi Manajemen Krisis Penerapan simulasi dalam penelitian maupun pengembangan manajemen krisis masih sangat terbatas. Quanjel et al (1998), mengungkapkan upaya membangun model simulasi krisis yang dinamakan Crisislab. Perangkat lunak itu merupakan simulasi dan permainan (simulation and gaming) yang memungkinkan penggunanya berinteraksi ketika dihadapkan pada suatu situasi tiruan krisis tertentu. Fokus utama permainan melalui perangkat lunak Crisislab adalah proses pengambilan keputusan dan koordinasi di lingkungan penggunanya, yang terdiri atas pihak-pihak yang bertanggungjawab atas situasi krisis pada suatu kawasan tertentu.
7 Penelitian dan pengembangan manajemen krisis pada perusahaan agroindustri yang menggunakan pendekatan simulasi masih sangat langka. Erna Rusliana Muhamad Saleh (2004) dari Sekolah Pascasarjana Institut Pertanian Bogor (IPB) melakukan penelitian tesis mengenai manajemen krisis mengenai suplai sayuran ke wilayah perkotaan. Saleh membangun model sistem penunjang keputusan dan merumuskan solusi alternatif dalam manajemen krisis pasokan sayuran ke wilayah perkotaan. Ia menggunakan distribusi beta, distribusi uniform, teknik heuristik dan analytical hierarchy process (AHP) dalam rekayasa basis modelnya. Penelitiannya menghasilkan pengembangan perangkat lunak prototipe manajemen krisis suplai sayuran ke wilayah perkotaan menggunakan bahasa pemrograman Visual Basic 6.0 yang diaplikasikan dalam paket program komputer Maskot 1.04. Di lain pihak, Imam Santoso (2004) dari Sekolah Pascasarjana Institut Pertanian Bogor (IPB) melakukan penelitian disertasi yang menghasilkan perangkat lunak sistem penunjang keputusan manajemen risiko M-Risk bagi pengembangan agroindustri berkelanjutan. Penelitian Santoso difokuskan pada penentuan produk unggulan dilihat dari aspek pengadaan bahan baku, proses pengolahan, pemasaran, kelayakan finansial dan kelembagaan. Santoso menggunakan metoda perbandingan eksponensial (MPE), pohon pengambilan keputusan (decision tree), Independent Preference Evaluation (IPE) fuzzy non numerik multi expert multi criteria decision making (ME-MCDM), proses hierarki analitik (analytical hierarchy process atau AHP), dan pemodelan interpretasi struktural (interpretative structural modeling atau ISM). Dida Heryadi Salya (2006) dari Sekolah Pascasarjana Institut Pertanian Bogor (IPB) melakukan penelitian disertasi yang menghasilkan perangkat lunak sistem deteksi dini dan manajemen kontrol perniagaan minyak goreng DETRIME. Salya mendasarkan peramalan krisisnya pada perubahan harga eceran minyak goreng. Ia menggunakan pendapat pakar terhadap peubah yang memiliki korelasi dekat dengan harga, kemudian membangun sub model peramalan melalui proses pembelajaran terhadap situasi yang terjadi pada masa krisis ekonomi tahun 1997-1998. Pengolahan data dilakukan dengan metoda jaringan syaraf tiruan (JST) dengan teknik Jaringan Propagasi Balik Lapisan Jamak (Multi-layer Back Propagation Network). Penelitian mengenai manajemen krisis perusahaan agroindustri ini bertujuan merekayasa dan menyusun model simulasi manajemen krisis menggunakan akuisisi pengetahuan pakar dan teknik-teknik pengambilan keputusan berbasis logika fuzzy, dan analisis ekonomi. Model simulasi yang dimaksudkan dalam penelitian ini adalah tiruan
8 suatu sistem yang dapat menyajikan peringatan dini dan tahapan maupun risiko krisis internal yang sedang dihadapi perusahaan agroindustri serta menyuguhkan alternatif pencegahan, penghindaran dan penanggulangan krisis tersebut. Hasil penelitian ini, dapat membantu kalangan manajemen menghindari, mencegah, menghadapi dan menanggulangi krisis yang mungkin timbul atau sedang berlangsung di lingkungan perusahaan agroindustri. Model simulasi manajemen krisis yang dihasilkan dapat menyajikan: 1. Diagnostik dan identifikasi, mengenai tahapan, magnitude dan risiko krisis yang dihadapi oleh perusahaan agroindustri, dengan menganalisis data dan informasi yang tersedia. 2. Peringatan dini, mengenai risiko krisis yang mungkin dihadapi pada waktu tertentu, berdasarkan informasi dan data mengenai keadaan pada saat itu. 3. Pencegahan dan penghindaran krisis, berupa alternatif penghindaran atau pencegahan sebelum terjadinya krisis dalam suatu perusahaan agroindustri, dengan menganalisis data dan informasi yang tersedia. 4. Penanggulangan krisis, berupa alternatif penyelesaian atau penanggulangan krisis yang tidak tercegah atau terhindari oleh perusahaan agroindustri dan perhitungan kemungkinan risiko krisis. 5. Transparansi, berupa hasil pemantauan keadaan suatu perusahaan agroindustri (terutama perusahaan yang telah go public) sehubungan dengan risiko krisis. 6. Pengambilan keputusan, mengenai tahapan krisis dan solusi alternatif sehubungan dengan situasi krisis yang dihadapi perusahaan agroindustri. Model simulasi manajemen krisis yang dihasilkan dalam penelitian ini menggunakan keterpaduan antara subsistem pakar (expert subsystem atau knowledge based subsystem), subsistem pusat data (database) dengan sistem pengolahan data (data processing). Hasil akuisisi pengetahuan pakar dari berbagai disiplin ilmu dipadukan dengan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi. Asupan data mengenai kondisi pada saat tertentu terhadap model tersebut, dapat menghasilkan diagnosis dan identifikasi krisis, maupun gambaran tahapan krisis yang dihadapi oleh suatu perusahaan agroindustri, kemungkinan risiko dan potensi kerugian yang dapat muncul serta pilihan-pilihan langkah menghadapi krisis tersebut maupun biaya yang timbul dari solusi yang dapat dipilih.
9 1.4. Tujuan Penelitian ini bertujuan merekayasa dan menyusun model manajemen krisis menggunakan akuisisi pengetahuan pakar dan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi. Model simulasi yang dihasilkan merupakan piranti yang dapat menyajikan peringatan dini dan dampak maupun peluang krisis internal perusahaan agroindustri dan menyuguhkan alternatif solusi bagi krisis tersebut. 1.5. Ruang Lingkup Sesuai dengan tujuan penelitian, maka ruang lingkup penelitian ditetapkan meliputi (1) bahan (bahan baku, bahan pembantu, air, bahan bakar dan produk), (2) teknologi, (3) ekonomi dan finansial serta (4) sosial. Rinciannya adalah sebagai berikut: 1. Bahan. Diagnosis dan identifikasi mengenai dampak krisis internal pada kurun waktu tertentu dan peluang krisis tersebut, dengan mengamati, mengukur, menganalisis data dan informasi tentang: a. Tingkat kebutuhan dan pasokan produk pertanian yang dijadikan bahan dasar dan bahan pembantu pada pengolahan produk agroindustri yang diamati b. Tingkat kebutuhan dan pasokan air, bahan pembantu maupun bahan bakar yang diperlukan dalam proses pengolahan produk agroindustri yang diamati c. Laju produksi, laju penjualan produk dan daya tampung gudang produk hasil pengolahan 2. Teknologi. Gambaran mengenai dampak dan peluang krisis internal yang dihadapi perusahaan agroindustri karena masalah teknologi, terbatas pada hasil pengamatan tentang: a. Ketersediaan teknologi dan peralatan utama yang digunakan dalam proses pengolahan b. Kelancaran pasokan utilities yang menjadi kebutuhan utama (listrik, telepon dan lain-lain) c. Ketersediaan sistem penunjang atau sistem cadangan yang dapat menjamin kelancaran operasi perusahaan jika sistem utamanya mengalami hambatan 3. Ekonomi dan Finansial. Diagnosis, identifikasi dan peringatan dini mengenai dampak maupun peluang krisis ekonomi atau finansial, serta alternatif langkah-
10 langkah strategis yang dapat ditempuh perusahaan agroindustri guna menghadapi krisis tersebut; didasarkan pada pengamatan, penghitungan dan analisis mengenai: a. Laba atau rugi perusahaan dan membandingkannya dengan rataan tingkat sukubunga yang berlaku b. Likuiditas finansial perusahaan c. Kenaikan/penurunan harga saham perusahaan dan membandingkannya dengan kenaikan/penurunan indeks harga saham gabungan d. beberapa parameter yang dapat dijadikan indikator mengenai kinerja perusahaan secara finansial dan ekonomi seperti titik impas atau BEP (break even point), NPV (net present value), IRR (internal rate return), PBP (pay back period) dan ROI (return on investment) 4. Sosial. Diagnosis, identifikasi dan peringatan dini mengenai tahapan maupun magnitude krisis yang timbul akibat masalah SDM, hukum dan aksi kekerasan, serta alternatif langkah-langkah strategis yang dapat ditempuh perusahaan agroindustri guna menghadapi krisis tersebut; didasarkan pada pengamatan, penghitungan dan analisis mengenai: a. Gejala keresahan atau ketidakpuasan dan tingkat pengunduran diri karyawan penting serta manajemen b. Aksi mogok, kekerasan, penculikan dan penyanderaan karyawan atau manajemen c. Ancaman, teror maupun kerusuhan di tempat kerja atau di lingkungan perusahaan agroindustri d. Pelanggaran hukum yang dilakukan oleh perusahaan atau manajemen perusahaan agroindustri. Penelitian guna menghasilkan model simulasi manajemen krisis ini melibatkan narasumber yang terdiri atas praktisi atau para pelaku (elemen) yang terlibat secara langsung dalam agroindustri tapioka. Sebelum dijadikan acuan, pendapat para praktisi industri tapioka tersebut dikonfirmasikan dengan para pemangku kepentingan lain seperti petani, masyarakat sekitar, pengusaha, pegawai dan manajemen perusahaan industri, dan pejabat pemerintah yang terkait.
II. TINJAUAN PUSTAKA 2.1. Krisis Penelitian dan telaah mengenai krisis masih terbilang jarang, terutama tentang krisis pada agroindustri. Perkembangan studi tentang krisis, analisis krisis, cara penanganan dan situasi pemulihannya mulai terlihat selama sekitar 30 tahun terakhir. Kebanyakan pustaka membahas manajemen krisis dari segi komunikasi pada saat krisis maupun setelah peristiwa krisis berlalu. Sejumlah pustaka membahas manajemen krisis menggunakan pendekatan individualistik dan studi kasus yang umumnya berdasarkan pengalaman penulisnya (Fearn-Banks, 1996; Glen, 1993; Gottschalk, 1993; Meyers dan Holusha, 1988; Mitroff, 1988; Shrivastava, 1987; Boulton, 1978; Allison, 1971). Selain itu, ada penulis yang membahas masalah krisis secara lebih komprehensif (Lerbinger, 1997; Booth, 1993; Miller, 1988, Perrow, 1984), dan sebagian lainnya menggunakan pendekatan empirik dalam manajemen krisis (Mitroff, 2001; Kennedy, 1996; Fink, 1996; Mitroff et al., 1996; Isselbacher dan Upton, 1994; Lippitt, 1994; Barton, 1993; Gottschalk, 1993; Pauchant & Mitroff, 1992). Penelitian ini bertujuan menghasilkan model berupa piranti lunak yang dapat digunakan sebagai simulasi pengelola perusahaan agroindustri dalam menghadapi suatu keadaan krisis. Model tersebut dapat menyajikan peringatan dini, tahapan krisis, risiko krisis dan solusi alternatif terhadap krisis yang dihadapi. Model manajemen krisis yang dihasilkan berbasis pengetahuan kecerdasan (intelligence knowledge based system) yang memungkinkan pengambilan keputusan berdasarkan atas sekumpulan aturan. Pengguna model yang berinteraksi dengan model seakan berkonsultasi dengan pakar, guna mengetahui tahap krisis, risiko yang mungkin timbul dan mendapatkan solusi krisis yang dihadapi perusahaan agroindustri yang ditelaah. Krisis merupakan peristiwa yang timbul akibat suatu tindakan atau kegagalan bertindak yang mengakibatkan suatu organisasi mengalami gangguan fungsi-fungsi, penerimaan keuntungan, maupun keberadaannya. Krisis menimbulkan gangguan yang secara fisik berdampak nyata terhadap suatu sistem dan mengancam eksistensi maupun kelangsungan sistem tersebut. Setidaknya, krisis adalah situasi mendadak yang ekstrim, menimbulkan ketegangan, berisiko besar dan sulit terkendali, yang tidak dapat dihadapi menggunakan prosedur rutin yang normal. Situasi itu dapat menimbulkan risiko tinggi terhadap harta benda atau nyawa, sehingga memerlukan tanggapan segera menggunakan
12 segala sumberdaya dan fasilitas yang tersedia dengan upaya yang melampaui kinerja pada saat normal (Mitroff, 2001; Schonberger, 2001; Hendricks, 2000; White & Mazur, 1998; Mitroff et al, 1996; Barton, 1993; Glen, 1993; Gottschalk, 1993; Fink, 1986; Doherty, 1985). Krisis dapat terjadi pada perorangan maupun terhadap organisasi atau lembaga. Setiap jenis lembaga melayani kepentingan pihak tertentu sesuai dengan bentuknya dan masing-masing memiliki potensi masalah utama tersendiri. Masing-masing jenis lembaga, memiliki struktur formal, kemampuan dan pendekatan maupun intervensi yang berbeda ketika menghadapi krisis atau perubahan mendadak (Mitroff, 2001; Barton, 1993; Booth, 1993; Glen, 1993; Pauchant dan Mitroff, 1992; Janis, 1989). Klasifikasi lembaga berdasarkan kepentingannya dapat dilihat pada Tabel 1. Tabel 1. Klasifikasi lembaga berdasarkan kepentingan Bentuk
Kepentingan utama yang harus dilayani
Contoh
Masalah utama
Perusahaan swasta, Badan Harus mencari Usaha Milik Negara, dll keuntungan Harus menyeleksi calon Non profit Kelompok penerima jasa Universitas penerima jasa Serikat pekerja, koperasi, Harus memenuhi Perhimpunan Para anggota perhimpunan tani dll kebutuhan anggota Lembaga Polisi, instansi pemerintah Harus melaksanakan Masyarakat umum publik dll prosedur tertentu Diolah dari Kreitner, 1986 Bisnis
Pemilik saham
Metoda yang paling sederhana dalam menghindari krisis adalah konsensus yang memungkinkan para pihak yang berkepentingan berpartisipasi dalam upaya mencegah konflik. Pengambilan keputusan berdasarkan konsensus tergantung pada dua hal, yakni (1) optimasi dari terpenuhinya kepentingan para pihak dan (2) kompromi dari pihak-pihak yang berkepentingan. Pemilihan langkah antara pencegahan, penghindaran dan penanggulangan tergantung pada perbandingan antara biaya perlakuan dengan dampak yang mungkin timbul. Jika biaya penghindaran atau pencegahan lebih besar dibandingkan dengan kerugian yang timbul akibat dampak krisis, maka pihak manajemen lebih tepat memilih penanggulangan krisis tersebut (Mitroff, 2001; Moscovici & Doise, 1994; Gottschalk, 1993; Fink, 1986). Pencegahan dan penghindaran krisis tergolong langkah yang sangat rumit, karena datangnya krisis pada umumnya sangat mendadak serta perkembangannya sangat cepat. Sehingga, upaya melakukan konsensus guna menyelesaikan krisis, sangat sulit dilakukan setelah krisis mulai berlangsung. Perencanaan dan kesiagaan penanggulangan krisis (crisis planning and preparedness) yang tepat merupakan faktor kunci bagi keberhasilan
13 penanganan krisis dalam suatu perusahaan (Mitroff, 2001; White & Mazur, 1998; Jackson & Center, 1995; Barton, 1993; Fink, 1986).
Pengaruh tindakan intervensi terhadap
perkembangan krisis, dilukiskan pada Gambar 2.
Sumber: Gonzales-Herrero & Pratt (1995)
Gambar 2. Intervensi terencana penghindaran dan pencegahan krisis. Secara garis besar krisis dapat dibagi menjadi empat tahapan, yakni prodromal atau awal, akut, kronis dan tingkat penyelesaian. Situasi awal krisis antara lain ditandai oleh peningkatan intensitas ketegangan, peningkatan perhatian media massa atau pemerintah, kemunculan hambatan atau gangguan terhadap operasi bisnis, gangguan citra perusahaan, serta kehancuran prinsip-prinsip atau tata nilai dalam perusahaan (Mitroff, 2001; Fink, 1986). Krisis prodromal dapat berkembang menjadi krisis akut jika peringatan dini mengenai kemunculan persoalan tidak ditangani secara serius. Pada tahap akut, persoalan sudah menjadi lebih serius dan gejala krisis terlihat jelas. Dengan perencanaan dan penanganan yang tepat, ledakan krisis pada tahap akut dapat diatur waktu, tempo maupun magnitudenya sehingga dampak buruk dapat dikendalikan. Perioda krisis tingkat akut kebanyakan berlangsung singkat, lalu dilanjutkan dengan krisis tingkat kronis (Mitroff, 2001; Fink, 1986). Krisis pada tingkat kronis sulit dikendalikan. Tidak sedikit perusahaan yang memulai analisis, audit dan upaya pemulihan setelah krisis mencapai tahap kronis. Perencanaan dan penanganan yang tepat dapat memperpendek perioda krisis kronis. Tahapan berikutnya adalah penyelesaian atau resolusi krisis. Pada tahap ini, krisis dapat diubah menjadi kesempatan atau peluang bagi perusahaan sehingga harus diupayakan agar krisis terselesaikan secara tuntas (Mitroff, 2001; Fink, 1986).
14 Identifikasi krisis dan penentuan tindakan penyelesaian krisis, dilakukan dengan menghitung nilai dampak krisis (Crisis Impact Value) berdasarkan faktor peluang krisis (Probability Factor) dan tingkat pengaruh (Degree of Influence) dan biaya intervensi (Cost of Intervention). Potensi pengaruh krisis diperkirakan menggunakan skala nilai 0-10 dengan memperhitungkan: •
Eskalasi intensitas krisis
•
Kemungkinan peningkatan perhatian media massa atau pemerintah
•
Penghambatan terhadap operasi perusahaan
•
Kerusakan citra baik perusahaan di mata publik
•
Kehancuran prinsip-prinsip dasar perusahaan
Rata-rata jumlah seluruh nilai yang diperoleh disebut angka Skala Dampak Krisis (Crisis Impact Scale atau CIV). Langkah berikutnya adalah memperkirakan secara subjektif mengenai potensi terjadinya krisis menggunakan skala 0-100 persen (Fink, 1986). Perpaduan antara kedua skala itu dalam kuadran terlihat pada Gambar 3. Pada kuadran hijau, dampak krisis rendah dan kemungkinan terjadinya krisis juga rendah, sehingga dapat disimpulkan bahwa perusahaan nyaris tidak terancam oleh krisis. Pada kuadran kuning, faktor kemungkinan terjadinya krisis memang rendah namun jika krisis terjadi dampaknya akan sangat merugikan perusahaan. Pada kuadran merah, berarti perusahaan yang bersangkutan sangat mudah terlanda krisis dan dampak krisisnya sangat buruk. Sedang pada kuadran kelabu, tingkat kemungkinan terjadinya krisis cukup tinggi namun dampak krisis yang ditimbulkan nyaris tidak terlalu berarti.
KUNING Tinggi
Rendah
Nilai dampak krisis
10
Tinggi
Tinggi
MERAH
0
100 Peluang krisis (%)
Rendah
Rendah
Rendah
HIJAU
Tinggi
KELABU 0
Sumber: Fink, 1986
Gambar 3. Barometer krisis.
15 Krisis tidak mengenal batas dan terjadi pada perusahaan, perhimpunan, lembaga pemerintah, koperasi maupun keluarga. Bagi suatu perusahaan, krisis dan kejadian susulan setelah krisis menimbulkan kerugian yang sangat besar. Pengendalian dampak dan guncangan akibat suatu krisis, memerlukan proses yang panjang dan waktu yang lama. Kebanyakan perusahaan mengandalkan sumberdaya atau konsultan dari luar guna mengatasi krisis. Dalam penelitian ini, yang dimaksudkan dengan krisis adalah krisis internal yang merupakan suatu peristiwa besar yang tak terduga, berdampak negatif dan dapat menimbulkan kerugian yang sangat berarti bagi suatu perusahaan. Kerugian tersebut meliputi aspek pemasaran produk atau jasa, kondisi keuangan, citra atau reputasi perusahaan, semangat kerja karyawan di lingkungan perusahaan tersebut dan bahkan dapat merupakan campuran dari berbagai aspek tersebut (Mitroff, 2001; Doherty 2000; Fink, 1986). 2.2. Krisis dalam Agroindustri Salah satu contoh mengenai krisis internal yang melanda perusahaan agroindustri terjadi di Amerika Serikat (AS) tahun 1987. Akhir Maret 1987, televisi CBS dalam program ’60 Minutes’ menyiarkan bahwa 30 persen dari daging ayam yang dijual di Amerika Serikat terkontaminasi oleh bakteri salmonella yang berbahaya bagi kesehatan manusia. Laporan bertajuk One Out of Three tersebut mengutip keterangan seorang mantan pejabat Departemen Pertanian AS yang membidangi industri peternakan ayam, sejumlah pejabat inspektur dari lingkungan pemerintah, serta seorang mantan karyawan pabrik pemrosesan daging ayam di sana (Lerbinger 1997; Booth, 1993; Gottschalk, 1993). Para narasumber menilai perusahaan-perusahaan penghasil daging ayam (poultry) biasa melakukan pelanggaran terhadap peraturan kesehatan dan menjual produk yang tercemari bakteri berbahaya akibat kelemahan pengawasan Departemen Pertanian AS. Siaran CBS tersebut kemudian disusul oleh publikasi negatif berbagai media massa AS, termasuk Harian Los Angeles Times (edisi 19 Mei 1987) dan Washington Post (3 Juni 1987). Parlemen AS menyelenggarakan dengar pendapat mengenai masalah tersebut awal Juni 1987. Industri peternakan ayam pedaging, Dewan Nasional Ayam Pedaging, serta berbagai industri pemrosesan yang menjadi matarantai dalam pemrosesan maupun pemasaran daging ayam di AS dilanda krisis sampai awal September 1987 dan baru pulih sekitar setahun kemudian (Lerbinger 1997; Booth, 1993; Gottschalk, 1993).
16 Statistik tahun 1986 menunjukkan penjualan daging ayam di AS pada tingkat grosir mencapai 12 miliar dollar AS. Setiap keluarga di AS mengkonsumsi sekitar 27 kg daging ayam per tahun. Siaran program ’60 Minutes’ tayangan Televisi CBS itu menimbulkan krisis serius bagi kalangan peternak ayam dan industri pemrosesan daging ayam. Pemicu utamanya ternyata konflik antara serikat buruh dengan para pengelola industri peternakan ayam di sana. Para buruh yang gagal memperjuangkan kenaikan gaji, kemudian menyebarkan informasi keliru dengan menggabungkan data statistik Pusat Pengendalian Penyakit (Centers for Disease Control atau CDC) yang menunjukkan peningkatan gejala penularan penyakit melalui makanan, dengan fakta mengenai tingginya tingkat konsumsi daging ayam di kalangan masyarakat AS. (Gottschalk, 1993). Krisis lainnya terjadi pada industri bir Corona Extra dari Meksiko. Dalam dekade 1980-an, Corona menjadi pengimpor terbesar bir ke AS. Pada pertengahan tahun 1987, pemasaran bir tersebut anjlok karena agen bir Heineken yang menjadi salah satu pesaing menyebarkan informasi bahwa bir Corona terkontaminasi air seni. Perusahaan Barton Beers dari Chicago selaku pengimpor Corona segera membentuk tim manajemen krisis. Tim tersebut menghubungi seluruh agen dan pengecer Corona, menyampaikan fakta yang membantah isi informasi yang tersebar. Pihak Corona kemudian mengajukan gugatan terhadap agen bir Heineken yang menyebarkan berita bohong, meminta pengadilan memerintahkan pelaku penyebaran berita bohong itu minta maaf secara terbuka di media massa. Pihak Corona juga menyiapkan bahan siaran dengan durasi sekitar 5 menit yang berisi wawancara dengan pengusaha Bir Corona dari Meksiko guna meyakinkan publik mengenai kebersihan dan kemurnian produk bir itu. Bahan siaran itu dikirimkan kepada sekitar 200 stasiun televisi di sekitar Chicago. Krisis yang ditangani secara cepat itu bahkan menjadi peluang iklan bagi perusahaan bir Corona (Jackson & Center, 1995). Krisis juga terjadi pada perusahaan agroindustri Foodmaker dari negara bagian Washington di AS tahun 1993. Foodmaker adalah perusahaan induk yang membawahi 1.161 restoran cepat saji ‘Jack in the Box’ di seluruh Amerika. Tahun 1992 tercatat hasil penjualan Foodmaker mencapai 1 miliar dollar AS dan memproyeksikan membukukan kenaikan keuntungan 354 persen dalam kuartal pertama tahun 1993. Krisis mulai tampak 11 Januari 1993 ketika seorang anak berusia 2 tahun yang mengkonsumsi cheeseburger Kid’s Meal dari restoran Jack in the Box di Tacoma harus dirawat di rumahsakit karena kejang perut dan diare. Ia meninggal sekitar 10 hari setelah dirawat. Penyebab kematiannya adalah Escherichia coli 0157:H4, salah satu versi yang mematikan dari bakteri E. coli (Lerbinger 1997).
17 Satu korban lainnya meninggal tak lama setelah itu dan sekitar 500 korban lain yang makan di restoran Jack in the Box harus dirawat di rumahsakit. Para pengelola restoran Jack in the Box tidak segera bereaksi dan Minggu 17 Januari 1993 Dinas Kesehatan setempat menerbitkan siaran pers yang menyatakan wabah sakit perut itu berkaitan erat dengan konsumsi daging giling yang kurang masak. Keesokan harinya, Dinas Kesehatan mengumumkan penyebab utama wabah adalah hamburger yang kurang masak yang disajikan Jack in the Box. Perusahaan menarik kembali dan memusnahkan 1014 ton hamburger siap saji. Penjualan merosot 30-35 persen di awal Februari 1993, harga sahamnya anjlok dari 13.625 dollar AS menjadi 9.5 dollar AS (22 Januari 1993) dan sampai awal April 1993 Foodmaker merugi 29,3 juta dollar AS akibat kasus tersebut (Lerbinger 1997). Industri pangan termasuk sangat rentan terhadap berbagai krisis yang mungkin muncul akibat informasi mengenai keracunan, cemaran, gugatan konsumen maupun gangguan lainnya. Jefkins (1987) melaporkan perusahaan pengalengan ikan salmon mengeluarkan biaya sekitar 2 juta poundsterling (setara sekitar Rp 28 miliar pada tahun 2005) guna menarik kembali produk ikan kalengannya dari pasar. Diungkapkan pula perusahaan Farley yang memproduksi makanan bayi bankrut akibat krisis reputasi. Krisis pada perusahaan agroindustri di Indonesia terjadi antara lain tahun 1989, ketika gandum yang menjadi bahan dasar sejumlah perusahaan biskuit di Indonesia tercemari pupuk sewaktu diangkut dengan kapal dari negara asalnya. Para pengelola biskuit harus menarik kembali produknya dari pasar akibat peristiwa ‘Biskuit Beracun’ tersebut. Krisis terjadi juga tahun 2005-2007 di lingkungan industri peternakan ayam di Indonesia akibat wabah flu burung yang mengakibatkan puluhan korban meninggal dunia. 2.3. Manajemen Krisis Salah satu pertanda awal kehadiran krisis adalah munculnya ancaman, kerugian dan hambatan atau tantangan terhadap kinerja suatu perusahaan. Pada tahap ini, seringkali gejala krisis tidak terlihat nyata oleh kalangan manajemen atau pemimpin perusahaan, sehingga dihadapi dengan prosedur normal. Pada perkembangan tahap berikutnya, setelah gejalanya jelas barulah antisipasi terhadap krisis dilakukan dengan perhatian khusus dan langkah-langkah di luar prosedur normal. Seringkali isyarat yang muncul terabaikan begitu saja dan baru dihadapi setelah dampak krisis mulai tidak mudah dikendalikan. Ketika ketidakpastian meningkat dan waktu maupun sumberdaya makin terbatas, kebanyakan para pengambil keputusan bertindak di luar prosedur guna meningkatkan
18 inisiatif. Tidak jarang tekanan atau stress yang timbul akibat krisis dipandang para manajer sebagai suatu kekuatan positif. Keadaan krisis dapat dilihat sebagai peluang sekaligus ancaman bagi pihak-pihak yang terlibat. Sesuatu yang dilihat oleh salah satu pihak sebagai ancaman, bukan mustahil justru dinilai sebagai peluang bagi pihak lainnya. Kejadian krisis membuka banyak kemungkinan baru dan memunculkan ide-ide terobosan di kalangan pihak-pihak yang terlibat (Booth, 1993; Gottschalk, 1993). Secara garisbesar ada tiga jenis krisis internal yang bisa terjadi pada suatu organisasi atau perusahaan. Masing-masing jenis krisis menuntut penanggulangan dan pemecahan yang berbeda, serta mengarahkan pada situasi pascakrisis yang berbeda pula. Krisis yang berkembang secara bertahap, umumnya hanya bisa dirasakan oleh pihak-pihak yang terlibat dalam krisis tersebut. Kebanyakan pihak tersebut tidak memiliki posisi atau kemampuan guna meyakinkan pimpinan puncak bahwa krisis sedang terjadi, sehingga pimpinan tidak mengambil tindakan apa-apa terhadap krisis tersebut (Lerbinger, 1997; Booth, 1993). Jenis kedua adalah krisis yang muncul secara rutin atau periodik, misalnya pemangkasan anggaran tahunan atau perubahan pemerintahan negara. Pimpinan perusahaan atau organisasi menghadapi krisis seperti ini dengan tanggapan berupa perundingan atau kompromi. Krisis yang muncul secara periodik dan berkelanjutan, bisa mengakibatkan para pihak yang terlibat menjadi letih dan kehilangan semangat kerja. Namun, di lain pihak keadaan krisis demikian dapat menghasilkan gugus kerja yang profesional. Misalnya tim yang bertindak sebagai penanggungjawab krisis di perusahaan pertambangan atau penerbangan. Contoh lain yang lebih ekstrim adalah anggota polisi, barisan pemadam kebakaran atau satuan pengamanan yang menjadi makin terlatih karena setiap saat menghadapi peristiwa krisis (Lerbinger, 1997; Booth, 1993). Jenis ketiga adalah krisis yang betul-betul muncul mendadak dan membahayakan seluruh organisasi atau perusahaan. Pada kebanyakan peristiwa krisis jenis ini, rencana darurat yang sudah tersusun rapih seringkali tidak cocok dengan situasi yang berlangsung. Kebanyakan pimpinan bersikap defensif dan memberlakukan strategi siaga dalam menghadapi krisis yang berlangsung. Pemberlakuan situasi siaga biasanya diiringi dengan penghapusan kegiatan atau fasilitas tertentu dan pengutamaan kegiatan atau bidang lainnya demi membela organisasi atau perusahaan. Kesiagaan seperti ini bukan mustahil menimbulkan konflik lanjutan antara pihak yang harus berkurban dengan pihak yang mendadak mendapatkan fasilitas istimewa (Lerbinger, 1997; Booth, 1993).
19 Dalam banyak peristiwa krisis, tindakan para pengambil keputusan dapat terlibat dalam salah satu atau gabungan dari beberapa situasi. Pertama, para pengambil keputusan tidak bertindak apa-apa karena mereka kaget. Kedua, keputusan yang diambil tidak cukup tepat dalam menghadapi krisis yang berlangsung. Ketiga, hanya sebagian dari keputusan yang diambil cukup tepat menghadapi krisis yang timbul. Keempat, keputusan yang diambil cukup tepat tetapi tidak dapat dilaksanakan karena menurunnya kemampuan atau kendali terhadap pelaksanaan keputusan itu. Kelima, keputusan yang tepat sudah diambil dan dilaksanakan, tetapi perubahan mendadak yang berlangsung terhadap krisis mengakibatkan perusahaan tidak sempat melakukan antisipasi susulan. Pada dasarnya, situasi seusai krisis adalah salah satu dari dua kemungkinan. Yakni perusahaan salah melakukan adaptasi sehingga harus tutup atau tetap bertahan namun mengalami perubahan besar. Kemungkinan kedua adalah perusahaan mengalami adaptasi sehingga semua bagian terselamatkan (Mitroff, 2001; Lerbinger, 1997; Booth, 1993; Fink, 1986). Kebanyakan
penelitian
dan
pustaka
mengutamakan
pembahasan
tentang
pencegahan krisis. Dengan pemahaman dan kecermatan yang cukup, sebetulnya krisis dapat diramalkan sejak isyarat-isyarat yang menandai awal krisis mulai muncul. Pada praktiknya, ramalan kalangan staf atau manajemen yunior seringkali diabaikan oleh pimpinan yang lebih tinggi karena keengganan menghadapi situasi yang tidak rutin. Alasan kalangan manajemen puncak dalam mengabaikan isyarat krisis sebetulnya justru disebabkan oleh ciri khas krisis, yakni ketidakpastian dan kemendadakan (Lerbinger, 1997; Booth, 1993). 2.4. Sistem Perkembangan ilmu sistem dan pemodelan masih terbilang baru. Penerapan ilmu sistem yang bersifat lintas disiplin (interdiciplines), memungkinkan telaah terhadap suatu permasalahan dilaksanakan melalui pendekatan yang komprehensif. Riset operasi (operation research) kemiliteran yang berawal pada zaman peperangan dalam dekade 1940-an, belakangan terbentuk menjadi suatu disiplin ilmu pengetahuan sistematis dan berkembang sebagai profesi tersendiri baik bagi dunia militer maupun operasi komersial. Kini riset operasi merupakan salah satu pengetahuan kesisteman selain cybernetic, riset sistem umum, ilmu pengetahuan organisasional dan kebijakan, ilmu pengetahuan manajemen serta ilmu pengetahuan komunikasi. Pendekatan sistem, atau pemikiran holistik (holistic thinking) baru pada akhir dekade 1940-an atau awal dekade 1950-an berkembang menjadi suatu disiplin ilmu tersendiri. Antara lain dimulai dengan publikasi
20 Norbert Wiener yang berjudul Cybernetics (1948) dan tulisan-tulisan Ludwig von Bertalanffy mengenai Systems Thinking (1950) dan General System Theory (1968). (Turban dan Aronson, 2001; Honeycutt, 2000; Indrajit, 2000; Jackson, 2000; Midgley, 2000; Zhu, 1999; Blanchard, 1998; Kahaner, 1996; Coyle, 1995; Underwood, 1994; Blanchard & Fabrycky, 1981). Selama sekitar dua dekade setelah itu, peranan pendekatan sistem (system approach) dalam teori-teori organisasi cukup dominan, meski pemikiran sistem (system thinking) tetap dinilai sebagai pembenaran teoretis terhadap metodologi praktis seperti riset operasional (operational research) (Honeycutt, 2000; Jackson, 2000; Midgley, 2000; Blanchard, 1998; Kahaner, 1996; Coyle, 1995). Hingga dekade 1970-an, pemahaman mengenai sistem yang antara lain dikembangkan oleh Kuhn, disarati oleh istilah unsur (element), hubungan (relationship), lingkup (boundary), asupan (input), transformasi, keluaran (output), lingkungan (environment), umpan balik (feedback), atribut, tujuan (purpose), pengendalian (control), identitas dan jenjang (hierarchy). Sejumlah pakar yang mengacu pada teori sistem umum (general system theory) menekankan pada pendalaman mengenai sistem dunia nyata, sedang pakar lainnya mengembangkan metodologi berdasarkan prinsip kesisteman guna mempengaruhi dan mengubah sistem itu sendiri. Secara ringkas, semua bentuk sistem dinilai dapat diidentifikasikan melalui observasi empirik terhadap kenyataan dan dapat dianalisis melalui perluasan metoda (misalnya pemanfaatan model guna menggantikan percobaan laboratorium). Pada praktiknya, suatu sistem dapat dimanipulasikan sesuai dengan tujuan pemanfaatan sistem itu (Gates & Hemingway, 2000; Jackson, 2000; Midgley, 2000; Blanchard, 1998; Kahaner, 1996; Coyle, 1995; Durlach et al., 1994; Blanchard & Fabrycky, 1981). Secara sederhana, sistem dapat diartikan sebagai kumpulan suatu entitas, dapat berupa manusia atau mesin atau unsur lain, yang bekerja secara sendiri-sendiri maupun bersama guna mencapai suatu tujuan logis tertentu. Pembelajaran mengenai hubungan masing-masing komponen dalam suatu sistem, dapat dilakukan dengan mengamati langsung sistem tersebut, atau dapat juga melalui suatu percobaan menggunakan model (Turban & Aronson, 2001; Blanchard, 1998; Kahaner, 1996; Coyle, 1995; Durlach et al., 1994; Underwood, 1994; Law & Kelton, 1991; Blanchard & Fabrycky, 1981). Suatu model, dapat digunakan sebagai perwakilan suatu sistem yang akan dibentuk, atau dimanfaatkan guna menganalisis sistem yang sudah ada. Penyelidikan secara percobaan menggunakan model, menghasilkan rancangbangun atau keputusan
21 operasional yang memerlukan waktu lebih pendek dan biaya lebih rendah dibandingkan dengan manipulasi secara langsung terhadap sistem yang asli. Model simbolik yang rumit memerlukan berbagai persamaan matematis yang sangat pelik sehingga kecil kemungkinannya menghasilkan pemecahan yang diinginkan. Pada kondisi demikian, pembelajaran mengenai model hanya dapat dilakukan melalui simulasi. Model matematis yang dipelajari secara simulasi, disebut model simulasi (Eriyatno, 1998; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991; Blanchard & Fabrycky, 1981). Model simulasi dapat diklasifikasikan berdasarkan dimensinya. Model simulasi statis, biasanya direkayasa guna mewakili suatu sistem yang pada keadaan tertentu tidak berperan secara aktif. Salah satu contoh model simulasi statis yang paling populer adalah model-model Monte Carlo. Di lain pihak, ada yang disebut model simulasi dinamis, yang direkayasa guna mewakili suatu sistem yang berubah-ubah sesuai dengan perubahan waktu atau dimensi lainnya (Midgley, 2000; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991). Berdasarkan kepastian komponennya, model simulasi dibedakan pula menjadi deterministik dan stokastik atau probabilistik. Model simulasi deterministik merupakan model kuantitatif yang tidak berkandungan komponen yang berpeluang ketidakpastian (uncertainty). Contoh model simulasi deterministik yang sederhana misalnya yang menggunakan pemrograman linier (linear programming), Program Evaluation and Review Technique (PERT) maupun CPM (Critical Path Method) yang mendasarkan penelaahan pada faktor-faktor kritis yang dianggap memiliki nilai eksak tertentu pada waktu yang ditentukan. Contoh model simulasi deterministik lainnya adalah persamaan diferensial rumit yang disusun guna menjelaskan suatu proses reaksi kimia tertentu. Pada model simulasi deterministik, keluaran yang dihasilkan sudah dapat ‘ditentukan’ jika asupan dan hubungan dalam model sudah ditetapkan spesifikasinya, meski prosesnya memerlukan komputasi yang cukup lama (Midgley, 2000; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991). Model probabilistik atau stokastik dibuat dengan berdasarkan penghitungan peluang dan ketidakpastian (uncertainty) yang umumnya digunakan dalam pengkajian dengan hasil keputusan yang tidak pasti. Antrean dan sistem persediaan (inventory), biasanya dikaji melalui model simulasi stokastik. Hasil model simulasi stokastik dengan sendirinya memiliki sifat acak, sehingga harus diterima hanya sebagai estimasi dari
22 karakteristik model yang sesungguhnya (Midgley, 2000; Eriyatno, 1998; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991; Blanchard & Fabrycky, 1981). Pembagian model simulasi lainnya, didasari oleh tingkat perubahan model itu pada kurun waktu tertentu. model simulasi terpisah (discrete-event simulation model) biasanya dipergunakan dalam perwakilan sistem yang tingkat perubahannya pada kurun waktu tertentu sudah dapat diperhitungkan. Secara sederhana, model simulasi terpisah dapat diterapkan secara mencongak atau perhitungan dengan jari tangan. Pada model simulasi terpisah yang rumit dalam dunia nyata, volume data yang harus disimpan dan dimanipulasikan menuntut penggunaan komputer digital yang handal (Eriyatno, 1998; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991). Model simulasi berkelanjutan (continuous simulation model) diterapkan guna mewakili sistem yang keadaan peubahnya bervariasi seiring dengan perubahan waktu. Salah satu ciri khas model simulasi berkelanjutan adalah penggunaan persamaan diferensial yang menggambarkan hubungan antara nilai perubahan keadaan peubah dengan waktu. Pada persamaan diferensial yang sederhana, pemecahan analitisnya dapat berupa nilai keadaan peubah bagi setiap waktu sebagai fungsi nilai keadaan peubah pada waktu 0 (t=0) (Midgley, 2000; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991). Berdasarkan bentuk fisik dan fungsinya, model dapat dipisahkan menjadi empat golongan utama yakni model fisik, model analog, model skematis dan model matematis. Model fisik biasanya disebut juga model ikonik (iconic model), merupakan miniatur dari suatu sistem yang dibuat sedemikian rupa sehingga bentuknya mirip dengan sistem aslinya. Model analog adalah gambar, diagram atau kurva yang dapat mewakili suatu fenomena atau kejadian di alam nyata. Sedang model matematis sejauh ini merupakan pengertian umum model yang biasanya digunakan dalam ilmu keteknikan atau ekonomi dan manajemen (Marimin, 2004; Jackson, 2000; Kahaner, 1996; Mulyono, 1996; Coyle, 1995; Underwood, 1994; Law & Kelton, 1991). Model matematis mewakili suatu sistem dalam bentuk kinerja logis maupun kuantitatif, sehingga memungkinkan dimanipulasi dan diubah guna diamati bagaimana reaksi dari sistem yang diwakilinya menghadapi perubahan atau tindakan manipulasi tersebut. Pembentukan model matematis, biasanya dilakukan guna mencari pemecahan analitis (analytical solution) atau upaya simulasi. Suatu model matematis, harus diuji kesahihannya dalam mewakili sistem aslinya menanggapi perubahan-perubahan yang dihadapinya. Suatu model yang sederhana, dapat bekerja melalui hubungan-hubungan dan nilai-nilai tertentu sehingga menghasilkan
23 pemecahan analitis. Misalnya model matematis yang sederhana, berupa persamaan perpindahan panas (heat transfer) dapat digunakan dalam perhitungan analitis kebutuhan daya suatu proses pengolahan pangan. Pada kenyataan sehari-hari banyak sekali pencarian penyelesaian masalah secara analitis yang sangat rumit, seperti menghitung posisi bintang tertentu pada gugus Bimasakti, yang memerlukan komputasi rumit (Gates & Hemingway, 2000; Honeycutt, 2000; Law & Kelton, 1991; Blanchard & Fabrycky, 1981). Penyelesaian analitis yang sahih bagi pemodelan sistem yang rumit, memerlukan berbagai persamaan matematis yang sangat pelik sehingga kemungkinan menghasilkan pemecahan yang diinginkan menjadi sangat kecil. Guna mengatasinya, pembelajaran mengenai model harus dilakukan melalui simulasi. Model matematis yang dipelajari secara simulasi, disebut model simulasi (Blanchard, 1998; Kahaner, 1996; Coyle, 1995; Law & Kelton, 1991; Blanchard & Fabrycky, 1981). Dalam penelitian ini, yang dimaksudkan sebagai model simulasi manajemen krisis adalah suatu sistem yang direkayasa dan tersusun oleh serangkaian persamaan matematis serta sistem pakar dan inferensi fuzzy, yang mampu mewakili perilaku para pakar dalam menghadapi suatu krisis pada perusahaan agroindustri. Sistem terstruktur yang dipadu dengan sistem pakar (expert system atau knowledge based system), sistem pusat data (database) dan pengolahan data (data processing) tertentu dapat membentuk suatu model yang dapat menghasilkan gambaran mengenai tahapan krisis yang dihadapi, kemungkinan risiko yang muncul serta pilihan-pilihan penanggulangan agar krisis tersebut agar tidak berkembang sampai ke tahap yang lebih sulit ditangani (Mitroff, 2001; Doherty, 2000; Moscovici & Doise, 1994; Barton, 1993; Gottschalk, 1993; Fink, 1986).
III. LANDASAN TEORI 3.1. Sistem Pakar Model pengelolaan krisis yang dihasilkan dalam penelitian ini merupakan sistem pendukung keputusan guna menghadapi krisis perusahaan agroindustri, melalui keterpaduan sistem, analisis data serta teknik representasi tertentu. Model ini merupakan piranti yang dapat dimanfaatkan guna mendeteksi krisis dalam suatu perusahaan agroindustri, karena direkayasa menggunakan pemodelan yang memadukan hasil akuisisi pengetahuan pakar dari berbagai disiplin ilmu dengan teknik-teknik pengambilan keputusan berbasis fuzzy, dan analisis ekonomi. Pengambilan keputusan dilakukan melalui suatu sistem pakar yang didukung teknik fuzzy non-numerik (Marimin, 1997). Selain itu, dalam pengkajian keadaan finansial perusahaan digunakan metoda perhitungan analisis kelayakan usaha. Model yang berbasis pengetahuan kecerdasan (intelligence knowledge based system) memungkinkan pengambilan keputusan berdasarkan sekumpulan aturan. Pengguna model seakan berinteraksi dan berkonsultasi dengan pakar dalam memecahkan masalah krisis pada perusahaan agroindustri. Kecerdasan buatan atau AI (artificial intelligence) memungkinkan suatu komputer dapat bertindak sebaik penalaran manusia dalam pengambilan keputusan. Sistem pakar (expert system), adalah bagian dari AI yang menggunakan komputer guna menyimpan pengetahuan para pakar sehingga komputer itu dapat meniru keahlian pakar dalam menyelesaikan permasalahan. Sistem pakar juga dikenal sebagai sistem berbasis pengetahuan (knowledge based system). Salah satu sifat khas dalam sistem pakar atau AI adalah pemrogramannya yang cenderung menggunakan bahasa simbolik dibandingkan algoritmik. Sistem pakar juga dapat mengakomodasikan asupan yang kurang lengkap, melakukan inferensi serta memisahkan secara tegas antara pengendalian dengan pengetahuan (Marimin, 2004; Marimin, 2002; Levine et al, 2000; Turban, 2000; Kahaner 1998; Ernst, 1988; Levine et al, 1988; Harmon et al, 1988). Kini manajemen informatika banyak dimanfaatkan dalam proses pengambilan keputusan dan pemecahan masalah rumit yang tidak berstruktur. Sistem pakar merupakan salah satu alternatif terbaik dalam pemecahan berbagai permasalahan rumit yang menuntut analisis, interpretasi, diagnostik, sintesis maupun integrasi. Sistem pakar dapat mempermudah kerja dan bahkan menggantikan pekerjaan tenaga ahli tertentu. Sistem pakar juga dapat dirancang guna menyimpan dan menerapkan ilmu serta pengalaman
25 sejumlah pakar dari berbagai bidang keahlian (Marimin, 2004; Marimin, 2002; Turban, 2000; Harmon et al, 1988; Pritsker, 1984). 3.1.1. Penyerapan Pengetahuan Pengumpulan data dan penyerapan pengetahuan merupakan bagian utama pada pembentukan sistem pakar. Penyerapan pengetahuan dilakukan melalui wawancara dan angket yang disesuaikan dengan ruang lingkup dan tujuan penelitian pembentukan model manajemen krisis pada perusahaan agroindustri. Dokumentasi pengetahuan diperoleh dari sumber-sumber berupa pustaka, jurnal, database, website, fakta, informasi maupun dari sumber-sumber lain seperti pakar, teknokrat dan ahli atau praktisi. Beberapa metoda penyerapan pengetahuan yang digunakan dalam penelitian ini antara lain observasi, analisis masalah, deskripsi, diskusi dan wawancara. Hasil penyerapan pengetahuan berupa fakta, informasi dan strategi penalaran bagi pemecahan masalah, yang kemudian dirumuskan dan direpresentasikan menggunakan metoda yang sesuai bagi pengembangan sistem pakar. 3.1.2. Pengolahan Data dan Pengetahuan Kumpulan pengetahuan yang terserap, dapat dibagi menjadi kumpulan pengetahuan statik atau deklaratif, dan kumpulan pengetahuan dinamis atau prosedural. Pengetahuan deklaratif berupa informasi mengenai obyek, peristiwa atau situasi, antara lain dapat direpresentasikan menggunakan persamaan kalkulus dan jaringan semantik. Sedang pengetahuan dinamik atau prosedural yang merupakan informasi mengenai cara pembangkitan hipotesis atau fakta baru dari pengetahuan yang telah terserap, antara lain dapat direpresentasikan dalam bentuk kaidah logika, kaidah produksi dan pattern invoked program. Pemilihan metoda representasi pengetahuan, antara lain ditentukan oleh empat kriteria. Pertama, metoda tersebut mampu mencerminkan semua pengetahuan yang diperlukan oleh sistem pakar. Kedua, metoda itu mudah diproses guna mencapai kesimpulan yang dapat membantu proses pengambilan keputusan. Ketiga, metoda representasi tersebut secara efisien membantu penerjemahan pengetahuan yang terserap ke dalam sistem komputer. Keempat, metoda representasi itu dapat diproses secara efisien dalam pencapaian kesimpulan atau pengambilan keputusan (Marimin, 2004; Marimin, 2002; Jackson, 2000; Blanchard, 1998; Eriyatno, 1998; Coyle, 1995; Levine et al, 1990).
26 3.1.3. Penyusunan Model Sebagaimana dikemukakan, model manajemen krisis yang disusun terbagi menjadi tiga lapis. Lapis pertama adalah penyajian (presentation layer), yang menyuguhkan data kepada pengguna. Sedang lapis tengah (middle layer) merupakan mesin inferensi yang berfungsi mengarahkan dan memanipulasikan data dari pengetahuan yang terserap sehingga menghasilkan kesimpulan atau data baru yang dapat dicerna oleh pengguna. Lapis ketiga adalah back-end layer yang menyimpan dan menyediakan hasil penyerapan pengetahuan atau pusat data (Marimin, 2002; Gates & Hemingway, 2000; Jackson, 2000; Blanchard, 1998; Eriyatno, 1998; Coyle, 1995; Blanchard & Fabrycky, 1981). 3.2. Metoda Peramalan Dewasa ini peramalan merupakan bagian yang penting dalam pengambilan keputusan di kalangan manajemen, terutama yang menyangkut penjadwalan sumberdaya, persiapan penambahan sumberdaya (bahan baku, tenaga kerja dan lain-lain) dan penetapan saat yang tepat mengenai kebutuhan suatu sumberdaya. Metoda peramalan adalah teknik yang digunakan menduga saat atau besaran suatu peristiwa mendatang berdasarkan data atau pengalaman terdahulu. Metoda peramalan secara garisbesarnya terbagi menjadi (1) naif dan naluriah, dan (2) kuantitatif formal. Ditilik dari model yang mendasarinya, metoda peramalan kuantitatif dapat digolongkan menjadi deret berkala dan sebab-akibat. Metoda peramalan kuantitatif deret berkala umumnya lebih mudah diterapkan. Sedang metoda peramalan kuantitatif sebab-akibat biasanya digunakan dalam peramalan kebijakan dan pengambilan keputusan Di lain pihak, peramalan naif dan naluriah, yang sering disebut juga metoda kualitatif atau peramalan teknologikal, tidak memerlukan kumpulan data seperti yang dibutuhkan pada peramalan kuantitatif. Asupan yang diperlukan tergantung pada metoda tertentu dan umumnya merupakan hasil pemikiran naluriah, pertimbangan dan kumpulan pengetahuan. Pendekatan teknologikal seringkali menuntut asupan dari sejumlah pakar yang berpendidikan atau terlatih secara khusus. Lima langkah pokok dalam peramalan adalah (1) pengumpulan data, (2) pemilahan data, (3) pengembangan model dan evaluasi, (4) ekstrapolasi model atau peramalan dan (5) evaluasi peramalan. Salah satu hal penting yang harus dipertimbangkan dalam pemilihan metoda peramalan adalah pola data yang memungkinkan pengujian ketepatan metoda peramalan itu. Pola data dapat dibedakan menjadi empat jenis yaitu pola horisontal
27 atau stasioner, musiman, siklis, dan kecenderungan atau trend (Hanke et al, 2002; Makridakis et al, 1983). Tidak ada metoda peramalan yang dapat digunakan secara tepat bagi segala situasi. Faktor-faktor yang harus dipertimbangkan dalam pemilihan metoda peramalan antara lain lingkup waktu yang dicakup, perilaku data, tipe model, ketersediaan biaya, tingkat ketepatan yang diinginkan dan kemudahan penerapan. 3.2.1. Mutu Metoda Peramalan Mutu suatu metoda peramalan antara lain ditentukan oleh: 1. Tingkat akurasi. Tingkat akurasi menjadi acuan utama mengenai mutu suatu metoda peramalan, diukur dari bias dan konsistensi peramalan. Bias menggambarkan penyimpangan (lebih besar atau lebih kecil) peramalan secara terus menerus dari kenyataan atau kejadian sebenarnya. Konsistensi menggambarkan keberulangan atau kesamaan hasil peramalan jika suatu sistem mendapatkan asupan yang sama. 2. Stabilitas. Stabilitas peramalan menunjukkan sejauh mana sistem tidak terlalu berfluktuasi
akibat
terjadinya
keragaman
kerandoman
data
sehingga
bisa
menghasilkan respon yang stabil. 3. Kesederhanaan. Suatu sistem peramalan harus dibuat sesederhana mungkin, sehingga mudah dipahami, dirawat dan dioperasikan. 4. Tingkat biaya. Pada umumnya besarnya biaya meningkat seiring peningkatan kebutuhan data, komputasi, penyimpanan data, dan penggunaan tenaga ahli. Biaya yang terlalu besar bagi pengoperasian suatu sistem peramalan, menggambarkan model tersebut tidak efisien. Beberapa kriteria yang digunakan dalam pengukuran ketepatan relatif metoda peramalan antara lain (Makridakis et al. 1983): 1. Kesalahan Persentase (Percentage Error atau PE) ⎛X −F t PEt = ⎜ t ⎜ X t ⎝
⎞ ⎟(100 ) ⎟ ⎠ .……………………………………………. (1)
Xt = nilai kenyataan
di mana
Ft = nilai peramalan 2. Nilai Tengah Kesalahan Persentase (Mean Percentage Error atau MPE) n
MPE =
∑ PE / n i
i =1
……………………………………………. (2)
28 3. Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage Error atau MAPE) n
MAPE = ∑ PEi / n …………………………………………......
(3)
i =1
4. Rasio jumlah kuadrat regresi atau sum of squares of the regression (SSR) dengan jumlah kuadrat total atau total sum of squares (SST) yang disebut R-square.
SSE …………………………………………...... SST
R-square = 1 − n
SSR =
∑ w ( yˆ i =1
i
i
− y ) …………………………………………...... (5)
i
− yˆ i ) …………………………………………...... (6)
2
n
SSE =
∑ w (y i =1
i
(4)
2
SST = SSR + SSE …………………………………………......
(7)
−1
⎡1 n 2⎤ wi = ⎢ ∑ ( y i − y ) ⎥ …………………………………………...... (8) ⎣ n i =1 ⎦ n
SST =
∑ w (y i =1
i
− y ) …………………………………………...... (9) 2
i
yi = data yˆ = hasil perkiraan (fit) wi = bobot
n = banyaknya seri data m = banyaknya koefisien yang dipaskan (fitted coefficients) y = rataan data ν = nilai sisa (residual)
5. R-square yang disesuaikan dengan derajat kebebasan atau Adjusted R-square (degree of freedom adjusted R-square), merupakan salah satu petunjuk yang terbaik bagi akurasi dan mutu pemulusan. Semakin dekat nilainya dengan 1 semakin tepat pemulusan berlangsung. Adjusted R-square = 1 −
SSE (n − 1) ……………………………...... (10) SST (ν )
Kriteria lain yang dapat juga digunakan dalam pengukuran ketepatan relatif terhadap metoda peramalan adalah ME (mean error), MAE (mean absolute error), SDE (standard deviation of error) dan MSE (mean square error) (Makridakis et al. 1983). Dalam penelitian ini, kriteria yang dijadikan acuan penentuan metoda pemulusan adalah MAPE, R-square dan adjusted R-square, yang dipadukan dengan pembandingan grafik atau kurva hasil pemulusan terhadap posisi proyeksi data asli..
29 Metoda pendugaan dapat dibagi menjadi dua golongan utama yakni nonparametrik dan parametrik. Metoda estimasi nonparametrik yang hanya menghasilkan asumsi struktur linier yang diperoleh langsung dari denyut atau respon suatu sistem terhadap perubahan asupan. Metoda estimasi parametrik merupakan suatu struktur model tertentu yang parameternya diperkirakan menggunakan data yang tersedia sehingga lebih bisa mengakomodasikan berbagai kemungkinan maupun pengaruh terhadap sistem tersebut. Metoda peramalan yang sering digunakan adalah pemulusan (smoothing) Gaussian (menggunakan persamaan parametrik), eksponensial (menggunakan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih awal), dan Fourier (menggunakan siklus sinusoida) dan polinomial. Dalam penelitian ini, banyak dipergunakan pemulusan Gaussian karena dari perhitungan MAPE, R-square, adjusted R-square maupun kenampakan grafis kurva yang dihasilkan terlihat paling ideal dibandingkan dengan metoda pemulusan yang lain. 3.2.2. Gaussian
Jika banyak faktor random independen bergabung membentuk himpunan, datanya akan mengikuti distribusi bentuk lonceng yang disebut distribusi Gaussian. Distribusi Gaussian memiliki berbagai perilaku matematis yang dijadikan dasar bagi sejumlah uji statistik. Meski tidak ada data yang betul-betul mengikuti pola ideal matematika seperti yang dimaksud, namun banyak data yang mengikuti pola distribusi Gaussian yang biasanya disebut juga distribusi normal. Peranan penting distribusi Gaussian dalam statistik dapat dibuktikan melalui teorema batas tengah (Central Limit Theorem). Teorema itu mengatakan jika sampel kita cukup banyak maka distribusi nilai tengah (mean) akan mengikuti pola distribusi Gaussian meski populasi datanya bukan Gaussian. Bentuk fungsi distribusi Gaussian adalah fg(x) =
1 2πσ 2
−( x−a )2
e
2σ 2
…………….…………..................... (11)
di mana a = nilai tengah atau mean dan σ menggambarkan standard deviasi Fungsi distribusi Gaussian dapat digunakan menjelaskan peristiwa fisika jika jumlah kejadiannya sangat banyak. Distribusi Gaussian adalah suatu fungsi kontinyu (continuous function) yang mendekati distribusi binomial (binomial distribution) yang nyata pada kejadian yang sebenarnya. Distribusi Gaussian juga dikenal sebagai distribusi normal dan biasanya dijelaskan sebagai ‘kurva lonceng’ (bell-shaped curve). Pada distribusi Gaussian yang dinormalisasikan, jumlah semua nilainya sekitar 1. Pada
30 hakikatnya Gaussian menghasilkan nilai peluang dari 0,683 sampai sekitar nilai standar deviasi nilai tengah (standard deviation of the mean). Besarnya nilai tengah a=np, di mana n adalah jumlah populasi kejadian dan p adalah kemungkinan nilai integer x. Bentuk persamaan fungsi-fungsi binomial, gaussian dan poisson dapat dilihat pada Tabel 2. Tabel 2. Fungsi persamaan distribusi Distribusi
Bentuk fungsi
Mean
Standard Deviation
Binomial
Gaussian
Poisson
Distribusi Gaussian dapat dilukiskan seperti gambar berikut. Gambar 4 sebelah kiri menunjukkan frekuensi distribusi sedang yang sebelah kanan menggambarkan distribusi normal Gaussian.
Gambar 4. Distribusi Gaussian. Pada dimensi tunggal, fungsi Gaussian adalah fungsi peluang (probability function) dari distribusi normal, yang kadang-kadang disebut juga sebagai kurva frekuensi (frequency curve). Lebar dari setengah maksimum (full width at half maximum atau FWHM) Gaussian diperoleh dengan jalan menetapkan titik tengah maksimum x0. Faktor konstanta pengukuran diabaikan sehingga
31
e − ( x0 − a )
2
/ 2σ 2
=
karena
1 f (xmax)……….………................................ (12) 2 terjadi pada xmax = a, maka 1 ……….………………...…..................... 2
e − ( x0 − a )
2
/ 2σ 2
=
e − ( x0 − a )
2
/ 2σ 2
= 2 −1 ……….…..............……..…….................. (14)
−
(13)
( x0 − a) 2 = -ln 2……….………….....……...................... (15) 2σ 2
(x0-a)2 = 2 σ2 ln 2……….…………...……........................... (16) x0 = ±σ
2 ln 2 + a……….…………………......................... (17)
Nilai lebar penuh pada setengah maksimum dihitung sebagai FWHM ≡ x+ - x- = 2 2 ln 2 σ ≈ 2.3548 σ ……….……….............. (18) Salah satu bentuk pola distribusi Gaussian berdimensi tunggal dilukiskan dalam Gambar 5.
Gambar 5. Distribusi Gaussian dimensi tunggal dengan mean 0 dan σ =1. Persamaan umum pemulusan Gaussian adalah y(x) =
n
∑a e i =1
i
⎡ ⎛ x −b i ⎢ −⎜ ⎢ ⎜⎝ ci ⎣
⎞ ⎟ ⎟ ⎠
2⎤
⎥ ⎥ ⎦
……….………….……..................... (19)
3.2.3. Polinomial
Perumusan fungsi-fungsi yang menjelaskan hubungan antara masing-masing peubah merupakan langkah penting. Penetapan koefisien fungsi, bisa membuka jalan bagi formulasi suatu sistem yang didasari oleh persamaan linier simultan (simultaneous linear equations). Misalnya pada pengukuran nilai t = [0 0,3 0,8 1,1 1,6 2,3]'; diperoleh nilai y = [0.5 0.82 1.14 1.25 1.35 1.40]'. Jika kedua nilai tersebut diplotkan pada grafik, didapatkan seperti yang terlihat pada Gambar 6.
32
Gambar 6. Diagram polinomial. Persamaan polinomial sering diurutkan berdasarkan pangkat yang tertinggi meski persamaan umum fungsi polinomial adalah: y = a0 + a1t + a2t2.……...................................……..….................... (20) Koefisien a0, a1 dan a2 dapat ditentukan melalui metoda kuadrat terkecil (least squares) yang meminimumkan jumlah kuadrat penyimpangan data dari model. Misalnya pada data di atas terdapat enam persamaan dari tiga bilangan yang tidak diketahui,
Yang diwakili oleh matriks 6-3 x = [satu ukuran t
t
t2]
1 0 0 1 0.3 0.09 x=
1 0.8 0.64 .……...................................……..…....................
(21)
1 1.1 1.21 1 1.6 2.56 1 2.3 5.29
Penghitungan (dalam piranti MATLAB 7 dilakukan dengan menuliskan perintah a = X\y) menghasilkan nilai a
=
0.5318 0.9191 - 0.2387
Orde kedua model polinomial dengan data tersebut menjadi y = 0.5318 + 0.9191t - 0.2387t2……................……..…................. (22) Guna mendapatkan nilai yang lebih tepat, kita bisa meningkatkan orde dari model polinomial tersebut, atau menggunakan metoda pemulusan lainnya.
33 Interpolasi polinomial termasuk interpolasi berdimensi tunggal. Interpolasi adalah proses peramalan nilai yang berada pada batas data yang diketahui. Hal ini berpengaruh bagi aplikasi bidang pemrosesan citra dan sinyal. Teknik interpolasi berdimensi dua atau lebih, sangat dipengaruhi oleh pertimbangan kecepatan, memori dan pemulusan. Fungsi interpolasi memungkinkan operasi penting dalam analisis data dan pengepasan kurva (curve fitting). Fungsi ini menggunakan teknik-teknik polinomial, menyelaraskan data yang tersedia pada fungsi-fungsi polinomial di antara titik-titik data dan mengevaluasi fungsi yang tepat pada titik interpolasi yang diinginkan. 3.2.4. Eksponensial
Metoda pemulusan Brown atau metoda pemulusan eksponensial ganda, menggunakan rumus pemulusan secara langsung sehingga disebut juga metoda linier satu parameter. Pemulusan eksponensial linier dihitung hanya dengan tiga nilai data dan satu nilai α. Pemulusan ini menggunakan pendekatan bobot yang menurun terhadap hasil observasi terdahulu, sehingga peramalan menggunakan pemulusan eksponensial linier lebih disukai dibandingkan dengan pemulusan rata-rata bergerak (moving average) linier. Persamaan dalam implementasi pemulusan eksponensial linier satu-parameter Brown (Makridakis et al. 1991) adalah: Pemulusan eksponensial tunggal S’t = αXt + (1- α) S’t-1 ………………………............………….... (23) Pemulusan eksponensial ganda S”t = αS’t + (1- α) S”t-1………………………………………….... (24) Pemulusan trend at = S’t +(S’t - S”t)= 2 S’t – S”t …………..………………………… (25) bt = α/(1- α)(S’t - S”t) ……………………..........………...………. (26) Peramalan Ft+m = at + btm …………………….............……………………… (27) Keterangan: m = Jumlah perioda ke depan yang diramalkan α = Parameter model (ditentukan trial and error dengan nilai 0-1)
Nilai S’t-1 dan S”t-1 harus sudah diketahui atau tersedia saat t=1, agar persamaan eksponensial tunggal maupun eksponensial ganda dapat diterapkan. Nilai S’t-1 dan S”t-1 pada awal perioda dapat ditetapkan sama dengan Xt atau dengan menggunakan suatu titik awal berupa nilai rata-rata dari sejumlah data yang lebih awal.
34 Winters mengembangkan metoda pemulusan eksponensial tripel yang dapat mengatasi bias dalam peramalan akibat data yang mengandung faktor musiman. Metoda Winters memperhitungkan pemulusan unsur stasioner, trend dan musiman sehingga disebut juga metoda kecenderungan dan musiman tiga-parameter. Persamaan dasar metoda Winters (Makridakis et al. 1991) adalah: Pemulusan keseluruhan: St = α(Xt /It-L) + (1- α)(St-1 + bt-1)
………........................…….. (28)
Pemulusan trend: bt = γ(St – St-1) + (1- γ)bt-1
…………..............……………..….. (29)
Pemulusan musiman: It = β(Xt/St) + (1- β)It-L
…………….....…………………… (30)
Peramalan: Ft+m = (St + btm)It-L+m ……………….........……………………… (31) Keterangan: L
= panjang musiman (misal, jumlah bulan dalam suatu tahun)
b
= komponen trend
I
= faktor penyesuaian musiman
Ft+m
= ramalan bagi m perioda ke depan
α, β, γ = parameter model (ditentukan melalui trial and error dengan nilai 0-1) Inisialisasi metoda peramalan Winters memerlukan setidaknya satu siklus (L perioda) data musiman lengkap guna menetapkan estimasi awal indeks musiman (It-L). Diperlukan juga taksiran faktor trend suatu perioda ke perioda selanjutnya. Penetapan nilai awal komponen trend biasanya diperhitungkan menggunakan data dua siklus musiman lengkap (yaitu 2L perioda) sebagai berikut: b=
(XL + L − XL) ⎤ 1 ⎡ (XL + 1 − X1) (XL + 2 − X 2) + + ... + ⎢ ⎥⎦ L⎣ L L L ...........…. (32)
Parameter lainnya, seperti nilai awal St ditetapkan sama dengan Xt dan nilai awal It (untuk t=1, 2, …, L) digunakan pendekatan berikut: I1 = X1/ x , I2 = X2/ x , …, IL = XL/ x …………...........………….. (33) L
di mana x = ∑ xi L i =1
Metoda
pemulusan
Winters
(pemulusan
eksponensial
tripel)
dapat
mengakomodasikan tiga pola data karena didasarkan atas tiga persamaan pemulusan yang
35 masing-masing menampung unsur stasioner, trend, dan musiman. Sedang metoda pemulusan Brown (pemulusan eksponensial ganda) yang hanya berdasarkan atas pemulusan stasioner dan trend, memerlukan penaksiran nilai awal (S’t-1 dan S”t-1) dan pemilihan nilai parameter model (α) secara coba-coba (trial and error). Metoda pemulusan Winters memiliki keterbatasan karena metoda ini memerlukan inisialisasi paling tidak satu data musiman lengkap, nilai awal (St untuk t=L), faktor trend (bt), faktor penyesuaian musiman (It) selama L perioda (untuk t=1, 2,.., L) dan parameter model (α, β dan γ) yang ditentukan secara trial and error. Nilai awal (inisialisasi dengan metoda atau pendekatan) mengalami penyesuaian dengan sendirinya selama waktu tertentu dan akan menghasilkan nilai ramalan yang baik tanpa bergantung pada nilai awal yang dipakai (Makridakis et al. 1991). Selain itu, data pada perioda pertama dalam metoda Brown (pemulusan eksponensial ganda), baru dapat mulai menghasilkan nilai ramalan pada perioda ketiga sampai perioda waktu tak terbatas. Sedang data perioda pertama dalam peramalan metoda Winters (pemulusan eksponensial tripel), dapat menghasilkan ramalan mulai dari perioda L+1 (L = panjang musiman) dan maksimum hanya dapat meramalkan selama L perioda. 3.2.5. Fourier
Fungsi atau persamaan Fourier adalah transformasi dari simbol skalar f dengan peubah independen x dan hasil turunan berupa fungsi w. Analisis Fourier dikenal sebagai suatu teknik matematik yang mampu mentransformasikan suatu kejadian yang berdasarkan waktu (time-based) menjadi turunan penyusunnya berupa sinusoid yang berdasarkan frekuensi (frequency-based). Analisis Fourier awalnya banyak digunakan dalam pemecahan persoalan-persoalan fisika, terutama pada peristiwa yang berkaitan dengan frekuensi suatu sinyal. Namun belakangan terbukti bahwa persamaan Fourier dapat digunakan juga dalam perhitungan komponen harmonik suatu sinyal, sehingga sering dipergunakan dalam teknik-teknik pendugaan. Dalam deret Fourier, suatu sinyal f(t) dapat dituliskan sebagai f(t) =
a0 ∞ + ∑ a n cos(nωt ) + bn sin( nωt ) …………………….…………….. (34) 2 n =1 di mana n menggambarkan tingkat harmonik (n = 1 menunjukkan komponen dasar
atau fundamental component). Besaran dan fasa suatu harmonik tertentu dapat dihitung dengan persamaan:
36
[Hn] =
2
2
a n + bn < H n = a _ tan(
bn ) ……………………..………...….. (35) an
di mana t
2 an = f (t ) cos(nωt )dt ……………………..………………………….…....…….. (36) T ( t −∫T ) t
2 bn = f (t ) sin(nωt )dt ………………………………………...……….…....…….. (37) T ( t −∫T ) T=
1 dan f1 adalah frekuensi dasar (fundamental frequency). f1
Karena penghitungannya memerlukan nilai rata-rata, maka keluaran dengan besaran (magnitude) tertentu baru bisa dihitung setelah satu siklus simulasi dilengkapi. Pemilihan metoda interpolasi maupun pemulusan memerlukan pertimbangan mengenai keperluan memori (menentukan lamanya proses komputasi), yang biasanya berbanding terbalik dengan kemulusan hasil. Interpolasi tetangga terdekat (nearest neighbor interpolation) merupakan metoda yang tercepat pemrosesannya tetapi menghasilkan kemulusan yang paling sederhana dibandingkan metoda lainnya. Interpolasi linier menuntut memori yang lebih besar dibandingkan interpolasi tetangga terdekat sehingga pemrosesannya lebih lama, namun hasil interpolasinya lebih berkesinambungan walaupun ada perubahan lengkungan (slope) pada titik-titik puncak (vertex points). Pemrosesan pada metoda interpolasi spline kubik relatif lebih lama, meski memerlukan memori yang lebih sedikit dibandingkan interpolasi kubik, tetapi hasilnya paling mulus dibandingkan dengan metoda interpolasi lainnya. 3.3. Fuzzy
Aturan atau rules dalam fuzzy logic menggambarkan mekanisme utama pernyataan jika-maka (if-then statements). Semua aturan dievaluasi secara paralel dan urutan aturan atau rules tersebut bukan merupakan hal yang penting. Aturan tersebut sangat bermanfaat karena mengacu pada perubahan dan sifat-sifat yang menjelaskan peubah tersebut, sesuai dengan pembatasan yang ditetapkan sebelumnya. Diagram berikut ini (Gambar 7) menggambarkan proses inferensi fuzzy yang menunjukkan uraian umum sistem fuzzy.
37
Gambar 7. Kasus umum dan contoh khusus inferensi fuzzy. Secara ringkas, inferensi fuzzy adalah suatu metoda yang menerjemahkan nilai vektor asupan dan berdasarkan beberapa aturan, menempatkan nilai tersebut pada vektor keluaran. 3.3.1. Logika fuzzy
Logika fuzzy atau fuzzy logic diawali dengan konsep suatu himpunan fuzzy, yang merupakan himpunan tanpa batas yang terdefinisikan secara jelas (clearly) dan tegas (crisp). Himpunan fuzzy adalah himpunan dengan fungsi keanggotaannya menunjukkan bahwa sesuatu dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak di antaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya bernilai benar (1) atau salah (0), namun masih ada nilai-nilai yang terletak antara benar dan salah (Kusumadewi, 2000; Bojadziev & Bojadziev, 1999; Kauffman & Gupta, 1988; Schmucker, 1984).
Semir Sepatu
Senin Kamis Sabtu
Kebebasan Sirip Ikan
Mentega Gambar 8.
Himpunan nama hari dalam satu minggu.
Himpunan itu dapat beranggotakan sesuatu yang memiliki keanggotaan secara sebagian. Pada himpunan yang selama ini kita kenal (classical set), batas-batas keanggotaannya sangat jelas sehingga antara anggota dengan yang bukan anggota dapat dipilahkan secara tegas. Misalnya kata-kata seperti mentega, kebebasan, dan sirip ikan,
38 jelas bukan termasuk dalam himpunan nama-nama hari seperti Senin, Kamis dan Sabtu, sebagaimana terlihat pada Gambar 8. Filsuf Aristoteles memperkenalkan himpunan klasik seperti ini bersamaan dengan batas-batas keanggotaan himpunan dengan menyatakan X harus berada dalam himpunan A atau dalam himpunan bukan-A. Setiap subjek, harus selalu bisa digolongkan sebagai ‘diterima’ atau ‘ditolak’. Segala sesuatu di alam semesta ini digolongkan sebagai ‘bagian suatu kelompok’ atau ‘bukan bagian suatu kelompok’. Tidak ada yang dapat menjadi anggota ‘nama hari’ tetapi sekaligus juga menjadi anggota ‘bukan nama hari’. Himpunan nama-nama hari akhir pekan akan terlihat dalam diagram berikut (Gambar 9).
Gambar 9. Hari-hari akhir pekan. Q: Apakah Minggu akhir pekan ? A: 0.95 (ya, tapi tidak semutlak Sabtu).
Logika nilai beragam (multivalued logic atau multivalent logic) memungkinkan kita menjawab semua pertanyaan dengan ya, tidak, atau nilai-nilai antara ya dan tidak. Suatu X mungkin menjadi anggota penuh himpunan (ya), bukan anggota himpunan A. Logika ya-tidak dalam sejarah ilmu pengetahuan berlaku sejak filsuf Aristoteles mengembangkannya. Dalam skala waktu yang kontinyu (continuous scale time) plot keakhirpekanan tampak seperti ada gambar berikut. Pada plot kontinyu, ditetapkan bobot keanggotaan hari tertentu dalam himpunan akhir pekan. Pada Gambar 10 sebelah kiri, nilai TRUE berubah mendadak dari 0 menjadi 1 pada detik pertama setelah pukul 24.00 hari Jumat, dan sebaliknya dari 1 menjadi 0 pada detik pertama Minggu pukul 24.00. Pola ini biasa digunakan dalam perhitungan akuntansi dan tidak menggambarkan kehidupan nyata. Gambar di sebelah kanan mencerminkan kurva keanggotaan masing-masing hari dalam himpunan akhir pekan.
keakhirpekanan
keakhirpekanan
39
Gambar 10. Keanggotaan hari pada akhir pekan dinilai secara ya-tidak (kiri) dan fuzzy (kanan). Tampak bahwa sebagian dari Kamis juga menjadi anggota himpunan akhir pekan. Kualitas keanggotaan hari-hari berikutnya dalam himpunan akhir pekan meningkat dan mencapai puncaknya pada hari Sabtu, kemudian menurun kembali pada hari Minggu dan Senin. Kurva yang menyatakan keakhirpekanan masing-masing potongan waktu adalah fungsi yang memetakan asupan (time of week) pada suatu keluaran (keakhirpekanan atau weekend-ness). Secara spesifik hal ini disebut sebagai suatu fungsi keanggotaan atau membership function. Penggagas pertama logika fuzzy, Zadeh (1965), menegaskan bahwa himpunan fuzzy adalah perluasan himpunan crisp (himpunan yang membagi sekelompok individu menjadi dua kategori yaitu anggota dan bukan anggota). Kemampuan himpunan fuzzy menampung dan mengekspresikan tingkat perubahan fungsi keanggotaan (membership function) sangat banyak gunanya, fuzzy tidak hanya merepresentasikan pengukuran ketidakpastian, tetapi juga merepresentasikan konsep kesamaran (fuzziness), sehingga metoda fuzzy dapat dikembangkan bagi penilaian kualitatif. Jika X adalah sekumpulan objek-objek, maka himpunan fuzzy A dalam X dapat digambarkan dalam persamaan himpunan pasangan: A = {( x, μ A ( x )) x ∈ A}
…………………………………....…….….. (38)
Entitas μ Α ( x ) disebut fungsi keanggotaan dan nilainya merupakan tingkat keanggotaan x dalam A. Nilai tersebut juga merupakan derajat (degree) pengukuran deterministik x yang kompatibel dengan (konsep fuzzy) A. Di sini μ Α ( x ) memetakan X ke
40 ruang keanggotaan M. Jika M hanya berisi dua titik, 0 dan 1, maka A menjadi nonfuzzy. Rentang (range) nilai-nilai fungsi keanggotaan tersebut merupakan subhimpunan bilangan riil tidak negatif dengan batas atas terkecil yang berhingga (finite least upper bound). Pembentukan bilangan fuzzy dari bilangan crisp (nilai tunggal) sebagai anggota himpunan (X) dapat melalui berbagai macam proses transformasi fungsi keanggotaan. Dalam proses ini dapat digambarkan beberapa bentuk fungsi keanggotaan seperti distribusi triangular, trapezoidal dan normal, yang masing-masing tergantung pada perilaku ketidakkonsistenan penilai atau pengambil keputusan. 3.3.2. Pengoperasian Logika
Logika fuzzy merupakan superset dari logika umum Boolean. Operasi logika yang baku akan berlangsung jika nilai fuzzy ditetapkan antara ekstrim 1 (sepenuhnya TRUE) dan 0 (sepenuhnya FALSE). Dalam logika fuzzy nilai kebenaran suatu pernyataan tidak pernah sepenuhnya mutlak, maka tabel kebenaran Boolean tersebut mengalami penyesuaian. Nilai asupan yang merupakan angka sebenarnya (antara 0 dan 1) disesuaikan dengan menggunakan operasi MIN. Pernyataan A AND B, di mana A dan B dibatasi pada range (0,1), diubah menjadi fungsi min(A,B). Menggunakan pola yang sama, operasi OR diganti dengan fungsi MAX, sehingga A OR B menjadi setara dengan max(A,B). Operasi NOT A menjadi setara dengan operasi 1-A. Ternyata substitusi ini sama sekali tidak mengakibatkan perubahan tabel kebenaran atau truth table Boolean.
Gambar 11. Logika nilai ganda dan nilai fuzzy.
41 Informasi
serupa
dapat
juga
disajikan
dalam
bentuk
grafik,
dengan
mengkonversikan tabel kebenaran pada proyeksi dua himpunan fuzzy yang digunakan secara bersamaan dan masing-masing nilainya tidak hanya 0 dan 1. Bagian atas dari Gambar 11 menunjukkan proyeksi yang berhubungan dengan tabel kebenaran dengan dua nilai (two-valued truth tables) sedang bagian bawah menggambarkan bagaimana operasi berlangsung pada nilai kebenaran A dan B yang berubah secara kontinyu sesuai dengan kaidah operasi fuzzy. Ketiga fungsi ini memungkinkan kita dapat menyelesaikan konstruksi operasi AND, OR, and NOT menggunakan himpunan fuzzy dan logika operasi fuzzy. Hubungan antara operasi dua-nilai (two-valued) dan kontinyu (multivalued) tidak hanya terbatas pada operasi logika AND, OR, dan NOT. Dalam istilah umum, hal ini dikenal sebagai intersection atau conjunction fuzzy (AND), union atau disjunction fuzzy (OR), dan complement fuzzy (NOT). Dalam penerapan pada logika fuzzy, operator AND diganti menjadi MIN, OR diganti menjadi MAX, dan NOT diganti dengan komplimen penambahan. Intersection dua himpunan fuzzy A dan B digambarkan menggunakan pemetaan binary T, dengan agregat dua fungsi keanggotaan sebagai berikut: µA∩B(x) = T(µA(x), µB(x)) …………………………….…..….… (39) Misalnya operator binary T mewakili perkalian µA(x) dan µB(x). Operator-operator intersection fuzzy yang biasanya disebut operator T-norm (Triangular norm) memenuhi persyaratan pemetaan binary T(.,.) berikut. boundary: T(0, 0) = 0, T(a, 1) = T(1, a) = a monotonicity: T(a, b) <= T(c, d) if a <= c and b <= d commutativity: T(a, b) = T(b, a) associativity: T(a, T(b, c)) = T(T(a, b), c)
Persyaratan boundary memastikan koreksi umum terhadap himpunan tegas dan pasti yang biasa disebut crisp sets. Monotonicity mengatur agar penurunan pada nilai keanggotaan dalam A OR B tidak meningkatkan nilai keanggotaan dalam A INTERSECTION B. Commutativity menunjukkan bahwa operator tidak berbeda pada orde himpunan-himpunan fuzzy yang digabungkan. Persyaratan terakhir, associativity, memungkinkan dilakukan perpotongan atau intersection sejumlah himpunan pada pengelompokan berpasangan (pairwise grouping) orde mana pun. Seperti pada perpotongan atau intersection fuzzy, operator penggabungan atau union fuzzy secara umum digambarkan sebagai pemetaan binary (binary mapping) S: µA∩B(x) = S(µA(x), µB(x)) ………………………….…..….… (40)
42 Misalnya, operator binary S dapat mewakili penjumlahan µA(x) dan µB(x). Operator-operator penggabungan fuzzy ini, yang umumnya dinamakan operator T-conorm (atau S-norm), harus memenuhi persyaratan dasar sebagai berikut:. Suatu operator T-conorm (atau S-norm) adalah pemetaan binari S(.,.) yang memenuhi boundary: S(1, 1) = 1, S(a, 0) = S(0, a) = a monotonicity: S(a, b) <= S(c, d) if a <= c and b <= d commutativity: S(a, b) = S(b, a) associativity: S(a, S(b, c)) = S(S(a, b), c).
3.3.3. Fungsi Keanggotaan (Membership Functions)
Masing-masing jenis fungsi keanggotaan dapat digambarkan secara matematis. Salah satu contohnya adalah pembentukan fungsi keanggotaan bilangan fuzzy triangular seperti pada Gambar 12: μA(x) 1
a1
ao
a2
x
Gambar 12. Triangular fuzzy Number (TFN) A = (a1, a2, a3). Fungsi keanggotaan TFN pada Gambar 12 adalah sebagai berikut: μA(x) = 0
untuk x< a1 ……......………………..
(41)
=
x − a1 untuk a1<x
……......………………..
(42)
=
a3 − x untuk a2<x
(43)
Pada fungsi keanggotaan trapezoidal, himpunan fuzzy terdiri dari empat anggota bilangan yang berdistribusi membentuk bangunan trapesium, sementara untuk fungsi keanggotaan sigmoida (normal distribution) nilai-nilai anggota fuzzy berdistribusi kontinyu mengikuti distribusi normal. Proses pencarian kebenaran dilakukan melalui tahap fuzifikasi dan defuzifikasi. Fuzifikasi merupakan pemrosesan secara matematik suatu bilangan crisp menjadi bilangan fuzzy berdasarkan metoda representasi yang digunakan. Metoda representasi yang bisa digunakan di antaranya adalah model TFN, model pi,
43 model Z dan model trapezoida. Masing-masing model tersebut mempunyai formulasi matematis dalam mendefinisikan nilai fuzzy dari bilangan yang diolah. Suatu fungsi keanggotaan atau membership functions (MF) adalah kurva yang menggambarkan tiap titik asupan pada keluaran berupa bobot keanggotaannya (membership value atau degree of membership) yang nilainya antara 0-1 dalam suatu himpunan. Asupan seringkali disebut juga gugus pembahasan. Salah satu contoh yang sering digunakan dalam menjelaskan himpunan fuzzy adalah himpunan orang jangkung. Dalam hal ini gugus pembahasan adalah semua kemungkinan ketinggian, misalnya antara 1 m sampai 3 m, dan kata jangkung akan menghubungkan kurva yang menggambarkan bobot kejangkungan seseorang. Jika suatu himpunan orang jangkung diberi batas yang tegas (crisp) sebagaimana batas pada himpunan klasik, maka setiap orang tingginya lebih dari 2 m, dapat digolongkan sebagai orang jangkung. Pembatasannya seperti itu kurang tepat, karena seseorang dapat digolongkan jangkung dan lainnya digolongkan pendek padahal beda tinggi mereka hanya setebal rambut saja (lihat Gambar 13 dan Gambar 14).
Gambar 13. Klasifikasi menurut bilangan tegas atau crisp. Jika pembedaan seperti ini tidak bisa digunakan secara tepat, maka diperlukan cara lain guna mendefinisikan himpunan orang jangkung. Mirip dengan cara plotting, hari-hari anggota himpunan akhir pekan, gambar berikut menunjukkan kurva mulus dari orang tidak jangkung sampai orang jangkung. Sumbu keluaran atau output-axis adalah nilai keanggotaan antara 0 dan 1. Kurva tersebut disebut fungsi keanggotaan dan sering ditandai sebagai µ. Kurva tersebut menunjukkan transisi dari tidak jangkung ke jangkung. Kedua golongan tersebut sebetulnya sama-sama jangkung, hanya saja yang satu kurang jangkung dibanding lainnya.
44 Pemahaman subjektif dan satuan-satuan yang tepat sudah dilebur dalam himpunan fuzzy. Pernyataan ‘orang itu jangkung’ menunjukkan fungsi keanggotaan atau membership function orang jangkung yang tidak lagi mempersoalkan apakah orang itu tergolong anakanak atau sudah dewasa. Juga tidak perlu diperdebatkan apakah ukuran ketinggian menggunakan satuan meter atau inci Sebagaimana telah ditegaskan, satu-satunya persyaratan fungsi keanggotaan dalam fuzzy yang harus dipenuhi adalah nilainya di antara 0 dan 1. Fungsi tersebut bisa merupakan suatu kurva yang tegas atau arbitrary curve yang bentuknya dapat memenuhi kesederhanaan, kenyamanan, kecepatan dan efisiensi. Suatu himpunan klasik dapat ditampilkan sebagai berikut: A = {x | x > 6}…………………….…………..………….…..….… (44)
Gambar 14. Kurva fungsi keanggotaan bilangan tegas (atas) dan bilangan fuzzy (bawah). Suatu himpunan fuzzy adalah kelanjutan dari himpunan klasik. Jika X merupakan gugus wacana (universe of discourse) dan anggotanya adalah x, maka himpunan fuzzy A dalam X digambarkan dalam pasangan persamaan:
45 A = {x, µA(x) | x c X}…………...........………………..…...…….. (45) di mana µA(x) disebut fungsi keanggotaan atau membership function (MF) x dalam A
Fungsi keanggotaan memetakan tiap anggota X pada suatu nilai keanggotaan antara 0 dan 1. Sejauh ini dikenal 11 jenis fungsi keanggotaan, yang masing-masing dibangun berdasarkan potongan fungsi linier, fungsi distribusi Gaussian, kurva sigmoid, dan kurva polinomial kuadrat maupun polinomial pangkat tiga. Fungsi keanggotaan yang sederhana dibentuk menggunakan garis-garis lurus, di antaranya yang paling sederhana adalah fungsi keanggotaan segi tiga atau triangular membership function, dan fungsinya disebut trimf yang sebetulnya tidak lebih dari kumpulan tiga titik yang membentuk segitiga. Fungsi keanggotaan trapezoidal atau trapezoidal membership function, trapmf, memiliki bagian atas yang rata dan merupakan potongan dari kurva segitiga. Fungsi-fungsi garis lurus ini memiliki kelebihan dalam hal kesederhanaan (Gambar 15).
Gambar 15. Kurva fungsi keanggotaan segitiga dan trapezoidal. Ada dua fungsi keanggotaan yang dibentuk pada kurva distribusi Gaussian, yakni kurva Gaussian sederhana dan komposit dua sisi dari dua kurva Gaussian yang berbeda. Kedua fungsi itu dinamakan gaussmf dan gauss2mf. Sedang fungsi keanggotaan lonceng yang umum atau generalized bell membership function dicirikan oleh tiga parameter dan memiliki fungsi yang disebut gbellmf. Fungsi keanggotaan lonceng memiliki satu parameter lebih banyak dibandingkan fungsi keanggotaan Gaussian, sehingga dapat digunakan bagi himpunan non-fuzzy jika parameter bebasnya ditala atau tuned. Karena kemulusan dan notasinya yang ringkas, fungsi keanggotaan Gaussian dan lonceng merupakan metoda yang sering digunakan bagi himpunan fuzzy. Kedua jenis kurva ini memiliki keunggulan karena mulus dan nilainya tidak pernah 0 pada semua titik (Gambar 16).
46
Gambar 16. Kurva fungsi keanggotaan Gaussian dan lonceng atau g-bell. Meski fungsi keanggotaan Gaussian dan fungsi keanggotaan lonceng memiliki kemulusan, keduanya tidak bisa membentuk fungsi keanggotaan yang asimetris atau asymmetric membership functions, yang merupakan hal penting dalam beberapa aplikasi tertentu. Kelemahan ini dapat diatasi oleh fungsi keanggotaan sigmoidal atau sigmoidal membership function, yang bentuk kurvanya terbuka di sebelah kiri atau kanan dan fungsinya dinamakan sigmf. Fungsi keanggotaan yang asimetris dan tertutup dapat dibentuk menggunakan gabungan dua fungsi sigmoidal. Sehingga selain fungsi dasar sigmoidal sigmf, kita kenal juga dsigmf sebagai perbedaan antara dua fungsi sigmoidal, dan psigmf sebagai produk dari dua fungsi sigmoidal (Gambar 17).
Gambar 17. Kurva sigmoidal. Kurva dasar polinomial tersusun oleh beberapa jenis fungsi keanggotaan. Tiga fungsi keanggotaan yang dimaksud adalah kurva Z, S, dan Pi, yang penamaannya disesuaikan dengan bentuk kurvanya. Fungsi keanggotaan z (zmf) adalah kurva polinomial asimetris yang terbuka di sebelah kiri, sedang keanggotaan s (smf) adalah fungsi cerminan yang terbuka di sebelah kanan, dan pimf adalah kurva fungsi keanggotaan dengan nilai 0 pada kedua ujung dan tonjolan di bagian tengahnya (Gambar 18).
47
Gambar 18. Kurva polinomial. 3.3.4. Sistem Inferensi fuzzy
Fuzzy logic atau logika fuzzy dapat digunakan mengolah data atau hasil penilaian yang diperoleh dari pakar sesuai kriteria yang diajukan sehubungan kepentingan penelitian dalam penyusunan model manajemen krisis ini. Hasil penilaian pakar merupakan asupan bagi proses pengambilan keputusan. Metoda fuzzy memungkinkan beberapa kriteria yang dipentingkan secara individu maupun komprehensif lebih bersifat subyektif dan kualitatif. Pengukuran kriteria subyektif dalam penelitian ini menggunakan lima skala hedonik peubah linguistik misalnya kriteria Sangat Baik, Baik, Cukup, Kurang dan Sangat Kurang. Dalam memberikan penilaian linguistik, penilai seringkali berkecenderungan ambiguitas dan tidak bisa memberi penilaian secara mutlak. Guna memperoleh hasil yang valid, diperlukan suatu metoda yang mampu mengakomodasi situasi ambiguitas tersebut menjadi sebuah keputusan yang relatif lebih baik dan salah satu metoda yang dapat digunakan adalah metoda fuzzy. Ekspresi
numerik
dapat
menyebabkan
narasumber
merasa
terpaksa
merepresentasikan penilaiannya sesuai kemauan peneliti sehingga menimbulkan ketidaknyamanan bagi narasumber. Penerapan logika fuzzy memungkinkan narasumber atau pakar mengekspresikan penilaiannya secara lebih bebas tanpa terkungkung oleh batasan nilai-nilai numerik tertentu. Penilaian ini akan memberikan informasi mengenai tingkat kemungkinan (possibility) dan bukan nilai peluang (probability) terhadap sesuatu kejadian. Penilaian demikian menyebabkan logika fuzzy menjadi lebih alamiah. Dalam metoda fuzzy, hasil penilaian menggunakan peubah linguistik kemudian diolah menjadi informasi bagi pengambilan keputusan. Kebenaran yang dikandung dalam penilaian-penilaian menggunakan Peubah linguistik seringkali bersifat samar karena batasnya tidak tegas sehingga disebut sebagai kebenaran fuzzy. Ketersamaran (vagueness) ini tidak menghilangkan hakikat penilaian karena makna penilaian tersebut bisa dioptimalkan menggunakan teknik atau pengolahan dalam metoda fuzzy.
48 Pada dasarnya sistem inferensi fuzzy (fuzzy inference system) terdiri atas lima bagian (Jang & Sun, 1994): • basis aturan berisi sejumlah kaidah fuzzy jika-maka atau if-then; • basis data yang mendefinisikan fungsi keanggotaan himpunan fuzzy digunakan dalam aturan-aturan fuzzy; • pembuat keputusan yang mentransformasikan operasi inferensi dalam aturan-aturan; • interface fuzifikasi yang mentransformasikan asupan yang bernilai tunggal (crisp) dalam derajat keanggotaan sesuai dengan nilai linguistiknya; • interface defuzifikasi yang mentransformasikan hasil inferensi fuzzy menjadi keluaran bernilai tunggal Aturan dasar fuzzy jika-maka atau if-then yang dikenal juga sebagai pernyataan bersyarat (conditional statement) fuzzy merupakan ekspresi dari bentuk IF A THEN B, di mana A dan B merupakan nilai suatu himpunan fuzzy yang dinyatakan berupa fungsi keanggotaan yang sesuai. Karena bentuknya yang sederhana, aturan fuzzy if-then sering digunakan dalam penerjemahan makna dari alasan-alasan yang memiliki model tidak pasti yang berperan penting dalam pengambilan keputusan. Contohnya: JIKA tekanan is tinggi, MAKA volume is kecil di mana tekanan dan volume merupakan peubah linguistik, sedangkan tinggi dan kecil adalah nilai linguistik yang dicirikan oleh fungsi keanggotaan. Umumnya basis aturan dan basis data digabung dalam knowledge base. Sistem inferensi fuzzy ini juga dikenal sebagai fuzzy rule-based systems, fuzzy models, fuzzy associative memories (FAM), atau fuzzy controllers ketika digunakan pada proses kontrol.
Gambar 19. Pola umum inferensi fuzzy.
49 Langkah-langkah fuzzy reasoning atau penalaran fuzzy (operasi inferensi berdasarkan aturan fuzzy if-then) yang dilakukan oleh sistem inferensi fuzzy adalah sebagai berikut (Gambar 19): 1. Mentransformasikan peubah asupan dengan fungsi keanggotaan pada bagian anteseden (if) guna memperoleh nilai keanggotaan dari setiap nilai linguistik, proses ini disebut fuzifikasi. 2. Menggabungkan nilai keanggotaan pada bagian anteseden guna mendapatkan fungsi aktivasi atau firing strength (bobot) dari setiap aturan. 3. Membangkitkan akibat atau konsekuen yang pantas dipilih (baik fuzzy atau crisp) dari tiap aturan tergantung fungsi aktivasinya. 4. Menjumlahkan akibat atau konsekuen (then) yang layak dipilih guna menghasilkan keluaran tunggal, proses ini disebut defuzifikasi. Defuzifikasi merupakan proses pengubahan keluaran fuzzy menjadi keluaran yang bernilai tunggal (crisp). Metoda defuzifikasi yang biasa digunakan adalah metoda Centroid dan Maximum. Dalam metoda Centroid, nilai tunggal dari peubah keluaran dihitung dengan menemukan nilai peubah dari center of gravity suatu fungsi keanggotaan untuk nilai fuzzy. Sedangkan di dalam metoda Maximum, satu dari nilai-nilai peubah yang merupakan nilai kepercayaan maksimum gugus fuzzy dipilih sebagai nilai tunggal untuk peubah output (Marimin 2002, Kusumadewi, 2000; Bojadziev & Bojadziev, 1999; Kauffman & Gupta, 1988; Schmucker, 1984). Metoda fuzzy sangat layak dijadikan salah satu instrumen dalam model manajemen krisis yang komprehensif bagi suatu perusahaan agroindustri. Aplikasi metoda fuzzy ini berlangsung mulai dari pengukuran kriteria subyektif dan kualitatif beberapa responden pakar sampai pada perumusan tingkat krisis dan pemilihan alternatif solusi krisis. Pengolahan terhadap penilaian pakar sebenarnya bisa dilakukan dengan menggunakan beberapa metoda yang relevan di antaranya adalah metoda AHP dan metoda Multi Expert Multi Criteria Decision Making (ME-MCDM), yang masing-masing memiliki karakteristik yang berbeda. Perbandingan beberapa metoda pengambilan keputusan, dapat dilihat pada Tabel 3.
50 Tabel 3. Perbandingan beberapa alternatif metoda pengambilan keputusan Karakteristik Penilai Teknik Penilaian Teknik perhitungan nilai keputusan Proses pengolahan
Ketersediaan alat bantu (software) Sifat nilai keputusan Efektivitas hasil Efisiensi
Keakuratan hasil
Fuzzy penilaian bisa dilakukan baik oleh pakar maupun responden umum Mudah Pendefinisian Fungsi keanggotaan yang dilanjutkan dengan fuzifikasi dan defuzifikasi Kesulitan Tergantung pada fungsi keanggotaan yang digunakan untuk merepresentasikan penilaian pakar, urutan kompleksitas adalah TFN (Triangular Function Number), Trapezoida dan Sigmoida Matlab atau dengan membuat program komputer sendiri Menghilangkan vagueness dalam penilaian Efektif pada penilai yang heterogen maupun homogen kapasitasnya Efisien pada kasus penilaian terhadap banyak aspek Cukup akurat
Metoda AHP Penilaian hanya dilakukan oleh pakar Sulit Perbandingan berpasangan (pair wise comparison) Relatif rumit karena mempersyaratkan konsistensi penilaian pakar, sehingga penilaian pakar bisa diulang beberapa kali sampai diperoleh tingkat konsistensi tertentu Software Criteria Decision Plus (CDP) dan Expert Choice Nilai keputusan mutlak Efektif jika penilai memiliki kapasitas yang homogen Efisien untuk jumlah pakar dan kriteria yang relatif sedikit Sangat akurat
ME-MCDM Penilaian hanya bisa dilakukan oleh pakar Mudah Agregasi pakar dan agregasi criteria Relatif sederhana
Belum tersedia software Nilai keputusan mutlak Efektif jika penilai memiliki kapasitas yang homogen Efisien bagi jumlah pakar dan kriteria yang relatif sedikit Cukup akurat
3.3.5. Metoda Mamdani
Metoda Mamdani sering dikenal dengan metoda Max-Min. Metoda ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Nilai keluaran diperoleh dari empat tahapan proses yakni (1) pembentukan himpunan fuzzy, (2) aplikasi fungsi implikasi (aturan), (3) komposisi aturan dan (4) penegasan kembali (defuzzy) Proses pertama dalam pengolahan pada metoda Mamdani adalah pembentukan himpunan fuzzy. Pada metoda Mamdani, baik peubah input maupun peubah output dibagi menjadi satu atau lebih himpunan fuzzy. Tabel berikut menggambarkan contoh penggolongan persentase dalam himpunan fuzzy. Tabel 4. Parameter linguistik Persentase 0 – 40 20– 40 – 60 40 – 60 – 80 60 -80 – 100 80 -100
Parameter Sangat Rendah Rendah Sedang Tinggi Sangat Tinggi
51
Langkah berikutnya adalah aplikasi fungsi implikasi. Dalam metoda Mamdani, fungsi implikasi yang digunakan adalah Min. Dilanjutkan dengan menyusun komposisi himpunan. Inferensi fuzzy diperoleh dari kumpulan dan korelasi antara aturan. Ada 3 cara yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu max, additive dan probabilistik OR (PROBOR). Dalam cara inferensi Maximum atau Max (lihat Gambar 20), solusi himpunan fuzzy diperoleh dengan mengambil nilai maksimum himpunan, kemudian memanfaatkannya guna memodifikasi fuzzy dan mengaplikasikannya pada keluaran menggunakan operator OR (union). Jika semua proporsi telah dievaluasi, maka output atau keluaran merupakan suatu himpunan fuzzy yang merefleksikan kontribusi masing-masing dari tiap-tiap proporsi. Secara umum persamaan dapat ditulis sebagai berikut:
μ sf [X i ] = max (μ sf [X i ], μ kf [X i ]) ....…………...............………... (46)
di mana:
μ sf [X i ] = nilai keanggotaan solusi fuzzy sampai aturan ke –i μ kf [X i ] = nilai keanggotaan konsekuen fuzzy aturan ke – i.
Biaya rendah
Biaya biasa
Permintaan
Tidak ada asupan permintaan
Produksi bertambah
BERTAMBAH
Aplikasi Metoda Komposisi
Defuzifikasi: Nilai yang diharapkan
Gambar 20. Komposisi himpunan fuzzy Metoda Max (Mamdani). Dalam cara Additive (Sum), solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua keluaran daerah fuzzy. Secara umum persamaannya ditulis:
μ sf [ X i ] = min (μ sf [ X i ], μ kf [X i ]) ...…............................……………..(47)
52 Sedang dalam cara PROBOR, solusi himpunan fuzzy diperoleh melalui prod terhadap semua output daerah fuzzy. Secara umum persamaannya dituliskan berikut:
μ sf [ X i ] = (μ sf [X i ] + μ kf [ X i ]) − (μ sf [ X i ]* μ kf [ X i ]) .….......................... (48)
Setelah didapatkan suatu himpunan fuzzy, dilakukan pengolahan kembali sehingga nilainya menjadi tegas atau crisp. Asupan defusifikasi adalah suatu himpunan fuzzy, sedangkan keluarannya suatu bilangan tegas pada ranah himpunan fuzzy tersebut. Proses pengembalian dari nilai fuzzy menjadi nilai tegas disebut defusifikasi atau defuzzification. Jika asupannya berupa suatu himpunan fuzzy dalam range tertentu, maka keluarannya harus berupa suatu nilai crisp yang berada dalam batas yang sama seperti asupannya. Proses defusifikasi dalam metoda Mamdani dapat dilakukan dengan cara Centroid (Composite Moment). Nilai hasil defusifikasi diperoleh dengan mengambil nilai pusat (z*) daerah fuzzy. Secara umum dirumuskan:
z* =
∫ zμ ( z )dz x
untuk peubah kontinyu ……..........................…….. (49)
∫ μ ( z )dz z
atau n
z* =
∑ z μ(z ) j =1 n
j
j
∑ μ(z j )
untuk peubah diskret …...........................……….. (50)
j =1
Defusifikasi dalam metoda Mamdani dapat juga ditempuh dengan bisektor. Hasil nilai tegas proses defusifikasi bisektor adalah nilai pada ranah fuzzy yang memiliki fungsi keanggotaan setengah dari jumlah seluruh nilai keanggotaan dalam himpunan fuzzy. Selain kedua cara itu masih ada cara defusifikasi lain yaitu Mean of Maximum (MOM) yang mendapatkan nilai crisp dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum, Largest of Maximum (LOM) yang menghasilkan nilai crisp berupa nilai tertinggi dari ranah yang memiliki nilai keanggotaan maksimum, dan Smallest of Maximum (SOM) yang menghasilkan nilai tegas berupa nilai terkecil dari ranah yang memiliki nilai keanggotaan maksimum. 3.3.6. Metoda Sugeno
Metoda penarikan kesimpulan atau inferensi fuzzy (fuzzy inference) Sugeno, atau Metoda Takagi-Sugeno-Kang diperkenalkan tahun 1985. Metoda ini mirip dengan metoda
53 Mamdani. Dua bagian pertama dalam proses penarikan kesimpulan, yakni fuzzifying asupan dan penggunaan operator fuzzy, sama dengan yang berlaku pada Metoda Mamdani. Perbedaan pokoknya adalah keluaran fungsi keanggotaan Sugeno berbentuk linier atau konstanta. Aturan dasar dalam model fuzzy Sugeno berupa jika Input1 = x dan Input2 = y, maka Output adalah z = ax + by + c.........… (51) Keluaran aturan sistem fuzzy if-then yang diusulkan Takagi-Sugeno Kang berupa konstanta atau persamaan linear. Pada model Sugeno orde nol, tingkat keluaran z adalah konstanta (a=b =0). Tingkat keluaran atau output level zi dari setiap persamaan dibobot senilai firing strength wi. Firing strength adalah nilai suatu bobot yang bisa memenuhi persamaan fuzzy pendahulunya (the antecedent part of a fuzzy rule). Nilai firing strength bisa merupakan hasil operasi suatu AND atau suatu OR, dan nilai tersebut membentuk fungsi keluaran (output function) bagi persamaan. Misalnya, untuk operasi AND aturan dengan Input1 = x dan Input2 = y, nilai firing strength adalah wi = AndMethod (F1(x), F2(y)) ……………………...............……….….… (52) di mana F1,2 (.) adalah fungsi keanggotaan bagi Input1 dan Input2 dan seterusnya.
Gambar 21. Sistem Inferensi fuzzy TSK dengan Dua Aturan. Salah satu contoh ilustrasi mekanisme inferensi fuzzy Sugeno orde satu dengan dua asupan x dan y diperlihatkan pada Gambar 21. Basis aturan dengan dua aturan fuzzy ifthen seperti di bawah ini: Aturan 1: jika x is A1 dan y is B1 maka f1 = p1x + q1y + r1 sebab
akibat
54 Aturan 2: jika x is A2 dan y is B2 maka f2 = p2x + q2y + r2 sebab
akibat
Hasil akhir (final output) dari sistem tersebut adalah rata-rata keluaran yang dibobot dan dihitung sebagai: N
fin a l _ o u tp u t =
∑
i=1 N
∑
W iZ W
i=1
i
………………….….…..….… (53)
i
Penerapan persamaan Sugeno dijelaskan lebih lanjut dalam Gambar 22. Keluaran aturan fuzzy if-then Takagi-Sugeno Kang berupa sistem konstanta atau persamaan linear. Terdiri atas Model fuzzy Sugeno Orde-Nol dan Orde-pertama.
Gambar 22. Diagram persamaan Sugeno. Secara umum bentuk model fuzzy Sugeno Orde-Nol adalah: IF (x1 is A1)•(x2 is A2) •...•(xn is An) THEN z=k ……………...……..
(54)
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah suatu konstanta (tegas) sebagai konsekuen. Secara umum bentuk model fuzzy Sugeno Orde-Satu adalah: IF (x1 is A1)•(x2 is A2) •...•(xn is An) THEN z = p1*x1 +…+ pn*xn + q ….. (55) dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan pi adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen.
55
Gambar 23. Mekanisme inferensi fuzzy Model Sugeno. Gambar 23 dan Gambar 24 menunjukkan penarikan kesimpulan fuzzy menggunakan Metoda Sugeno. Umumnya fungsi-fungsi keluaran tunggal (singleton output) mencukupi kebutuhan pemecahan permasalahan yang dihadapi. Fungsi keluaran tunggal atau singleton output function adalah fungsi keluaran yang dihasilkan pada angka tunggal dan bukan berbentuk kurva kontinyu atau continuous curve.
Gambar 24. Visualisasi hasil inferensi Sugeno.
56 Cara termudah memvisualisasikan sistem Sugeno orde pertama (Gambar 24) adalah dengan memikirkan setiap persamaan sebagai penetapan lokasi dari hasil tunggal yang bergerak (location of a moving singleton). Yakni, keluaran tunggal dapat bergerak linier berkeliling pada ruang keluaran, tergantung dari asupannya. Hal ini juga berkecenderungan membuat notasi sistem sangat padat dan efisien. Model fuzzy Sugeno orde yang lebih tinggi pun dimungkinkan, namun diiringi juga dengan peningkatan kerumitan yang cukup mencolok dan penambahan keunggulan yang tidak terlalu berarti. Model-model fuzzy Sugeno yang fungsi keanggotaan keluarannya lebih besar dari keluaran orde pertama, tidak dikenal oleh komponen fuzzy pada MATLAB. Karena ketergantungan linier masing-masing aturan terhadap peubah asupan suatu sistem, metoda Sugeno cocok buat digunakan sebagai pengawas penyisipan (interpolating supervisor) pengendali linier berganda (multiple linear controllers) yang digunakan pada berbagai kondisi operasi yang berbeda bagi suatu sistem nonlinier dinamik. Misalnya, pada penghitungan kinerja suatu pesawat terbang yang berubah secara drastis pada perbedaan ketinggian dan angka Mach. Pengendali linier atau linear controllers, harus selalu diperbaharui secara berkala dan mulus agar dapat menyesuaikan diri dengan perubahan tingkatan pesawat terbang, walau pengendali linier itu mudah dihitung dan cocok bagi berbagai kondisi penerbangan. Sistem inferensi fuzzy Sugeno sangat cocok dengan upaya interpelasi atau penyisipan pertambahan linier (linear gains) yang terjadi. Sistem Sugeno juga cocok bagi pemodelan sistem nonlinear melalui penyisipan di antara model-model linier berganda (multiple linear models). Dalam penelitian ini digunakan penghitungan fuzzy Metoda Sugeno karena lebih ringkas dan lebih efisien dalam pemrogramannya dibandingkan Metoda Mamdani. Selain itu, Metoda Sugeno lebih memungkinkan adaptasi beberapa teknik yang diterapkan dalam mengkonstruksikan model-model fuzzy, termasuk teknik pengubahan fungsi-fungsi keanggotaan agar sistem fuzzy bisa menghasilkan model terbaik dari data yang tersedia. Metoda Sugeno juga bekerja dengan baik pada optimasi dan menjamin kontinyuitas output. Tambahan pula, Metoda Sugeno sangat cocok bagi analisis matematis. 3.4. Kecerdasan Buatan (Artificial Intelligence)
Kecerdasan
buatan
atau
artificial
intelligence
(AI)
adalah
ilmu
yang
memungkinkan komputer melakukan pekerjaan manusia. Referensi AI berkembang seiring dengan berkembangnya ilmu komputer, sehingga AI memiliki banyak definisi. Definisi lain dari AI yaitu cabang sains komputer yang mempelajari otomatisasi tingkah
57 laku cerdas (intelligent). Karena itu kecerdasan buatan harus didasarkan pada prinsipprinsip teoretikal dan terapan yang menyangkut struktur data yang digunakan dalam representasi pengetahuan (knowledge representation), algoritma yang diperlukan dalam penerapan pengetahuan itu, serta teknik-teknik bahasa dan pemrograman yang dipakai dalam implementasinya. 3.4.1. FIS dan ANFIS
Struktur dasar sistem inferensi fuzzy (fuzzy inference system atau FIS) pada hakikatnya merupakan model yang memetakan asupan karakteristik pada asupan fungsi keanggotaan, asupan fungsi keanggotaan pada aturan, aturan pada suatu keluaran karakteristik, keluaran karakteristik pada fungsi keanggotaan, dan keluaran fungsi keanggotaan pada keluaran bernilai tunggal (single-valued output) atau suatu keputusan yang berkaitan dengan keluaran. Sejauh ini yang dipertimbangkan hanya fungsi-fungsi keanggotaan yang telah ditetapkan atau dipilih. Juga, pada umumnya penarikan kesimpulan fuzzy pada sistem pemodelan dilakukan dengan struktur aturan yang ditetapkan terlebih dahulu oleh pemahaman pengguna terhadap karakteristik peubah dalam model. Adaptive Neuro-Fuzzy Inference System (ANFIS) merupakan salah satu teknik neuro-fuzzy. Menurut Jang (1997), ANFIS adalah penggabungan mekanisme sistem inferensi fuzzy yang digambarkan dalam arsitektur jaringan syaraf. Sistem inferensi fuzzy yang digunakan adalah sistem inferensi fuzzy model Takagi-Sugeno-Kang (TSK) orde satu dengan pertimbangan kesederhanaan dan kemudahan komputasi. Sistem neuro-fuzzy merupakan sistem fuzzy yang menggunakan algoritma pembelajaran yang terinspirasi oleh teori jaringan syaraf dalam menentukan parameterparameter himpunan fuzzy dengan memroses contoh-contoh data. Suatu sistem neuro-fuzzy dapat dilihat sebagai suatu jaringan syaraf feedforward dengan tiga lapisan. Lapisan pertama merepresentasikan peubah masukan, lapisan tengah (hidden) merepresentasikan aturan-aturan fuzzy dan lapisan ketiga merepresentasikan peubah-Peubah keluaran. Himpunan fuzzy dikodekan sebagai bobot hubungan (fuzzy). Ada dua jenis algoritma pembelajaran jaringan syaraf tiruan, yaitu supervised dan unsupervised learning. ANFIS yang menggunakan supervised learning memiliki dua metoda pembelajaran yaitu pembelajaran propagasi balik dan pembelajaran hybrid. ANFIS dilaksanakan seperti sistem FIS biasa dengan modifikasi pada cara perhitungan atau algoritmanya. Pada gambar terlihat suatu asupan bilangan crisp (tidak
58 fuzzy) x dan y, dalam pengendalian kecepatan motor listrik dengan pengaturan tegangan. Dalam persamaan ini misalnya x merupakan pengukuran nilai peubah yang dikontrol yaitu kecepatan pada saat ke t. Sedang y adalah hasil pengukuran pada saat ke t+1 dan f adalah nilai tegangan yang diberikan sebagai sinyal kontrol. Lalu nilai x dan y tersebut dipetakan pada fungsi keanggotaannya. Pada Gambar 25 terlihat tiap-tiap input dibagi menjadi dua fungsi keanggotaan, x dibagi dalam A1 (small) dan A2 (big), sedang y dibagi dalam fungsi keanggotaan B1 (big) dan B2 (small).
Gambar 25. Struktur ANFIS. Dari pemetaan tersebut, x dan y menjadi peubah fuzzy yang masing-masing punya nilai m small dan big tertentu. x mempunyai nilai mA1 dan mA2 sedangkan y punya nilai mB1 dan mB2. Nilai masing-masing pasangan input tersebut lalu diagregasikan dengan operasi T-norm, misalnya operasi ini adalah operasi AND. Diperoleh w1 = (mA1 AND mB1) dan w2 = (mA2 AND mB2). Dari basis aturan yang sudah dibuat (lihat Persamaan 51-55), dapat dinyatakan bahwa: if w=w1 then f1 = p1x + q1y + r1 if w=w2 then f2 = p2x + q2y + r2 Melalui proses inferensi diperoleh hasil akhir f1 dan f2 yang merupakan output atau keluaran sinyal kontrol, yaitu tegangan. Nilai p1, q1, r1, p2, q2, dan r2 disebut parameter konsekuen yang ditentukan dengan nilai awal tertentu dan akan berubah dengan pembelajaran (algoritma belajar). Selanjutnya dari nilai f1dan f2 ini diperoleh satu nilai tegangan sebagai sinyal kontrol melalui proses yang disebut defuzifikasi. Nilai akhir tersebut dihitung dengan Persamaan 53: f =
w1 f 1 + w2 f 2 = ϖ 1 f1 + ϖ 2 f 2 w1 + w2
59 Struktur ANFIS yang menggambarkan sistem fuzzy TSK pada gambar tersebut dapat juga dilukiskan sebagai diagram blok jaringan syaraf feedforward seperti dapat dilihat pada gambar berikut. Melalui diagram tersebut dipetakan suatu sistem neuro-fuzzy lima lapis dengan fungsi yang berbeda pada tiap lapisannya. Setiap lapisan terdiri atas beberapa simpul yang dilambangkan dengan kotak atau lingkaran. Lambang kotak menggambarkan simpul adaptif yang nilai parameternya berubah sesuai dengan hasil pembelajaran. Sedang lambang lingkaran menggambarkan simpul nonadaptif yang nilainya tidak berubah-ubah. Dalam struktur ANFIS, simpul adaptif terdapat pada lapis pertama dan keempat. Simpul pada lapis pertama mengandung parameter SEBAB yang nonlinier sedangkan pada lapisan keempat mengandung parameter AKIBAT yang linier. Jaringan adaptif dengan lima lapisan tersebut setara dengan sistem inferensi fuzzy TSK. Perbaruan parameter-parameter dilakukan melalui metoda atau algoritma pembelajaran hybrid bagi ANFIS yang terdiri atas pembelajaran arah maju (forward pass) dan pembelajaran arah mundur (backward pass). ANFIS dan Editor GUI (graphical user interface) yang terdapat dalam piranti MATLAB banyak dimanfaatkan pada teknik-teknik pengambilan kesimpulan dan pemodelan data sistem manajemen krisis pada disertasi ini. 3.5. Metoda Penilaian Kelayakan Usaha
Kelayakan perusahaan pertanian atau agroindustri, seperti halnya usaha-usaha lainnya, harus dinilai dengan analisis keuangan dan ekonomi yang memperbandingkan investasi, dan biaya yang dikeluarkan dengan manfaat atau nilai-tambah (value added) yang ditimbulkan. Biaya dan manfaat diidentifikasikan, diperbandingkan dan kemudian keduanya harus dinilai. Analisis keuangan dan ekonomi menggunakan asumsi bahwa harga merupakan gambaran nilai (value) (Gittinger, 1986). Analisis kelayakan proyek yang digunakan dalam penelitian disertasi ini adalah: •
Analisis Net Present Value (NPV).
•
Analisis Internal Rate of Return (IRR)
•
Analisis manfaat netto atau Net Benefit Cost Ratio (Net B/C)
•
Analisis pengembalian modal atau Return on Investment (ROI)
•
Analisis titik impas atau Break Even Point (BEP)
•
Analisis perioda pengembalian modal atau Pay Back Period (PBP)
60 PBP menggambarkan waktu pengembalian modal melalui perhitungan yang sederhana, tanpa memperhitungkan nilai waktu dari uang, tidak menggambarkan situasi arus kas sesudah perioda pengembalian, dan menunjukkan profitabilitas proyek atau unit usaha yang dinilai. Sementara itu dalam metoda NPV diperhitungkan faktor waktu dari nilai uang, mempertimbangkan arus kas, dan mengukur besaran absolut sehingga kontribusi kinerja suatu proyek terhadap kekayaan perusahaan atau pemegang saham dapat terlihat secara lebih mudah. Masing-masing metoda memiliki keterbatasan dan kelebihan, karena itu dalam model kelayakan investasi digunakan beberapa metoda sekaligus. 3.5.1. Net Present Value (NPV)
Salah satu kriteria penilai kelayakan usaha yang lazim digunakan adalah nilai NPV (Net Present Value). NPV diperoleh dengan jalan mendiskontokan selisih jumlah biaya dan jumlah pendapatan tiap-tiap tahun, dengan satu tingkat persentase bunga yang telah ditentukan sebelumnya. NPV menyatakan nilai bersih investasi saat sekarang, yang dihitung dari selisih antara nilai sekarang investasi dengan nilai sekarang penerimaan kas bersih di masa yang akan datang, setelah memperhitungkan discount factor. Suatu unit usaha atau proyek dinyatakan layak dilaksanakan bila NPV ≥ 0. Proyek dengan NPV = 0 adalah proyek yang hanya dapat mengembalikan social opportunity cost of capital. Proyek atau usaha yang NPV < 0 tidak layak dilanjutkan. Rumus menghitung NPV adalah:
⎛ NCF1 NCFn NPV = NCF0 + ⎜⎜ + .......... 1 (1 + r) n ⎝ (1 + r) n
NPV = ∑ t =1
Keterangan: Bt Ct n i
(Bt − Ct ) (1 + i) t
⎞ ⎟⎟ ⎠
…………………………………………… (56)
= Benefit sosial kotor proyek pada tahun ke-t = Biaya sosial kotor proyek pada tahun ke-t = Umur ekonomis proyek = Social Opportunity Cost of Capital, yang ditunjuk sebagai Social Discount Rate
Tingkat suku bunga yang digunakan adalah tingkat suku bunga pinjaman jangka panjang yang berlaku di pasar modal. Jangka waktu pendiskontoan adalah umur perusahaan atau jangka waktu pengembalian modal yang diinginkan. Besarnya NPV suatu usaha atau proyek dihitung menggunakan rumus sebagai berikut:
61 3.5.2. Internal Rate of Return (IRR)
Internal Rate of Return (IRR) adalah nilai tingkat bunga (discount rate) ketika NPV (Net Present Value) nihil atau nol. Rumus yang digunakan adalah: n
( B t −C t
∑ (1 + IRR) t =1
(Bt - Ct) PV1 PV2
t
=0
.........................................……........……….. (57)
= Net Cash Flow, selisih antara arus kas masuk dan keluar pada tahun t = NPV negatif pada tingkat bunga i1 = NPV positif pada tingkat bunga i2
PVP ⎧ ⎫ IRR = DfP + ⎨ x(DfN − DfP )⎬ ........................……….. (58) ⎩ PVP − PVN ⎭ Keterangan: DfP DfN PVP
= Discount factor yang menghasilkan present value positif. = Discount factor yang menghasilkan present value negatif. = Present value positif.
PVN = Present value negatif. IRR menunjukkan tingkat bunga pada saat jumlah penerimaan sama dengan jumlah pengeluaran, atau menunjukkan tingkat suku bunga yang menghasilkan NPV = 0. Jika nilai IRR lebih besar dari tingkat suku bunga yang berlaku (IRR > i) maka suatu proyek atau unit usaha dapat dianggap layak, sebaliknya proyek layak dihentikan atau ditolak jika hasil perhitungan IRRnya lebih kecil dibandingkan dengan tingkat suku bunga yang berlaku atau IRR < i. 3.5.3. Net Benefit Cost Ratio (Net B/C)
Net Benefit Cost Ratio (Net B/C) adalah pembandingan antara Present Value total dari laba bersih bersifat positif terhadap Present Value total dari biaya bersih Bt-Ct bersifat negatif. Rumus yang digunakan dalam menghitung Net B/C adalah: n
∑
( Bt − Ct ) t
(1 + i ) Net _ BCR = t =1 n (Ct − Bt )
∑
t =1 (1 + i )
[ untuk (Bt-Ct) > 0 ]
.........................................……........……….. (59) [untuk (Bt-Ct) < 0 ]
t
Net B/C merupakan perbandingan antara total nilai sekarang seluruh keuntungan bersih dalam tahun-tahun dengan Bt-Ct positif sebagai pembilang terhadap nilai sekarang seluruh biaya bersih dalam tahun-tahun dengan Bt-Ct negatif sebagai penyebut. Jika Net B/C > 1 maka unit bisnis atau proyek dinilai layak. Suatu proyek atau unit bisnis dianggap mencapai titik impas jika Net B/C = 1, dan dianggap tidak layak jika Net B/C < 1.
62 3.5.4. Titik Impas
Break Even Point (BEP) atau titik impas adalah titik di mana total biaya produksi sama dengan pendapatan. Titik impas menunjukkan tingkat penjualan perusahaan yang tidak menghasilkan laba sekaligus tidak menimbulkan kerugian, atau menunjukkan bahwa tingkat produksi telah menghasilkan pendapatan yang sama besarnya dengan total biaya produksi. Jumlah unit produksi BEP dihitung dengan rumus: Qi = Keterangan: Qi FC P VC
FC P − VC
…………………………………………………….. (60)
= Jumlah unit (volume) yang dihasilkan dan terjual = Biaya tetap = Harga jual per unit = Biaya peubah per unit
3.5.5. Pay Back Period (PBP)
Pay Back Period (PBP) atau perioda pengembalian modal menunjukkan jangka waktu yang diperlukan bagi pengembalian seluruh modal yang ditanamkan. Waktu pengembalian modal dihitung dari penerimaan laba bersih ditambah penyusutan. Rumus yang digunakan untuk menghitung PBP adalah:
PBP =
Investasi_ awal x1_ tahun (Laba_ bersih_ dan_ depresiasi) / tahun
n −1 ⎡ ⎤⎛ 1 ⎞ PBP = (t − 1) + ⎢Cf − ∑ At ⎥⎜ ⎟ 1 ⎣ ⎦⎝ At ⎠
…….………….……….…… (61)
Keterangan: Cf = Biaya investasi awal At = Arus kas pada tahun ke-t t = Tahun pengembalian ditambah 1 (perioda di mana terjadi arus kas bersih kumulatif positif pertama)
3.5.6. Return on investment (ROI)
Tingkat pengembalian modal atau Return on Investment (ROI) menunjukkan kemampuan suatu usaha mengembalikan modal yang ditanamkan dihitung dari laba yang dihasilkan. Rumus yang digunakan guna menghitung ROI adalah: ROI =
Laba _ bersih / tahun × 100% …………………....................…….. (62) Modal _ awal
IV. METODOLOGI 4.1. Kerangka Pemikiran
Rekayasa model pengelolaan krisis CrismanSoft dilakukan berdasarkan pemikiran bahwa krisis internal perusahaan merupakan agregasi dari sejumlah krisis di berbagai bagian atau fungsi dalam perusahaan tersebut (Gambar 26). Besaran krisis diukur dari dampak krisis (skala 0-10) dan peluang krisis (0-100 persen). Dalam penelitian ini, krisis komprehensif perusahaan merupakan agregasi daripada krisis bahan, krisis teknologi, krisis sosial dan krisis finansial.
Gambar 26. Konfigurasi model simulasi manajemen krisis. Model simbolik atau matematis yang dibuat dalam bentuk kinerja logis maupun kuantitatif guna mewakili realisasi manajemen krisis dalam perusahaan agroindustri, diaplikasikan dalam CrismanSoft guna memudahkan manipulasi pengamatan mengenai kecenderungan (trend) atau reaksi yang timbul terhadap asupan tertentu. Penerapan model matematis seperti pemulusan, dilakukan guna mencari pemecahan analitis (analytical
64 solution) atau upaya simulasi (Marimin, 2004; Eriyatno, 1998; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991; Blanchard & Fabrycky, 1981). Suatu sistem dapat digunakan sebagai piranti yang memudahkan proses pengambilan keputusan. Pengambilan keputusan terbagi menjadi yang terprogram dan tidak terprogram. Pengambilan keputusan terprogram didasari data yang telah diketahui sebelumnya, dengan teknik-teknik tertentu dan prosedur atau kebijakan yang telah dibakukan sebelumnya, serta bersifat rutin, telah terdefinisikan secara baik dan parameternya jelas. Pengambilan keputusan yang tidak terprogram, biasanya berkaitan dengan persoalan yang rumit dan parameter yang sulit dirumuskan, sehingga memerlukan naluri dan pengalaman di samping dukungan pengetahuan, serta informasi yang cukup. Pengambilan keputusan tidak terprogram umumnya dilakukan oleh manajemen puncak. Banyak pengambilan keputusan yang merupakan gabungan dari kedua kutub tersebut (Daihani, 2001; Wright et al., 1996; McKenney, 1995). Dalam model yang dihasilkan melalui penelitian ini, pengambilan keputusan mengenai krisis maupun pemilihan solusi guna mengantisipasi krisis menggunakan cara gabungan antara pengambilan keputusan terprogram dan pengambilan keputusan tidak terprogram. Pengambilan keputusan terprogram dilakukan berdasarkan hasil peramalan menggunakan seri data dari lapang, sedang pengambilan keputusan tidak terprogram didasari oleh pengetahuan, pengalaman, naluri maupun informasi para manajemen puncak perusahaan industri tapioka yang diakuisisi melalui wawancara dan pengisian angket (Lihat Lampiran 1 dan Lampiran 2). Pendapat para pakar atau praktisi industri tapioka diakuisisi guna menetapkan peluang krisis dan pilihan solusi terhadap jenis-jenis krisis yang lazim dihadapi oleh perusahaan industri tapioka. Pengambilan keputusan dilakukan melalui suatu sistem pakar yang didukung teknik inferensi fuzzy non-numerik metoda Sugeno atau Metoda TakagiSugeno-Kang (TSK), berdasarkan kaidah (rule-base). Termasuk dalam agregasi krisis finansial dan ekonomi perusahaan berdasarkan hasil perhitungan analisis kelayakan usaha. Pengukuran kriteria subjektif dalam penelitian ini menggunakan lima skala hedonik peubah linguistik Sangat Rendah, Rendah, Sedang, Tinggi dan Sangat Tinggi. Model manajemen krisis CrismanSoft banyak menggunakan inferensi fuzzy dalam proses analisis maupun pengambilan keputusan. Analisis dampak krisis bahan maupun krisis finansial yang menghasilkan nilai-nilai crisp diubah menjadi bilangan fuzzy berdasarkan metoda representasi tertentu melalui pemrosesan secara matematis yang dikenal sebagai proses fuzifikasi.
65 Pemahaman subjektif masing-masing pakar atau praktisi yang diperoleh melalui angket dan wawancara, dilebur dalam suatu himpunan fuzzy dan ditetapkan fungsi keanggotaannya sehingga dapat digunakan dalam analisis krisis maupun penyajian solusi krisis. Pembentukan fungsi keanggotaannya dilakukan dengan menuruti aturan distribusi Gaussian, yang dipilih karena kurvanya lebih mulus dan nilainya tidak pernah 0. Penarikan kesimpulan dilakukan dengan metoda inferensi fuzzy Sugeno yang menerapkan aturan dasar ‘jika Input1 = x and Input2 = y, maka Output adalah z = ax + by + c’ dan menghasilkan keluaran sistem berupa konstanta atau persamaan linear. Pada model Sugeno orde nol, tingkat keluaran z adalah konstanta (a=b =0). Tingkat keluaran atau output level zi dari setiap persamaan dibobot senilai firing strength wi. Hasil akhir (final output) dari sistem tersebut adalah rata-rata keluaran yang dibobot. Teknik-teknik pengambilan kesimpulan dan pemodelan data sistem manajemen krisis pada disertasi ini banyak memanfaatkan ANFIS (adaptive neuro-fuzzy inference system) dan Editor GUI (graphical user interface) yang terdapat dalam piranti MATLAB 7. ANFIS dilaksanakan seperti inferensi fuzzy yang biasa dengan modifikasi pada cara perhitungan atau algoritmanya. Diagnosis dan identifikasi krisis bahan dilakukan melalui pengamatan terhadap pasokan bahan baku, pasokan bahan bakar, pasokan bahan pembantu, pasokan air, dan pemasaran produk tapioka. Pengamatan atau diagnosis krisis teknologi dilakukan terhadap tingkat hambatan pasokan peralatan utama produksi, hambatan pasokan suku cadang utama, hambatan bagi perbaikan kerusakan peralatan utama, maupun ketergantungan perawatan peralatan kepada pihak lain. Diagnosis mengenai dampak dan peluang krisis ekonomi atau finansial perusahaan dilakukan dengan pengamatan, penghitungan dan analisis laba atau rugi perusahaan, likuiditas finansial perusahaan, analisis kelayakan perusahaan. Diagnosis dan identifikasi krisis sosial dilakukan terhadap kondisi sumberdaya manusia di perusahaan, pelanggaran hukum yang dilakukan oleh perusahaan atau pimpinan perusahaan, hubungan atau kemitraan perusahaan dengan warga di sekitar perusahaan, aksi kekerasan maupun aksi teror yang mungkin terjadi dan pencitraan perusahaan. 4.2. Tahapan penelitian
Penelitian ini dilakukan secara bertahap, dimulai dengan penetapan tujuan (perencanaan sistem) dan perumusan masalah, yang dilanjutkan dengan penelitian (pengumpulan data dan fakta), analisis, perancangan model sampai dengan perancangan
66 implementasi model (lihat Gambar 27). Setelah pengumpulan data dan penetapan model, dilakukan pengembangan model simulasi manajemen krisis. Model manajemen krisis yang menggunakan sistem pakar ini dirancang guna menyimpan dan menerapkan kemampuan sejumlah praktisi dalam memilih solusi terhadap krisis yang dihadapi oleh perusahaan agroindustri tapioka. Pengambilan keputusan mengenai krisis dan pemilihan solusi krisis dilakukan dengan teknik fuzzy non-numerik. Hasil akuisisi pengetahuan dan pengalaman pakar (Lihat Lampiran 1-4) diolah dengan fuzifikasi dan defuzifikasi lalu diaplikasikan sehingga model dapat bertindak atau berperilaku seperti penalaran para praktisi dalam pengambilan keputusan mengenai krisis tertentu.
Gambar 27. Rekayasa simulasi manajemen krisis.
67 Pemilihan teknik pengambilan keputusan dan bahasa pemrograman komputer merupakan salah satu faktor penting karena mempengaruhi ketelitian hasil komputasi, biaya operasi model, kesesuaian dengan jenis komputer yang tersedia, serta efektivitas proses pengambilan keputusan. Setelah model dalam bentuk program komputer dibuat, dilakukan validasi dan verifikasi guna menguji kesesuaian kinerja dan kemampuan model CrismanSoft menjalankan simulasi dengan sistem yang dirancang (Sargent, 2005; Midgley, 2000; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991). Asupan dan pengolahan data dalam model yang dibentuk melalui penelitian ini, menghasilkan gambaran mengenai tahapan krisis yang dihadapi perusahaan agroindustri, dampak atau risiko yang muncul, peluang terjadinya serta pilihan-pilihan tindakan guna mencegah atau menanggulangi krisis tersebut. 4.2.1. Penetapan Tujuan
Sesuai dengan tujuan penelitian, model simulasi manajemen krisis yang direkayasa dapat menyajikan peringatan dini dan dampak maupun peluang krisis internal perusahaan agroindustri dan menyuguhkan alternatif solusi bagi krisis tersebut, menggunakan akuisisi pengetahuan pakar dan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi. Penetapan tujuan juga berdasarkan hasil konsultasi dengan mengacu pada pustaka dan hasil observasi lapang. 4.2.2. Perumusan Permasalahan
Midgley (2000) menegaskan, batas ruang lingkup suatu model harus jelas agar akurasi analisisnya dapat terjaga. Perumusan permasalahan dilakukan dengan mengacu pada sejumlah pustaka, hasil konsultasi dan observasi lapang. Dalam penelitian ini, krisis yang dianalisis hanya terbatas pada krisis internal pada perusahaan agroindustri, dengan lingkup pengamatan pada krisis bahan, krisis ekonomi dan finansial, krisis teknologi dan krisis sosial. Perusahaan agroindustri dianggap mengalami krisis jika terjadi salah satu dari krisis bahan, krisis ekonomi dan finansial, krisis teknologi atau krisis sosial. Perusahaan dapat juga dinilai mengalami krisis jika hasil agregasi atau gabungan analisis krisis bahan, krisis ekonomi dan finansial, krisis teknologi dan krisis sosial memenuhi kriteria krisis yang ditetapkan, meskipun jika dianalisis secara sendiri-sendiri masing-masing tidak menunjukkan tingkat krisis yang signifikan.
68 4.2.3. Penelitian
Penelitian guna penyusunan model ini dilakukan dengan penelusuran pustaka, wawancara, pengumpulan data lapang dan akuisisi pendapat praktisi yang setara dengan pakar dalam rangka penyusunan model analisis krisis bahan, krisis ekonomi dan finansial, krisis teknologi dan krisis sosial. Data dan fakta serta pendapat pakar dikumpulkan dari pihak-pihak yang terlibat atau terkait dengan agroindustri tapioka di lapang, di antaranya petani ubikayu, masyarakat sekitar perusahaan, karyawan perusahaan dan pejabat pemerintah. Masingmasing pihak dapat mengakibatkan terjadinya krisis internal tertentu dengan dampak yang berbeda terhadap perusahaan agroindustri. Solusi atau pencegahan bagi setiap dampak krisis juga berbeda-beda. Data pokok bagi penyusunan model manajemen krisis diperoleh dari salah satu perusahaan tapioka di Lampung Timur. Data lapang dari perusahaan tersebut meliputi pasokan ubikayu, pasokan bahan bakar, pasokan air, kapasitas produksi, kinerja produksi perusahaan, pasokan bahan pembantu, pasokan bahan bakar dan data lain sehubungan lingkup penelitian. Narasumber yang diakuisisi pengetahuan, pengalaman dan nalurinya adalah para praktisi yang sedang atau pernah menjadi manajemen puncak dan manajemen menengah di lingkungan perusahaan tapioka. Yakni Setiawan Achmad (Managing Director PT Great Giant Pineapple di Jakarta, memiliki dan memimpin perusahaan industri tapioka sejak tahun 1970-an), Ir Iswanto (Direktur Produksi PT Great Giant Pineapple di Terbanggi, Lampung Tengah, memimpin perusahaan tapioka pada tahun 1980-2000), Willy Purba (Senior Manajer Sumberdaya manusia PT Umas Jaya Farm di Terbanggi, menangani perusahaan tapioka sejak tahun 1970-an), Tonny Edyanto (Senior Manager PT Umas Jaya Agrotama di Jabung, menangani perusahaan tapioka sejak tahun 1980an) dan Ir Hendro Purnomo (Manajer Pabrik Tapioka di PT Umas Jaya Farm di Terbanggi). Para narasumber itu merupakan praktisi atau pelaku yang terlibat secara langsung dalam agroindustri tapioka. 4.2.4. Analisis
Data, fakta dan pendapat yang terkumpul dipilah-pilahkan, diolah dan disiapkan bagi penyusunan model yang sesuai dengan rancangan rekayasa model manajemen krisis. Masing-masing kelompok data diolah dengan cara tertentu, sesuai dengan kriteria yang diperlukan dalam analisis krisis dan pemilihan solusi terhadap krisis tersebut.
69 4.2.4.1. Pengolahan Data Bahan
Diagnosis dan identifikasi krisis bahan dilakukan melalui pengamatan terhadap pasokan bahan baku, pasokan bahan bakar, pasokan bahan pembantu, pasokan air, dan pemasaran produk tapioka. Hasil pengumpulan data itu ditabulasikan (Lihat Lampiran 5) dan disiapkan guna diolah lebih lanjut dan dijadikan asupan bagi model atau submodel sesuai dengan yang ditetapkan dalam perancangan model. Masing-masing bahan tersebut diamati perilaku datanya serta diramalkan tahapan krisis dan risiko yang mungkin ditimbulkan oleh krisis tersebut, dan disajikan alternatif solusinya. Dalam model manajemen krisis ini, peramalan atau perkiraan pasokan bahan baku, pasokan bahan bakar, pasokan air maupun pasokan bahan pembantu pada perioda tertentu dilakukan menggunakan metoda pemulusan terhadap data yang dikumpulkan dari lapang. Metoda pemulusan digunakan pada perkiraan atau peramalan pasokan bahan dan tingkat produksi pada perioda tertentu, hasil perkiraan itu dijadikan asupan pada analisis krisis perusahaan pada perioda tersebut. Kriteria yang digunakan dalam pemilihan metoda peramalan kuantitatif deret berkala yang paling tepat antara lain MAPE, R-square, Adjusted R-square dan kenampakan kurva hasil proyeksi. Dari evaluasi terhadap sejumlah metoda pemulusan (Lihat Lampiran 6-8), ternyata metoda pemulusan Gaussian merupakan salah satu kelompok metoda peramalan yang paling sesuai dengan data yang tersedia. Serangkaian percobaan menggunakan metoda pemulusan Winters menggunakan data dari lapang dan diiringi dengan penentuan parameter model (α, β dan γ) secara trial and error menyajikan MAPE, R-square dan adjusted R-square yang lebih buruk dibandingkan dengan yang disajikan oleh kelompok metoda pemulusan Gaussian dan Fourier. 4.2.4.2. Pengolahan Data Teknologi
Pengamatan atau diagnosis dilakukan terhadap tingkat hambatan pasokan peralatan utama produksi, hambatan pasokan suku cadang utama, hambatan bagi perbaikan kerusakan peralatan utama, maupun ketergantungan perawatan peralatan kepada pihak lain. Lima narasumber diminta pendapat atau pengalamannya mengenai hal-hal tersebut, baik dari segi peluang terjadi krisisnya maupun dampak krisisnya terhadap kelancaran produksi. Penilaian dilakukan dengan skala hedonik mulai dari SR (Sangat Rendah), R (Rendah), S (Sedang), (T) Tinggi dan ST (Sangat Tinggi). Agregasi pendapat pakar dilakukan menggunakan metoda modus (pengulangan yang terbanyak) atau metoda ratarata geometris jika tidak diperoleh modus yang diinginkan. Para pakar juga dimintai
70 pendapat mengenai kemungkinan solusi jika perusahaan tapioka dihadapkan pada masingmasing krisis teknologi tersebut (Lihat Lampiran 2 dan Lampiran 4). 4.2.4.3. Pengolahan Data Ekonomi dan Finansial
Diagnosis mengenai tahapan maupun magnitude krisis ekonomi atau finansial perusahaan dilakukan dengan berdasarkan pada analisis kelayakan perusahaan. Analisis kelayakan usaha (Lihat Lampiran 9) yang dilakukan dalam model manajemen krisis ini menggunakan perhitungan Net Present Value (NPV), Internal Rate of Return (IRR), manfaat netto atau Net Benefit Cost Ratio (Net B/C), pengembalian modal atau Return on Investment (ROI), titik impas atau Break Even Point (BEP), dan perioda pengembalian modal atau Pay Back Period (PBP). Para narasumber dimintai pendapatnya mengenai alternatif solusi jika perusahaan dilanda krisis ekonomi atau finansial tersebut. 4.2.4.4. Pengolahan Data Sosial
Diagnosis dan identifikasi krisis dilakukan terhadap kondisi sumberdaya manusia di perusahaan, pelanggaran hukum yang dilakukan oleh perusahaan atau pimpinan perusahaan, hubungan atau kemitraan perusahaan dengan warga di sekitar perusahaan, aksi kekerasan maupun aksi teror yang mungkin terjadi dan pencitraan perusahaan. Para narasumber diminta pendapat atau pengalamannya mengenai hal-hal tersebut, baik dari segi peluang terjadinya krisis maupun dampak masing-masing unsur krisis sosial itu terhadap kelancaran produksi. Penilaian dilakukan dengan skala hedonik mulai dari SR (Sangat Rendah), R (Rendah), S (Sedang), (T) Tinggi dan ST (Sangat Tinggi). Agregasi pendapat pakar dilakukan menggunakan metoda modus (pengulangan yang terbanyak) atau metoda rata-rata geometris jika tidak diperoleh modus yang diinginkan. Para pakar juga dimintai pendapat mengenai kemungkinan solusi jika perusahaan tapioka dihadapkan pada masing-masing krisis sosial tersebut (Lihat Lampiran 2 dan Lampiran 4). Dilakukan uji ulang (cross-check) terhadap hasil penilaian para narasumber mengenai masalah sosial tersebut dengan meminta keterangan dari warga di sekitar pabrik, karyawan perusahaan dan pejabat di lingkungan Dinas Pertanian di Provinsi Lampung. 4.2.5. Perancangan Model Manajemen Krisis
Langkah selanjutnya adalah perancangan model, dengan menetapkan metoda penilaian krisis, metoda penetapan solusi dan penentuan piranti yang akan digunakan dalam rekayasa CrismanSoft sesuai dengan tujuan pembentukan model. Dalam
71 perancangan model, ditetapkan juga tampilan akhir dan interface antara model dengan pengguna. Dipilih bahasa pemrograman Pascal yang dikenal sebagai Delphi 7 sebagai piranti pengemas antarsubmodel dan bagian-bagian model lainnya. Inferensi fuzzy dilakukan dengan menggunakan komponen Delphi 7 dan MATLAB 7, sedang pusat data menggunakan bantuan piranti Microsoft Excel 2003 dan Microsoft Access 2003. 4.2.5.1. Penilaian Krisis Bahan
Penilaian krisis bahan dilakukan melalui agregasi keluaran pembandingan hasil peramalan masing-masing pasokan bahan baku, pasokan bahan bakar, pasokan bahan pembantu dan pasokan air terhadap kebutuhan masing-masing yang dikonversikan dari hasil peramalan produksi tapioka atau tingkat produksi pada titik impas (dipilih yang paling tinggi), dipadukan juga dengan krisis pemasaran yang diperhitungkan dari pembandingan persediaan produk tapioka dengan kapasitas gudang. Batas atas (kelebihan) pasok bahan baku yang bisa menimbulkan krisis adalah 20 persen di atas kapasitas produksi. Acuan ini ditetapkan dari hasil wawancara dengan para praktisi lapang. Alasannya adalah penurunan kadar pati dalam ubikayu jika pengolahannya tertunda lebih lama. Sedang batas bawah (kekurangan) pasokan bahan baku adalah kebutuhan bahan baku pada titik impas atau BEP (break even point) atau tingkat produksi tapioka sesuai hasil peramalan (dipilih yang paling tinggi). Volume pasokan bahan baku didekati dengan metoda peramalan berdasarkan data pasokan ubikayu sejak Januari 2000. Keadaan bahan baku dinilai krisis jika peramalan pasokan ubikayu lebih rendah dari kebutuhannya atau lebih tinggi dibandingkan dengan 120 persen kapasitas produksinya. Pasokan air dinilai krisis jika volumenya kurang dari kebutuhan air bagi pengolahan tapioka. Tingkat kebutuhan air dalam produksi didekati dari hasil ramalan produksi tapioka dan asumsi rata-rata kebutuhan air adalah 22,5 meter kubik per ton tapioka yang diproduksi. Volume pasokan air didekati menggunakan peramalan berdasarkan data sejak Januari 2000. Pasokan bahan bakar dinilai krisis jika volumenya kurang dari kebutuhan air bagi pengolahan tapioka. Rata-rata kebutuhan bahan bakar adalah 35,5 liter solar per ton tapioka yang diproduksi. Volume pasokan bahan bakar didekati menggunakan peramalan berdasarkan data sejak Januari 2000. Kebutuhan bahan pembantu tawas (0,13 persen dari produksi tapioka) dan belerang (0,00058 persen dari produksi tapioka) guna pengolahan air serta bahan pembantu
72 polyaluminum chloride atau PAC (0,000049 persen dari produk tapioka) juga diamati pasokannya. Demikian pula pasokan zak (pengemas tapioka). Volume pasokan masingmasing bahan itu didekati menggunakan metoda peramalan berdasarkan data yang tersedia. 4.2.5.2. Penilaian Krisis Teknologi
Diagnosis dan identifikasi krisis dilakukan terhadap kondisi teknologi dalam perusahaan dengan mengamati ketersediaan suku cadang, fasilitas perawatan peralatan utama, hambatan mendapatkan suku cadang atau peralatan utama maupun aspek teknis lainnya (Lihat Lampiran 1 dan Lampiran 3). Para narasumber diminta pendapat atau pengalamannya mengenai hal-hal tersebut, baik dari segi peluang terjadi krisisnya maupun dampak krisisnya terhadap kelancaran produksi. Penilaian dilakukan dengan skala hedonik mulai dari SR (Sangat Rendah), R (Rendah), S (Sedang), (T) Tinggi dan ST (Sangat Tinggi). Agregasi pendapat pakar mengenai keadaan ‘teknologi’ dilakukan menggunakan metoda modus (pengulangan yang terbanyak) atau metoda rata-rata geometris jika tidak diperoleh modus yang diinginkan. Para pakar juga dimintai pendapat mengenai kemungkinan solusi jika perusahaan tapioka dihadapkan pada masing-masing krisis teknologi tersebut (Lihat Lampiran 2 dan Lampiran 4). 4.2.5.3. Penilaian Krisis Ekonomi dan Finansial
Kelayakan perusahaan industri tapioka dinilai menggunakan beberapa kriteria kelayakan usaha. Analisis kelayakan usaha yang dilakukan dalam model manajemen krisis ini menggunakan perhitungan Net Present Value (NPV), Internal Rate of Return (IRR), manfaat netto atau Net Benefit Cost Ratio (Net B/C), pengembalian modal atau Return on Investment (ROI), titik impas atau Break Even Point (BEP), dan perioda pengembalian modal atau Pay Back Period (PBP). Hasil perhitungan analisis kelayakan usaha (Lihat Lampiran 9) diagregasikan menggunakan inferensi fuzzy Metoda Sugeno. 4.2.5.4. Penilaian Krisis Sosial
Diagnosis dan identifikasi krisis dilakukan terhadap kondisi sumberdaya manusia di perusahaan, pelanggaran hukum yang dilakukan oleh perusahaan atau pimpinan perusahaan, hubungan atau kemitraan perusahaan dengan warga di sekitar perusahaan, aksi kekerasan maupun aksi teror yang mungkin terjadi dan pencitraan perusahaan. Para narasumber diminta pendapat atau pengalamannya mengenai hal-hal tersebut, baik dari segi peluang terjadi krisisnya maupun dampak krisisnya terhadap kelancaran produksi. Penilaian dilakukan dengan skala hedonik mulai dari SR (Sangat Rendah), R (Rendah), S
73 (Sedang), (T) Tinggi dan ST (Sangat Tinggi). Agregasi pendapat pakar dilakukan menggunakan metoda modus (pengulangan yang terbanyak) atau metoda rata-rata geometris jika tidak diperoleh modus yang diinginkan. Para pakar juga dimintai pendapat mengenai kemungkinan solusi jika perusahaan tapioka dihadapkan pada masing-masing krisis sosial tersebut (Lihat Lampiran 2 dan Lampiran 4). 4.2.5.5. Penetapan Solusi
Hasil analisis dampak maupun peluang krisis bahan, analisis krisis teknologi, analisis ekonomi dan finansial serta analisis krisis sosial dipadukan menggunakan inferensi fuzzy metoda Sugeno sehingga diperoleh agregat nilai krisis gabungan. Penilaian dampak dan krisis pada masing-masing tahap, sebetulnya menghasilkan rekomendasi solusi bagi krisis tersebut. Keluaran analisis dampak dan peluang krisis komprehensif diproyeksikan pada kuadran krisis (kuadran Fink) seperti pada Gambar 28 (lihat juga Gambar 3. Barometer Krisis pada halaman 15) dan disajikan rekomendasi solusinya. Pada kuadran Fink, sumbu tegak menggambarkan dampak krisis dan sumbu datar menggambarkan peluang terjadinya krisis.
Gambar 28. Proyeksi dampak dan peluang krisis pada kuadran Fink. Penetapan rekomendasi solusi komprehensif dilakukan menggunakan inferensi fuzzy metoda Sugeno berdasarkan kaidah tertentu (rule base) sebagaimana bisa dilihat
74 pada Lampiran 10 dan Lampiran 11. Rekomendasi solusi krisis komprehensif merupakan keterpaduan rekomendasi dari masing-masing tingkat krisis dengan memperhatikan prioritas penanganan krisisnya. 4.2.5. Validasi
Suatu model harus direkayasa guna kepentingan atau aplikasi yang ditentukan dan kesahihannya diukur sehubungan dengan tujuan rekayasa tersebut. Validasi terhadap CrismanSoft dilaksanakan guna menjamin agar model yang direkayasa berperilaku sesuai dengan parameter dan tujuan pembentukannya (Martis, 2006; Sargent, 2005; Marimin, 2004; Carson, 2002; Sargent, 2000; Blanchard, 1998; Eriyatno, 1998). Jika dalam validasi ternyata model dan proses yang berlangsung dalam model itu tidak menghasilkan kesesuaian dengan parameter dan sasaran yang ditetapkan dalam perencanaan, dilakukan perancangan dan pemodelan ulang sampai hasil validasinya menunjukkan kesesuaian dengan perencanaan (Kusumadewi, 2003; Marimin 2002; Daihani, 2001; Indrajit, 2000; Jackson, 2000; Blanchard, 1998; Eriyatno, 1998; Kahaner, 1998; McLeod, 1998; Coyle, 1995). 4.2.7. Rekayasa Model
Rekayasa CrismanSoft dilakukan sesuai dengan konfigurasi simulasi (Gambar 27) dan konfigurasi model (Gambar 32) yang dirancang. Model manajemen krisis CrismanSoft merupakan paket aplikasi komputer yang mampu menyajikan peringatan dini dan tahapan maupun risiko krisis internal yang dihadapi perusahaan agroindustri dan menyuguhkan rekomendasi alternatif solusi terhadap krisis tersebut. CrismanSoft tersusun atas Sistem Manajemen Basis Data (Data Base Management System), Sistem Manajemen Basis Model (Model Base Management System) dan Sistem Manajemen Basis Pengetahuan (Knowledge Base Management System), yang dihubungkan dengan Sistem Pengolahan Data (data processing), yang kemudian berinteraksi dengan Sistem Manajemen Dialog yang berfungsi sebagai tampilan bagi pengguna (user interface). Pemrograman dilakukan dengan Bahasa Pascal yang dikenal sebagai piranti Delphi 7. Inferensi fuzzy dilakukan dengan menggunakan komponen Delphi 7 dan MATLAB 7, sedang pusat data menggunakan bantuan piranti Microsoft Excel 2003 dan Microsoft Access 2003. 4.2.8. Verifikasi
Verifikasi terhadap CrismanSoft dilakukan guna memastikan bahwa model manajemen krisis ini terbebas dari kekeliruan proses logis (logical errors) dan
75 berkemampuan menjalankan fungsi sesuai dengan tujuan rekayasanya. Langkah verifikasi dilaksanakan antara lain dengan penelisikan (debugging) berulang terhadap pemrograman guna mengurangi kesalahan masing-masing modul sebelum memadukannya menjadi suatu kesatuan. Verifikasi model juga dilakukan dengan memeriksa kemampuan kinerja model, ketepatan interface antara model yang dibentuk dengan aplikasi lainnya (Martis, 2006; Sargent, 2005; Marimin, 2004; Carson, 2002; Sargent, 2000; Blanchard, 1998; Eriyatno, 1998). 4.2.9. Perancangan Implementasi
Pengembangan
model
manajemen
krisis
CrismanSoft
dilakukan
dengan
menerjemahkan representasi pengetahuan menjadi bahasa perintah yang dapat dipahami komputer. Model ini dibangun berdasarkan asupan data dari sebuah perusahaan industri tapioka di Kabupaten Lampung Timur, Provinsi Lampung. Setelah model divalidasi dan diverifikasi serta mampu menunjukkan secara konsisten kinerja kepakaran dalam manajemen krisis, model ini dapat diimplementasikan pada industri tapioka yang sudah berjalan, dengan memenuhi beberapa ketentuan. Krisis yang dianalisis dalam model ini adalah krisis internal yang mencakup krisis bahan, krisis ekonomi dan finansial, krisis teknologi dan krisis sosial. Model manajemen krisis CrismanSoft dirancang berkemampuan menyajikan peringatan dini, menyajikan dampak dan peluang krisis internal dan menyajikan rekomendasi guna mengatasi krisis atau kemungkinan krisis tersebut. Rekomendasi yang dihasilkan hanya akan bermanfaat bagi para pengambil keputusan atau pihak-pihak yang memiliki otoritas guna mengeksekusikan rekomendasi yang dimaksud. Model CrismanSoft dapat diimplementasikan pada industri tapioka yang sudah berjalan. Perusahaan tapioka tersebut harus memiliki data yang lengkap sebagaimana diperlukan oleh model ini, yang meliputi pasokan bahan baku, pasokan air, pasokan bahan pembantu, pasokan bahan bakar, produksi tapioka maupun penjualan tapioka. Data finansial dan ekonomi, data ketersediaan teknologi dan data sosial yang didaur dari pakar, harus diperbarui sesuai dengan kenyataan di perusahaan yang mengimplementasikan model ini.
V. ANALISIS SISTEM Penerapan ilmu sistem dalam manajemen, mempersyaratkan penggunaan teori dasar yang bersifat kuantitatif yang mencakup pemodelan matematis, analisis fungsional terhadap model matematis yang digunakan, teori kontrol, teori estimasi dan teori pengambilan keputusan. Penerapan teori pengambilan keputusan yang dilandasi pendekatan statistik, meminimumkan tingkat kesalahan dalam rekomendasi atau keluaran yang dihasilkan suatu sistem. Dalam sistem yang kompleks yang memiliki peubah cukup banyak dan keluarannya bersifat sangat majemuk, penerapan teori pengambilan keputusan seringkali tidak menghasilkan kinerja yang memuaskan (Marimin, 2004; Whitten et al, 2004; Kendall & Kendall, 2004; Kusumadewi, 2003; Humphrey & Kaolinsky, 1998; Blanchard & Fabrycky, 1981; Kauffman, 1968). Secara ringkas, suatu sistem harus memenuhi kriteria falsafah cybernetics, holistik dan efektif. Cybernetics berarti sistem harus berorientasi pada tujuan, sehingga perancangan atau rekayasa suatu sistem dimulai dengan penetapan tujuan melalui analisis sistem. Holistik berarti sistem harus bersifat utuh karena segmentasi atau cara pandang parsial dapat mereduksi kemampuan dan kinerja sistem. Efektif berarti sistem harus lebih mementingkan hasil guna secara operasional dan layak dibandingkan pendalaman teoretik mengenai efisiensi pengambilan keputusan. Tiga persyaratan pertimbangan utama yang harus dipenuhi dalam pengkajian sistem yakni kompleksitas, dinamis dan probabilistik. Pertimbangan mengenai kompleksitas atau kerumitan suatu sistem, mengharuskan interaksi antara subsistem maupun elemen dalam subsistem yang cukup rumit dapat dikenali. Sistem juga harus dinamis, artinya dapat menampung perubahan faktor-faktornya seiring perubahan waktu, serta dapat memprediksikan keadaan di masa mendatang. Sistem juga harus memenuhi persyaratan probabilistik, yang memungkinkan penentuan peluang dalam inferensi kesimpulan maupun pelaksanaan rekomendasi yang dihasilkan (Eriyatno, 1998). Rekayasa atau sintesis sistem, ditempuh setelah analisis sistem dirampungkan. Analisis sistem pada umumnya didahului oleh analisis kebutuhan dan identifikasi sistem. Analisis sistem antara lain meliputi formulasi masalah, penyusunan alternatif sistem, penetapan realisasi fisik, sosial, dan politik, yang dilanjutkan dengan penentuan kelayakan ekonomi dan keuangan (Gambar 29).
77
Gambar 29. Tahap pendekatan sistem. Rekayasa sistem harus memenuhi berbagai persyaratan yang sangat karakteristik. Pertama, suatu sistem harus bersifat utuh (holistik) dan tersusun atas paduan rumit berbagai sumber (complex combination of resources) dalam bentuk manusia, material, peralatan, fasilitas, dana, data dan lain-lain. Kedua, suatu sistem harus memiliki batas ruang lingkup atau jenjang (hierarchy) tertentu. Ketiga, suatu sistem dapat diuraikan lagi menjadi sejumlah subsistem dan komponen-komponen yang terkait, sehingga keberadaan sistem tersebut sangat ditentukan oleh kompleksitas dan kinerja fungsi-fungsinya.
78 Keempat, suatu sistem harus fungsional dan memenuhi tujuan tertentu. Secara ringkas, suatu sistem harus memenuhi kriteria falsafah cybernetics, holistik dan efektif (Marimin, 2004; Whitten et al, 2004; Kendall & Kendall, 2002; Levin et al, 2000; Hambrick & Cannella, 1994; Isselbacher & Upton, 1994; Coyle, 1995). Suatu sistem dapat digunakan sebagai piranti yang memudahkan proses pengambilan keputusan. Pengambilan keputusan terbagi menjadi yang terprogram dan tidak terprogram. Pengambilan keputusan terprogram didasari data yang telah diketahui sebelumnya, dengan teknik-teknik tertentu dan prosedur atau kebijakan yang telah dibakukan sebelumnya, serta bersifat rutin, telah terdefinisikan secara baik dan parameternya jelas. Pengambilan keputusan yang tidak terprogram, biasanya berkaitan dengan persoalan yang rumit dan parameter yang sulit dirumuskan, sehingga memerlukan naluri dan pengalaman di samping dukungan pengetahuan, serta informasi yang cukup. Pengambilan keputusan tidak terprogram umumnya dilakukan oleh manajemen puncak. Banyak pengambilan keputusan yang merupakan gabungan dari kedua kutub tersebut (Daihani, 2001; Wright et al., 1996; McKenney, 1995). Dalam model yang dihasilkan melalui penelitian ini, pengambilan keputusan menggunakan cara gabungan antara pengambilan keputusan terprogram dan pengambilan keputusan tidak terprogram. Pengambilan keputusan terprogram dilakukan berdasarkan seri data dari lapang, sedang pengambilan keputusan tidak terprogram didasari oleh hasil wawancara dengan para manajemen puncak perusahaan industri tapioka dalam rangka akuisisi pengetahuan, pengalaman, naluri maupun informasi yang dimiliki para narasumber tersebut. 5.1. Analisis Kebutuhan
Analisis krisis dan penetapan solusi bagi krisis dalam perusahaan agroindustri menggunakan pendekatan sistem didahului dengan analisis kebutuhan, perumusan permasalahan, identifikasi sistem dan dilanjutkan dengan pemodelan serta perancangan implementasi sistem. Analisis kebutuhan perlukan agar pengoperasionalan model yang dirancang dapat memenuhi kepentingan dan kebutuhan para aktor atau pelaku dalam sistem agroindustri yang sesungguhnya. Dalam sistem perusahaan agroindustri tapioka, terdapat sejumlah pihak yang secara langsung maupun tidak langsung terlibat dalam kegiatannya. Hasil identifikasi di lapang dan telaah pustaka menunjukkan para pihak tersebut, lengkap dengan kepentingan maupun kemungkinan aksi yang dilakukan oleh masing-masing pihak, serta dampak yang
79 timbul akibat aksi tersebut. Uraian mengenai peran pihak-pihak yang berkepentingan tersebut dirinci dalam Tabel 5. Tabel 5. Pihak-pihak yang berkepentingan pada perusahaan agroindustri No
Pihak
Kepentingan Kemungkinan Aksi Kemungkinan Dampak Alternatif Pemecahan
1
Pemodal
Ekonomi
Menarik modal
Produksi berhenti
2
Manajemen
Ekonomi dan sosial
Berhenti atau dibajak perusahaan lain
Kehilangan tenaga inti, kehilangan/kebocoran data rahasia perusahaan
Ekonomi
Ikatan kontrak dengan Menjual hasil Kapasitas/target pengolahan petani/koperasi petani, pertanian kepada pihak pabrik tidak terpenuhi peningkatan harga hasil lain pertanian atau insentif petani Peningkatan hubungan Kapasitas/target pengolahan kelembagaan dengan masyarakat pabrik tidak terpenuhi, sekitar
3
Petani
Meningkatkan gaji/fasilitas manajemen
4
Masyarakat sekitar
Ekonomi dan sosial
Perusakan pabrik/kebun, aksi kekerasan terhadap karyawan atau manajemen, penjarahan
5
Pemerintah Pusat / Daerah
Ekonomi, sosial dan politik
Pengetatan peraturan, peringatan, tekanantekanan politis, pencabutan izin
Peningkatan pengeluaran, penghentian produksi
Kepatuhan terhadap peraturan yang berlaku, peningkatan hubungan kelembagaan
6
Pelanggan
Ekonomi
Membeli produk dari pihak lain
Penurunan pendapatan
Peningkatan kepuasan pelanggan, peningkatan insentif / fasilitas bagi pelanggan
7
Pecinta Lingkungan Hidup
Sosial dan politik
Penggalangan massa, aksi boikot, perusakan reputasi, tekanantekanan politis
Penghentian produksi sementara, penurunan pendapatan, peningkatan pengeluaran, reputasi jelek
Kepatuhan terhadap peraturan yang berlaku, peningkatan hubungan kelembagaan, pencegahan / pengurangan limbah, pengolahan limbah
8
Serikat pekerja
Ekonomi, sosial dan politik
Pemogokan, aksi kekerasan, perusakan, penjarahan, penyanderaan
Penghentian produksi sementara, penurunan pendapatan, peningkatan pengeluaran, reputasi jelek
Pemberdayaan dan peningkatan kesejahteraan pekerja, kepatuhan terhadap peraturan yang berlaku
9
Penegak Hukum
Hukum, politik, Penangkapan, sosial dan penyitaan, penyegelan ekonomi
Penghentian produksi sementara, penurunan pendapatan, peningkatan pengeluaran, reputasi jelek
Kepatuhan terhadap peraturan yang berlaku, peningkatan hubungan kelembagaan
Peningkatan pengeluaran, reputasi jelek
Kepatuhan terhadap peraturan yang berlaku, peningkatan hubungan kelembagaan
Sosial dan
10 Media Massa politik
Pemberitaan, pembentukan opini
5.2. Perumusan Permasalahan
Model simulasi manajemen krisis yang dibentuk melalui penelitian ini menggunakan akuisisi pengetahuan pakar dan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi. Model simulasi yang dihasilkan mampu menyajikan peringatan dini dan tahapan maupun risiko krisis internal yang sedang dihadapi perusahaan agroindustri dan menyuguhkan solusi alternatif berupa tindakan pencegahan, penghindaran dan penanggulangan krisis tersebut.
80 Midgley (2000) menegaskan, batas ruang lingkup suatu model harus jelas, sehingga akurasi analisisnya dapat terjaga. Pembatasan ruang lingkup tidak hanya penting bagi pemikiran sistem, melainkan juga menjadi pedoman dalam penyusunan model matematis. Rumus dan dalil matematis merupakan aturan atau sistem keras (hard system), tetapi penentuan batas atau ruang lingkup sering dinilai sebagai sesuatu yang lunak (soft) karena dipengaruhi oleh subjektivitas atau intrasubjektivitas. Ruang lingkup model manajemen krisis CrismanSoft meliputi (1) bahan, (2) teknologi, (3) ekonomi dan finansial serta (4) sumberdaya manusia, hukum dan aksi kekerasan. 5.2.1. Bahan
Diagnosis dan identifikasi krisis bahan dilakukan melalui pengamatan terhadap pasokan bahan baku, pasokan bahan bakar, pasokan bahan pembantu, pasokan air, dan pemasaran produk tapioka. Data mengenai masing-masing bahan tersebut dijadikan dasar dalam memperkirakan keadaan pasokan pada perioda tertentu. Tinggi atau rendahnya dampak krisis diukur dari selisih antara pasok bahan dengan batas ambang krisis. baik krisis kekurangan bahan baku maupun krisis kelebihan bahan baku. Sedang peluang krisis ditetapkan melalui akuisisi pendapat para pakar. 5.2.2. Teknologi
Dampak maupun peluang krisis teknologi diukur dari tingkat hambatan pasokan peralatan utama produksi, hambatan pasokan suku cadang utama, hambatan bagi perbaikan kerusakan peralatan utama, maupun ketergantungan perawatan peralatan kepada pihak lain. Lima narasumber diminta pendapat atau pengalamannya mengenai hal-hal tersebut, baik dari segi peluang terjadi krisisnya maupun dampak krisisnya terhadap kelancaran produksi. Para pakar juga dimintai pendapat mengenai kemungkinan solusi jika perusahaan tapioka dihadapkan pada masing-masing krisis teknologi tersebut. 5.2.3. Ekonomi dan Finansial
Situasi krisis ekonomi atau finansial perusahaan diukur menggunakan perangkat yang biasa dipergunakan dalam pengukuran atau analisis kelayakan perusahaan. Kebutuhan sistem mengenai solusi krisis finansial dicukupi dengan akuisisi pendapat dan pengalaman para pakar alternatif jalan keluar jika perusahaan dilanda krisis ekonomi atau finansial tersebut.
81 5.2.4. Sosial
Situasi krisis sosial dalam perusahaan agroindustri didekati dengan identifikasi kondisi sumberdaya manusia di perusahaan, pelanggaran hukum yang dilakukan oleh perusahaan atau pimpinan perusahaan, hubungan atau kemitraan perusahaan dengan warga di sekitar perusahaan, aksi kekerasan maupun aksi teror yang mungkin terjadi dan pencitraan perusahaan. Kebutuhan data bagi analisis krisis sosial diperoleh dari hasil akuisisi pendapat dan pengalaman para narasumber mengenai peluang krisis maupun dampak terjadinya krisis tersebut, serta solusi jika krisis itu terjadi. 5.3. Identifikasi Sistem
Perancangan suatu sistem rinci dimulai dengan konsep dan penetapan konfigurasinya. Konfigurasi model manajemen krisis CrismanSoft tersusun atas Sistem Manajemen Basis Data (Data Base Management System), Sistem Manajemen Basis Model (Model Base Management System) dan Sistem Manajemen Basis Pengetahuan (Knowledge Base Management System). Ketiga sistem itu dihubungkan dengan Sistem Pengolahan Problematik atau pengolahan data (data processing) yang menjadi penghubung antar sistem, yang kemudian berinteraksi dengan Sistem Manajemen Dialog yang berfungsi sebagai tampilan bagi pengguna (user interface). CrismanSoft merupakan program aplikasi komputer yang mampu menyajikan peringatan dini, menyajikan tahapan maupun risiko krisis internal yang sedang dihadapi perusahaan agroindustri dan menyuguhkan solusi alternatif berupa tindakan pencegahan, penghindaran dan penanggulangan krisis tersebut (Gambar 30).
Gambar 30. Diagram asupan-keluaran manajemen krisis.
82 Dewasa ini penggunaan komputer sebagai pengolah data dan penyimpan data dalam rekayasa dan aplikasi suatu sistem merupakan hal yang tidak bisa dihindarkan. Pada tahap implementasi komputer, model matematis diaplikasikan dalam bentuk berbagai persamaan, diagram alir dan diagram kotak. Rekayasa model dapat didekati melalui dua cara, yakni menggunakan pendekatan kotak gelap dan pendekatan struktur. Tidak jarang kedua pendekatan ini diterapkan secara serentak dengan tujuan mendapatkan model yang lebih efektif. Pada pendekatan kotak gelap, identifikasi model yang akan dibentuk dilakukan dengan pengamatan terhadap perilaku sistem yang telah ada. Perilaku dan kinerja sistem yang telah ada tersebut dikaji melalui teknik statistik dan matematis, sehingga didapatkan model matematis yang hasilnya paling mendekati hasil operasional yang diperoleh melalui sistem yang ada. Pendekatan kotak gelap sulit diterapkan pada perancangan sistem yang masih baru, yang tujuannya masih bersifat konseptual. Tabel 6. Klasifikasi pendekatan sistem Pendekatan Sistem Analitis Rekayasa Pengendalian Sintesis
Asupan Diketahui Diketahui Tidak Diketahui Diketahui
Komponen Sistem Proses Diketahui Tidak Diketahui Diketahui Tidak Diketahui
Keluaran Tidak Diketahui Diketahui Diketahui Tidak Diketahui
Pemodelan sistem menggunakan pendekatan kotak gelap dapat diklasifikasikan menjadi beberapa jenis yakni yang bersifat analitis, sintesis, rekayasa (design) dan pengendalian (control) sebagaimana diungkapkan pada Tabel 6. Pemodelan sistem analitis diterapkan jika asupan dan proses dalam sistem yang dipelajari telah diketahui dan keluarannya yang belum diketahui secara pasti. Sedang pemodelan sistem rekayasa, asupan dan keluaran sudah diketahui dan prosesnya yang masih belum diketahui. Pada pemodelan sistem pengendalian, proses maupun keluaran sistem sudah diketahui dan asupan sistem tersebut yang masih harus dipelajari. Manajemen krisis dalam perusahaan agroindustri adalah segenap tindakan pendeteksian sampai penanggulangan yang dilakukan oleh suatu perusahaan agroindustri sewaktu menghadapi krisis internal. Jenis-jenis krisis internal yang biasa melanda suatu perusahaan, dapat dilihat rinciannya pada Tabel 7. Dalam perusahaan, biasanya penyusunan rencana pengelolaan krisis didahului dengan pembentukan tim manajemen krisis (crisis management team). Anggota inti dari tim manajemen krisis sangat tergantung dari jenis usaha dan kemungkinan krisisnya. Pada umumnya terdiri atas pimpinan puncak atau manajemen senior, direktur keuangan,
83 pimpinan hubungan kemasyarakatan (public relation) dan konsultan hukum (Mitroff, 2001; White & Mazur, 1998; Lerbinger, 1997; Hurst, 1995; Mallozzi, 1994; Moscovici & Doise, 1994; Barton, 1993; Booth, 1993; Gottschalk, 1993; Janis, 1989; Jefkins, 1987; Fink, 1986). Tabel 7. Jenis-jenis krisis internal Ekonomis
Fisik
Informasional
Reputasi
Perbuatan Bencana tidak Waras Alam
Hilangnya peralatan atau bahan utama
Kehilangan pimpinan penting
Fitnah
Perusakan / pemalsuan produk
Gempa bumi
Pemberontakan Keterangan buruh palsu
Rusaknya peralatan penting
Kehilangan karyawan penting
Menyebarnya berita buruk
Penculikan
Kebakaran
Kekurangan pekerja
Kerusakan data komputer
Rusaknya Meningkatnya Merebaknya fasilitas penting absen karyawan ejekan/hinaan
Penurunan Harga Saham
Hilangnya data pelanggan
Pemogokan
Kehilangan informasi konfidensial
Sumberdaya Manusia
Meningkatnya Merebaknya kecelakaan dan isu/rumors vandalisme
Penyanderaan Banjir Aksi Teror
Ledakan
Pasar anjlok
Aksi kekerasan Rusaknya reputasi Kerusuhan di di tempat kerja perusahaan tempat kerja
Topan
Penurunan pendapatan
Perusakan / pemalsuan logo perusahaan
Badai
Sumber: Mitroff (2001)
Pembentukan model simulasi diawali dengan formulasi masalah dan rencana pembelajaran model, yang dilanjutkan dengan pengumpulan data dan penetapan model. Pemilihan teknik pengambilan keputusan dan bahasa pemrograman komputer merupakan salah satu kunci keberhasilan dalam implementasi model. Hal ini mempengaruhi ketelitian hasil komputasi, biaya operasi model, kesesuaian dengan jenis komputer yang tersedia, serta efektivitas proses pengambilan keputusan berdasarkan rekomendasi yang dihasilkan oleh model. Setelah model dalam bentuk program komputer dibuat, dilakukan verifikasi atau pembuktian mengenai kesesuaian kemampuan program itu menjalankan simulasi dibandingkan dengan sistem yang akan dibentuk (Midgley, 2000; Eriyatno, 1998; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991; Blanchard & Fabrycky, 1981). Asupan data terhadap model tersebut, setelah diolah bisa menghasilkan gambaran mengenai tahapan krisis yang dihadapi perusahaan agroindustri, dampak atau risiko yang muncul, peluang terjadinya serta pilihan-pilihan tindakan guna mencegah atau menanggulangi krisis tersebut. Model simbolik atau matematis yang dibuat dalam bentuk kinerja logis maupun kuantitatif guna mewakili realisasi manajemen krisis dalam perusahaan agroindustri, diaplikasikan dalam CrismanSoft guna memudahkan manipulasi pengamatan mengenai
84 kecenderungan (trend) atau reaksi yang timbul terhadap asupan tertentu. Penerapan model matematis seperti pemulusan, dilakukan guna mencari pemecahan analitis (analytical solution) atau upaya simulasi. Pembelajaran suatu model simbolik yang rumit agar dapat menghasilkan pemecahan yang diinginkan hanya dapat dilakukan melalui simulasi (Marimin, 2004; Eriyatno, 1998; Blanchard, 1998; Coyle, 1995; Law & Kelton, 1991; Blanchard & Fabrycky, 1981). Kerumitan dalam coding dan pemodelan secara rinci hanya bagian dari keseluruhan upaya simulasi guna memahami atau merekayasa kerumitan manajemen krisis dalam perusahaan agroindustri. CrismanSoft, model pengelolaan krisis yang dihasilkan dalam penelitian ini, merupakan sistem pendukung keputusan guna menghadapi krisis perusahaan agroindustri, melalui keterpaduan sistem dan analisis data serta teknik representasi dan inferensi tertentu. Selain itu kriteria evaluasi masing-masing pengambilan keputusan dalam model, ditetapkan menggunakan parameter yang berkaitan secara langsung dengan masalah pokok yang akan diselesaikan. Misalnya ambang batas krisis pasokan bahan baku, pasokan air, krisis pemasaran dan lain-lain. Dilakukan juga pemilihan teknik pemodelan, berupa aplikasi teknik analitis dan inferensi fuzzy dalam bentuk model atau serangkaian submodel. Dilanjutkan dengan penyediaan data asupan yang sesuai dengan persyaratan spesifik yang telah ditentukan dan dipresentasikan dalam format yang benar. Langkah terakhir adalah ujicoba dan manipulasi model. Aspek pengambilan keputusan dalam ilmu sistem dipengaruhi oleh teknik pembuatan model dan sangat tergantung pada pendekatan kuantitatif yang digunakan dan menuntut perhitungan risiko serta ketidakpastian. Langkah memastikan model sesuai dengan kebutuhan dilakukan melalui verifikasi dan validasi. Langkah-langkah ini diperlukan guna memastikan bahwa model yang dibentuk dapat dipercaya (credible) dan dapat diterima oleh pihak pengguna (Marimin, 2004; Marimin, 2002; McLeod, 2001; Turban & Aronson, 2001; Levin et al, 2000; Stevenson, 1999).
VI. PEMODELAN 6.1. Kerangka Model
Penelitian ini difokuskan pada rekayasa model simulasi manajemen krisis bagi perusahaan agroindustri, dengan mengambil studi kasus pada perusahaan tapioka di Kabupaten Lampung Timur. Lingkup yang dikaji secara khusus dalam pengelolaan krisis mencakup masalah bahan, teknologi, ekonomi dan sosial. Manajemen krisis dalam perusahaan agroindustri diwakili oleh suatu model simulasi, yang bereaksi terhadap asupan tertentu.
Gambar 31. Konfigurasi model manajemen krisis. Model manajemen krisis CrismanSoft merupakan paket aplikasi komputer yang mampu menyajikan peringatan dini dan tahapan maupun risiko krisis internal yang dihadapi perusahaan agroindustri dan menyuguhkan solusi alternatif berupa tindakan pencegahan, penghindaran dan penanggulangan krisis tersebut. Konfigurasi paket program ini (Gambar 31) tersusun atas Sistem Manajemen Basis Data (Data Base Management System), Sistem Manajemen Basis Model (Model Base Management System) dan Sistem Manajemen Basis Pengetahuan (Knowledge Base Management System). Ketiga sistem itu
86 dihubungkan dengan Sistem Pengolahan Data (data processing) yang menjadi penghubung antar sistem, yang kemudian berinteraksi dengan Sistem Manajemen Dialog yang berfungsi sebagai tampilan bagi pengguna (user interface). Asupan data terhadap model tersebut, setelah diolah bisa menghasilkan gambaran mengenai dampak dan peluang
terjadinya
krisis
serta
pilihan-pilihan
tindakan
guna
mencegah
atau
menanggulangi krisis tersebut. Sistem Manajemen Basis Data merupakan basis penyimpanan data bagi seluruh model yang disusun. Sistem Manajemen Basis Data berisi kumpulan data yang berkaitan dengan permasalahan krisis yang akan dianalisis melalui simulasi. Sistem ini secara terintegrasi memungkinkan pengelolaan basis data antara lain dalam bentuk pengaksesan data maupun perubahan (penambahan, pengurangan dan penghapusan) data. Sistem Manajemen Basis Data harus dapat menjamin kemudahan pemeliharaan maupun pemanfaatan data, pengumpulan data dalam jumlah yang sangat besar, peningkatan efisiensi, kemudahan akses maupun pengembangan aplikasi, serta kemudahan perawatan, perbaikan dan pengembangan sistem di kemudian hari. Sistem Manajemen Basis Model dalam manajemen krisis tersusun atas: •
Submodel Krisis Bahan
•
Submodel Krisis Teknologi
•
Submodel Krisis Finansial
•
Submodel Krisis Sosial
•
Submodel Alternatif Solusi.
Sistem Manajemen Basis Pengetahuan merupakan basis penyimpanan data hasil akuisisi pengalaman, naluri dan pengetahuan para narasumber. Sistem ini dilengkapi dengan fungsi pengolahan (inference engine) yang memungkinkan penggabungan hasilhasil pengolahan data dengan pengetahuan dan pengalaman pakar dalam proses pengambilan keputusan. Sedang Sistem Pengolahan Data merepresentasikan permasalahan krisis yang dihadapi oleh perusahaan agroindustri dalam format kuantitatif sebagai dasar simulasi atau pengambilan keputusan. Sistem pengolahan data mencakup juga tujuan pengambilan keputusan, kendala atau constraints, kaidah dan komponen pengambilan keputusan, serta hal-hal lain yang diperlukan dalam proses pengambilan keputusan. Sistem Pengolahan Problematik merupakan fasilitas aplikasi yang berfungsi mengolah data maupun informasi dari sistem lainnya dan menyiapkannya menjadi asupan bagi Sistem Manajemen Dialog.
87 Sistem Manajemen Dialog adalah fasilitas komunikasi dan interaksi pengguna (pengambil keputusan) dengan sistem manajemen krisis. Pengguna mengasup dan mengelola data melalui Sistem Manajemen Dialog dan menerima umpan balik dari tampilan sistem dialog. Interaksi dengan sistem manajemen krisis diberikan dalam bentuk fitur atau fasilitas tampilan pilihan dialog berupa menu yang dapat dipilih dengan bantuan peralatan asupan seperti mouse atau keyboard pada komputer. 6.2. Sistem Manajemen Basis Data
Sistem Manajemen Basis Data setidaknya harus mampu melayani operasi pengaksesan data melalui bahasa manipulasi data Structured Query Language (SQL), mampu menerima dan menganalisis perintah pengguna (pengambil keputusan), dan mampu melayani eksekusi operasi-operasi yang diperintahkan pengguna. Operasi penambahan atau perbaruan data sampai peramalan dapat dilihat pada Gambar 32. Sistem Manajemen Basis Data yang dikembangkan menggunakan Microsoft Access 2003. Selain itu Microsoft Excel digunakan sebagai penyimpan dan pengolah awal data finansial yang menjadi asupan bagi model kelayakan finansial dan ekonomi perusahaan agroindustri. Data pada Sistem Manajemen Basis Data terbagi menjadi beberapa kelompok, antara lain data pasokan eksternal bahan baku, data pasokan air, data pasokan bahan bakar, data produksi, data pemasaran, data finansial, data permasalahan sosial, data aspek teknologi dan data solusi krisis.
Gambar 32. Konfigurasi perkiraan data.
88 6.2.1. Data bahan
Data bahan adalah data yang berfungsi sebagai sumber atau induk dan menjadi acuan bagi penyusunan basis data yang lain. Kelompok data ini dalam praktiknya memiliki hubungan keterpaduan (relational integrity) dengan basis data lainnya. Kelompok data ini antara lain menyediakan informasi bagi analisis mengenai pasokan bahan baku, produksi tapioka, bahan bakar, air, maupun bahan pembantu dari waktu ke waktu. Berdasarkan data tersebut dilakukan peramalan mengenai ketersediaan bahan pada waktu tertentu. Hasil analisisnya dijadikan asupan guna menentukan nilai dampak krisis pada masing-masing pemodelan krisis. Data bahan baku, produksi dan pemasaran digunakan dalam penentuan dampak krisis perusahaan agroindustri. 6.2.1.1. Data Pasokan Bahan Baku
Data pasokan bahan baku menggambarkan ketersediaan bahan baku per satuan waktu di suatu perusahaan agroindustri. Pada perusahaan tapioka, data pasokan bahan baku (ubikayu) dibagi menjadi pasokan eksternal dan pasokan internal. Pasokan eksternal menggambarkan ketersediaan ubikayu yang dibeli dari pihak luar, sedang pasokan internal menggambarkan ketersediaan bahan baku yang berasal dari kebun yang dikelola perusahaan. Data pasokan bahan baku yang diperoleh melalui penelitian ini adalah pasokan ubikayu bulanan sejak Januari 2000 sampai Desember 2006. Data pasokan bahan baku menjadi asupan bagi submodel bahan baku dan analisis krisisnya. Dalam model CrismanSoft, data pasokan bahan baku menggambarkan volume pasokan bahan baku berupa ubikayu yang diterima pabrik tapioka dalam ton per bulan. 6.2.1.2. Data Pasokan Bahan Bakar
Data pasokan bahan bakar menggambarkan volume pasokan solar yang diterima pabrik tapioka per satuan waktu. Data pasokan bahan bakar yang diperoleh melalui penelitian ini adalah pasokan solar bulanan sejak Januari 2000 sampai Desember 2006. Data bahan bakar ini digunakan dalam perkiraan penentuan pasokan bahan bakar pada waktu yang akan datang. Dengan mengetahui kebutuhan bahan bakar dan tingkat pasokan bahan bakar maka dapat diketahui tingkat kekurangan bahan bakar yang dapat menimbulkan dampak krisis bahan bakar. 6.2.1.3. Data Pasokan air
Data pasokan air menggambarkan volume pasokan air yang diterima pabrik tapioka per satuan waktu. Data pasokan air yang diperoleh melalui penelitian ini adalah
89 hasil volume pasokan air bulanan sejak Januari 2000 sampai Desember 2006. Data pasokan air digunakan untuk memperkirakan tingkat persediaan air yang diperlukan untuk keperluan produksi. Jika perkiraan pasokan air mengalami kekurangan maka akan diperhitungkan sebagai salah satu pertimbangan dalam penentuan krisis air. 6.2.1.4. Data Produksi
Data produksi menggambarkan produksi tapioka per satuan waktu atau ton per bulan. Data produksi tapioka yang tersedia adalah data bulanan sejak Januari 2000 sampai Desember 2006. Data produksi tapioka digunakan dalam perkiraan produksi pada waktu yang ditetapkan, yang kemudian dijadikan acuan penentuan kebutuhan bahan bakar, kebutuhan air, kebutuhan bahan pembantu dan persediaan tapioka di gudang. Perhitungan krisis dilakukan berdasarkan perbedaan antara tingkat kebutuhan dengan tingkat pasokan atau persediaan pada waktu yang ditetapkan. 6.2.1.5. Data Pasokan Bahan Pembantu
Data bahan pembantu menggambarkan keadaan bahan pembantu per satuan waktu. Data bahan pembantu terdiri dari penggunaan zak, penggunaan PAC, penggunaan tawas dan penggunaan belerang. Pada penelitian ini diperoleh data bahan pembantu dari perioda Januari 2000 sampai Desember 2006. Krisis bahan pembantu dihitung dari perbedaan antara persediaan dengan kebutuhan bahan pembantu pada waktu yang ditetapkan. 6.2.1.6. Data Pengeluaran Tapioka
Data pengeluaran gudang menggambarkan data pengeluaran tapioka dari gudang per satuan waktu, yang diasumsikan sebagai data penjualan. Dalam penelitian terkumpul data pengeluaran tapioka dari gudang selama perioda Januari 2000-Desember 2006. Krisis pemasaran dihitung dari perbedaan antara jumlah persediaan tapioka dengan daya tampung gudang. 6.2.2. Data Ekonomi dan Finansial
Data finansial dan ekonomi menggambarkan likuiditas perusahaan agroindustri. Meliputi biaya produksi, pendapatan, keuntungan dan berbagai data finansial yang lain seperti rataan tingkat sukubunga yang berlaku, likuiditas perusahaan dan kenaikan atau penurunan harga saham perusahaan yang bersangkutan. Data ini digunakan sebagai asupan bagi submodel kelayakan finansial dan ekonomi. Dalam penelitian tidak diperoleh data finansial perusahaan secara lengkap. Pengelola hanya dapat memberi data yang menyangkut biaya operasional. Data lebih rinci
90 mengenai pemasaran, harga penjualan, serta biaya-biaya lain merupakan wewenang dari kantor pusat. Setelah berkali-kali gagal mendapatkan data tersebut, dilakukan pendekatan dengan mencari data statistik dan data perkiraan dari berbagai sumber. Data analisis finansial ini disimpan menggunakan Microsoft Excel yang mampu menghitung kelayakan finansial dan berintegrasi dengan program utama, yaitu dengan Borland Delphi 7 maupun dengan MATLAB 7. Hasil analisis finansial memberikan gambaran mengenai kemampuan perusahaan dalam mencapai keuntungan, tingkat pengembalian modal, tingkat perolehan perusahaan dibandingkan dengan pengeluaran, keberlanjutan perusahaan dan lain sebagainya. Data ini digunakan dalam penentuan krisis finansial yang kemudian dijadikan dasar dalam penetapan solusi krisis finansial. 6.2.3. Data Ketersediaan Teknologi
Data ketersediaan teknologi menggambarkan kecukupan penyediaan teknologi dan peralatan utama bagi proses pengolahan, kelancaran pasokan utilities (listrik, telepon dan lain-lain) maupun penyediaan sistem penunjang atau cadangan yang dapat menjamin kelancaran operasi perusahaan.. Data ini digunakan sebagai asupan bagi submodel ketersediaan teknologi. 6.2.4. Data Sosial
Kelompok data ini menggambarkan gejala ketidakpuasan, keresahan, tingkat pengunduran diri karyawan atau manajemen yang menduduki posisi penting, aksi mogok, kekerasan, ancaman atau teror, serta ada tidaknya pelanggaran hukum yang dilakukan oleh perusahaan atau pengelola perusahaan agroindustri. Data ini diperlukan bagi penetapan krisis sosial. 6.2.5. Data Solusi Krisis
Data mengenai solusi alternatif krisis merupakan kumpulan pengetahuan yang diakuisisi dari para praktisi, pakar maupun pustaka. Kumpulan data ini digunakan dalam analisis dan penyajian solusi krisis. Akuisisi pendapat narasumber dilakukan melalui wawancara dan pengisian angket. 6.3. Sistem Manajemen Basis Model
Sistem Manajemen Basis Model merupakan model simulasi yang tersusun oleh sekumpulan submodel sistem penunjang keputusan. Model yang dirancang dapat menyajikan peringatan dini dan tahapan krisis maupun risiko yang sedang dihadapi suatu
91 perusahaan agroindustri, serta menyuguhkan alternatif pencegahan, penghindaran dan penanggulangan krisis dimaksud. Instrumen pengambilan keputusan yang digunakan dalam sistem basis model adalah teknik fuzzy Sugeno. Secara garis besar, konfigurasi CrismanSoft dikemukakan dalam Gambar 33.
Gambar 33. Konfigurasi manajemen krisis gabungan. Proses inferensi dan agregasi sampai diperoleh hasil berupa nilai skala dampak krisis dan nilai peluang krisis, diuraikan dalam 6.4.1 Dampak Krisis dan 6.4.2. Contoh Penetapan Dampak Krisis. Uraian yang lebih lengkap mengenai urutan inferensi dan agregasi yang berlangsung dalam penetapan krisis dikemukakan dalam Lampiran 10. Inferensi Fuzzy Penetapan Krisis. Sedang rincian mengenai kaidah (rule base) yang digunakan dalam inferensi dan agregasi fuzzy sehingga diperoleh rekomendasi solusi, diuraikan secara rinci pada Lampiran 11. Kaidah Penetapan Solusi. 6.3.1. Submodel Bahan
Submodel ini direkayasa guna membantu pengambilan keputusan mengenai dampak dan peluang krisis pasokan bahan baku, pasokan air, pasokan bahan bakar, pasokan bahan pembantu maupun pemasaran produk. Submodel bahan disusun berdasarkan teknik pengambilan keputusan kelompok menggunakan fuzzy dan terdiri atas
92 penetapan krisis bahan baku, krisis pemasaran, krisis air, krisis bahan pembantu dan krisis bahan bakar. 6.3.1.1. Krisis Bahan Baku
Model krisis bahan baku digunakan menentukan dampak krisis dan peluang krisis bahan baku. Krisis bahan baku dihitung dari perbedaan total pasokan bahan baku (bahan baku eksternal dan bahan baku internal) dengan kebutuhan bahan baku bagi proses produksi pada perioda yang ditetapkan. (Gambar 34-35 dan Tabel 8) Kebutuhan bahan baku diperhitungkan dari perkiraan produksi dan randemen pengolahan ubikayu menjadi tapioka.
Gambar 34. Konfigurasi krisis bahan baku.
93
Gambar 35. Model inferensi fuzzy krisis bahan baku. Krisis akibat kekurangan bahan baku terjadi jika pasokan kurang dari kebutuhan produksi pada tingkat titik impas atau BEP (break even point) atau hasil peramalan produksi (dipilih nilai yang lebih tinggi). Besarnya dampak krisis akibat kekurangan bahan baku diukur dari tingkat kekurangan (%) terhadap kebutuhan (pada tingkat produksi setara BEP atau hasil perkiraan produksi, tergantung mana yang lebih tinggi), sehingga diperlukan transformasi tingkat kekurangan bahan baku menjadi nilai dampak krisis bahan baku. Makin banyak kekurangannya dari kebutuhan produksi pada titik impas atau hasil peramalan, makin tinggi dampak krisisnya. Tingkat kekurangan bahan baku ini kemudian ditransformasikan dalam himpunan fuzzy kekurangan bahan baku guna ditentukan dampak krisisnya. Himpunan fungsi keanggotaan asupan mengunakan fungsi Gaussian dengan table nilai gamma dan c sebagai berikut:
f ( x, σ , c ) = e
− ( x − c )2 2σ 2
…………………....................……..(64)
Nama Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
Nilai keluarannya mengunakan persamaan linier f(x) = ax + b (inferensi fuzzy Sugeno orde 1). Nilai konstanta a dan b dalam persamaan tersebut sebagai berikut:
94 Nama Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 1 1 1 1 1
b 10 8 6 4 2
Kaidah yang digunakan dalam inferensi fuzzy perhitungan dampak krisis kekurangan bahan baku adalah sebagai berikut: Rule I Rule II Rule III Rule IV Rule V
jika persen kekurangan bahan baku sangat tinggi maka dampak krisis sangat tinggi jika persen kekurangan bahan baku tinggi maka dampak krisis tinggi jika persen kekurangan bahan baku sedang maka dampak krisis sedang. jika persen kekurangan bahan baku rendah maka dampak krisis rendah jika persen kekurangan bahan baku sangat rendah maka dampak krisis sangat rendah
Kelebihan bahan baku dihitung dari batas 120 persen kapasitas produksi. Pasokan bahan baku dinilai mulai krisis jika melampaui 120 persen dari kebutuhan bahan baku pada kapasitas terpasang. Tingkat persentase kelebihannya ditransformasikan secara fuzzy menjadi nilai dampak krisis. Himpunan fungsi keanggotaan asupan mengunakan fungsi Gaussian dengan nilai konstanta gamma dan c sebagai berikut: Nama Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
C 100 75 50 25 0
Nilai dampak krisis mengunakan persamaan linier f(x) = ax + b (inferensi fuzzy Sugeno orde 1). Konstanta a dan b dalam persamaan liner tersebut sebagai berikut: Nama Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 1 1 1 1 1
b 10 8 6 4 2
Kaidah dalam inferensi fuzzy penetapan dampak krisis akibat kelebihan bahan baku sebagai berikut: Rule I Rule II Rule III Rule IV Rule V
Jika persen kelebihan bahan baku sangat tinggi maka dampak krisis sangat tinggi Jika persen kelebihan bahan baku tinggi maka dampak krisis tinggi Jika persen kelebihan bahan baku sedang maka dampak krisis sedang. Jika persen kelebihan bahan baku rendah maka dampak krisis rendah Jika persen kelebihan bahan baku sangat rendah maka dampak krisis sangat rendah
95 Nilai peluang krisis bahan baku diperoleh dari pendapat pakar yang didaur melalui angket dan wawancara. Dengan menggunakan perhitungan fuzzy, diperoleh nilai dampak krisis dan nilai peluang krisis. Data ini kemudian diproyeksikan pada kuadran krisis. Tabel 8. Komponen model krisis bahan baku Deskripsi
Persamaan
Keterangan
Pasokan Internal (Pi) Pasokan Eksternal (Pe) Pasokan Total (Pt) Produksi(Pr) Kebutuhan Bahan Baku (Kbb) Nilai BEP (BEP) Kebutuhan Bahan Baku basis BEP (KebBBbep)
Pt= Pi+Pe Kbb= Pr x Randemen Bb
Data hasil perkiraan Data hasil perkiraan
KebBBbep=BEP x Randemen Bb
Data hasil perkiraan Randemen Bb = Randemen bahan baku menjadi tapioka. Diperoleh dari data analisis finansial
Penentuan solusi krisis yang diperoleh dari pakar akan mempertimbangkan nilai dampak krisis dan peluang krisis pada kelebihan atau kekurangan bahan baku. Kuadran krisis bahan baku menjadi dasar dalam penentuan krisis dan pengambilan solusi krisis bahan baku. 6.3.1.2. Krisis Pemasaran
Penghitungan krisis pemasaran dilakukan berdasarkan kapasitas gudang, produksi tapioka, perkiraan penjualan, dan sisa tapioka yang tersimpan di dalam gudang (Gambar 36 dan Tabel 9). Dari data tersebut dapat diperkirakan perbandingan antara total persediaan tapioka dengan kapasitas gudang. Krisis pemasaran mulai terjadi jika persediaan tapioka melampaui kapasitas gudang. Dampak krisis dihitung dari kelebihan persediaan tapioka yang ditransformasikan ke dalam himpunan fuzzy dan diagregasikan menggunakan metoda inferensi Sugeno. Peluang dan dampak krisis tersebut diproyeksikan pada kuadran krisis dan dihasilkan alternatif solusi yang didaur dari para praktisi yang diwawancarai. Deskripsi
Tabel 9. Komponen model krisis pemasaran Persamaan Keterangan
Kapasitas Gudang (Kg) Produksi(Pr) Perkiraan Penjualan (Pp) Sisa Tapioka (Stp) Persediaan Tapioka (Pt) Kekurangan Persediaan (Kp)
Pt = (Pr + Stp) Kp = Kg - Pt
Data lapangan Perkiraan data produksi Perkiraan data penjualan/pengeluaran gudang Perkiraan data sisa tapioka Terjadi krisis jika terjadi Kp kurang dari nol (kapasitas gudang tidak mampu menampung seluruh persediaan tapioka)
96
Gambar 36. Konfigurasi manajemen krisis pemasaran. 6.3.1.3. Krisis Bahan Bakar
Krisis bahan bakar diperhitungkan dari pasokan bahan bakar ke pabrik yang dibandingkan dengan kebutuhan bahan bakar bagi proses pengeringan selama pengolahan berlangsung. Pasokan bahan bakar ke pabrik diperkirakan dari data yang tersedia, sedang kebutuhan bahan bakar didekati dari perkiraan produksi tapioka dan tingkat kebutuhan bahan bakar per ton tapioka yang diproduksi. Krisis bahan bakar diperhitungkan jika pasokan lebih rendah dari tingkat kebutuhan (Gambar 37 dan Tabel 10). Tingkat kekurangan bahan bakar ditransformasikan ke dalam himpunan fuzzy. Nilai peluang terjadinya krisis bahan bakar diperoleh dari wawancara dengan para praktisi. Nilai peluang krisis dan nilai dampak krisis bahan bakar diproyeksikan pada kuadran krisis, dianalisis sehingga diperoleh alternatif solusi krisis.
97
Gambar 37. Konfigurasi manajemen krisis bahan bakar.
Tabel 10. Komponen model krisis bahan bakar Deskripsi
Persamaan
Keterangan
Pasokan Bahan bakar (Pb) Sisa Bahan Bakar (Sbb) Total Persediaan bahan Bakar (TPBb) Produksi Tapioka (Pt) Kebutuhan Bahan Bakar (KBb)
TPBb = Pb + Sbb
Perkiraan Pasokan Bahan Bakar Perkiraan Sisa Bahan Bakar
KBb = Pt x KBbProd
Kekurangan (KrBb)
KrBb = TPBb - KBb
Perkiraan data produksi KbbProd = Kebutuhan Bahan Bakar per satuan produksi. Dengan asumsi kebutuhan bahan bakar 35.5 liter per ton Krisis bahan bakar dihitung jika terjadi kekurangan bahan bakar.
Bahan
Bakar
98 6.3.1.4. Krisis Air
Krisis air ditentukan dengan membandingkan pasokan air terhadap kebutuhan air bagi pengolahan tapioka pada perioda tertentu. Kebutuhan air diperkirakan dari produksi tapioka dan keperluan air bagi tiap ton tapioka yang diproduksi, sedang pasokan air diperkirakan menggunakan peramalan berdasarkan data pasok air yang diterima oleh pabrik (Gambar 38 dan Tabel 11). Krisis air terjadi hanya jika pasokan air kurang dibandingkan dengan tingkat kebutuhan bagi pengolahan tapioka. Dampak krisis dihitung dari tingkat kekurangan yang ditransformasikan ke dalam himpunan fuzzy kekurangan air. Keluaran yang diperoleh adalah tingkat dampak krisis air. Peluang krisis air ditetapkan dari hasil wawancara dengan pakar. Kombinasi nilai peluang dan dampak krisis ini kemudian diproyeksikan pada kuadran krisis. Kuadran krisis dijadikan dasar penentuan solusi krisis air.
Gambar 38. Konfigurasi manajemen krisis air.
99 Tabel 11. Komponen model krisis air Deskripsi
Persamaan
Keterangan
Pasokan Air(Pa) Sisa Air (Sa) Total Pasokan Air(Tpa) Produksi Tapioka (Pt) Kebutuhan Air (KebA)
Tpa = Pa - Sa KebA = Pt x KebAir
Perkiraan berdasarkan penggunaan air Perkiraan berdasarkan sisa air
Kekurangan Air (KrA)
KrA =Tpa-KebA
KebAir = Kebutuhan air per satuan produksi. Dengan asumsi kebutuhan bahan bakar 22.5 liter per ton Kekurangan air terjadi ketika KrA bernilai negatif. Jika KrA kurang dari nol maka terjadi krisis kekurangan air.
6.3.1.5. Krisis Bahan Pembantu
Bahan pembantu dalam pemrosesan meliputi tawas (digunakan dalam pembersihan air), belerang (digunakan dalam pembersihan air), PAC (polyaluminum chloride, digunakan dalam percepatan pengendapan pati), dan zak (bahan kemasan). Krisis ditetapkan dari kekurangan bahan pembantu (Gambar 39 dan Tabel 12). Penghitungan krisis bahan pembantu melibatkan perkiraan pasokan tawas, perkiraan pasokan belerang, perkiraan pasokan zak, perkiraan pasokan PAC, yang dibandingkan dengan tingkat kebutuhan masing-masing yang diperoleh dari konversi perkiraan produksi tapioka. Tingkat kekurangan atau kelebihan bahan baku tersebut ditransformasikan dalam himpunan fuzzy sesuai fungsi keanggotaan masing-masing. Keluarannya berupa agregat nilai dampak krisis pada skala 0 – 10. Nilai peluang krisis diperoleh dari pendapat pakar. Nilai ini kemudian dimasukkan ke dalam kuadran krisis. Kuadran krisis bahan pembantu ini dijadikan acuan dalam penentuan solusi krisis bahan pembantu. Tabel 12. Komponen model krisis bahan pembantu Deskripsi
Persamaan
Keterangan
Pasokan Tawas (Ptws) Pasokan Belerang (Pbg) Pasokan Bahan Pembantu Zak (Pbpz) Pasokan Bahan Pembantu PAC (Ppac) Produksi Tapioka (Pt) Kebutuhan Tawas (Kbtws)
-
Perkiraan data tawas Perkiraan data belerang Perkiraan data zak pembungkus
-
Perkiraan data PAC
Kbtws = Pt x KebtwsperTon
Kebutuhan Belerang(Kbbg)
Kbbg = Pt x KebbgperTon
Kebutuhan Zak (Kz)
Kz = Pt x KebzperTon
Kebutuhan PAC (KebPAC)
KebPAC = Pt x KebpacperTon
Perkiraan Produksi KebtwsperTon = Kebutuhan Tawas per satuan produksi KebbgperTon = Kebutuhan belerang per satuan produksi KebzperTon = Kebutuhan zak per ton produksi tapioka KebpacperTon = Kebutuhan PAC per Ton
100
Gambar 39. Konfigurasi manajemen krisis bahan pembantu. 6.3.1.6. Analisis Krisis Bahan (Gabungan)
Analisis krisis bahan merupakan gabungan dari nilai dampak dan peluang krisis bahan baku, krisis pemasaran, krisis bahan bakar, krisis bahan pembantu dan krisis air. Hasil inferensi fuzzy terhadap nilai-nilai tersebut adalah agregat nilai dampak dan peluang krisis bahan gabungan. Berdasarkan nilai tersebut ditentukan alternatif solusi krisis bahan (Gambar 40-41).
Gambar 40. Model inferensi fuzzy krisis bahan (gabungan).
101
Gambar 41. Konfigurasi analisis krisis bahan (gabungan). 6.3.2. Submodel Ketersediaan Teknologi
Submodel ini dibangun guna membantu pengambilan keputusan mengenai krisis teknologi dan peralatan yang diperlukan bagi kelancaran operasi perusahaan agroindustri. Submodel ini disusun menggunakan teknik pengambilan keputusan kelompok menggunakan fuzzy. Peubah yang berperan terhadap krisis teknologi adalah ketersediaan teknologi, perawatan peralatan, tingkat dan peluang ketersediaan suku cadang, serta tingkat dan peluang krisis ketergantungan teknologi. Penilaian terhadap dampak dan peluang krisis yang ditimbulkan masing-masing peubah tersebut dilakukan oleh para praktisi di perusahaan tapioka yang menjadi narasumber. Hasil penilaiannya ditransformasikan dalam himpunan keanggotaan fuzzy masing-masing peubah. Hasil keluaran berupa agregat nilai dampak krisis dan peluang masing-masing peubah, yang kemudian diproyeksikan pada kuadran krisis. Agregat nilai
102 peluang dan dampak krisis itu dijadikan dasar dalam penentuan alternatif solusi krisis ketersediaan teknologi (Gambar 42).
Gambar 42. Konfigurasi model manajemen krisis teknologi.
6.3.3. Submodel Ekonomi dan Finansial
Submodel ini dibangun guna membantu pengambilan keputusan mengenai krisis ekonomi dan finansial di perusahaan agroindustri. Dalam submodel ini terdapat metoda penilaian kelayakan usaha dengan penghitungan IRR, NPV, BEP, PBP, ROI dan B/C Ratio yang lazim digunakan dalam analisis kelayakan usaha. NPV, IRR, BEP, PBP, ROI dan B/C Ratio diperhitungkan dari data modal usaha, asumsi finansial, biaya tetap, biaya tidak tetap, dan parameter analisis finansial (modal, nilai pemeliharaan, nilai penyusutan) lain. Hasilnya dinormalisasikan dan dibobot lalu ditransformasikan ke dalam himpunan fuzzy dan diagregasikan, sehingga diperoleh agregat nilai dampak krisis finansial maupun peluang krisis finansial. Agregat nilai itu kemudian diproyeksikan pada kuadran krisis finansial dan dijadikan dasar penentuan solusi krisis finansial (Gambar 43).
103
Gambar 43. Konfigurasi manajemen krisis finansial. 6.3.4. Submodel Masalah Sosial
Submodel ini dibangun guna membantu penetapan krisis sosial. Submodel ini disusun menggunakan teknik pengambilan keputusan menggunakan fuzzy. Asupan peubah krisis sosial meliputi nilai dampak dan peluang ketidakpuasan karyawan, keresahan karyawan, pengunduran diri karyawan penting, pemogokan karyawan, tingkat teror pada perusahaan, dan ancaman kekerasan pada perusahaan (Gambar 44). Penilaian mengenai dampak dan peluang krisis masing-masing peubah itu dilakukan oleh para pakar. Nilai yang dihasilkan ditransformasikan ke dalam fungsi keanggotaan fuzzy masing-masing peubah, dan agregat nilainya digunakan dalam penentuan tingkat krisis sosial. Agregat nilai dampak dan peluang krisis itu diproyeksikan pada kuadran krisis sosial dan dijadikan dasar dalam penetapan alternatif solusi krisis.
104
Gambar 44. Konfigurasi analisis krisis sosial.
6.3.5. Submodel Alternatif Solusi
Submodel ini dibangun guna membantu pengambilan keputusan mengenai tingkat krisis yang dihadapi oleh perusahaan agroindustri. Asupan submodel ini diperoleh dari hasil olahan empat submodel lainnya dan dianalisis dengan mengacu pada basis data sistem pakar yang berasal dari akuisisi pengetahuan para narasumber. Submodel ini dikembangkan dengan teknik fuzzy. Hasil analisis krisis komprehensif merupakan gabungan dari nilai dampak dan peluang krisis bahan, krisis finansial, krisis teknologi, dan krisis sosial. Hasil inferensi fuzzy itu berupa agregat nilai dampak dan peluang krisis komprehensif yang kemudian diproyeksikan pada kuadran krisis dan digunakan dalam penetapan solusi krisis komprehensif. Rincian kaidah fuzzy yang digunakan dalam penentuan krisis dapat dilihat pada Lampiran 10 (Inferensi Fuzzy Penetapan Krisis). Sedang rincian kaidah yang digunakan dalam penetapan solusi dicantumkan secara lengkap pada Lampiran 11 (Kaidah Penetapan Solusi). Kaidah solusi tersebut merupakan hasil akuisisi pendapat dan pengalaman pakar.
105 6.4. Sistem Pengolahan Data
Sistem Pengolahan Data mengatur keseluruhan interaksi antarsistem maupun submodel yang tersedia sehingga terjadi operasi atau simulasi sesuai dengan yang dikehendaki. Kinerja sistem ini menghasilkan diagnosis dan identifikasi krisis, gambaran mengenai tahapan krisis yang dihadapi, kemungkinan risiko dan potensi yang dapat timbul serta pilihan-pilihan langkah menghadapi krisis dimaksud. Tabel 13. Alternatif dan kriteria masing-masing submodel No
Submodel
Asupan
Kriteria
1 Bahan
Pendapat pakar dan pengelola perusahaan Data perkiraan
Ketersediaan bahan baku Ketersediaan bahan bakar Ketersediaan air Ketersediaan bahan pembantu Kemampuan pemasaran
2 Teknologi dan utilitas
Pendapat pakar dan pengelola perusahaan
Ketersediaan teknologi pengolahan Ketersediaan peralatan utama Ketersediaan peralatan penunjang Ketersediaan peralatan cadangan
3 Sosial
Pendapat pakar dan pengelola
Tingkat ketidakpuasan karyawan Tingkat pengunduran diri (turn over) karyawan Tingkat pemogokan Tingkat pelanggaran hukum oleh manajemen perusahaan
4 Ekonomi dan finansial
Data dan asumsi
Titik impas (BEP) NPV IRR ROI
5 Alternatif solusi Agregat nilai dari submodel lainnya
Rule base (if-then)
Dalam Sistem Pengolahan Data berlangsung segala kegiatan penghitungan maupun inferensi. Termasuk peramalan atau perkiraan produksi, pasokan bahan baku, pasokan air, dan lain-lain, dengan kaidah atau perilaku perhitungan masing-masing (Tabel 13). Metoda peramalan yang digunakan dalam Sistem Pengolahan Data adalah pemulusan Gaussian yang persamaan umumnya sebagai berikut:
y(x) =
n
∑ae i =1
i
⎡ ⎛ x−b i ⎢−⎜ ⎢ ⎜⎝ c i ⎣
⎞ ⎟⎟ ⎠
2
⎤ ⎥ ⎥ ⎦
………………….............(65)
a = koefisien amplitudo b = koefisien lokasi atau centroid c = koefisien lebar puncak sebaran n = jumlah puncak, 1 ≤ n ≤ 8
Misalnya pada peramalan pasokan ubikayu eksternal digunakan metoda pemulusan Gaussian orde 8 dengan persamaan sebagai berikut:
106 y(x) = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2) y(x) = 9073 *exp(-((x- 731900)/ 44.21)2) + 11470*exp(-((x- 731800)/ 24.4)2) + 11970* exp(-((x- 732100)/ 165.2)2) + 12120*exp(-((x- 731500)/ 14.65)2) + 4947 *exp(-((x- 731400)/ 28.47)2) + 6774*exp(((x- 733000)/ 503.6)2) + 8367 *exp(-((x- 731100)/ 639.7)2) + 5796*exp(-((x- 731700)/ 100.7)2)
Contoh inferensi fuzzy yang berlangsung dalam Sistem Pengolahan Data adalah perhitungan dampak krisis komprehensif yang menggunakan asupan dampak krisis bahan, dampak krisis finansial, dampak krisis teknologi dan dampak krisis sosial (Gambar 45). Keluarannya berupa agregat nilai dampak krisis gabungan atas. Pada bagian asupan, didefinisikan fungsi keanggotaan masing-masing dampak krisis.
Gambar 45. Inferensi fuzzy pada penghitungan krisis bahan gabungan. 6.4.1. Dampak Krisis
Nilai dampak krisis merupakan agregasi dari dampak krisis bahan, dampak krisis finansial, dampak krisis teknologi dan dampak krisis sosial. Proses inferensinya mengikuti kaidah Metoda Sugeno ‘if asupan then keluaran’. Sebagai asupan, masing-masing dampak krisis didefinisikan menggunakan fungsi keanggotaan Gaussian yang persamaan umumnya adalah (lihat Persamaan 64):
f ( x, σ , c ) = e
− ( x − c )2 2σ 2
Masing-masing dampak krisis (bahan, finansial, teknologi dan sosial) memiliki fungsi keanggotaan pada lima himpunan fuzzy dengan nilai σ dan nilai c sebagaimana diuraikan dalam Tabel 14 berikut.
107
Tabel 14. Himpunan fuzzy asupan dampak krisis bahan
σ
Nama Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
c 10 7.5 5 2.5 0
2 2 2 2 2
Sedang fungsi keanggotaan masing-masing dampak krisis (bahan, finansial, teknologi dan sosial) pada keluaran (Tabel 15) mengikuti fungsi linier Gaussian orde pertama dengan persamaan sebagai berikut. f ( x ) = ax1 + bx 2 + cx3 + dx 4 + e Tabel 15. Himpunan fuzzy keluaran dampak krisis komprehensif Nama Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 5 5 5 5 5
b 3 3 3 3 3
C 2 2 2 2 2
d 2 2 2 2 2
e 10 7.5 5 2.5 0
Uraian rinci mengenai urutan inferensi dan agregasi yang berlangsung dalam penetapan krisis dikemukakan dalam Lampiran 10. Inferensi Fuzzy Penetapan Krisis. Sedang rincian mengenai kaidah (rule base) yang digunakan dalam inferensi dan agregasi fuzzy sehingga diperoleh rekomendasi solusi, diuraikan secara lebih terinci pada Lampiran 11. Kaidah Penetapan Solusi. Sebagaimana dijelaskan, krisis komprehensif merupakan agregasi dari masingmasing krisis, yang proses inferensinya menggunakan Metoda Sugeno dengan kaidah ‘if asupan then keluaran’ (Gambar 46-47). Dampak krisis komprehensif (keluaran) ditetapkan dari hasil evaluasi asupan pada masing-masing himpunan fuzzy penyebab (if) dengan menerapkan sejumlah aturan (rule) tertentu yang merupakan rangkaian logika guna mendapatkan kesimpulan akhir dalam penghitungan dampak krisis komprehensif. Ada lima aturan yang dioperasikan guna mendapatkan agregat nilai konsekuen (then) tunggal. Nilai asupan terdiri dari dampak krisis bahan, dampak krisis teknologi, dampak krisis sosial dan dampak krisis finansial yang digabungkan melalui inferensi Metoda Sugeno (Gambar 48). Dampak krisis tersebut dijadikan sebuah matriks krisis bahan, krisis finansial, krisis teknologi dan krisis sosial yang tersusun sebagai berikut: [3.622
4.945
2.978
2.486]
108
Gambar 46. Kaidah pada inferensi fuzzy dampak krisis komprehensif.
Gambar 47. Aturan jika-maka pada penghitungan dampak krisis komprehensif. 6.4.2. Contoh Penetapan Dampak Krisis Kaidah pertama jika-maka adalah sebagai berikut: Jika Dampak Krisis Bahan ST dan Dampak Krisis Finansial ST dan Dampak Krisis Teknologi ST dan Dampak Krisis Sosial ST maka Nilai Dampak Krisis Komprehensif ST
Nilai tingkat keanggotaan pada masing-masing fungsi keanggotaan pada Kaidah I dengan asupan dari matriks tersebut di atas akan memberikan nilai sebagai berikut:
109
Asupan
Bahan 3.622
Finansial 4.9446
Teknologi 2.978
Sosial 2.486
Derajat Keanggotaan
0.0062
0.0410
0.0021
0.0009
Nilai w1 (firing strength) method product (perkalian) 0.000000000480438
Hasil perhitungan persamaan Gaussian dengan σ = 2, c = 10 dan x = 3.622;
f ( x , σ , c ) = 2 . 71828 f ( x , σ , c ) = 2 . 71828
− (3 . 622 − 10 2× 2 2
)2
-5.0848
f (x,σ, c) = 0.00618 = 0.0062………. … contoh perhitungan 1 Nilai predikat alfa atau z dihitung dengan memasukkan nilai asupan pada persamaan pada fungsi keanggotaan. Pada aturan pertama nilai keluaran himpunan fungsi keanggotaan Sangat Tinggi dengan persamaan y1 = 5x1 + 3x2 + 2x3 + 2x4 + 10 y1 = (5 x 3.622) + (3 x 4.9446) + (2 x 2.978) + (2 x 2.486) + 10 y1 = 18.11 + 14.834 + 5.956 + 4.972 + 10 y1 = 53.87………………………………………….contoh perhitungan 2
jadi nilai predikat alfa = z1 = y1 = 53.87
Kaidah kedua jika-maka adalah sebagai berikut: Jika Dampak Krisis Bahan T dan Dampak Krisis Finansial T dan Dampak Krisis Teknologi ST dan Dampak Krisis Sosial ST maka Nilai Dampak Krisis Komprehensif T
Dengan cara perhitungan yang sama sesuai dengan fungsi keanggotaan pada masing-masing asupan diperoleh nilai firing strength sebagai berikut: Asupan
Bahan 3.622
Finansial 4.9446
Teknologi 2.978
Sosial 2.486
Derajat Keanggotaan
0.1526
0.4422
0.0776
0.0432
Nilai w1 (firing strength) method product (perkalian) 0.0002262136149504
Nilai z2 dihitung seperti pada contoh perhitungan 2 dengan persamaan sebagai berikut: y2 = 5x1 + 3x2 + 2x3 + 2x4 + 7.5 y2 = 51.37
Nilai z2 = y2 = 51.37
Kaidah ketiga jika-maka adalah sebagai berikut: Jika Dampak Krisis Bahan S dan Dampak Krisis Finansial S dan Dampak Krisis Teknologi ST dan Dampak Krisis Sosial ST maka Nilai Dampak Krisis Komprehensif T.
Dengan perhitungan yang sama seperti pada sebelumnya diperoleh nilai firing strength sebagai berikut: Asupan
Bahan 3.622
Finansial 4.9446
Teknologi 2.978
Sosial 2.486
Derajat Keanggotaan
0.7887
0.9996
0.5999
0.4538
Nilai w1 (firing strength) method product (perkalian) 0.214625560216082
110 Nilai z3 dihitung dengan cara yang sama seperti pada contoh 2. Karena pada kaidah keluaran atau konsekwensi (then) adalah Nilai krisis pada tingkat T, maka persamaan yang dipakai adalah y3 = 5x1 + 3x2 + 2x3 + 2x4 + 5 y3 = 48.87
Nilai z3 = y3 = 48.87
Kaidah keempat jika-maka adalah sebagai berikut: Jika Dampak Krisis Bahan R dan Dampak Krisis Finansial R dan Dampak Krisis Dampak Teknologi ST dan Dampak Krisis Sosial ST maka Nilai Dampak Krisis Komprehensif S.
Perhitungan nilai w4 atau firing strength dilakukan seperti pada contoh perhitungan 1. Hasil perhitungan adalah: Asupan Derajat Keanggotaan
Bahan 3.622 0.8544
Finansial 4.9446 0.4737
Teknologi 2.978 0.9718
Sosial 2.486 1.0000
Nilai w1 (firing strength) method product (perkalian) 0.393315914304
Nilai z4 dihitung menggunakan persamaan pada fungsi keanggotaan keluaran Sedang. Persamaan yang dipakai pada perhitungan ini adalah sebagai berikut: y4 = 5x1 + 3x2 + 2x3 + 2x4 + 5 y4 = 46.37
Jadi nilai z4 = y4 = 46.37
Kaidah kelima jika-maka adalah: Jika Dampak Krisis Bahan SR, Dampak Krisis Finansial SR, Dampak Krisis Teknologi ST dan Krisis Sosial ST maka Nilai Dampak Krisis Komprehensif adalah R
Firing strength dapat dihitung nilai sebagai berikut: Asupan
Bahan 3.622
Finansial 4.9446
Teknologi 2.978
Sosial 2.486
Nilai w1 (firing strength) method product (perkalian)
Derajat Keanggotaan
0.1940
0.0470
0.3300
0.4618
0.001389528492
Nilai z5 dihitung menggunakan evaluasi fuzzy sebagaimana pada contoh ke dua. Kesimpulan (then) hasil perhitungan adalah Rendah, sehingga persamaan linier yang digunakan adalah sebagai berikut: y5 = 5 x1 + 3x2 + 2x3 + 2x4 + 2.5 y5 = 43.87
Jadi nilai z5 = y5 = 43.87 Penghitungan agregasi nilai krisis komprehensif ini menggunakan metoda weighted average sesuai Persamaan 53 sehingga perhitungannya adalah sebagai berikut
111 w1 x z1 w2 x z2 w3 x z3 w4 x z4 w5 x z5 Total
0.000000025882636374 0.011621272 10.489395 18.23923889 0.060962784 0.60955721710747
w1 w2 w3 w4 w5
0.000000000480438 0.00022621 0.21462556 0.39331591 0.00138953 28.801217979913
Nilai zakhir = 0.60955721710747/28.801217979913= 47.2494085404867 Nilai ini jika dibulatkan menjadi 47. Nilai zakhir perlu dinormalisasikan secara membaginya dengan nilai terbesar yang bisa dicapai jika terjadi asupan maksimum, yakni nilai 10. Hasil keluarannya adalah (10 x 5) + (10 x 3) + (10 x 2) + (10 x 2) + 10 = 130. Sehingga perhitungan normalisasi adalah: Dampak Krisis Komprehensif = 47/130 * Maksimum Dampak Krisis = 47/130 * 10 = 3.61538461538462. Hasil akhir keluaran nilai Dampak Krisis Komprehensif = 3.6 Urutan langkah yang serupa dilakukan pada penghitungan peluang krisis komprehensif sehingga dihasilkan nilai 33. 6.5. Sistem Manajemen Dialog
Sistem Manajemen Dialog merupakan penghubung antara sistem dengan pengguna (pengambil keputusan). Interaksi pengguna dengan sistem dilakukan melalui tampilan yang tersedia dalam manajemen dialog. Fitur yang disediakan dalam manajemen dialog antara lain fungsi analisis, penambahan, pengubahan dan penghapusan data, serta penyajian data dalam bentuk tabel. Sistem Manajemen Dialog dikembangkan menggunakan Borland Delphi 7 yang diintegrasikan dengan MATLAB 7, Microsoft Excel 2003 dengan basis data Microsoft Access 2003. Sistem manajemen dialog ini diterjemahkan menjadi alur program, susunan menu, manajemen pengguna, dan login pengguna yang terstruktur berdasarkan level pengguna. Susunan menu terdiri dari dropdown menu meliputi File (Login Ulang, Keluar), Pusat Data (Produksi Tapioka, Pasokan Internal, Pasokan Eksternal, Pasokan Air, Pasokan Bahan Bakar, Penggunaan Zak, Penggunaan Tawas, Penggunaan Belerang, Penggunaan PAC, Pemakaian Bahan Bakar, Penjualan Tapioka dan Sisa Tapioka), Pengolahan Data (Peramalan), Data Finansial (Kelayakan Finansial), Input Nilai Krisis (Input Krisis Campuran, Input Krisis Bahan Pembantu, Input Krisis Teknologi, Input Krisis Sosial, Input Solusi Sub Komprehensif, Input Solusi Komprehensif, Input Solusi Kuadran), Analisis, Atur Pengguna (Profil Pengguna, Ganti Password), Atur Jendela (Arrange,
112 Cascade, Close, Minimize All, Tile Horizontally, Tile Vertically). Aplikasi juga mengintegrasikan antara penggunaan MATLAB Release 14 dalam analisis data dengan Microsoft Access 2003 dan Microsoft Excel sebagai basis data. Asupan data terhadap model, diolah dan didiagnosis secara komprehensif guna menentukan gejala krisis dalam suatu perusahaan. Jika gejala krisis tersebut positif, model akan melanjutkan dengan analisis berdasarkan kepiawaian yang tersedia pada sistem pakar, mengambil keputusan mengenai tingkat krisis yang dihadapi, serta menentukan pilihan tindakan antisipasi atau solusi terhadap krisis tersebut. Diagnosis dan identifikasi krisis bahan baku dan produk, dilakukan berdasarkan asupan pendapat praktisi yang diperoleh melalui wawancara dan pengisian angket.
VII. VALIDASI DAN VERIFIKASI 7.1. Validasi
Validasi model dilakukan guna menjamin agar CrismanSoft sesuai tujuan pembentukannya. Validasi guna menilai kesesuaian CrismanSoft dengan parameter dan sasaran yang ditetapkan dalam ruang lingkup penelitian. Jika dalam validasi ternyata model dan proses yang berlangsung dalam model itu tidak menghasilkan kesesuaian dengan parameter dan sasaran yang ditetapkan dalam perencanaan, dilakukan perancangan dan pemodelan ulang sampai hasil validasinya menunjukkan kesesuaian dengan perencanaan (Martis, 2006; Sargent, 2005; Sargent, 2000; Marimin, 2004; Kusumadewi, 2003; Marimin 2002; Daihani, 2001; Indrajit, 2000; Jackson, 2000; Blanchard, 1998; Eriyatno, 1998; Kahaner, 1998; McLeod, 1998; Coyle, 1995).
Gambar 48. Validasi dan verifikasi model.
114 Secara umum, konsep validasi dan verifikasi model simulasi dikemukakan dalam Gambar 48. Validasi bertahap dilakukan oleh pengembang model sejak penyusunan hipotesis dan pemilihan teori-teori pendukung yang digunakan. Validasi model konseptual dilakukan ketika berlangsung pemodelan yang menerjemahkan teori-teori sistem menjadi model konseptual. Selanjutnya dilakukan verifikasi spesifikasi ketika ditetapkan spesifikasi model simulasi dari model konseptual yang dirancang. Verifikasi implementasi dilaksanakan model disimulasikan. Sedang validasi operasional dilakukan dengan membandingkan hasil atau data perolehan model terhadap hasil atau data pada kenyataan. Sargent (2005) mengemukakan empat pendekatan dasar yang dapat dipilih guna menetapkan kesahihan suatu model simulasi. Pendekatan validasi pertama adalah validasi secara subjektif 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 (Martis, 2006; Sargent, 2005; Sargent, 2000). Pendekatan yang kedua adalah validasi yang melibatkan pengguna. Pendekatan yang ketiga yakni validasi dan verifikasi oleh pihak independen atau IVV (independent validation and verification), atau suatu uji kesahihan yang dilakukan oleh pihak lain. Pendekatan validasi yang keempat adalah uji kesahihan yang menggunakan penilaian dan pembobotan (scoring). Validasi yang dilaksanakan dalam menilai kesahihan CrismanSoft dilakukan dengan pendekatan yang pertama. Langkah validasi dan verifikasi dilakukan secara subjektif pada setiap tahap dalam pengembangan model. 7.1.1. Model Krisis Bahan
Validasi terhadap suatu model sangat tergantung pada teori dan asumsi yang digunakan sebagai acuan dalam penentuan struktur dan persamaan model, serta nilai-nilai yang ditetapkan bagi parameter yang digunakan dalam model. Validasi terhadap modelmodel matematis yang digunakan dalam pemulusan CrismanSoft dilakukan dengan penetapan tingkat akurasinya melalui pemantauan tingkat kesalahan menggunakan antara lain instrumen MAPE, MPE PE, R-square dan Adjusted R-square sebagaimana diuraikan pada Bab III. Landasan Teori. Selain itu, dilakukan juga ujicoba CrismanSoft menggunakan data dari perusahaan tapioka yang berbeda. Validasi terhadap metoda pemulusan, dilakukan dengan membandingkan metoda pemulusan yang digunakan terhadap metoda pemulusan lainnya (Martis, 2006; Sargent,
115 2005; Sargent, 2000). Dalam pemilihan metoda pemulusan, dilakukan pembandingan antara masing-masing metoda pemulusan sehingga diperoleh metoda yang memiliki MAPE terendah dan nilai RSquare yang paling mendekati 1. Telaah terhadap keadaan data pasokan ubikayu eksternal Januari-Desember 2006 menggunakan Metoda Pemulusan Gaussian 8 (terbaik setelah dipilih dari 54 metoda pemulusan yang dicoba menggunakan data Januari 2000-Desember 2006), menghasilkan rata-rata MAPE 20.8209 persen (kisaran 16.82-28.0563) dan rata-rata R Square 0.620 (kisaran 0.45287-0.70992) sebagaimana ditunjukkan pada Tabel 16-17. Tabel 16. Indikator akurasi peramalan pasokan eksternal Jan-Des 2006 menggunakan pemulusan Gaussian orde 8 Perioda perkiraan Desember November Oktober September Agustus Juli Juni Mei April Maret Februari Januari Rata-rata
Kenyataan
Perkiraan
RSquare
DFE
AdjRSquare
8329.35 10102.518 4913.261 3591.242 6223.759 7365.592 2229.119 3061.409 6978.719 8246.777 5822.349 7155.138 6168.269
5128.4235 2396.3363 2311.0713 2864.6059 2179.9391 1422.4087 2633.7239 1888.3724 1459.4821 805.6448 21.3727 25.2646 1928.054
0.64271 0.67811 0.68446 0.67574 0.68475 0.70992 0.70212 0.45287 0.48297 0.5361 0.56849 0.62798 0.620518
59 58 56 56 55 54 53 52 51 50 49 48 53.4
0.50343 0.55047 0.55486 0.54257 0.55291 0.58636 0.57286 0.21087 0.2498 0.32271 0.36594 0.44972 0.455208
MPE
MAPE
-1.9407 -0.82693 -0.64402 -0.63626 -0.017447 1.0719 1.2732 -5.0052 -3.6364 -0.98274 6.4358 5.7858 0.073084
20.7721 19.701 19.2465 19.5311 18.7417 16.8958 16.8177 28.0563 26.5186 24.6638 19.9959 18.9103 20.8209
Tabel 17. Indikator akurasi peramalan produksi tapioka Jan-Des 2006 menggunakan pemulusan Gaussian orde 8 Perioda perkiraan Desember November Oktober September Agustus Juli Juni Mei April Maret Februari Januari Rata-rata
Kenyataan
Perkiraan
RSquare
DFE
AdjRSquare
1756.3 1936.95 1119.45 816.3 1576.35 1661.8 489.25 705.9 1425.2 1686.85 1218.45 1471.2 1391.875
1155.5948 672.6747 664.1423 856.5579 552.1184 319.4093 693.6913 712.5433 669.5975 601.117 1171.6442 961.4255 419.3566
0.72471 0.67404 0.67405 0.66932 0.67958 0.7023 0.63943 0.62978 0.63978 0.66208 0.69143 0.72459 0.584754
59 58 57 56 55 54 53 52 51 50 49 48 53.5
0.61739 0.54478 0.54253 0.53351 0.54559 0.5755 0.48295 0.46603 0.47733 0.50664 0.54659 0.59262 0.406565
MPE
MAPE
-3.4812 -5.1148 -5.0076 -5.0855 -4.2438 -2.8702 -5.7529 -5.6827 -5.223 -4.339 -2.5941 -1.1622 -68.1584
21.976 23.7257 23.4658 23.6966 22.9941 21.1511 25.7808 25.3563 24.6591 23.4764 21.15 18.4496 103.0593
116 Pada
pemulusan
data
produksi
tapioka
(Januari
2000-Desember
2006)
menggunakan Metoda Pemulusan Gaussian 8 (terbaik setelah dipilih dari 27 metoda yang dicoba), telaah terhadap keadaan Januari-Desember 2006 menghasilkan rata-rata MAPE 22,99 persen (kisaran 18.45-25.75) dan rata-rata R Square 0.676 (kisaran 0.629780.72471) sebagaimana ditunjukkan dalam tabel berikut. Dalam validasi ini juga dilakukan telaah sejenis terhadap pemulusan pasokan air, bahan pembantu, bahan bakar maupun daya tampung gudang (krisis pemasaran). Validasi terhadap CrismanSoft juga dilakukan secara event validity melalui pengaplikasian persamaan matematis pemulusan dan membandingkan hasilnya dengan kenyataan dan secara grafis operasional atau operational graphics (Sargent, 2005; Sargent, 2000). Misalnya pada pemulusan yang digunakan dalam peramalan pasokan bahan baku eksternal (data Januari 2000-Agustus 2006). Digunakan persamaan pemulusan Gaussian orde 8 yang menggambarkan hubungan antara y (volume pasokan eksternal ubikayu dalam ton) dengan x (waktu dalam bulan) pada tingkat kepercayaan 95 persen. y = 8634*exp(-((x-731900)/41.81)2) + 10980*exp(-((x-731800)/25.78)2) + 12180*exp(-((x-732100)/181.4)2) + 10830*exp(-((x-731500)/15.45)2) + 4928*exp(-((x-731400)/28.36)2) + 8357*exp(-((x-731100)/643.4)2) + 6729*exp(-((x-732700)/216.1)2) + 5718*exp(-((x-731700)/98.65)2)
Gambar 49. Perbandingan data pasokan eksternal ubikayu (Jan 2000-Agust 2006) dengan kurva pemulusannya. Dapat terlihat pada Gambar 49-51 bahwa kurva pemulusan yang dipilih guna peramalan pasokan eksternal ubikayu betul-betul mendekati posisi proyeksi data yang sebenarnya. Hal yang sama terlihat juga pada kurva hasil pemulusan produksi tapioka yang menggunakan rumus persamaan Gaussian orde 8 (dengan batas kepercayaan 95%):
117 y = 1888*exp(-((x-731800)/132.2)2) + 1396*exp(-((x-732800)/252.1)2) + 1197*exp(-((x-731900)/27.08)2) + 1876*exp(-((x-731400)/14.15)2) + 1743*exp(-((x-731400)/433.3)2) + 3096*exp(-((x-732100)/162.6)2) + 1410*exp(-((x-730600)/228.8)2) + 1233*exp(-((x-731000)/162.6)2)
Gambar 50. Perbandingan data produksi tapioka (Jan 2000-Agust 2006) dengan kurva pemulusannya.
Gambar 51. Perbandingan data pasokan air (Jan 2000-Agust 2006) dengan kurva pemulusannya. Hasil validasi data dalam pemulusan pasokan air juga menunjukkan hal serupa. Pemulusan pasokan air menggunakan persamaan Gaussian orde 6 pada tingkat kepercayaan 95 persen: y = 19690*exp(-((x-731400)/105.6)2) + 35960*exp(-((x-732400)/18.49)2) + 24210*exp(-((x-731800)/157.7)2) + 37000*exp(-((x-732800)/261.2)2) + 48860*exp(-((x-732200)/177.7)2) + 31730*exp(-((x-730900)/1114)2)
118 7.1.2. Model Krisis Finansial dan Ekonomi
Validasi terhadap model krisis finansial dan ekonomi CrismanSoft dilakukan dengan membandingkan antara hasil penghitungan model dengan penghitungan menggunakan Microsoft Excel di luar model. Diperoleh kenyataan bahwa nilai-nilai IRR, NVP, ROI dan PBP yang dihasilkan model krisis finansial dan ekonomi sama dengan nilai-nilai sejenis yang dihasilkan dari penghitungan di luar model. Hasil agregasi nilainilai fuzzy masing-masing indikator kelayakan usaha yang dilakukan oleh model menunjukkan kesesuaian dengan hasil-hasil penghitungan di luar model. 7.1.3. Model Krisis Teknologi
Validasi terhadap model krisis teknologi CrismanSoft dilakukan dengan membandingkan antara hasil penghitungan model dengan penghitungan di luar model inferensi fuzzy hasil wawancara para pakar menggunakan Metoda Sugeno. Diperoleh kenyataan bahwa hasil agregasi nilai-nilai fuzzy masing-masing indikator krisis teknologi yang dilakukan oleh model menunjukkan kesesuaian dengan hasil-hasil penghitungan indikator sejenis di luar model. 7.1.4. Model Krisis Sosial
Validasi
terhadap
model
krisis
sosial
CrismanSoft
dilakukan
dengan
membandingkan antara hasil penghitungan model dengan penghitungan di luar model inferensi fuzzy menggunakan Metoda Sugeno. Penghitungan dilakukan menggunakan data hasil wawancara dengan para praktisi yang dijadikan narasumber. Diperoleh kenyataan bahwa hasil agregasi nilai-nilai fuzzy masing-masing indikator krisis sosial yang dilakukan oleh model menunjukkan kesesuaian dengan hasil-hasil penghitungan indikator sejenis di luar model. 7.1.5. Model Krisis Komprehensif
Validasi terhadap model krisis komprehensif CrismanSoft dilakukan secara membandingkan hasil penghitungan model dengan penghitungan di luar model inferensi fuzzy menggunakan Metoda Sugeno. Penghitungan dilakukan menggunakan data hasil agregasi nilai yang diperoleh dalam penghitungan krisis bahan, krisis finansial dan ekonomi, krisis teknologi dan krisis sosial. Diperoleh kenyataan bahwa hasil agregasi nilai-nilai fuzzy empat krisis sosial yang dilakukan oleh model menunjukkan kesesuaian dengan hasil-hasil penghitungan di luar model.
119 7.1.6. Rekomendasi Solusi Krisis
Validasi juga dilakukan terhadap penetapan atau rekomendasi solusi yang dihasilkan oleh CrismanSoft. Rekomendasi solusi dihasilkan dari akuisisi pendapat para praktisi sehubungan dengan pertanyaan mengenai keadaan krisis tertentu (Lampiran 2 dan Lampiran 4. Hasil Angket Solusi Krisis). Hasil olahan asupan para praktisi itu, dijadikan alternatif solusi terhadap situasi krisis yang diperkirakan oleh model. Prioritas rekomendasi solusi krisis bahan ditetapkan secara berurutan (1) bahan bakar, (2) bahan baku, (3) air, (4) bahan pembantu, (5) pemasaran. Pada saat semua komponen bahan berada dalam keadaan krisis, bahan bakar ditetapkan berada pada prioritas paling atas karena ketersediaan bahan baku justru menjadi beban jika pada saat yang sama terjadi krisis bahan bakar. Prioritas rekomendasi solusi krisis komprehensif ditetapkan secara berurutan bagi (1) krisis finansial dan ekonomi, (2) krisis teknologi, (3) krisis bahan baku dan (4) krisis sosial. Pada saat semua berada dalam keadaan krisis, direkomendasikan prioritas solusi adalah menyelesaikan krisis finansial dan ekonomi, karena krisis lainnya tidak bisa ditanggulangi jika krisis finansial dan ekonomi belum terselesaikan (Lampiran 11. Kaidah Penetapan Solusi). Teknologi Pengelolaan Isu (Issue Management Technology) belakangan ini disarankan sebagai salah satu model sederhana pengelolaan krisis. Model itu menggunakan kemampuan sintesis pengenalan keadaan dan integritas pakar atau praktisi dalam penetapan deteksi dini. Secara sederhana, teknik pengelolaan isu menyarankan agar hal-hal yang tampaknya tidak penting dan berdampak kecil juga diperhatikan secara serius dalam deteksi dini atau penanganan krisis. Dalam model CrismanSoft, semua krisis yang berpeluang rendah dan berdampak rendah tidak disajikan solusinya. Namun krisis yang berpeluang rendah (kurang dari 50 persen) dan berdampak tinggi (lebih dari 5 pada skala 1-10) akan dengan sendirinya diproyeksikan pada kuadran II yang berwarna jingga, sehingga mendapatkan perhatian khusus. Sedang krisis yang berpeluang tinggi (lebih dari 50 persen) dan berdampak rendah (kurang dari 5 pada skala 1-10) terproyeksikan pada kuadran IV atau abu-abu, yang juga harus mendapat perhatian khusus. 7.2. Verifikasi
Verifikasi terhadap CrismanSoft dilakukan guna memastikan bahwa model manajemen krisis ini terbebas dari kekeliruan proses logis (logical errors) sehingga dapat
120 berfungsi sesuai dengan tujuan rekayasanya. Langkah verifikasi dilaksanakan antara lain dengan penelisikan (debugging) berulang guna mengurangi kesalahan masing-masing modul sebelum memadukannya menjadi suatu kesatuan. Verifikasi model manajemen krisis ini antara lain dilakukan dengan memeriksa kemampuan kinerja model, ketepatan interface antara model yang dibentuk dengan aplikasi lainnya. Tabel 18. Perbandingan Metoda Pemulusan Pasokan Bahan Baku Eksternal No Metoda 1. Polinomial 1
RSquare 0.0032496
dfe 82
Adj RSquare -0.0089059
MPE (%) -14.8066
MAPE (%) 39.8498
2 Polinomial 2
0.17866
81
0.15838
-11.6874
36.2555
3. Polinomial 3
0.20132
80
0.17137
-10.8563
35.3943
4. Polinomial 4
0.27217
79
0.23532
-10.0786
35.0522
5. Polinomial 5
0.27219
78
0.22554
-9.6785
34.9561
6. Polinomial 6
0.28573
77
0.23007
-14.1115
34.7447
7. Polinomial 7
0.27018
76
0.20296
-11.6107
34.5652
8. Polinomial 8
0.22502
75
0.14236
5.2426
32.9028
9. Polinomial 9
0.16835
74
0.067207
4.5614
33.4622
10. Eksponensial 1
-0.0049913
82
-0.017247
-15.5351
40.9565
11. Eksponensial 2
Error
Error
Error
Error
Error
12. Fourier 1
0.065287
80
0.030235
-14.5624
39.932
13. Fourier 2
0.088061
78
0.029603
-15.0715
39.9835
14. Fourier 3
0.1124
76
0.030645
-15.6188
40.7699
15. Fourier 4
0.12613
74
0.019848
-14.7909
40.0685
16. Fourier 5
0.12792
72
-0.0053188
-14.8511
40.0208
17. Fourier 6
0.1449
70
-0.01391
-14.3654
39.2417
18. Fourier 7
0.14958
68
-0.038014
-14.2917
39.3276
19. Fourier 8
0.18075
66
-0.030269
-13.3729
38.1013
20. Gaussian 1
0.2018
81
0.18209
-10.6337
35.7513
21. Gaussian 2
0.22935
78
0.17995
-10.3511
35.4294
22. Gaussian 3
0.37439
75
0.30766
-7.0279
30.3082
23. Gaussian 4
0.53592
72
0.46502
-3.7632
25.2072
24. Gaussian 5
0.56655
69
0.47861
-4.0027
24.6972
25. Gaussian 6
0.55778
66
0.44388
-3.445
24.2989
26. Gaussian 7
0.59037
63
0.46032
-3.0119
23.1496
27. Gaussian 8
0.63782
60
0.49899
-2.0495
21.2014
129923.6770
81
136437.1108
72.19827
77.26644
28. Winters (0.1,0.1,0.1) 29. Winters (0.1,0.1,0.2)
13121304.5089
81
13777453.0378
-195.20756
399.63269
30. Winters (0.1,0.1,0.3) 31. Winters (0.1,0.2,0.1)
179874.7596
81
188888.5886
57.84313
129.06327
198996.2292
81
208967.0978
315.67774
335.11506
32. Winters (0.1,0.2,0.2) 33. Winters (0.1,0.2,0.3)
216778.3685
81
227639.1955
113.97854
119.47351
325634.3661
81
341942.4792
112.66731
164.46183
34. Winters (0.1,0.3,0.1) 35. Winters (0.1,0.3,0.2)
293641.7122
81
308348.9812
-17.41001
217.01433
775812.1954
81
814641.4639
142.11356
142.11356
36. Winters (0.1,0.3,0.3) 37. Winters (0.2,0.1,0.1)
11477995.0170
81
12051978.7327 1131.98779
1139.25294
112326.1427
81
117958.5538
64.08948
73.38067
121 No
Metoda 38. Winters (0.2,0.1,0.2) 39. Winters (0.2,0.1,0.3)
RSquare
dfe
Adj RSquare
MPE (%)
MAPE (%)
117369.2493
81
123254.1538
83.67306
121.48889
465413.9980
81
488715.6730
-13.23701
157.20581
40. Winters (0.2,0.2,0.1) 41. Winters (0.2,0.2,0.2)
144181.6424
81
151408.8406
59.96962
74.73752
158884.3979
81
166847.5777
54.37535
80.70304
42. Winters (0.2,0.2,0.3) 43. Winters (0.2,0.3,0.1)
220973.0494
81
232043.8054
81.84188
91.77074
173432.5178
81
182123.8960
59.87844
90.96801
44. Winters (0.2,0.3,0.2) 45. Winters (0.2,0.3,0.3)
130381598.0074
81
136900262.0959
259.24945
275.21205
4968759.1168
81
5217272.0029
-2.04861
200.07458
46. Winters (0.3,0.1,0.1) 47. Winters (0.3,0.1,0.2)
94860.5163
81
99618.4050
46.33635
66.72768
107015.7188
81
112382.2434
57.89312
73.67991
48. Winters (0.3,0.1,0.3) 49. Winters (0.3,0.2,0.1)
118683.5133
81
124634.2178
61.05772
76.55528
117075.3087
81
122945.4967
42.02774
74.76805
50. Winters (0.3,0.2,0.2) 51. Winters (0.3,0.2,0.3)
129232.5941
81
135711.4304
53.71410
84.02930
148256.5008
81
155687.6805
57.26706
93.89252
52. Winters (0.3,0.3,0.1) 53. Winters (0.3,0.3,0.2)
28913687.9347
81
30359424.0814
-824.28362
952.26366
81261744.4404
81
85324668.5379
33.85361
146.36859
54. Winters (0.3,0.3,0.3)
282878.2134
81
297046.8822
93.10681
129.51317
Pemilihan metoda pemulusan guna peramalan keadaan yang diaplikasikan dalam CrismanSoft, dilakukan dengan memperhatikan faktor-faktor yang menjadi indikator akurasi seperti MAPE. RSquare dan Adjusted R-square. Pemilihan metoda pemulusan yang digunakan dalam peramalan pasokan bahan baku eksternal dilakukan melalui pembandingan data MAPE, R Square dan Adjusted R-square sejumlah metoda pemulusan yang diujicobakan pada data pasokan eksternal bahan baku (Januari 2000-Desember 2006). Khusus dalam pemilihan metoda pemulusan pasokan bahan baku eksternal (Tabel 18), terlihat bahwa metoda pemulusan Gaussian orde 8 merupakan yang terbaik dan paling sahih dibandingkan metoda pemulusan yang lain (Lihat Lampiran 6 Contoh Validasi Metoda Pemulusan). Langkah verifikasi (dan sekaligus validasi) secara pembandingan yang serupa juga diterapkan pada pemilihan metoda pemulusan pasokan bahan bakar, pasokan air, pasokan bahan pembantu, hasil produksi tapioka dan sisa persediaan tapioka di gudang (Lampiran 7 Contoh Verifikasi Metoda Pemulusan Menggunakan Indikator Akurasi dan Lampiran 8 Contoh Verifikasi Metoda Pemulusan Berdasarkan Pembandingan Grafis). Verifikasi secara uji dinamik atau dynamic testing (Martis, 2006; Sargent, 2000) terhadap kemampuan model dalam menyajikan peringatan dini, penghitungan dampak krisis maupun peluang terjadinya krisis, dilaksanakan dengan menelusuri langkah-langkah yang ditempuh oleh model ketika memroses data yang dijadikan asupan, sampai diperoleh kesimpulan yang ditargetkan. Pada penelusuran dilakukan juga pembandingan antara hasil
122 yang ditampilkan oleh model menggunakan data Januari 2000-Agustus 2006 dengan yang menggunakan data Januari 2000-Desember 2006 (Lihat Gambar 52-55).
Menggunakan data Jan 2000-Agust 2006
Menggunakan data Jan 2000-Des 2006
Gambar 52. Tampilan hasil penetapan krisis bahan baku.
123
Menggunakan data Jan 2000-Agust 2006
Menggunakan data Jan 2000-Des 2006
Gambar 53. Tampilan analisis krisis gabungan bahan.
124
Menggunakan data Jan 2000-Agust 2006
Menggunakan data Jan 2000-Des 2006
Gambar 54. Tampilan analisis krisis finansial Februari 2007.
125
Menggunakan data Jan 2000-Agust 2006
Menggunakan data Jan 2000-Des 2006
Gambar 55. Tampilan analisis krisis komprehensif Februari 2007.
126 Dalam penghitungan krisis bahan baku, dibedakan krisis yang disebabkan kekurangan bahan baku (persediaan ubikayu) dan krisis atau kelebihan bahan baku. Batas atas krisis (kelebihan bahan baku) dimulai dari persediaan yang lebih dari 120 persen dari kapasitas pengolahan. Kapasitas pengolahan di perusahaan tapioka di Jabung ditetapkan 600 ton ubikayu (setara sekitar 120 ton tapioka) per hari. Sedang batas bawah krisis (kekurangan bahan baku) dimulai pada titik impas produksi atau hasil peramalan (dipilih yang lebih tinggi). Dari persentase kekurangan bahan baku atau kelebihan bahan baku, kemudian dihitung tingkat krisis pasokan bahan baku secara fuzzy dengan aturan berdasarkan skala hedonik Sangat Rendah (SR), Rendah (R), Sedang (M), Tinggi (T) dan Sangat Tinggi (ST). Hasil inferensinya kemudian dinormalisasikan guna penetapan dampak krisis pada skala 0-10. Pada saat yang sama dilakukan inferensi fuzzy melalui pengolahan matriks pada 30 interval terhadap pendapat para pakar mengenai peluang terjadinya krisis pasokan bahan baku sehingga diperoleh hasil inferensi mengenai peluang terjadinya krisis pasokan bahan baku. Nilai dampak dan peluang krisis pasokan bahan baku tersebut kemudian diproyeksikan pada kuadran krisis dan dirumuskan alternatif solusinya. Proses penghitungan serupa dilakukan juga dalam penetapan krisis pasokan bahan bakar, pasokan air, pasokan masing-masing bahan pembantu (tawas, belerang dan zak pembungkus). Sedang penetapan dampak krisis pemasaran didasarkan pada tingkat kelebihan produksi tapioka dari kapasitas gudang penyimpanan produk. Dewasa ini kapasitas gudang yang tersedia adalah 8.000 ton. Dampak krisis pemasaran diperhitungkan dari kelebihan produk atau kekurangan daya tampung gudang. Krisis mulai terjadi jika produk atau total persediaan tapioka melebihi kapasitas gudang. Inferensi fuzzy mengenai kelebihan produk serupa dengan yang dilakukan pada penetapan dampak krisis akibat kelebihan pasok bahan baku. Begitu pula penghitungan peluang krisis pemasaran, yang asupannya didaur dari pendapat para pakar. Dampak krisis pasokan bahan baku, krisis pasokan air, krisis bahan pembantu, krisis bahan bakar dan krisis pemasaran kemudian diagregasikan mengikuti aturan inferensi fuzzy metoda Sugeno. Dampak krisis gabungan bahan adalah rataan dari hasil perhitungan dampak masing-masing krisis tersebut, yang kemudian dinormalisasikan dan diagregasikan sehingga diperoleh nilai gabungan yang tunggal. Peluang krisis gabungan bahan dihitung menggunakan cara yang serupa sehingga dihasilkan nilai agregatnya.
127 Hasil agregat krisis bahan gabungan itu kemudian diproyeksikan pada kuadran krisis bahan. Dampak
Krisis
Finansial
dihitung
berdasarkan
hasil
analisis
finansial
menggunakan instrumen BEP, IRR, NPV, rasio B/C, PBP. Data diambil dari analisis finansial pada perhitungan kelayakan finansial perusahaan. Guna menyeragamkan asupan maka masing-masing nilai ditransformasikan dalam kelompok-kelompok yang diwakili oleh himpunan fuzzy. Hasilnya merupakan keluaran tunggal dari hasil perhitungan fuzzy yang kemudian dinormalisasikan didapatkan dampak krisis finansial senilai 4.9. Penghitungan peluang krisis finansial mengikuti alur yang sama. Inferensi terhadap pendapat pakar dalam hal krisis teknologi dan sosial mengikuti aturan logika fuzzy sebagaimana diuraikan di atas. Dampak krisis teknologi maupun sosial dihitung berdasarkan agregasi pendapat pakar yang memasukkan nilai linguistik. Dampak krisis teknologi maupun dampak krisis sosial diperoleh dari rataan hasil perhitungan kemudian dinormalisasikan. Begitu pula penghitungan peluang krisisnya. Dampak krisis maupun peluang krisis komprehensif (gabungan nilai dampak krisis bahan, krisis teknologi, krisis sosial dan krisis finansial) dihitung dengan inferensi fuzzy yang dinormalisasikan. Dalam
verifikasi
secara
uji
dinamik
terlihat
bahwa
CrismanSoft
dan
implementasinya selama pengujian cukup akurat. Hasil penelusuran kembali terhadap hubungan asupan-keluaran menggunakan data yang berbeda (Januari 2000-Agustus 2006 dan Jan 200-Desember 2006), menunjukkan model manajemen krisis yang direkayasa mengaplikasikan inferensi fuzzy yang bisa menyajikan kemampuan sesuai dengan yang ditetapkan dalam tujuan pembentukan model. Perbedaan asupan data pada Sistem Manajemen Data, menghasilkan keluaran Sistem Pengolahan Data yang berbeda secara signifikan. Verifikasi dilakukan juga terhadap penyajian rekomendasi solusi krisis. Sebagaimana
telah
dikemukakan,
perubahan
asupan
data
pada
model
dapat
mengakibatkan perubahan keluaran. Jika perubahan tersebut mengakibatkan perbedaan posisi pada proyeksi kuadrannya, akan dihasilkan rekomendasi solusi krisis yang berbeda. Sepanjang perubahan tidak mengakibatkan perpindahan kuadran pada proyeksi maka rekomendasi yang disajikan juga tidak berubah (Lihat Lampiran 11). Hasil validasi dan verifikasi terhadap CrismanSoft menunjukkan model manajemen krisis bagi perusahaan agroindustri yang direkayasa cukup sahih dan memiliki kemampuan menyajikan peringatan dini dan tahapan maupun risiko krisis internal yang
128 sedang dihadapi perusahaan agroindustri dan menyuguhkan solusi pencegahan, penghindaran dan penanggulangan krisis tersebut, sebagaimana ditetapkan dalam tujuan pembentukannya.
VIII. RANCANGAN IMPLEMENTASI Pengembangan
model
manajemen
krisis
CrismanSoft
dilakukan
dengan
menerjemahkan representasi pengetahuan menjadi bahasa perintah yang dapat dipahami komputer. Dalam penyusunan model manajemen krisis ini, pengemasan akhir dilakukan dengan Delphi 7, sedang pengolahan atau inferensinya dilakukan dengan MATLAB 7 dan berbagai komponen tambahan Delphi yang sesuai dengan karakteristik permasalahan manajemen krisis yang dikaji, serta manipulasi data dilaksanakan dengan Microsoft Excel dan Microsoft Access. Model manajemen krisis ini direkayasa mampu menyajikan peringatan dini, menggambarkan tahapan krisis maupun risiko krisis yang sedang atau akan dihadapi oleh perusahaan agroindustri, serta menyuguhkan alternatif tindakan pencegahan, penghindaran dan penanggulangan krisis. Model ini dibangun dengan berdasarkan asupan data dari sebuah perusahaan industri tapioka di Kabupaten Lampung Timur, Provinsi Lampung. Hasil ujicoba menunjukkan model ini mampu secara konsisten mewakili kinerja kepakaran yang digantikannya dalam manajemen krisis pada perusahaan agroindustri tapioka. Model ini dapat diimplementasikan pada industri tapioka yang sudah berjalan, dengan memenuhi beberapa ketentuan. 8.1. Asumsi
Beberapa asumsi yang digunakan dalam implementasi model CrismanSoft adalah: 1. Krisis yang dianalisis oleh model adalah krisis internal, yakni krisis yang timbul karena perusahaan melakukan upaya mengolah risiko menjadi keuntungan. Lingkup pengamatan dalam model ini mencakup krisis bahan, krisis ekonomi dan finansial, krisis teknologi dan krisis sosial. 2. Perusahaan agroindustri dianggap mengalami krisis jika terjadi salah satu dari krisis bahan, krisis ekonomi dan finansial, krisis teknologi atau krisis sosial. Perusahaan dapat juga dinilai mengalami krisis jika hasil agregasi atau gabungan analisis krisis bahan, krisis ekonomi dan finansial, krisis teknologi dan krisis sosial memenuhi kriteria krisis yang ditetapkan, meskipun jika dianalisis secara sendiri-sendiri masing-masing tidak menunjukkan tingkat krisis yang signifikan.
130 3. Tersedia cukup pasokan dan pemasok bahan baku bagi industri di wilayah pabrik tapioka yang mengimplementasikan model itu, sehingga masih ada peluang pemecahan krisis bahan baku. 4. Tersedia cukup sumberdaya, modal atau uang tunai yang diperlukan bagi eksekusi solusi krisis sebagaimana direkomendasikan oleh CrismanSoft. 8.2. Pengambil Keputusan
Model manajemen krisis CrismanSoft dirancang berkemampuan menyajikan peringatan dini, menyajikan dampak dan peluang krisis internal dan menyajikan rekomendasi guna mengatasi krisis atau kemungkinan krisis tersebut. Rekomendasi yang dihasilkan hanya akan bermanfaat bagi para pengambil keputusan atau pihak-pihak yang memiliki otoritas guna mengeksekusikan rekomendasi yang dimaksud. Operator atau pengguna model ini harus memiliki pemahaman dasar mengenai kaitan antara perubahan (penambahan atau penghapusan) data dengan pemilihan metoda pemulusan yang diaplikasikan dalam CrismanSoft. Sebelum dipergunakan, data mengenai pasokan bahan baku, pasokan air, pasokan bahan pembantu, pasokan bahan bakar, produksi tapioka maupun penjualan tapioka yang ada dalam CrismanSoft harus diganti dengan data dari perusahaan yang akan mengimplementasikan model ini. Pengguna model juga harus menetapkan metoda pemulusan yang paling ideal dalam melakukan perkiraan data. Metoda pemulusan akan sangat menentukan hasil perkiraan yang menjadi asupan bagi pengambilan keputusan, sehingga metoda pemulusan sangat berpengaruh terhadap keluaran atau hasil model manajemen krisis ini. Pemilihan metoda pemulusan dilakukan berdasarkan kriteria akurasi pemulusan yang antara lain diukur dengan MAPE, R-square dan Adjusted R-square. Pengukuran indikator akurasi tersebut sudah disiapkan dalam model manajemen krisis CrismanSoft namun pemilihan metoda pemulusan harus dilakukan secara manual. 8.3. Lingkungan
Model CrismanSoft dapat diimplementasikan pada industri tapioka yang sudah berjalan dan memiliki data yang lengkap sesuai kebutuhan pengambilan keputusan dalam ruang lingkup sebagaimana ditetapkan dalam perancangan model ini. Pembaruan (update) atau penggantian data mengenai pasokan bahan baku, pasokan air, pasokan bahan pembantu, pasokan bahan bakar, produksi tapioka maupun penjualan tapioka dengan data dari perusahaan yang akan mengimplementasikan model ini, merupakan persyaratan
131 mutlak. Data finansial dan ekonomi, data ketersediaan teknologi dan data sosial yang didaur dari pakar, harus diperbarui sesuai dengan kenyataan di perusahaan yang mengimplementasikan model ini. Model ini direkayasa dengan asupan pendapat praktisi terhadap situasi sosial dan teknologi maupun ekonomi dan finansial di sebuah perusahaan tapioka di Lampung Timur. Terutama yang berkaitan dengan peluang terjadinya krisis. Implementasi pada perusahaan lain memerlukan penyesuaian terhadap pendapat praktisi atau pakar yang diakuisisi bagi model ini, agar hasil analisis dan diagnosis krisis maupun penyajian solusi sesuai dengan kenyataan di lingkungan pengimplementasian CrismanSoft. Perbedaan data yang diasup akan menghasilkan perkiraan yang berbeda dan membuahkan keluaran model yang berbeda secara sangat signifikan. 8.4. Agroindustri Lain
Model CrismanSoft dapat diimplementasikan pada perusahaan agroindustri selain tapioka yang sudah berjalan dan memiliki data yang lengkap sesuai kebutuhan pengambilan keputusan dalam ruang lingkup sebagaimana ditetapkan dalam perancangan model ini. Diperlukan sejumlah modifikasi mendasar sesuai dengan karakteristik agroindustri yang bersangkutan. Pada industri tapioka, komponen bahan yang utama adalah ubikayu, bahan bakar, air dan bahan pembantu. Pada perusahaan agroindustri lainnya, tentu komponen utama bahan tidak sama dan tingkat pengaruhnya pun berbeda. Karenanya diperlukan perombakan pada tatanan pengolahan data maupun kaidah dalam penentuan dampak krisis maupun peluang krisis bahan. Hal yang sama terjadi juga pada penentuan dampak krisis dan peluang krisis teknologi maupun sosial. Selain modifikasi pada coding program, diperlukan penggantian data mengenai pasokan bahan baku, pasokan air, pasokan bahan pembantu, pasokan bahan bakar, produksi maupun penjualan produk sesuai dengan karakter perusahaan agroindustri yang akan mengimplementasikan model ini. Akuisisi pendapat pakar mengenai masalah teknologi maupun masalah sosial harus diperbarui sesuai dengan kenyataan di perusahaan agroindustri yang mengimplementasikan model ini. CrismanSoft direkayasa dengan asupan pendapat praktisi terhadap situasi sosial dan teknologi maupun ekonomi dan finansial di sebuah perusahaan tapioka di Lampung Timur. Implementasi pada perusahaan agroindustri lain di tempat yang berbeda memerlukan pendapat praktisi atau pakar yang tidak sama, analisis dan diagnosis krisis
132 maupun penyajian solusi juga harus disesuaikan dengan situasi lingkungan agroindustri yang mengimplementasikan model ini. Validasi maupun verifikasi terhadap model mungkin saja berbeda dibandingkan dengan validasi dan verifikasi yang dilakukan terhadap CrismanSoft. 8.5. Faktor Lain
Dimungkinkan juga pengimplementasian model manajemen krisis CrismanSoft pada jenis industri lain, namun diperlukan perubahan asumsi dasar dan penetapan faktorfaktor penyebab krisis maupun besaran-besaran pembatasnya. Pada tingkat penerapan, pemilihan solusi krisis dapat juga digabungkan dengan alternatif yang diperoleh melalui metoda penanganan krisis lainnya seperti Issue Management Technology sebagaimana diuraikan pada Tabel 19 (Eriyatno, 1998a). Tabel 19. Klasifikasi krisis berdasarkan Issue Management Technology
Penanganan Krisis
Ringan
Barometer Krisis Sedang
Kekurangan dana atau Kerusakan mesin dan Mudah krisis keuangan pelaratan utama Kekurangan air bagi Sedang Krisis pencitraan pengolahan atau produksi Pencemaran lingkungan Kekurangan Bahan hidup yang disebabkan Sulit bakar oleh proses pengolahan
Berat Persengketaan dengan pekerja Fluktuasi harga jual dan ketersediaan produk Ketersediaan bahan baku dan kontinyuitas pasok
Implementasi CrismanSoft mempersyaratkan ketersediaan komputer PC Pentium III dengan RAM paling rendah 512 Mb dan hard disk setidaknya 20 Gb. Model CrismanSoft hanya bisa berfungsi pada komputer yang telah memiliki instalasi piranti Microsoft Excel 2003, Microsoft Access 2003 dan MATLAB 7 atau yang lebih mutakhir.
IX. KESIMPULAN DAN SARAN 9.1. Kesimpulan
Model simulasi manajemen krisis CrismanSoft yang dihasilkan merupakan piranti menggunakan akuisisi pengetahuan pakar dan teknik-teknik pengambilan keputusan berbasis logika fuzzy dan analisis ekonomi yang dapat menyajikan peringatan dini mengenai krisis, menganalisis dampak dan peluang krisis internal yang dihadapi perusahaan agroindustri dan menyajikan rekomendasi solusi bagi krisis tersebut. Solusi yang disajikan CrismanSoft merupakan gabungan antara hasil pengambilan keputusan berbasis data dan hasil pengambilan keputusan berbasis pengetahuan, pengalaman, naluri maupun informasi para manajemen puncak perusahaan industri tapioka. Model simulasi manajemen krisis CrismanSoft mampu mewakili perilaku para praktisi manajemen krisis dalam menyajikan hasil analisis krisis maupun rekomendasi solusi pada masing-masing lingkup (bahan, ekonomi dan finansial, teknologi dan sosial) secara sendiri-sendiri maupun pada tingkat yang komprehensif, dan memproyeksikan hasil analisis tersebut pada kuadran krisis Fink sehingga menghasilkan gambaran krisis yang mudah dicerna oleh pengguna. Kesahihan model ini dalam menetapkan situasi krisis yang dihadapi oleh perusahaan dan ketepatan penyajian solusi krisis, telah diuji melalui teknik yang disarankan bagi validasi dan verifikasi model. Hasil verifikasi dan validasi model menunjukkan CrismanSoft memiliki kesesuaian dengan tujuan pembentukannya dan benar-benar mampu mewakili perilaku sekelompok pakar dalam menghadapi krisis di perusahaan agroindustri. Perubahan panjangnya serial data yang tersedia akan menghasilkan perubahan validitas data dan perubahan R-square dan MAPE maupun Adjusted R-square yang sangat menentukan dalam pemilihan metoda pemulusan. Padahal metoda pemulusan sangat menentukan hasil perkiraan, yang kemudian dijadikan asupan dalam pengambilan keputusan penentuan dampak krisis yang menjadi salah satu dasar penetapan solusi krisis. Perubahan pada data yang tersedia dapat mengakibatkan perubahan hasil analisis krisis dan rekomendasi secara sangat signifikan. Kedekatan jarak antara waktu yang diperkirakan (diramalkan) dan data yang tersedia, lebih menjamin akurasi peramalan. Dalam ujicoba, perkiraan terhadap keadaan lebih dari tiga bulan dibandingkan dengan data yang tersedia, menghasilkan keluaran perkiraan yang cukup besar deviasinya.
134 Selain itu, komputasi setiap fungsi matematis (pada program komputer MATLAB, Microsoft Excel, maupun Delphi), menggunakan satuan waktu (hari) yang mengacu pada tanggal 1 Januari 1900. Hubungan antara waktu dengan data lain dalam semua fungsi pemulusan, dihitung dengan asumsi waktu (dalam satuan hari) yang dikalibrasikan terhadap tanggal 1 Januari 1900. Misalnya dalam perkiraan dengan persamaan y = f(x), maka harga x akan diproyeksikan pada hari ke y dihitung dari tanggal 1 Januari 1900. Hal lain yang menjadi catatan dalam rekayasa model CrismanSoft adalah satuan waktu perkiraan. Dalam model ini, perkiraan menggambarkan situasi umum pada bulan tertentu. Karena perhitungannya berbasis bulanan, dalam pelaksanaan operasional harian bisa terjadi penyimpangan terhadap hasil-hasil perkiraan. Misalnya pada perkiraan yang menggambarkan kekurangan pasokan eksternal bahan baku dalam bulan tertentu, bukan mustahil terjadi beberapa hari kelebihan pasokan eksternal. 9.2 Saran
Model ini dapat diimplementasikan pada industri tapioka yang sudah berjalan, dengan asumsi krisis yang ditelaah adalah krisis internal, pasokan bahan baku mencukupi industri tapioka di wilayah pengimplementasian, dan tersedia sumberdaya yang cukup guna eksekusi solusi yang direkomendasikan oleh model. Model dapat berfungsi dengan baik sepanjang (1) data yang tersedia cukup lengkap dan sesuai dengan lingkup dalam model, (2) operator atau penggunanya memiliki pemahaman dasar mengenai pemilihan metoda pemulusan yang diaplikasikan dalam CrismanSoft, (3) data mengenai pasokan bahan baku, pasokan air, pasokan bahan pembantu, pasokan bahan bakar, produksi tapioka maupun penjualan tapioka yang ada dalam CrismanSoft harus diganti dengan data dari perusahaan yang akan mengimplementasikan model ini dan (4) tersedia komputer PC Pentium III dengan RAM paling rendah 512 Mb dan hard disk setidaknya 20 Gb dengan memiliki instalasi piranti Microsoft Excel 2003, Microsoft Access 2003 dan MATLAB 7 atau yang lebih mutakhir. Penelitian mengenai manajemen krisis ini masih sangat terbuka. Pengembangan lanjutan terhadap model manajemen krisis CrismanSoft dapat dilakukan antara lain dengan memperluas ruang lingkupnya dan menyusun model dengan perkiraan yang lebih rinci sampai batas satuan waktu mingguan atau harian, yang tentunya memerlukan ekstensifikasi data.
DAFTAR PUSTAKA Augustine, N. R. (1995). Managing the Crisis You Tried to Prevent dalam Harvard Business Review, Nov/Dec 1995, p 147-158. Bartlett, C. A. dan Ghoshal, S. (1995). Changing the Role of Top Management dalam Harvard Business Review, May/June 1995, p 132-142. Barton, Laurence (1993). Crisis in Organizations: Managing and Communicating in the Heat of Chaos. Cincinnati (Ohio): South Western Publishing Co. Betz, F. (1993). Strategic Technology Management. New York: McGraw-Hill Inc. Begelow, J. (editor) (1991). Managerial Skills. Newbury Park (CA): Sage Publication. Blanchard, B. S. (1998). System Engineering Management (2nd ed). New York: John Wiley & Sons, Inc. Blanchard, B. S. & Fabrycky, W. J (1981). System Engineering and Analysis. Englewood Cliffs (NJ): Prentice Hall, Inc. Bojadziev, G & Bojadziev, M. (1999). Fuzzy Logic for Business, Finance and Management. Singapore: World Scientific. Booth, S. A. (1993). Crisis Management Strategy. London: Routledge. Boulton, D. (1978). The Lockheed Papers. London: Jonathan Cape. Brenneman, G. (1998). Right Away and All at Once: How We Saved Continental dalam Harvard Business Review, Sep/Oct 1998. Carson, J.S. (2002). Model Verification and Validation dalam Yucesan, E et al (editors), Proceeding of the 2002 Winter Simulation Conference. Coyle, R. G. (1995). System Dynamics Modeling. London: Chapman & Hall. Crandall, W. R. dan Menefee, ML, (1996). Crisis management in the Midst of Labor Strife: Preparing for the Worst dalam SAM Advanced Management Journal, Winter 1996. Vinton (Virginia): Society for Advancement of Management. Daihani, D.U. (2001). Komputerisasi Pengambilan Keputusan. Jakarta: PT Elex Media Komputindo. David, F.R. (1993). Strategic Management. New York: McMillan Pub. Co. Doherty, N.A. (2000). Integrated Risk Management. New York: McGraw-Hill Inc. Doherty, N.A. (1985). Corporate Risk Management. New York: McGraw-Hill Book Co. Dubois, D. & H. Prade (1980). Fuzzy Sets and Systems: Theory and Applications. New York: Academic Press. Durlach, N. I. & Mavor, A.S. (editors). (1994). Virtual Reality. Washington (DC): National Academy Press. Eriyatno (1998). Ilmu Sistem: Meningkatkan Mutu dan Efektifitas Manajemen. Bogor: IPB Press. Eriyatno (1998a). Manajemen Pada Situasi Krisis. Majalah Perencanaan pembangunan No 12/1998.
136 Ernst, C.J. (1988). Management Expert Systems. Wokingham (England): Addison-Wesley Pub. Co. Evans, JR & Olson, DL (2002). Simulation and Risk Analysis. Upper Saddle River (New Jersey): Prentice Hall. Fearn-Banks, K. (1996), Crisis Communications. Mahwah (NJ): Lawrence Erlbaum Assoc., Pub. Ferdinand, A (2002). Structural Equation Modeling dalam Penelitian Manajemen. Semarang: BP Undip. Fink, S. (1986), Crisis Management: Planning for the Inevitable. New York: Amacom. Gates, B & Hemingway, C. (2000). Business @ the Speed of Thought (terjemahan). Jakarta: Gramedia Pustaka Utama. Gittinger, J. P. (1986). Analisa Ekonomi Proyek-proyek Pertanian (terjemahan). Jakarta: UI Press. Glen, J. D. (1993). How Firms in Developing Countries Manage Risk. Washington (DC): The World Bank. Goldsmith, M dan Beckhard, R, The Organization of the Future. San Francisco: JosseyBass Pub. Gonzales-Herrero, A dan Pratt, C.B. (1995). How to Manage Crisis Before or Whenever It Hits dalam Public Relation Quarterly, Spring 1995. Gottschalk, J. A. (editor) (1993). Crisis Response. Detroit: Visible Ink. Graham, K. (1991). Crisis Management: Planning and Coping Internationally dalam Nally, M. International Public Relation in Practice. London (UK): Kogan Page. Hambrick, D.C. dan Cannella, A. A. Jr (1994). Strategic Convergence dalam Hardy, C. Managing Strategic Action. Newbury Park (CA): Sage Publication. Harmon, P., Maus, R. & Morrissey, W. (1988). Expert Systems Tools and Applications. New York: John Wiley & Sons, Inc. Hendricks, W. (2000). Bagaimana Mengelola Konflik (terjemahan). Jakarta: Bhumi Aksara. Hill, L & Wetlaufer, S. (1998). Leadership When There Is No One to Ask dalam Harvard Business Review, Jul/Aug 1998. Honeycutt, J (2000). Knowledge Management Strategies-Strategi Pengetahuan. Jakarta: PT Elex Media Komputindo.
Manajemen
Humprey, J. & Kaolinsky, R. (1998). Corporate Restructuring. New Delhi: Response Books. Hurst, D. K. (1995). Crisis and Renewal. Boston: Harvard Business School Press. Indrajit, R. I. (2000). Manajemen Sistem Informasi dan Teknologi Informasi. Jakarta: Elex Media Komputindo. Isselbacher, KJ & Upton, AC (editors). (1994). Science and Judgment in Risk Assessment. Washington (DC): National Academy Press. Jackson, M. C. (2000). Systems Approaches to Management. New York: Kluwer Academic/Plenum Publishers.
137 Jackson, P & Center, A. H. (1995). Public Relation Practices. Upper Saddle River (New Jersey): Prentice Hall. Jang, J..S. R, & Sun, C.T. (1997). Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. New York: Prentice Hall. Janis, I.J. (1989). Crucial Decisions: Leadership in Policymaking and Crisis Management. New York: the Free Press. Jeffkins, F. (1987). Public Relation for Your Business. London (UK): Mercury Books. Kahaner, L. (1998). Competitive Intelligence (terjemahan). Jakarta: PT Prenhallindo. Kaufmann, A. & Gupta, M. (1988). Fuzzy Mathematical Models in Engineering and Management Science. Amsterdam: Elsevier Science Publishers B.V. Kaufmann, A. (1968). The Science of Decision Making. London: World University Library. Kendall, K.E. & Kendall, J.E. (2002). Systems Analisis and Design. Upper Saddle River (NJ): Pearson Education Inc. Kennedy, K. (chair editor), (1996) Computing and Communications in the Extreme. Washington (DC): National Academy Press. Kosasi, S. (2002). Sistem Penunjang Keputusan. Jakarta: Ditjen Dikti, Departemen Pendidikan Nasional. Kreitner, R. (1986). Management. Boston: Houghton Mifflin Kusumadewi, S. (2003). Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu. Law, AM & Kelton, WD (1991). Simulation Modeling and Analysis. New York: McGraw-Hill Leigh, W. E. & Doherty, M. E. (1986). Decision Support and Expert Systems. Cincinnati: South-Western Publishing Co. Lerbinger, O. (1997). The Crisis Manager. Mahwah (NJ): Lawrence Erlbaum Ass. Publishers. Levin, R.I. et al. (2000). Pengambilan Keputusan Secara Kuantitatif Edisi ke 7. Jakarta: PT Radja Grafindo Persada. Levin, R.I.; Drang, D.E. & Edelson, B. (1990). AI and Expert Systems (2nd ed.). New York: McGraw-Hill Inc. Lippitt, G. L. (1994). Managing Conflict in Today’s Organization dalam Mainiero & Tromley. Developing Managerial Skills in Organizational Behaviour. Englewood Cliffs (NJ): Prentice Hall. Lootsma, F.A. (1993). Scale Sensitivity in the Multiplicative AHP and SMART, Journal of Multi-Criteria Decision Analysis 2, 87-110 Makridakis, S., Wheelwright, SC. & McGee, VE. (1983). Forecasting: Metods and Applications. New York: John Wiley & Sons. Mallozzi, C. (1994). Facing the Danger Zone in Crisis Communication. Risk Management. January 1994.
138 Mamdani, E.H. (1977). "Applications of fuzzy logic to approximate reasoning using linguistic synthesis," IEEE Transactions on Computers, Vol. 26, No. 12, pp. 11821191, 1977. Mamdani, E.H. (1976). "Advances in the linguistic synthesis of fuzzy controllers," International Journal of Man-Machine Studies, Vol. 8, pp. 669-678, 1976. Marimin (2004). Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. Jakarta: Grasindo. Marimin (2002). Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. Bogor: IPB Press dan Program Pascasarjana IPB. Martis, MS. (2006). Validation of Simulation Based Models: A Theoretical Outlook. The Electronic Journal of Business Research Methods Vol 4-1, pp 39-46. McKenney, J.L. (1995). Wave of Changes. Boston (MA): Harvard Business School Press. McLeod, R. H. & Garnaut, R. (editors) (1998). East Asia in Crisis. London: Routledge. McLeod, R. Jr (2001). Sistem Informasi Manajemen (terjemahan). Jakarta: PT Prehallindo. Midgley, G. (2000). Systemic Intervention. New York: Kluwer Academic. Miller, D. (1988). Organizational Pathology and Industrial Crisis dalam Industrial Crisis Quarterly, Mar 1988, v2 no 1, p. 65-74. Mitroff, I.I, Pearson, C.M. & Harrington, I.K. (1996). The Essential Guide to Managing Corporate Crises. New York: Oxford University Press. Mitroff, I. I. (2001). Managing Crises. New York: Amacom. Moscovici, S & Doise, W. (1994). Conflict & Consensus. London: Sage Publications. Pauchant, T. & Mitroff, I. (1992). Transforming the Crisis Prone Organization. San Francisco: Jossey-Bass. Perrow, C. (1984). Normal Accidents. New York: Basic Book. Purcell, W.D. (1991). Agricultural Futures & Options. New York: Macmillan Pub. Co. Quanjel, MMH et al (1998). CRISISLAB, Evaluation and Improvement of Crisis management Through Simulation/Gaming dalam Simulation & Gaming, Dec 1998 v29 i4 p450(1) Saaty, T. L. (1996), Decision Making with Dependence and Feedback: The Analytic Network Process. Pittsburgh, USA: RWS Publications. Saaty, T. L. (1993), Pengambilan Keputusan Bagi Para Pemimpin, Seri Manajemen No.134. Jakarta: PT Pustaka Binaman Pressindo. Salusu, J. (1996). Pengambilan Keputusan Stratejik. Jakarta: Grasindo. Sargent, R. (2005). Verification and Validation of Simulation Models dalam Kuhl, ME et al (editors), Proceeding of the 2005 Winter Simulation Conference. Sargent, R. (2000). Verification, Validation and Accreditation of Simulation Models dalam Joines, JA et al (editors), Proceeding of the 2000 Winter Simulation Conference.
139 Schmucker, K.J. (1984). Fuzzy Sets, Natural Language Computations, and Risk Analysis. Rockville (Maryland): Computer Science Press. Schonberger, R.J. (2001). Let’s Fix It: Overcoming the Crisis in Manufacturing. New York: the Free Press. Selbst, P. (1978). The Containment and Control of Organizational Crises, dalam Sutherland, J (ed), Management Handbook for Public Administrators. New York: Van Nostrand. Sharma, A & Kesner, I.F. (1997). When an Executive Defects dalam Harvard Business Review, Jan/Feb 1997. Shrivastava, P. (1987). Bhopal: Anatomy of Crisis. Cambridge (MA): Bollinger. Stevenson, W.J. (1999). Production Operation Management. Boston: Irwin McGraw-Hill. Sugiarto dan Harijono. (2000). Peramalan Bisnis. Jakarta: PT Gramedia Pustaka Utama. Turban, E dan Aronson, JE (2001). Decision Support Systems and Intelligent Systems. Upper Saddle River (New Jersey): Prentice Hall. White, J & Mazur, L. (1998), Strategic Communications Management. Harlow (UK): Addison-Wesley Pub. Co. Whitten, J.L., Bentley, L.D., & Dittman, KC (2004). Metoda Disain dan Analisis Sistem (terjemahan edisi 6). Yogyakarta: Penerbit Andi. Wilkins, L. & Patterson, P. (1991). Risky Business. New York: Greenwood Press. Wright, P., Kroll, M.J. & Parnell. J. (1996). Strategic Management: Concepts & Cases. Eaglewood Cliffs (NJ): Prentice Hall. Zeleny, M. (1982). Multiple Criteria Decision Making. New York: McGraw-Hill Book Co. Zhu, Z (1999). Systems Approaches: Where the East Meets the West? dalam World Future vol 53, pp 253-276
DAFTAR BACAAN Assauri, S. (1999). Manajemen Produksi dan Operasi. Jakarta: Lembaga Penerbitan FEUI. Bezdec, J.C. (1981). Pattern Recognition with fuzzy Objective Function Algorithms, Plenum Press, New York,. Bornschier, V. & Chase-Dunn, C., editors. (1999). The Future of Global Conflict. London: Sage Publication Ltd. Chiu, S., (1994). "Fuzzy Model Identification Based on Cluster Estimation," Journal of Intelligent & Fuzzy Systems, Vol. 2, No. 3, Sept. 1994. Craib, I. (1992). Modern Social Theory: From Parsons to Habermas. Hemel Hempstead: Harvester-Wheatsheaf. Everaert, P. J. (1997). Emotions, Tempo and Timing in Managing People dalam Hesselbein, F; Goldsmith, M dan Beckhard, R, The Organization of the Future. San Francisco: Jossey-Bass Pub. Gattiker, U. E. (1990) Technology Management in Organizations. Newbury Park: Sage Publications. Gray, C et al. (1992). Pengantar Evaluasi Proyek. Jakarta: Gramedia. Gumbira-Sa’id, E., Rachmayanti dan Muttaqin, M. Z. (2001). Manajemen Teknologi Agribisnis. Jakarta: PT Ghalia dan MMA IPB. Gumbira-Sa’id, E. dan Intan, A. H. (2001). Manajemen Agribisnis. Jakarta: PT Ghalia dan MMA IPB. Hammer, M. (1997). The Soul of the New Organization dalam Hesselbein, F; Goldsmith, M dan Beckhard, R, The Organization of the Future. San Francisco: Jossey-Bass Pub. Hardy, C. (editor) (1994). Managing Strategic Action. Newbury Park (CA): Sage Publication. Hastings, D.F. (1999). Lincoln Electric Harsh: Lesson from International Expansion dalam Harvard Business Review, May/Jun 1999. Hesselbein, F. Goldsmith, M. & Beckhard, R. (editors) (1997). The Organization of the Future. San Francisco: Jossey-Bass Publishers. Holloway, J., Lewis, J. & Mallory, G. (editors) (1995). Performance Measurement and Evaluation. London: Sage Publications. Jamaran, I. (2003). Kebijakan Pengembangan Teknologi dalam Strategi Pengembangan Agroindustri. Makalah dalam Diskusi Panel Nasional Catur Dasawarsa FTP-UGM, Maret 2003. Jakarta. Jones, G. R. (1997). Creating a Leadership Organization with a Learning Mission dalam Hesselbein, F; Goldsmith, M dan Beckhard, R, The Organization of the Future. San Francisco: Jossey-Bass Pub. Kronke, D. (1989). Management Information Systems. New York: Mitchell McGraw-Hill. Kustanto, Heru dan Marimin (2000). Interpretative Structural Modeling (ISM): Teori dan Penerapannya pada Manajemen Agroindustri. Bogor: Program Studi Teknologi Industri Pertanian, Program Pascasarjana IPB.
141 Mainiero, L.A. & Tromley, C.L. (editors), (1994). Developing Managerial Skills in Organizational Behaviour. Englewood Cliffs (NJ): Prentice Hall. Marimin (1999). Penyelesaian Persoalan AHP dengan Criterium Decision Plus. Bogor: Fakultas Teknologi Pertanian-IPB. Marimin; Umano, M.; Hatono, I. & Tamura, H. (1998). Linguistic Labels for Expressing fuzzy Preference Relation in fuzzy Group Decision Making. IEEE Publication No 1083-4419(98)00218-0. Marimin; Eriyatno; Muktirizka, SA dan Tamura, Hiroyuki. (1995). Expert System for Product-Advertising-Strategy Development dalam Journal of Intelligent and fuzzy System Vol 3, 107-110. New York: John Willey & Sons. Inc. McLeod, R. Jr (2001). Sistem Informasi Manajemen (terjemahan). Jakarta: PT Prehallindo. Meyers, G. dan Holusha, J. (1988). Managing Crisis. London: Unwin. Monke, E.A., & Pearson, S.R. (1989). The Policy Analysis Matrix for Agricultural Development. Ithaca (NY): Cornell University Press. Mulyono, S. (1996). Teori Pengambilan Keputusan. Jakarta: Lembaga Penerbit Fakultas Ekonomi UI. Munter, M. (1992). Guide to Managerial Communication. Englewood Cliffs (NJ): Prentice Hall. Nally, M. (editor) (1991), International Public Relation in Practice. London (UK): Kogan Page. Preble, J. F. (1994). Handling International Disasters: Lessons for Management dalam International Journal of Management Mar 1994, v11 N0 1, p. 550-561 Pritsker, AAB (1984). Introduction to Simulation and SLAM II. New York: Halsted Press. Rangkuti, F. (2000). Business Plan: Teknik Membuat Perencanaan Bisnis & Analisis Kasus. Jakarta: PT Gramedia. Roberts, A.R. (editor) (1996). Crisis Management and Brief Treatment. Chicago: NelsonHall Publishers. Rodgers, T.J., Taylor, W dan Foreman, R. (1992). No Excuses Management. New York: Currency & Doubleday. Rogan, R.D., Hammer, M.R. & Zandt, C.R.V (1997). Dynamic Process of Crisis Negotiation. Westport (Connecticut): Praeger Publishers. Salya, D.H. (2006). Rekayasa Model Sistem Deteksi Dini Perniagaan Minyak Goreng Kelapa Sawit. Disertasi Doktor Teknologi Industri Pertanian, Sekolah Pascasarjana IPB (tidak dipublikasikan). Saragih, B. (2001). Agribisnis: Paradigma Baru Pembangunan Berbasis Pertanian edisi kedua. Bogor: Yayasan Mulia Persada Indonesia dll. Scott, G.M. (1986). Principles of Management Information Systems. New York: McGrawHill Book Co. Shepherd, A. (1998). Sustainable Rural Development. New York: St. Martin‘s Press.
142 Siagian, R. (1999). Pengantar Manajemen Agribisnis. Yogyakarta: Gadjah Mada University Press. Smith, N.C., Thomas, R.J. & Quelch, J.A. (1996). A Strategic Approach to Managing Product Recalls dalam Harvard Business Review, Sep/Oct 1996. Sonnenfeld, S. (1994). Media Policy-What Media Policy? dalam Harvard Business Review, Jul/Aug 1994. Soekartawi (2000). Pengantar Agroindustri. Jakarta: Raja Grafindo Persada. Sutojo, S. (2000). Studi Kelayakan Proyek: Konsep, Teknik & Kasus. Jakarta: Dunia Mulia Pustaka. Thomas, R. R. Jr. (1997) Diversity and Organizations of the Future dalam Hesselbein, Goldsmith dan Beckhard, The Organization of the Future. San Francisco: JosseyBass Pub. Tjokroadikoesoemo, PS. (1986). HFS dan Industri Ubikayu Lainnya. Jakarta: Gramedia. Underwood, L (1994). Intelligent Manufacturing. Wokingham (England): AddisonWesley Publishing Co. Utterback, J. M. (1994). Mastering Dynamics of Innovation. Boston: Harvard Business School Press. Wetlaufer, S. (1998). After the Layoffs, What Next? dalam Harvard Business Review, Sep/Oct 1998. Williams, C. A. Jr, Smith, M. L. & Young, P. C. (1995). Risk Management and Insurance (7th edition). New York: McGraw-Hill Inc. Willmott, H. (1989). OR as a problem situation: from soft systems methodology to critical science, dalam Operational Research and the Social Science, MC Jackson, P Keys dan SA Cropper (editor), New York: Plenum Wright, P., Kroll, M.J. & Parnell. J. (1996). Strategic Management: Concepts & Cases. Eaglewood Cliffs (NJ): Prentice Hall.
LAMPIRAN
Lampiran 1. Angket Penilaian Krisis Mohon Anda memberi penilaian terhadap kondisi sebenarnya mengenai masing-masing kriteria yang ditetapkan dengan membubuhkan tanda silang pada kolom yang bersesuaian. I. Analisis Bahan Baku dan Produk No
Penilaian
Kriteria
Sangat Tinggi
1 Tingkat ketergantungan budidaya bahan baku pada iklim dan cuaca ketergantungan pasok bahan baku terhadap pihak luar atau 2 Tingkat petani 3 Tingkat ketidakpastian pasok bahan baku dari pihak luar atau petani 4 Tingkat hambatan transportasi bahan baku dari sumber atau petani 5 Tingkat kelangkaan pasok bahan baku dari kebun sendiri 6 Tingkat fluktuasi harga bahan baku kekurangan atau kelangkaan bahan baku terhadap 7 Dampak terhentinya proses produksi kemampuan perusahaan tapioka menghadapi kelangkaan 8 Tingkat suplai bahan baku dari petani 9 Tingkat kelangkaan pengganti bahan baku 10 Tingkat kelangkaan teknologi perpanjangan masa simpan bahan baku 11 Tingkat kelangkaan teknologi perpanjangan masa simpan produk 12 Dampak impor tapioka terhadap pasar produk dalam negeri kemampuan perusahaan tapioka mengatasi ancaman tapioka 13 Tingkat impor 14 Peluang kehadiran cuaca buruk 15 Peluang terjadinya kelangkaan atau kekurangan pasok bahan baku 16 Peluang petani menjual bahan baku kepada pabrik tapioka lain 17 Peluang terjadinya krisis pemasaran terjadinya impor tapioka yang mengancam kelancaran 18 Peluang produksi tapioka
Tinggi
Sedang Rendah Sangat Rendah
81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20%
II. Analisis Sosial No
Kriteria
1 Tingkat keresahan karyawan 2 Tingkat ketidakpuasan karyawan Tingkat hambatan atau pembatasan yang ditimbulkan oleh peraturan 3 perundangan mengenai hubungan pihak perusahaan dengan masyarakat maupun lingkungan sekitar kesulitan mendapatkan sumber daya manusia yang 4 Tingkat diperlukan bagi proses produksi 5 Dampak keresahan karyawan terhadap produktivitas kerja 6 Dampak ketidakpuasan karyawan terhadap produktivitas kerja Dampak hambatan atau pembatasan yang ditimbulkan oleh 7 peraturan perundangan terhadap hubungan pihak perusahaan dengan masyarakat maupun lingkungan sekitar pengunduran diri karyawan tetap terhadap produktivitas 8 Dampak perusahaan 9 Dampak pemogokan karyawan terhadap produktivitas perusahaan 10 Dampak aksi kekerasan terhadap produktivitas perusahaan ancaman, teror dan kerusuhan di perusahaan terhadap 11 Dampak produktivitas perusahaan kejadian pelanggaran hukum oleh perusahaan terhadap 12 Dampak keberlangsungan usaha pelanggaran hukum oleh anggota direksi perusahaan 13 Dampak terhadap keberlangsungan usaha pertikaian atau hubungan negatif dengan masyarakat 14 Dampak sekitar terhadap keberlangsungan usaha 15 Dampak perusakan atau pencemaran lingkungan akibat kegiatan
Sangat Tinggi
Penilaian Tinggi Sedang Rendah Sangat Rendah
145 No
Penilaian
Kriteria
Sangat Tinggi
perusahaan terhadap keberlangsungan usaha Dampak pemberitaan negatif tentang perusahaan terhadap 16 keberlangsungan usaha Tingkat pengunduran diri karyawan tetap per tahun (per 100 17 karyawan di perusahaan) frekuensi terjadinya pemogokan karyawan (jumlah hari 18 Tingkat selama setahun terakhir) frekuensi terjadinya aksi kekerasan (jumlah kejadian selama 19 Tingkat tiga tahun terakhir) frekuensi kemunculan ancaman, teror dan kerusuhan di 20 Tingkat perusahaan (jumlah kejadian selama tiga tahun terakhir) frekuensi pelanggaran hukum oleh perusahaan (jumlah 21 Tingkat kejadian selama tiga tahun terakhir) frekuensi pelanggaran hukum oleh anggota direksi 22 Tingkat perusahaan (jumlah kejadian selama tiga tahun terakhir) pertikaian atau hubungan negatif dengan masyarakat sekitar 23 Tingkat (jumlah kejadian selama tiga tahun terakhir) potensi perusakan atau pencemaran lingkungan akibat 24 Tingkat kegiatan perusahaan (jumlah kejadian selama tiga tahun terakhir) frekuensi pemberitaan negatif tentang perusahaan (jumlah 25 Tingkat kejadian selama tiga tahun terakhir) 26 Peluang terjadinya pemogokan karyawan 27 Peluang terjadinya aksi kekerasan 28 Peluang kemunculan ancaman, teror dan kerusuhan di perusahaan 29 Peluang terjadinya pelanggaran hukum oleh perusahaan terjadinya pelanggaran hukum oleh anggota direksi 30 Peluang perusahaan Peluang terjadinya pertikaian atau hubungan negatif dengan 31 masyarakat sekitar Peluang terjadinya 32 kegiatan perusahaanperusakan atau pencemaran lingkungan akibat 33 Peluang munculnya pemberitaan negatif tentang perusahaan
Tinggi Sedang Rendah Sangat Rendah
>10
8-10
5-7
3-5
0-2
>30
15-30
8-14
4-7
0-3
>12
7-12
4-6
2-3
0-1
>12
7-12
4-6
2-3
0-1
>12
7-12
4-6
2-3
0-1
>12
7-12
4-6
2-3
0-1
>12
7-12
4-6
2-3
0-1
>12
7-12
4-6
2-3
0-1
>12
7-12
4-6
2-3
0-1
81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20%
III. Analisis Teknologi dan Utilitas No
Kriteria
1 Tingkat hambatan terhadap pasok peralatan utama produksi hambatan terhadap pasok sukucadang utama yang 2 Tingkat diperlukan bagi kelancaran produksi kelangkaan atau hambatan terhadap pasok bahan bakar 3 Tingkat atau sumber daya energi hambatan bagi perbaikan kerusakan peralatan utama 4 Tingkat produksi kelangkaan cadangan bagi peralatan utama yang 5 Tingkat diperlukan dalam proses produksi hambatan yang ditimbulkan oleh kegagalan atau 6 Tingkat kerusakan peralatan kelangkaan atau hambatan pasok air bagi keperluan 7 Tingkat produksi 8 Tingkat ketergantungan perawatan teknologi pada pihak lain kesulitan memperoleh layanan jasa perbaikan peralatan 9 Tingkat atau teknologi yang digunakan perusahaan Tingkat hambatan atau pembatasan peraturan perundangan 10 dalam pendatangan atau penggunaan teknologi Dampak kelangkaan atau hambatan terhadap pasok peralatan 11 utama terhadap kelancaran produksi Dampak hambatan sukucadang utama yang diperlukan 12 terhadap kelancaranpasok produksi kelangkaan atau hambatan pasok bahan bakar atau 13 Dampak sumber daya energi terhadap kelancaran produksi
Penilaian Sangat Tinggi
Tinggi
Sedang Rendah Sangat Rendah
146 No
Kriteria
Penilaian Sangat Tinggi
Tinggi
Sedang Rendah Sangat Rendah
hambatan bagi perbaikan kerusakan peralatan utama 14 Dampak terhadap kelancaran produksi kelangkaan cadangan bagi peralatan utama yang 15 Dampak diperlukan terhadap kelancaran proses produksi kegagalan atau kerusakan peralatan terhadap 16 Dampak kelancaran produksi kelangkaan atau hambatan pasok air bagi kelancaran 17 Dampak proses produksi kelangkaan jasa perawatan teknologi oleh pihak lain 18 Dampak terhadap kelancaran proses produksi kelangkaan layanan jasa perbaikan peralatan atau 19 Dampak teknologi terhadap kelancaran produksi Dampak hambatan atau pembatasan peraturan perundangan 20 dalam pendatangan atau penggunaan teknologi terhadap kelancaran produksi terjadinya kelangkaan atau hambatan terhadap pasok 21 Peluang peralatan utama produksi terjadinya hambatan terhadap pasok sukucadang utama 22 Peluang yang diperlukan bagi kelancaran produksi terjadinya kelangkaan atau hambatan terhadap pasok 23 Peluang bahan bakar atau sumber daya energi terjadinya hambatan bagi perbaikan kerusakan 24 Peluang peralatan utama produksi terjadinya kelangkaan cadangan bagi peralatan utama 25 Peluang yang diperlukan dalam proses produksi terjadinya hambatan produksi yang ditimbulkan oleh 26 Peluang kegagalan atau kerusakan peralatan terjadinya kelangkaan atau hambatan pasok air bagi 27 Peluang keperluan produksi terhentinya produksi akibat kelangkaan jasa perawatan 28 Peluang teknologi oleh pihak lain tidak diperolehnya layanan jasa perbaikan peralatan 29 Peluang atau teknologi yang diperlukan perusahaan terjadinya hambatan atau pembatasan peraturan 30 Peluang perundangan dalam pendatangan atau penggunaan teknologi
81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20% 81-100% 61-80% 41-60% 21-40% 0-20%
____________, Tanggal_____________ Nama Jabatan Lembaga Alamat Alamat Telp HP/Fax
: ________________________ : ________________________ : ________________________ : ________________________________________________________________ : ________________________________________________________________ : ________________________________________________________________ ________________________
Lampiran 2. Angket Alternatif Solusi Krisis Mohon Anda menyajikan pilihan solusi terhadap kemungkinan terjadinya krisis sebagaimana yang dikemukakan pada masing-masing pertanyaan. I. Krisis Bahan Baku dan Produk No
Krisis Produksi terganggu atau 1 bahan baku atau ubikayuterhenti akibat kelangkaan Produksi terganggu atau terhenti akibat harga bahan 2 baku terlalu tinggi Produksi terganggu atau terhenti akibat hambatan 3 transportasi bahan baku dari sumber atau petani 4 Produksi terganggu akibat kelebihan bahan baku terganggu atau terhenti akibat tingginya 5 Produksi fluktuasi harga bahan baku 6 Produksi terganggu atau terhenti akibat gudang penuh terganggu atau terhenti akibat kelangkaan 7 Produksi suku cadang penting terganggu atau terhenti akibat kelesuan 8 Produksi pasar terganggu atau terhenti akibat pasar tapioka 9 Produksi dalam negeri dibanjiri tapioka impor Produksi terganggu atau terhenti akibat hambatan 10 transportasi hasil produksi
Solusi
II. Krisis Sosial No
Krisis Produksi terganggu atau terhenti akibat karyawan 1 resah Produksi terganggu atau terhenti akibat karyawan 2 tidak puas Produksi atau terhenti karena banyak 3 karyawanterganggu penting yang mengundurkan diri terganggu atau terhenti akibat pemogokan 4 Produksi karyawan terganggu atau terhenti karena aksi 5 Produktivitas kekerasan di perusahaan terganggu atau terhenti karena 6 Produktivitas ancaman, teror dan kerusuhan di perusahaan Produksi terganggu atau terhenti akibat hubungan 7 pihak perusahaan dengan masyarakat maupun lingkungan sekitar memburuk Produksi terganggu atau terhenti akibat peraturan 8 perundangan menimbulkan hambatan atau pembatasan terhadap produktivitas pabrik Produksi terganggu atau terhenti akibat perusahaan 9 terbukti melakukan pelanggaran hukum Produksi terganggu atau terhenti akibat Direksi atau 10 manajemen terbukti melakukan pelanggaran hukum Produksi terganggu atau terhenti akibat citra negatif 11 perusahaan berkembang Produksi terganggu atau terhenti akibat perusahaan 12 terbukti mengakibatkan pencemaran lingkungan
Solusi
III. Krisis Teknologi dan Utilitas No
Krisis Produksi terganggu atau terhenti akibat kelangkaan 1 peralatan utama dalam pengolahan terganggu atau terhenti akibat kelangkaan 2 Produksi suku cadang utama dalam pengolahan terganggu atau terhenti akibat kelangkaan 3 Produksi atau hambatan terhadap pasok bahan bakar dan/atau
Solusi
148 No
Krisis sumberdaya energi terganggu atau terhenti akibat kerusakan 4 Produksi peralatan utama produksi terhenti akibat kekurangan atau kelangkaan 5 Produksi pasok air bagi keperluan produksi Produksi terganggu atau terhenti akibat hambatan atau 6 pembatasan peraturan perundangan dalam pengadaan teknologi atau peralatan terganggu atau terhenti akibat kelangkaan 7 Produksi jasa perawatan peralatan terganggu atau terhenti akibat karena 8 Produksi perusahaan kebakaran Produksi terganggu atau terhenti akibat harga bahan 9 bakar terlalu tinggi
Solusi
IV. Krisis Finansial No
Krisis Produksi terganggu atau terhenti akibat perusahaan 1 kekurangan dana pembayar gaji Produksi terganggu atau terhenti akibat perusahaan 2 merugi terus menerus Produksi terganggu atau terhenti akibat perusahaan 3P tidak mampu membeli bahan baku Produksi terganggu atau terhenti akibat perusahaan 4 tidak bisa membayar angsuran utang Produksi terganggu atau terhenti akibat perusahaan 5 tidak mampu membeli bahan bakar Produksi terganggu atau terhenti akibat perusahaan 6 tidak mampu membeli suku cadang utama Produksi terganggu atau terhenti akibat perusahaan 7 tidak mampu memperbaiki kerusakan peralatan utama
Solusi
____________, Tanggal_____________ Nama Jabatan Lembaga Alamat Kantor Alamat Rumah Telp HP/Fax
: ________________________ : ________________________ : ________________________ : ________________________________________________________________ : ________________________________________________________________ : ________________________________________________________________ ________________________
Lampiran 3. Hasil Angket Penilaian Krisis I. Analisis Bahan Baku dan Produk Penilaian No
Kriteria
ketergantungan budidaya bahan baku pada 1 Tingkat iklim dan cuaca ketergantungan pasok bahan baku terhadap 2 Tingkat pihak luar atau petani ketidakpastian pasok bahan baku dari pihak luar 3 Tingkat atau petani hambatan transportasi bahan baku dari sumber 4 Tingkat atau petani kelangkaan pasok bahan baku dari kebun 5 Tingkat sendiri 6 Tingkat fluktuasi harga bahan baku kekurangan atau kelangkaan bahan baku 7 Dampak terhadap terhentinya proses produksi kemampuan perusahaan tapioka menghadapi 8 Tingkat kelangkaan suplai bahan baku dari petani 9 Tingkat kelangkaan pengganti bahan baku kelangkaan teknologi perpanjangan masa 10 Tingkat simpan bahan baku kelangkaan teknologi perpanjangan masa 11 Tingkat simpan produk impor tapioka terhadap pasar produk dalam 12 Dampak negeri kemampuan perusahaan tapioka mengatasi 13 Tingkat ancaman tapioka impor 14 Peluang kehadiran cuaca buruk terjadinya kelangkaan atau kekurangan pasok 15 Peluang bahan baku petani menjual bahan baku kepada pabrik 16 Peluang tapioka lain 17 Peluang terjadinya krisis pemasaran terjadinya impor tapioka yang mengancam 18 Peluang kelancaran produksi tapioka
Agregasi Modus /rata- Pembulatan rata
P1
P2
P3
P4
P5
M
M
T
ST
T
3.8
4
ST
ST
T
ST
ST
5
5
M
T
T
ST
ST
4.2
4
R
M
SR
M
M
3
3
T
ST
T
ST
ST
5
5
M
T
M
M
T
3
3
M
ST
ST
ST
ST
5
5
R
R
R
R
SR
2
2
T
ST
ST
ST
ST
5
5
T
ST
ST
M
ST
5
5
R
SR
ST
R
SR
2.2
2
T
T
ST
ST
T
4
4
R
SR
SR
SR
R
1
1
41-60%
0-20%
81-100%
41-60%
61-80%
3
3
41-60%
41-60%
41-60%
81-100%
61-80%
3
3
61-80%
81-100%
41-60%
61-80%
81-100%
4.2
4
21-40%
41-60%
41-60%
61-80%
41-60%
3
3
21-40%
21-40%
41-60%
81-100%
41-60%
3
3
Rata-rata
4
II. Analisis Sosial No
Kriteria
Penilaian P1
P2
P3
P4
P5
Agregasi Modus/ Pembulatan rata-rata
1
Tingkat keresahan karyawan
R
R
R
R
R
2
2
2
Tingkat ketidakpuasan karyawan
R
M
R
M
R
2
2
3
Tingkat hambatan atau pembatasan yang ditimbulkan oleh peraturan perundangan mengenai hubungan pihak perusahaan dengan masyarakat maupun lingkungan sekitar
M
R
R
R
M
2
2
4
Tingkat kesulitan mendapatkan sumber daya manusia yang diperlukan bagi proses produksi
R
R
R
R
M
2
2
5
Dampak keresahan karyawan terhadap produktivitas kerja
R
M
SR
R
M
2.2
2
6
Dampak ketidakpuasan karyawan terhadap produktivitas kerja
R
M
SR
R
M
2.2
2
7
Dampak hambatan atau pembatasan yang ditimbulkan oleh peraturan perundangan terhadap hubungan pihak perusahaan dengan masyarakat maupun lingkungan sekitar
R
R
SR
R
T
2
2
8
Dampak pengunduran diri karyawan tetap terhadap produktivitas perusahaan
R
R
SR
SR
T
2
2
9
Dampak pemogokan karyawan terhadap produktivitas perusahaan
R
ST
SR
R
T
2
2
R
ST
SR
SR
M
1
1
10 Dampak aksi kekerasan terhadap produktivitas perusahaan
150 No
Kriteria
11
Penilaian
Agregasi Modus/ Pembulatan rata-rata
P1
P2
P3
P4
P5
Dampak ancaman, teror dan kerusuhan di perusahaan terhadap produktivitas perusahaan
R
T
SR
M
M
3
3
12
Dampak kejadian pelanggaran hukum oleh perusahaan terhadap keberlangsungan usaha
R
T
SR
SR
M
1
1
13
Dampak pelanggaran hukum oleh anggota direksi perusahaan terhadap keberlangsungan usaha
R
R
SR
SR
M
1.8
2
14
Dampak pertikaian atau hubungan negatif dengan masyarakat sekitar terhadap keberlangsungan usaha
R
T
SR
M
M
3
3
15
Dampak perusakan atau pencemaran lingkungan akibat kegiatan perusahaan terhadap keberlangsungan usaha
R
SR
SR
M
R
1.8
2
16
Dampak pemberitaan keberlangsungan usaha
R
R
SR
R
SR
2
2
17
Tingkat pengunduran diri karyawan tetap per tahun (per 100 karyawan di perusahaan)
3-5
0-2
0-2
0-2
0-2
2
2
18
Tingkat frekuensi terjadinya pemogokan karyawan (jumlah hari selama setahun terakhir)
0-3
0-3
0-3
0-3
0-3
3
3
19
Tingkat frekuensi terjadinya aksi kekerasan (jumlah kejadian selama tiga tahun terakhir)
0-1
0-1
0-1
2-3
2-3
1
1
20
Tingkat frekuensi kemunculan ancaman, teror dan kerusuhan di perusahaan (jumlah kejadian selama tiga tahun terakhir)
2-3
0-1
0-1
2-3
0-1
1
1
21
Tingkat frekuensi pelanggaran hukum oleh perusahaan (jumlah kejadian selama tiga tahun terakhir)
2-3
0-1
0-1
0-1
0-1
1
1
22
Tingkat frekuensi pelanggaran hukum oleh anggota direksi perusahaan (jumlah kejadian selama tiga tahun terakhir)
2-3
0-1
0-1
0-1
0-1
1
1
23
Tingkat pertikaian atau hubungan negatif dengan masyarakat sekitar (jumlah kejadian selama tiga tahun terakhir)
2-3
0-1
0-1
0-1
2-3
1
1
24
Tingkat potensi perusakan atau pencemaran lingkungan akibat kegiatan perusahaan (jumlah kejadian selama tiga tahun terakhir)
2-3
0-1
0-1
0-1
2-3
1
1
25
Tingkat frekuensi pemberitaan negatif tentang perusahaan (jumlah kejadian selama tiga tahun terakhir)
2-3
0-1
0-1
0-1
2-3
1
1
0-20%
negatif
tentang
perusahaan
terhadap
26 Peluang terjadinya pemogokan karyawan
0-20%
0-20%
0-20%
21-40%
1
1
27 Peluang terjadinya aksi kekerasan
0-20%
21-40% 0-20% 21-40%
21-40%
2
2
28 Peluang kemunculan ancaman, teror dan kerusuhan di perusahaan
0-20%
0-20%
0-20% 21-40%
0-20%
1
1
29 Peluang terjadinya pelanggaran hukum oleh perusahaan
21-40%
0-20%
0-20%
0-20%
21-40%
1
1
30 Peluang terjadinya pelanggaran hukum oleh anggota direksi perusahaan 21-40%
0-20%
0-20%
0-20%
21-40%
1
1
21-40% 21-40% 0-20% 21-40%
41-60%
2
2
Peluang terjadinya perusakan atau pencemaran lingkungan akibat 21-40% 21-40% 0-20% 21-40% kegiatan perusahaan
61-80%
2
2
1
1
Peluang terjadinya 31 masyarakat sekitar 32
pertikaian
atau
hubungan
negatif
dengan
33 Peluang munculnya pemberitaan negatif tentang perusahaan
21-40%
0-20%
0-20%
0-20%
41-60%
Rata-rata
2
III. Analisis Teknologi dan Utilitas Penilaian No
Kriteria
Agregasi Modus/ rata- Pembulatan rata
P1
P2
P3
P4
P5
1 Tingkat hambatan terhadap pasok peralatan utama produksi Tingkat hambatan pasok sukucadang utama yang diperlukan bagi 2 kelancaran produksi Tingkat kelangkaan atau hambatan terhadap pasok bahan bakar atau 3 sumber daya energi
R
SR
R
R
R
2
2
R
R
R
R
R
2
2
R
R
R
R
M
2
2
4 Tingkat hambatan bagi perbaikan kerusakan peralatan utama produksi
R
SR
R
R
SR
2
2
Tingkat kelangkaan cadangan bagi peralatan utama yang diperlukan 5 dalam proses produksi
R
R
R
R
R
2
2
Tingkat hambatan yang ditimbulkan oleh kegagalan atau kerusakan peralatan
R
R
R
T
M
2
2
7 Tingkat kelangkaan atau hambatan pasok air bagi keperluan produksi
R
SR
R
R
R
2
2
8 Tingkat ketergantungan perawatan teknologi pada pihak lain
R
SR
SR
M
R
1.8
2
6
151 Penilaian No
Kriteria
9
Agregasi Modus/ rata- Pembulatan rata
P1
P2
P3
P4
P5
Tingkat kesulitan memperoleh layanan jasa perbaikan peralatan atau teknologi yang digunakan perusahaan
R
SR
SR
R
SR
1
1
10
Tingkat hambatan atau pembatasan peraturan perundangan dalam pendatangan atau penggunaan teknologi
R
R
R
R
SR
2
2
11
Dampak kelangkaan atau hambatan terhadap pasok peralatan utama terhadap kelancaran produksi
R
R
R
M
R
2
2
12
Dampak hambatan pasok sukucadang utama yang diperlukan terhadap kelancaran produksi
R
R
R
M
SR
2
2
13
Dampak kelangkaan atau hambatan pasok bahan bakar atau sumber daya energi terhadap kelancaran produksi
R
R
R
T
T
2
2
14
Dampak hambatan bagi perbaikan kerusakan peralatan utama terhadap kelancaran produksi
R
R
R
T
T
2
2
15
Dampak kelangkaan cadangan bagi peralatan utama yang diperlukan terhadap kelancaran proses produksi
R
R
R
M
R
2
2
16
Dampak kegagalan atau kerusakan peralatan terhadap kelancaran produksi
R
R
T
T
R
2
2
17
Dampak kelangkaan atau hambatan pasok air bagi kelancaran proses produksi
SR
SR
R
ST
T
1
1
18
Dampak kelangkaan jasa perawatan teknologi oleh pihak lain terhadap kelancaran proses produksi
SR
SR
R
M
R
1.8
2
19
Dampak kelangkaan layanan jasa perbaikan peralatan atau teknologi terhadap kelancaran produksi
SR
R
R
M
R
2
2
20
Dampak hambatan atau pembatasan peraturan perundangan dalam pendatangan atau penggunaan teknologi terhadap kelancaran produksi
R
R
R
R
SR
2
2
21
Peluang terjadinya kelangkaan atau hambatan terhadap pasok peralatan 21-40% utama produksi
0-20%
0-20% 21-40% 0-20%
1
1
22
Peluang terjadinya hambatan terhadap pasok sukucadang utama yang 21-40% diperlukan bagi kelancaran produksi
21-40%
0-20% 21-40% 0-20%
2
2
23
Peluang terjadinya kelangkaan atau hambatan terhadap pasok bahan bakar atau sumber daya energi
0-20%
21-40%
0-20% 41-60% 41-60%
2
2
24
Peluang terjadinya hambatan bagi perbaikan kerusakan peralatan utama produksi
0-20%
21-40%
0-20% 21-40% 0-20%
1.4
1
25
Peluang terjadinya kelangkaan cadangan bagi peralatan utama yang 21-40% diperlukan dalam proses produksi
21-40%
0-20% 21-40% 0-20%
2
2
26
Peluang terjadinya hambatan produksi yang ditimbulkan oleh kegagalan atau kerusakan peralatan
0-20%
21-40%
0-20% 41-60% 21-40%
1.8
2
27
Peluang terjadinya kelangkaan atau hambatan pasok air bagi keperluan produksi
0-20%
0-20%
0-20% 21-40% 0-20%
1
1
28
Peluang terhentinya produksi akibat kelangkaan jasa perawatan teknologi oleh pihak lain
0-20%
0-20%
0-20% 21-40% 0-20%
1
1
29
Peluang tidak diperolehnya layanan jasa perbaikan peralatan atau teknologi yang diperlukan perusahaan
0-20%
0-20%
0-20% 21-40% 0-20%
1
1
30
Peluang terjadinya hambatan atau pembatasan peraturan perundangan 21-40% dalam pendatangan atau penggunaan teknologi
21-40%
0-20%
1
1
0-20%
0-20%
Rata-rata
2
Lampiran 4. Alternatif Solusi Krisis Usulan Pakar I. Krisis Bahan Baku dan Produk No
Krisis
Solusi 1
Solusi 2
Solusi 3
Solusi 4
Solusi 5
Produksi terganggu atau 1 terhenti akibat kelangkaan bahan baku atau ubikayu
Kontrak dengan perkebunan dan/atau bermitra dengan kelompok petani
Membeli ubikayu di dekat tempat panen, menyewa lahan guna Menjalin kemitraan bertanam ubikayu dan dengan petani ubikayu. meningkatkan produktivitas budidaya ubikayu.
Produksi terganggu atau 2 terhenti akibat harga bahan baku terlalu tinggi
Kontrak dengan perkebunan dan/atau bermitra dengan kelompok petani
Melakukan efisiensi biaya produksi (listrik dan bahan bakar).
Menyewa lahan guna menanam ubikayu sesuai dengan kebutuhan
Membantu perbaikan prasarana agar transportasi bisa lebih lancar
Bersama-sama pihak lain menjadi watchdog Meminta pemerintah sehingga pemerintah memperbaiki prasarana menggunakan uang fisik sehingga retribusi guna hambatan berkurang. memelihara prasarana transportasi.
Produksi terganggu atau Kontrak dengan akibat hambatan pelaksana 3 terhenti transportasi bahan baku dari perusahaan transportasi sumber atau petani
Menyewa lahan guna menanam ubikayu sesuai dengan kebutuhan
Bekerjasama dan membina petani ubikayu sehingga mereka menanam bibit unggul. Membentuk jejaring dengan pihak petani atau pemasok ubikayu.
Saat ini tidak perlu Mengurangi pembelian antisipasi kelebihan Mengurangi atau dan jika perlu menjual menghentikan karena pabrik tapioka ubikayu yang sudah selalu kekurangan pembelian bahan baku. ada ke perusahaan lain. bahan baku.
terganggu akibat 4 Produksi kelebihan bahan baku
Melakukan penjadwalan ulang Jual bahan baku waktu panen dengan kepada perusahaan lain mitra pemasok bahan baku.
Produksi terganggu atau 5 terhenti akibat tingginya fluktuasi harga bahan baku
Meningkatkan harga produk
Melakukan penjadwalan operasi pabrik agar bisa lebih efisien
Produksi terganggu atau 6 terhenti akibat gudang penuh
Menyewa gudang tambahan
Optimalisasi kapasitas Menyewa gudang gudang dan menyewa tambahan gudang tambahan
Produksi terganggu atau 7 terhenti akibat kelangkaan suku cadang penting
Mengefektifkan persediaan minimal Tingkatkan persediaan suku cadang penting suku cadang, terutama dan menyusun skala prioritas pembelian bearings suku cadang menurut derajat kepentingannya
Melakukan kanibalisme di antara peralatan yang ada agar proses bisa berlangsung optimal..
Produksi terganggu atau 8 terhenti akibat kelesuan pasar
Sewa gudang tambahan
Melakukan efisiensi proses.
Tetap berproduksi dan Melakukan menyimpan produk di Menyewa gudang diversifikasi produk ke tambahan gudang sepanjang cash arah lebih hilir. flow tidak terganggu.
Tetap berproduksi, produk disimpan di gudang dan dipasarkan ketika tapioka impor sudah habis.
Mengurangi produksi dan menyimpan produk guna dipasarkan setelah kondisi memungkinkan.
Mengurangi pembelian bahan baku diiringi Menyewa gudang dengan menyewa tambahan gudang tambahan guna menampung produk.
Melakukan penyimpanan sementara di gudang terdekat.
Meminta pemerintah memperbaiki prasarana Menyewa gudang fisik sehingga tambahan hambatan berkurang.
Sewa gudang dan/atau Produksi terganggu atau lobi pemerintah terhenti akibat pasar tapioka melalui asosiasi 9 dalam negeri dibanjiri pengusaha tapioka agar tapioka impor impor dihentikan
Produksi terganggu atau 10 terhenti akibat hambatan transportasi hasil produksi
Mengurangi atau Menjalin kontrak yang Membentuk jejaring menghentikan bisa memantapkan dengan pihak petani pembelian bahan baku. pemasaran atau pemasok ubikayu.
Sewa gudang dan/atau Kontrak dengan kontrak dengan perusahaan transportasi perusahaan pelaksana yang dipercaya. transportasi
Menyewa gudang tambahan dan segera menjual produk yang sudah ada.
Menyewa gudang tambahan
Menyediakan suku Meminjam dari cadang yang cukup perusahaan lain yang bisa menjamin dan/atau membeli suku proses produksi cadang tersebut. berjalan normal.
II. Krisis Sosial No
Krisis
Produksi terganggu atau 1 terhenti akibat karyawan resah
Solusi 1 Berunding dengan perwakilan karyawan
Solusi 2 Melakukan sosialisasi dan pembinaan karyawan
Solusi 3
Solusi 4
Solusi 5
Berunding dengan Melakukan perundingan perwakilan serikat Melakukan briefing dengan para wakil pekerja guna dengan para karyawan. menjembatani persoalan pekerja yang resah. dan selesaikan masalah
153 No
Krisis
Solusi 1
Solusi 2
Solusi 3
Solusi 4
Solusi 5
Berunding dengan Melakukan perundingan perwakilan serikat Melakukan briefing pekerja guna dengan para wakil dengan para karyawan. menjembatani persoalan pekerja yang resah. dan selesaikan masalah
Produksi terganggu atau 2 terhenti akibat karyawan tidak puas
Berunding dengan perwakilan karyawan
Melakukan sosialisasi dan pembinaan karyawan
Produksi terganggu atau karena banyak 3 terhenti karyawan penting yang mengundurkan diri
Pemberdayaan karyawan yang ada dan/atau rekrut karyawan baru sesuai dengan kebutuhan
Meningkatkan kesejahteraan karyawan Segara mencari dan menciptakan pengganti karyawan lingkungan kerja yang lebih kondusif
Produksi terganggu atau 4 terhenti akibat pemogokan karyawan
Berunding dengan perwakilan karyawan
Melakukan sosialisasi dan pembinaan karyawan
Berunding dan mencari Melakukan perundingan penyelesaian yang menguntungkan pihak dengan para wakil pekerja yang resah. perusahaan maupun karyawan
Berunding dengan perwakilan serikat pekerja guna menjembatani persoalan dan selesaikan masalah
Produktivitas terganggu 5 atau terhenti karena aksi kekerasan di perusahaan
Minta bantuan pihak kepolisian dan/atau pemerintah daerah
Minta bantuan pihak keamanan perusahaan guna mengatasi keadaan.
Melapor dan minta bantuan aparat keamanan (kepolisian)
Melaporkan peristiwanya kepada polisi.
Meminta bantuan polisi dan/atau aparat keamanan
Minta bantuan pihak kepolisian dan/atau pihak keamanan
Minta bantuan pihak keamanan perusahaan dan polisi.
Melapor dan minta bantuan aparat keamanan (kepolisian)
Melaporkan peristiwanya kepada polisi.
Meminta bantuan polisi dan/atau aparat keamanan
Berunding dengan masyarakat sekitar dan LSM lokal
Menerapkan program Community Mengaktifkan program Meningkatkan program Development, Community Corporate Social Corporate Social Development. Responsibility (CSR). Responsibility atau kemitraan lingkungan
Menerapkan Community Development dan kemitraan dengan warga lokal.
Produksi terganggu atau terhenti akibat peraturan 8 perundangan menimbulkan hambatan atau pembatasan terhadap produktivitas pabrik
Berkontribusi melalui asosiasi pengusaha menyewa jasa konsultan dan ahli hukum guna melakukan lobi
Meminta asosiasi pengusaha tapioka melakukan lobi agar pemerintah melonggarkan peraturan perundangan yang dimaksud.
Bersama-sama anggota asosiasi tapioka lainnya meminta bantuan jasa ahli hukum dan pelobi politik guna mengupayakan perubahan situasi.
Produksi terganggu atau akibat perusahaan 9 terhenti terbukti melakukan pelanggaran hukum
Menyewa jasa pengacara atau konsultan hukum
Segera menyelesaikannya Minta bantuan jasa Lobi kepada pemerintah secara hukum sehingga konsultan hukum guna guna mendapatkan tidak menimbulkan mengatasi keadaan. solusi kerugian lebih lanjut bagi perusahaan
Minta bantuan jasa konsultan hukum.
Produksi terganggu atau terhenti akibat Direksi 10 atau manajemen terbukti melakukan pelanggaran hukum
Menyewa jasa pengacara atau konsultan hukum
Segera menyelesaikannya Minta bantuan jasa Lobi kepada pemerintah secara hukum sehingga konsultan hukum guna guna mendapatkan tidak menimbulkan mengatasi keadaan. solusi kerugian lebih lanjut bagi perusahaan
Minta bantuan jasa konsultan hukum.
Produksi terganggu atau akibat citra 11 terhenti negatif perusahaan berkembang
Melakukan pendekatan kepada media massa Mengatasi penyebabnya Melakukan pendekatan dan menjelaskan dan menyewa konsultan kepada media massa keadaan yang guna melakukan guna memperbaiki citra. sebenarnya guna pencitraan positif memulihkan citra positif.
Perbaiki dan atasi masalah lalu minta bantuan jasa konsultan guna memperbaiki citra perusahaan.
Mencari dan menyelesaikan penyebab citra buruk, lalu meminta jasa konsultan guna memperbaiki citra perusahaan.
Produksi terganggu atau akibat perusahaan 12 terhenti terbukti mengakibatkan pencemaran lingkungan
Mitigasi dan menyewa konsultan guna melakukan pencitraan positif
Memperbaiki mutu buangan sehingga memenuhi persyaratan keamanan bagi lingkungan
Perbaiki dan atasi masalah pencemaran lalu minta bantuan jasa konsultan guna memperbaiki citra perusahaan.
Melakukan mitigasi terhadap dampak kerusakan lingkungan hidup lalu menjalin hubungan dengan warga sekitar.
Produktivitas terganggu terhenti karena 6 atau ancaman, teror dan kerusuhan di perusahaan Produksi terganggu atau terhenti akibat hubungan perusahaan dengan 7 pihak masyarakat maupun lingkungan sekitar memburuk
Segera mencari karyawan baru guna menggantikan yang mengundurkan diri.
Mencari alternatif Minta bantuan jasa penyelesaian yang sesuai dengan peraturan konsultan hukum guna mengatasi keadaan. perundangan yang berlaku.
Segera melakukan perbaikan lingkungan yang tercemar.
Selesaikan dengan pekerja dan pada saat yang sama mencari pengganti. Jika perlu membajak dari perusahaan lain.
154 III. Krisis Teknologi dan Utilitas No
Krisis
Solusi 1
Solusi 2
Solusi 3
Solusi 4
Solusi 5
Produksi terganggu atau akibat 1 terhenti kelangkaan peralatan utama dalam pengolahan
Menyewa peralatan utama produksi dari pihak ketiga sambil memesan peralatan yang diperlukan
Menyusun prioritas investasi peralatan utama yang memungkinkan kelancaran produksi.
Menyewa peralatan utama yang diperlukan agar produksi bisa berlangsung normal.
Menyewa atau meminjam peralatan utama sambil membeli peralatan pengganti.
Menyewa peralatan cadangan sambil menunggu perbaikan atau penggantian peralatan utama yang rusak.
Produksi terganggu atau akibat 2 terhenti kelangkaan suku cadang utama dalam pengolahan
Membeli suku cadang seperlunya lalu menyiapkan persediaan suku cadang yang cukup agar masalah tidak terulang
Mengefektifkan persediaan minimal suku cadang penting dan menyusun skala prioritas pembelian suku cadang menurut derajat kepentingannya
Meminjam dari perusahaan lain dan/atau segera membeli suku cadang yang diperlukan.
Menyewa atau meminjam suku cadang sambil membeli suku cadang yang diperlukan.
Menyewa peralatan cadangan sambil menunggu perbaikan atau penggantian suku cadang yang rusak.
Produksi terganggu atau terhenti akibat atau 3 kelangkaan hambatan terhadap pasok bahan bakar dan/atau sumberdaya energi
Melakukan Mencari teknologi penghematan energi dengan bahan bakar dan mengurangi lain. pembelian bahan baku.
Menghentikan proses produksi.
Membeli atau menjalin Mencari pemasok kontrak dari pemasok bahan bakar lain. bahan bakar lain.
Mengurangi pembelian bahan baku sambil melakukan perbaikan peralatan utama produksi.
Segera melakukan perbaikan sambil menyewa alat yang bisa menggantikan yang rusak (jika ada).
Menyewa atau meminjam peralatan utama sambil membeli peralatan pengganti.
Membuat sumur baru yang bisa memasok air sesuai dengan keperluan produksi.
Mengurangi penggunaan air dan jika Menyiapkan sumber air Menyiapkan sumber air cadangan alternatif. perlu mengurangi tingkat produksi
Berkontribusi pada asosiasi guna melakukan lobi kepada pemerintah guna melonggarkan peraturan.
Tidak perlu melakukan antisipasi karena sejauh ini tidak ada hambatan yang timbul akibat peraturan yang berlaku.
Segera mencari teknologi yang sesuai dengan peraturan perundangan yang berlaku.
Sewa jasa pihak lain guna melakukan perawatan peralatan.
Produksi terganggu atau 8 terhenti akibat karena perusahaan kebakaran
Mengajukan klaim asuransi (jika ada), melakukan pemeriksaan dan perbaikan, serta beroperasi lagi.
Produksi terganggu atau 9 terhenti akibat harga bahan bakar terlalu tinggi
Melakukan Menaikkan harga jual penghematan energi produk tapioka dan mengurangi pembelian bahan baku.
Produksi terganggu atau 4 terhenti akibat kerusakan peralatan utama produksi Produksi terhenti akibat atau 5 kekurangan kelangkaan pasok air bagi keperluan produksi Produksi terganggu atau terhenti akibat hambatan pembatasan 6 atau peraturan perundangan dalam pengadaan teknologi atau peralatan Produksi terganggu atau akibat 7 terhenti kelangkaan jasa perawatan peralatan
Melakukan perbaikan terhadap kerusakan, menyewa peralatan utama jika dimungkinkan dan membeli peralatan tersebut jika diperlukan. Menghentikan produksi dan menyiapkan sumber air cadangan agar masalah bisa teratasi dan tidak terulang.
Menyewa peralatan cadangan sambil menunggu perbaikan atau penggantian peralatan utama yang rusak.
Mengajak asosiasi industri tapioka guna melobi pemerintah agar melonggarkan peraturan tersebut.
Mencari teknologi alternatif yang diizinkan oleh Undangundang
Memperbaiki peralatan Melakukan outsourcing dan memberlakukan atau memanfaatkan jasa penjadwalan proses pihak ketiga secara efisien.
Menyewa jasa pihak lain yang bisa melakukan perawatan peralatan.
Memperbaiki peralatan dan mengurangi pembelian bahan baku sampai pabrik bisa beroperasi normal.
Melakukan penjadwalan ulang kontrak-kontrak penjualan tapioka dengan konsumen.
Menghentikan produksi dan memperbaiki peralatan dan mesin yang selamat.
Memperbaiki, memeriksa dan membangun kembali sehingga bangunan dan peralatan bisa dioperasikan kembali secara aman..
Memeriksa kerusakan dan memperbaiki yang tersisa serta menyiapkan agar pabrik bisa beroperasi kembali.
Menyesuaikan harga jual dengan kenaikan harga bahan bakar.
Melakukan penghematan dan/atau menaikkan harga jual
Cari bahan bakar pengganti yang bisa diterima oleh peralatan yang ada.
IV. Krisis Finansial No
Krisis Produksi terganggu atau akibat 1 terhenti perusahaan kekurangan dana pembayar gaji Produksi terganggu atau akibat 2 terhenti perusahaan merugi terus menerus P Produksi terganggu terhenti akibat 3 atau perusahaan tidak mampu membeli bahan baku
Solusi 1 Meminjam uang dari bank guna mengatasi kesulitan pembayaran gaji. Melakukan penghematan sambil menunggu keadaan membaik. Jika perlu melikuidasi perusahaan. Meminjam uang dari Bank guna membeli bahan baku.
Solusi 2
Solusi 3
Menjaminkan aset perusahaan guna Mengurangi promosi mendapatkan pinjaman dana.
Solusi 4
Menerapkan Cost Mengurangi produksi Meningkatkan efisiensi Reduction Program dan/atau menghentikan dan/atau melakukan biaya. penghematan biaya. produksi. Menjaminkan aset Menghentikan perusahaan guna mendapatkan pinjaman produksi. dana.
Solusi 5
Melakukan Pinjam uang dari bank penghematan biaya dan guna menolong cash meminjam uang dari flow. bank. Melakukan penghematan dan jika perlu menutup perusahaan.
Melakukan penghematan biaya dan Pinjam uang dari bank guna membeli bahan meminjam uang dari baku. bank guna membeli bahan baku.
155 No
Krisis Produksi terganggu atau terhenti akibat 4 perusahaan tidak bisa membayar angsuran utang Produksi terganggu atau akibat 5 terhenti perusahaan tidak mampu membeli bahan bakar Produksi terganggu atau terhenti akibat 6 perusahaan tidak mampu membeli suku cadang utama Produksi terganggu atau terhenti akibat 7 perusahaan tidak mampu memperbaiki kerusakan peralatan utama
Solusi 1 Melakukan restrukturisasi utang.
Solusi 2 Menyusun prioritas pengeluaran uang sehingga cicilan utang bisa terbayar.
Solusi 3 Melakukan restrukturisasi utang.
Solusi 4 Melakukan restrukturisasi utang
Melakukan penghematan biaya dan meminjam uang dari bank guna membeli bahan bakar. Melakukan Mencari tambahan penghematan biaya dan Menyusun prioritas Meminjam uang dari pengeluaran uang guna pinjaman uang guna meminjam uang dari bank guna membeli pembelian suku cadang membeli suku cadang bank guna membeli suku cadang utama. yang diperlukan. suku cadang yang utama diperlukan. Membuat kontrak Mencari penyedia jasa Melakukan penghematan biaya dan Meminjam uang dari dengan pihak ketiga yang mampu bank guna memperbaiki yang mampu memperbaiki peralatan meminjam uang dari atau membeli peralatan menyediakan jasa bank guna memperbaiki utama yang rusak atau membeli peralatan utama. perbaikan peralatan tersebut. utama utama. Meminjam uang dari bank guna membeli bahan bakar.
Mengurangi pembelian Menyusun prioritas bahan-bahan lain dan pengeluaran uang guna mengutamakan pembelian bahan bakar. pembelian bahan bakar.
Solusi 5 Restrukturisasi utang dan tingkatkan efisiensi perusahaan. Pinjam uang dari bank guna membeli bahan bakar
Pinjam uang dari bank guna membeli suku cadang
Pinjam uang dari bank guna membeli peralatan
1,262,000 23.40 18 377.33 3,345 942 975.38 160.00 160 16,500 929,650 1,120,000 1,071,650 31,570 25.02 45.57 181,660 143.95 1,471 858
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
67,718 57,512
680 835
25,245
45,948,104 486,836 18,672,374 93,409,117 8,290,915 242,350,830 1,230,929,974
75,543,484
11,342,288 6,550,680 33,653,360 31,511,126 988,579,144
1,539,120
842,175,818 842,175,818 885,409,738 861,545,098 23,864,640 861,545,098 42,437,472 42,437,472
5,271,890 5,271,890 5,542,102 5,392,948 149,154 5,392,948
1,262,000
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
43,233,920
270,212
Januari 2000 Rp
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
59.86 0.00 36.41 0.39 14.80 74.02 6.57 192.04 975.38
8.99 5.19 26.67 24.97 783.34
1.22
682.68 33.63
Rp/kg tapioka
6.14% 0.00% 3.73% 0.04% 1.52% 7.59% 0.67% 19.69% 100.00%
0.92% 0.53% 2.73% 2.56% 80.31%
0.13%
69.99% 3.45%
%
1,322,950 23.42 24 426.38 3,103 993 1,026.89 165.00 165 31,700 1,071,650 2,140,000 254,600 38,236 28.90 50.11 203,520 153.84 1,890 700
1,322,950
70,160 66,296
825 1,005
27,238
5,864,324 5,864,324 6,013,478 5,649,861 363,617 5,649,861
149,154
Kg
80,500,546 0 58,356,371 2,990,696 30,427,631 94,101,503 15,705,839 282,082,586 1,358,528,507
13,164,758 8,738,315 37,585,700 38,908,790 1,076,445,921
1,490,550
967,371,085 967,371,085 991,235,725 931,238,920 59,996,805 931,238,920 45,318,888 45,318,888
23,864,640
Rp
Februari 2000
60.85 0.00 44.11 2.26 23.00 71.13 11.87 213.22 1,026.89
9.95 6.61 28.41 29.41 13.67
1.13
703.91 34.26
Rp/kg tapioka
5.93% 0.00% 4.30% 0.22% 2.24% 6.93% 1.16% 20.76% 100.00%
0.97% 0.64% 2.77% 2.86% 79.24%
0.11%
68.55% 3.34%
%
Lampiran 5. Produksi, Biaya dan Harga Pokok Tapioka
1,208,500 23.68 22 394.33 3,065 1,050 1,083.99 165.00 165 32,000 254,600 1,254,500 208,600 35,225 29.15 49.29 154,560 127.89 1,808 668
1,208,500
82,038 59,572
720 875
24,540
4,740,294 4,740,294 5,103,911 5,103,911 0 5,103,911
363,617
Kg
Maret 2000
123,744,847 19,993,000 63,281,976 911,208 16,085,973 94,604,452 9,352,360 327,973,816 1,309,998,514
12,215,478 7,272,380 42,659,760 35,239,898 982,024,698
1,299,150
782,543,663 782,543,663 842,540,468 842,540,468 0 842,540,468 40,797,564 40,797,564
59,996,805
Rp
102.40 16.54 52.36 0.75 13.31 78.28 7.74 271.39 1,083.99
10.11 6.02 35.30 29.16 812.60
1.08
697.18 33.76
Rp/kg tapioka
9.45% 1.53% 4.83% 0.07% 1.23% 7.22% 0.71% 25.04% 100.00%
0.93% 0.56% 3.26% 2.69% 74.96%
0.10%
64.32% 3.11%
%
1,153,100 25.44 16 332.75 3,465 1,041 1,074.95 170.00 167 11,350 208,600 963,000 398,700 31,544 27.36 44.74 119,677 103.79 1,670 690
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
70,254 51,592
585 715
23,062
69,743,578 8,567,803 128,477,037 873,029 15,251,495 96,887,831 36,827,662 356,628,435 1,239,527,968
10,725,316 7,808,035 36,532,080 32,857,260 882,899,533
1,119,950
0 809,406,976 809,406,976 809,406,976 755,207,628 54,199,348 755,207,628 38,649,264 38,649,264
0
1,153,100
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
April 2000 Rp
4,851,238 4,851,238 4,851,238 4,532,411 318,827 4,532,411
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
60.48 7.43 111.42 0.76 13.23 84.02 31.94 309.28 1,074.95
9.30 6.77 31.68 28.49 765.67
0.97
654.94 33.52
Rp/kg tapioka
5.63% 0.69% 10.36% 0.07% 1.23% 7.82% 2.97% 28.77% 100.00%
0.87% 0.63% 2.95% 2.65% 71.23%
0.09%
60.93% 3.12%
%
795,850 24.73 13 228.91 3,477 1,212 1,245.54 190.00 184 5,450 398,700 487,500 707,050 20,647 25.94 32.06 98,890 124.26 1,850 430
795,850
51,879 25,514
450 490
15,917
3,044,569 3,044,569 3,363,396 3,217,543 145,853 3,217,543
318,827
Kg
Mei 2000
93,904,978 20,695,640 43,069,230 885,668 30,431,108 96,916,269 21,476,501 307,379,394 991,261,286
11,885,922 6,106,120 26,977,080 21,359,311 683,881,892
749,500
563,519,361 563,519,361 617,718,709 590,006,639 27,712,070 590,006,639 26,797,320 26,797,320
54,199,348
Rp
117.99 26.00 54.12 1.11 38.24 121.78 26.99 386.23 1,245.54
14.93 7.67 33.90 26.84 859.31
0.94
741.35 33.67
Rp/kg tapioka
9.47% 2.09% 4.34% 0.09% 3.07% 9.78% 2.17% 31.01% 100.00%
1.20% 0.62% 2.72% 2.15% 68.99%
0.08%
59.52% 2.70%
%
1,355,900 23.49 21 391.57 3,463 1,136 1,171.81 205.00 202 3,950 707,050 259,500 1,803,450 31,784 23.44 45.48 232,540 171.50 1,791 757
1,355,900
71,181 61,670
680 835
27,226
5,956,852 5,956,852 6,102,705 5,772,085 330,620 5,772,085
145,853
Kg
Juni 2000
92,311,413 0 58,429,969 1,467,500 12,585,880 94,758,769 19,224,887 278,778,418 1,588,852,818
13,224,707 9,045,015 37,014,120 33,832,442 1,310,074,400
1,272,280
1,206,874,800 1,206,874,800 1,234,586,870 1,166,809,770 67,777,100 1,166,809,770 48,876,066 48,876,066
27,712,070
Rp
68.08 0.00 43.09 1.08 9.28 69.89 14.18 205.60 1,171.81
9.75 6.67 27.30 24.95 966.20
0.94
860.54 36.05
Rp/kg tapioka
5.81% 0.00% 3.68% 0.09% 0.79% 5.96% 1.21% 17.55% 100.00%
0.83% 0.57% 2.33% 2.13% 82.45%
0.08%
73.44% 3.08%
%
157
1,686,950 23.17 25 491.55 3,432 1,084 1,119.94 175.00 186 2,950 1,803,450 533,000 2,957,400 35,719 21.17 42.88 344,360 204.13 1,094 1,542
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
93,555 72,330
891 1,066
33,739
98,528,441 16,603,615 93,318,898 1,376,824 13,423,004 97,926,188 24,664,792 345,841,762 1,889,281,787
16,924,485 10,796,860 48,648,600 42,694,583 1,543,440,025
1,594,080
1,350,391,594 1,350,391,594 1,418,168,694 1,361,394,319 56,774,375 1,361,394,319 61,387,098 61,387,098
7,273,956 7,273,956 7,604,576 7,280,151 324,425 7,280,151
1,686,950
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
67,777,100
330,620
Juli 2000 Rp
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
58.41 9.84 55.32 0.82 7.96 58.05 14.62 205.01 1,119.94
10.03 6.40 28.84 25.31 914.93
0.94
807.02 36.39
Rp/kg tapioka
5.22% 0.88% 4.94% 0.07% 0.71% 5.18% 1.31% 18.31% 100.00%
0.90% 0.57% 2.57% 2.26% 81.69%
0.08%
72.06% 3.25%
%
1,992,650 24.49 27 553.92 3,597 949 984.96 175.00 177 1,050 2,957,400 3,121,000 1,829,050 38,133 19.14 42.28 385,850 193.64 1,946 1,024
1,992,650
98,299 84,244
680 835
39,853
7,956,142 7,956,142 8,280,567 8,136,498 144,069 8,136,498
324,425
Kg
Agustus 2000
127,510,825 88,830 51,552,937 266,099 27,977,789 96,948,949 19,735,187 324,080,616 1,962,688,737
15,925,644 11,055,050 51,115,480 46,785,948 1,638,608,121
1,768,390
1,407,949,041 1,407,949,041 1,464,723,416 1,439,511,341 25,212,075 1,439,511,341 72,446,268 72,446,268
56,774,375
Rp
63.99 0.04 25.87 0.13 14.04 48.65 9.90 162.64 984.96
7.99 5.55 25.65 23.48 822.33
0.89
722.41 36.36
Rp/kg tapioka
6.50% 0.00% 2.63% 0.01% 1.43% 4.94% 1.01% 16.51% 100.00%
0.81% 0.56% 2.60% 2.38% 83.49%
0.09%
73.34% 3.69%
%
1,906,850 25.34 26 525.90 3,626 964 1,000.25 185.00 182 500 1,829,050 2,398,400 1,337,500 38,724 20.31 41.29 355,160 186.25 1,925 991
1,906,850
92,998 78,742
879 1,092
38,137
7,970,979 7,970,979 8,115,048 7,523,832 591,216 7,523,832
144,069
Kg
60,669,977 2,052,560 26,130,034 105,521,075 32,160,324 341,986,433 1,907,323,136
115,452,463
16,170,230 11,492,520 48,358,960 48,077,277 1,565,336,703
1,607,715
1,454,205,156 1,454,205,156 1,479,417,231 1,370,042,271 109,374,960 1,370,042,271 69,587,730 69,587,730
25,212,075
Rp
60.55 0.00 31.82 1.08 13.70 55.34 16.87 179.35 1,000.25
8.48 6.03 25.36 25.21 820.90
0.84
718.48 36.49
Rp/kg tapioka
September 2000
6.05% 0.00% 3.18% 0.11% 1.37% 5.53% 1.69% 17.93% 100.00%
0.85% 0.60% 2.54% 2.52% 82.07%
0.08%
71.83% 3.65%
%
158
2,369,450 621.35 0 0.00 #DIV/0! 31 30.66 175.00 185 0 1,337,500 0 3,706,950 0 0.00 0.00 0 0.00 0 #DIV/0!
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
0 0
0 0
0 0 0 0 0 0 0 0 72,647,010
0 0 0 0 72,647,010
0
0 0 109,374,960 72,647,010 36,727,950 72,647,010 0 0
0 0 591,216 381,342 209,874 381,342
0
109,374,960
2,369,450
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Oktober 2000 Rp
591,216
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 30.66
0.00 0.00 0.00 0.00 30.66
0.00
30.66 0.00
Rp/kg tapioka
0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 100.00%
0.00% 0.00% 0.00% 0.00% 100.00%
0.00%
100.00% 0.00%
%
1 0.00 0 0.00 #DIV/0! 36,727,950 36,727,950.00 175.00 175 0 3,706,950 0 3,706,951 31,570 31,570,000.00 0.00 0 0.00 0 #DIV/0!
1
0 0
0 0
0
0 0 209,874 209,874 0 209,874
209,874
Kg
0 0 0 0 0 0 0 0 36,727,950
0 0 0 0 36,727,950
0
0 0 36,727,950 36,727,950 0 36,727,950 0 0
36,727,950
Rp/kg tapioka
0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 36,727,950.00
0.00 0.00 0.00 0.00 36,727,950.00
0.00
36,727,950.00 0.00
November 2000 Rp
0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 100.00%
0.00% 0.00% 0.00% 0.00% 100.00%
0.00%
100.00% 0.00%
%
1
1
0 0
0 0
0
0 0 0 0 0 0
0
0 0.00 #DIV/0! 0 0.00 #DIV/0! #DIV/0! 0 3,706,951 0 3,706,952 0 0.00 0.00 0 0.00 0 #DIV/0!
#DIV/0!
Kg
0 0 0 0 0 0 0 0 0
0 0 0 0 0
0
0 0 0 0 0 0 0 0
0
Desember 2000 Rp
0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
0.00 0.00 0.00 0.00 0.00
0.00
0.00 0.00
Rp/kg tapioka
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0!
#DIV/0! #DIV/0!
%
159
2,013,950 22.11 27 377.33 5,337 1,006 1,044.92 175.00 171 26,950 966,500 1,562,000 1,418,450 42,249 20.98 28.56 426,080 211.56 1,049 1,920
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
99,667 57,512
680 835
21,151,835 113,330,199 24,329,025 329,844,271 2,104,420,480
85,140,453 5,039,222 80,853,537
18,650,730 11,558,905 56,356,705 47,040,440 1,774,576,209
2,153,200
1,617,589,004 1,617,589,004 1,617,589,004 1,560,942,029 56,646,975 1,560,942,029 77,874,200 77,874,200
9,433,444 9,433,444 9,433,444 9,109,747 323,697 9,109,747
40,393
0
2,013,950
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Januari 2001 Rp
0
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
42.28 2.50 40.15 0.00 10.50 56.27 12.08 163.78 1,044.92
9.26 5.74 27.98 23.36 881.14
1.07
775.06 38.67
Rp/kg tapioka
4.05% 0.24% 3.84% 0.00% 1.01% 5.39% 1.16% 15.67% 100.00%
0.89% 0.55% 2.68% 2.24% 84.33%
0.10%
74.17% 3.70%
%
1,537,800 21.64 24 435.90 3,528 1,105 1,143.64 175.00 171 0 1,418,450 1,885,000 1,071,250 32,529 21.15 39.94 339,520 220.78 1,746 881
1,537,800
79,011 61,420
800 980
30,840
7,266,028 7,266,028 7,589,725 7,106,020 483,705 7,106,020
323,697
Kg
Februari 2001
88,397,281 3571307 106,269,376 0 25,792,664 113,330,199 34,513,463 371,874,290 1,758,683,920
15,301,514 9,199,770 44,676,770 42,807,395 1,386,809,630
1,673,240
1,242,196,341 1,242,196,341 1,298,843,316 1,214,194,941 84,648,375 1,214,194,941 58,956,000 58,956,000
56,646,975
Rp
57.48 2.32 69.10 0.00 16.77 73.70 22.44 241.82 1,143.64
9.95 5.98 29.05 27.84 901.81
1.09
789.57 38.34
Rp/kg tapioka
5.03% 0.20% 6.04% 0.00% 1.47% 6.44% 1.96% 21.15% 100.00%
0.87% 0.52% 2.54% 2.43% 78.85%
0.10%
69.04% 3.35%
%
2,015,450 22.85 27 394.33 5,111 1,029 1,067.01 170.00 170 0 1,071,250 1,549,500 1,537,200 40,870 20.28 41.20 449,120 222.84 1,989 1,013
2,015,450
95,140 83,030
990 1,245
40,416
8,568,804 8,568,804 9,052,509 8,821,581 230,928 8,821,581
483,705
Kg
Maret 2001
84,694,634 1,772,348 179,056,345 0 18,346,118 113,357,699 32,383,532 429,610,676 2,150,503,003
19,912,527 12,824,800 53,796,913 51,879,976 1,720,892,327
2,104,110
1,457,707,034 1,457,707,034 1,542,355,409 1,503,097,649 39,257,760 1,503,097,649 77,276,352 77,276,352
84,648,375
Rp
42.02 0.88 88.84 0.00 9.10 56.24 16.07 213.16 1,067.01
9.88 6.36 26.69 25.74 853.85
1.04
745.79 38.34
Rp/kg tapioka
3.94% 0.08% 8.33% 0.00% 0.85% 5.27% 1.51% 19.98% 100.00%
0.93% 0.60% 2.50% 2.41% 80.02%
0.10%
69.90% 3.59%
%
160
2,148,950 23.31 28 600.35 3,579 999 1,036.75 170.00 170 0 1,537,200 1,885,000 1,801,150 31,544 14.68 24.01 119,677 55.69 1,670 1,287
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
70,254 51,592
1,150 1,315
43,124
95,232,775 23,206,543 115,855,676 0 34,794,788 116,913,914 45,690,400 431,694,096 2,227,927,469
20,904,662 14,187,430 59,128,541 51,538,173 1,796,233,373
2,307,970
1,583,317,967 1,583,317,967 1,622,575,727 1,567,253,477 55,322,250 1,567,253,477 80,913,120 80,913,120
9,313,053 9,313,053 9,543,981 9,218,556 325,425 9,218,556
2,148,950
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan bakar & pelumas, lt Total Biaya Langsung
39,257,760
230,928
April 2001 Rp
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
44.32 10.80 53.91 0.00 16.19 54.41 21.26 200.89 1,036.75
9.73 6.60 27.52 23.98 835.87
1.07
729.31 37.65
Rp/kg tapioka
4.27% 1.04% 5.20% 0.00% 1.56% 5.25% 2.05% 19.38% 100.00%
0.94% 0.64% 2.65% 2.31% 80.62%
0.10%
70.35% 3.63%
%
1,597,150 22.99 22 435.31 3,669 1,139 1,175.70 195.00 191 18,050 1,801,150 2,853,500 544,800 20,647 12.93 49.56 98,890 61.92 1,850 863
1,597,150
63,676 79,151
785 945
32,426
6,998,974 6,998,974 7,324,399 6,946,176 378,223 6,946,176
325,425
Kg
Mei 2001
85,712,566 10,471,693 109,526,705 0 25,728,255 117,273,289 27,984,894 376,697,402 1,877,762,178
17,127,492 10,083,285 35,992,859 50,400,545 1,501,064,776
1,608,605
1,345,514,953 1,345,514,953 1,400,837,203 1,327,083,718 73,753,485 1,327,083,718 58,768,272 58,768,272
55,322,250
Rp
53.67 6.56 68.58 0.00 16.11 73.43 17.52 235.86 1,175.70
10.72 6.31 22.54 31.56 939.84
1.01
830.91 36.80
Rp/kg tapioka
4.56% 0.56% 5.83% 0.00% 1.37% 6.25% 1.49% 20.06% 100.00%
0.91% 0.54% 1.92% 2.68% 79.94%
0.09%
70.67% 3.13%
%
2,284,550 22.69 29 602.94 3,789 1,198 1,235.24 200.00 203 16,500 544,800 631,500 2,197,850 31,784 13.91 26.99 232,540 101.79 1,791 1,276
2,284,550
71,181 61,670
1,040 1,320
46,134
9,819,994 9,819,994 10,198,217 10,068,275 129,942 10,068,275
378,223
Kg
Juni 2001
138,877,475 3,815,274 137,711,721 0 35,812,281 118,044,718 46,157,916 480,419,385 2,821,975,695
20,634,520 12,585,300 94,517,698 87,257,278 2,341,556,310
2,179,400
1,991,904,817 1,991,904,817 2,065,658,302 2,039,669,902 25,988,400 2,039,669,902 84,712,212 84,712,212
73,753,485
Rp
60.79 1.67 60.28 0.00 15.68 51.67 20.20 210.29 1,235.24
9.03 5.51 41.37 38.19 1,024.95
0.95
892.81 37.08
Rp/kg tapioka
4.92% 0.14% 4.88% 0.00% 1.27% 4.18% 1.64% 17.02% 100.00%
0.73% 0.45% 3.35% 3.09% 82.98%
0.08%
72.28% 3.00%
%
161
1,896,000 23.56 27 537.76 3,526 1,214 1,250.16 200.00 200 0 2,197,850 1,650,000 2,443,850 35,719 18.84 38.97 344,360 181.62 1,094 1,733
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
92,840 73,894
705 1,145
38,032
115,629,811 21,685,418 144,766,852 0 23,683,316 118,044,718 49,008,627 472,818,742 2,370,309,279
17,916,530 12,684,550 98,132,283 86,882,372 1,897,490,537
1,918,825
1,691,036,997 1,691,036,997 1,717,025,397 1,611,002,197 106,023,200 1,611,002,197 68,953,780 68,953,780
8,448,523 8,448,523 8,578,465 8,048,349 530,116 8,048,349
1,896,000
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan bakar & pelumas, lt Total Biaya Langsung
25,988,400
129,942
Juli 2001 Rp
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
60.99 11.44 76.35 0.00 12.49 62.26 25.85 249.38 1,250.16
9.45 6.69 51.76 45.82 1,000.79
1.01
849.68 36.37
Rp/kg tapioka
4.88% 0.91% 6.11% 0.00% 1.00% 4.98% 2.07% 19.95% 100.00%
0.76% 0.54% 4.14% 3.67% 80.05%
0.08%
67.97% 2.91%
%
2,263,400 24.00 28 623.22 3,632 1,115 1,151.69 200.00 200 0 2,443,850 2,299,500 2,407,750 38,133 16.85 37.58 385,850 170.47 1,946 1,163
2,263,400
107,193 85,052
805 1,330
45,402
9,666,698 9,666,698 10,196,814 9,430,482 766,332 9,430,482
530,116
Kg
Agustus 2001
123,266,259 4,187,089 80,200,299 0 17,075,374 124,294,718 28,611,804 377,635,543 2,606,736,922
18,970,890 14,965,300 124,382,469 101,994,552 2,229,101,379
1,996,750
1,931,743,352 1,931,743,352 2,037,766,552 1,884,500,152 153,266,400 1,884,500,152 82,291,266 82,291,266
106,023,200
Rp
54.46 1.85 35.43 0.00 7.54 54.92 12.64 166.84 1,151.69
8.38 6.61 54.95 45.06 984.85
0.88
832.60 36.36
Rp/kg tapioka
4.73% 0.16% 3.08% 0.00% 0.66% 4.77% 1.10% 14.49% 100.00%
0.73% 0.57% 4.77% 3.91% 85.51%
0.08%
72.29% 3.16%
%
2,220,350 22.91 30 644.03 3,448 1,145 1,176.57 180.00 185 0 2,407,750 2,576,000 2,052,100 38,724 17.44 38.26 355,160 159.96 1,925 1,153
2,220,350
114,417 84,950
879 1,092
39,334
9,164,394 9,164,394 9,930,726 9,693,116 237,610 9,693,116
766,332
Kg
158,202,676 18,928,259 127,332,637 0 25,472,693 125,270,461 31,904,804 487,111,530 2,612,395,888
19,473,865 14,237,425 127,249,413 95,602,795 2,125,284,358
2,281,625
1,685,122,791 1,685,122,791 1,838,389,191 1,795,619,391 42,769,800 1,795,619,391 70,819,844 70,819,844
153,266,400
Rp
71.25 8.52 57.35 0.00 11.47 56.42 14.37 219.39 1,176.57
8.77 6.41 57.31 43.06 957.18
1.03
808.71 31.90
Rp/kg tapioka
September 2001
6.06% 0.72% 4.87% 0.00% 0.98% 4.80% 1.22% 18.65% 100.00%
0.75% 0.54% 4.87% 3.66% 81.35%
0.09%
68.73% 2.71%
%
162
2,153,100 23.12 29 570.38 3,775 1,103 1,139.05 180.00 180 0 2,052,100 2,869,000 1,336,200 31,570 14.66 0.00 181,660 84.37 1,471 1,464
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
0 0
0 0
43,360
122,500,241 7,316,197 128,071,463 0 36,163,846 127,353,794 59,018,615 480,424,156 2,452,479,771
20,377,365 13,334,550 98,778,532 83,795,766 1,972,055,615
2,003,100
42,769,800 1,712,823,330 1,712,823,330 1,755,593,130 1,676,181,270 79,411,860 1,676,181,270 77,585,032 77,585,032
237,610
2,153,100
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan bakar & pelumas, lt Total Biaya Langsung
Oktober 2001 Rp
9,516,091 9,516,091 9,753,701 9,312,524 441,177 9,312,524
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
56.89 3.40 59.48 0.00 16.80 59.15 27.41 223.13 1,139.05
9.46 6.19 45.88 38.92 915.91
0.93
778.50 36.03
Rp/kg tapioka
4.99% 0.30% 5.22% 0.00% 1.47% 5.19% 2.41% 19.59% 100.00%
0.83% 0.54% 4.03% 3.42% 80.41%
0.08%
68.35% 3.16%
%
2,261,450 23.72 29 632.98 3,573 1,162 1,182.37 180.00 180 0 1,336,200 2,472,000 1,125,650 31,570 13.96 40.36 181,660 80.33 1,471 1,537
2,261,450
113,687 91,276
910 1,280
25,229
9,921,592 9,921,592 10,362,769 9,533,319 829,450 9,533,319
441,177
Kg
November 2001
125,833,713 24,780,780 308,782,176 0 46,666,734 130,048,534 39,896,515 676,008,452 2,673,880,324
19,812,220 16,790,975 106,284,839 92,056,660 1,997,871,872
2,032,600
1,785,602,211 1,785,602,211 1,865,014,071 1,715,713,071 149,301,000 1,715,713,071 45,181,507 45,181,507
79,411,860
Rp
55.64 10.96 136.54 0.00 20.64 57.51 17.64 298.93 1,182.37
8.76 7.42 47.00 40.71 883.45
0.90
758.68 19.98
Rp/kg tapioka
4.71% 0.93% 11.55% 0.00% 1.75% 4.86% 1.49% 25.28% 100.00%
0.74% 0.63% 3.97% 3.44% 74.72%
0.08%
64.17% 1.69%
%
987,400 21.69 15 262.81 3,757 1,680 1,715.63 180.00 180 0 1,125,650 176,000 1,937,050 16,240 16.45 44.02 223,976 226.83 1,711 577
987,400
61,421 43,461
680 835
18,748
4,666,134 4,666,134 5,495,584 4,552,865 942,719 4,552,865
829,450
Kg
Desember 2001
243,056,845 10,602,073 149,886,264 0 41,496,148 180,882,966 34,652,393 660,576,689 1,694,015,033
14,851,805 7,788,700 60,266,522 94,698,361 1,033,438,344
1,303,025
839,615,631 839,615,631 988,916,631 819,227,211 169,689,420 819,227,211 35,302,720 35,302,720
149,301,000
Rp
246.16 10.74 151.80 0.00 42.03 183.19 35.09 669.01 1,715.63
15.04 7.89 61.04 95.91 1,046.63
1.32
829.68 35.75
Rp/kg tapioka
14.35% 0.63% 8.85% 0.00% 2.45% 10.68% 2.05% 38.99% 100.00%
0.88% 0.46% 3.56% 5.59% 61.01%
0.08%
48.36% 2.08%
%
163
2,265,750 21.85 31 619.58 3,657 1,222 1,257.49 195.00 195 0 1,997,050 1,307,600 2,955,200 37,616 16.60 45.35 545,830 240.90 2,174 1,042
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
119,948 102,758
790 1,365
123,404,372 14,984,047 218,691,018 0 20,897,400 121,421,929 47,535,119 546,933,885 2,849,160,992
19,878,500 15,948,225 106,812,786 176,967,980 2,302,227,107
2,805,535
1,813,131,657 1,813,131,657 1,982,821,077 1,898,975,757 83,845,320 1,898,975,757 80,838,324 80,838,324
9,857,570 9,857,570 10,800,289 10,370,313 429,976 10,370,313
29,043 1,017
169,689,420
2,265,750
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan bakar & pelumas, lt Total Biaya Langsung
Januari 2002 Rp
942,719
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
54.47 6.61 96.52 0.00 9.22 53.59 20.98 241.39 1,257.49
8.77 7.04 47.14 78.11 1,016.10
1.24
838.12 35.68
Rp/kg tapioka
4.33% 0.53% 7.68% 0.00% 0.73% 4.26% 1.67% 19.20% 100.00%
0.70% 0.56% 3.75% 6.21% 80.80%
0.10%
66.65% 2.84%
%
2,115,650 21.93 26 516.25 4,098 1,251 1,287.18 195.00 195 0 2,955,200 2,784,000 2,286,850 35,320 16.69 44.70 496,480 234.67 1,924 1,100
2,115,650
109,598 94,566
497 1,160
42,313
9,551,865 9,551,865 9,981,841 9,645,304 336,537 9,645,304
429,976
Kg
Februari 2002
120,533,927 4,782,214 154,874,662 0 35,421,178 121,582,440 36,265,796 473,460,217 2,723,229,657
16,933,965 14,633,500 151,876,475 104,289,936 2,249,769,440
2,172,198
1,866,012,144 1,866,012,144 1,949,857,464 1,884,232,749 65,624,715 1,884,232,749 75,630,617 75,630,617
83,845,320
Rp
56.97 2.26 73.20 0.00 16.74 57.47 17.14 223.79 1,287.18
8.00 6.92 71.79 49.29 1,063.39
1.03
890.62 35.75
Rp/kg tapioka
4.43% 0.18% 5.69% 0.00% 1.30% 4.46% 1.33% 17.39% 100.00%
0.62% 0.54% 5.58% 3.83% 82.61%
0.08%
69.19% 2.78%
%
2,255,650 22.78 28 619.68 3,640 1,194 1,229.61 195.00 195 0 2,286,850 1,702,500 2,840,000 39,360 17.45 43.94 528,880 234.47 2,085 1,082
2,255,650
118,849 99,107
525 1,305
30,873 890
10,081,755 10,081,755 10,418,292 9,901,654 516,638 9,901,654
336,537
Kg
Maret 2002
123,057,167 25,069,572 127,549,106 0 19,762,472 121,685,475 27,892,048 445,015,840 2,773,569,610
20,201,700 19,081,250 152,473,864 126,500,175 2,328,553,770
2,434,975
1,962,474,142 1,962,474,142 2,028,098,857 1,927,354,447 100,744,410 1,927,354,447 80,507,359 80,507,359
65,624,715
Rp
54.56 11.11 56.55 0.00 8.76 53.95 12.37 197.29 1,229.61
8.96 8.46 67.60 56.08 1,032.32
1.08
854.46 35.69
Rp/kg tapioka
4.44% 0.90% 4.60% 0.00% 0.71% 4.39% 1.01% 16.04% 100.00%
0.73% 0.69% 5.50% 4.56% 83.96%
0.09%
69.49% 2.90%
%
164
1,456,950 21.00 22 367.79 3,961 1,417 1,453.02 196.69 197 0 2,840,000 3,230,500 1,066,450 29,510 20.25 41.70 344,520 236.47 1,931 755
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
83,408 60,756
338 835
122,730,572 6,824,236 160,153,721 0 18,379,280 126,231,835 50,179,172 484,498,816 2,116,974,109
15,001,785 9,017,850 109,722,390 80,313,410 1,632,475,293
1,517,260
1,264,030,139 1,264,030,139 1,364,774,549 1,364,774,549 0 1,364,774,549 52,128,049 52,128,049
6,421,970 6,421,970 6,938,608 6,938,608 0 6,938,608
22,355 424
100,744,410
1,456,950
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan bakar & pelumas, lt Total Biaya Langsung
April 2002 Rp
516,638
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
84.24 4.68 109.92 0.00 12.61 86.64 34.44 332.54 1,453.02
10.30 6.19 75.31 55.12 1,120.47
1.04
936.73 35.78
Rp/kg tapioka
5.80% 0.32% 7.57% 0.00% 0.87% 5.96% 2.37% 22.89% 100.00%
0.71% 0.43% 5.18% 3.79% 77.11%
0.07%
64.47% 2.46%
% 0
1,343,050 22.18 20 323.91 4,146 1,500 1,535.58 210.00 208 8,650 1,066,450 2,199,100 210,400 26,940 20.06 41.48 328,840 244.85 1,851 726
1,343,050
81,852 55,709
188 750
2,157 1,544
6,265,651 6,265,651 6,265,651 6,055,207 210,444 6,055,207
Kg 0
Mei 2002
149,836,794 9,999,807 175,254,785 0 27,089,984 131,805,081 39,860,785 533,847,236 2,062,357,099
16,899,145 10,474,150 114,619,811 78,910,984 1,528,509,863
1,643,760
1,302,409,074 1,302,409,074 1,302,409,074 1,258,215,834 44,193,240 1,258,215,834 47,746,179 47,746,179
Rp
111.56 7.45 130.49 0.00 20.17 98.14 29.68 397.49 1,535.58
12.58 7.80 85.34 58.76 1,138.09
1.22
936.83 35.55
Rp/kg tapioka
7.27% 0.48% 8.50% 0.00% 1.31% 6.39% 1.93% 25.89% 100.00%
0.82% 0.51% 5.56% 3.83% 74.11%
0.08%
61.01% 2.32%
%
1,692,800 21.64 21 416.46 4,065 1,435 1,470.48 210.00 211 0 210,400 1,365,400 537,800 37,420 22.11 42.64 435,460 257.24 1,946 870
1,692,800
97,466 72,178
140 965
24,016 615
8,317,129 8,317,129 8,527,573 7,821,096 706,477 7,821,096
210,444
Kg
Juni 2002
141,720,817 9,679,672 150,442,003 0 24,582,688 134,249,563 48,547,840 509,222,583 2,489,225,183
15,642,290 12,931,040 137,384,564 101,073,019 1,980,002,600
1,283,800
1,755,412,409 1,755,412,409 1,799,605,649 1,651,245,479 148,360,170 1,651,245,479 60,442,408 60,442,408
44,193,240
Rp
83.72 5.72 88.87 0.00 14.52 79.31 28.68 300.82 1,470.48
9.24 7.64 81.16 59.71 1,169.66
0.76
975.45 35.71
Rp/kg tapioka
5.69% 0.39% 6.04% 0.00% 0.99% 5.39% 1.95% 20.46% 100.00%
0.63% 0.52% 5.52% 4.06% 79.54%
0.05%
66.34% 2.43%
%
165
2,627,550 22.39 31 658.81 3,988 1,358 1,393.67 210.00 217 0 537,800 2,228,600 936,750 63,410 24.13 38.96 655,220 249.37 2,119 1,240
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
137,296 102,377
420 1,455
167,333,809 55,422,176 170,304,849 0 57,975,946 135,004,501 40,165,329 626,206,610 3,661,929,065
20,696,475 18,071,360 202,760,716 154,210,604 3,035,722,455
2,318,450
2,502,974,025 2,502,974,025 2,651,334,195 2,543,822,175 107,512,020 2,543,822,175 93,842,675 93,842,675
11,542,738 11,542,738 12,249,215 11,737,253 511,962 11,737,253
33,583 873
148,360,170
2,627,550
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Juli 2002 Rp
706,477
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
63.68 21.09 64.82 0.00 22.06 51.38 15.29 238.32 1,393.67
7.88 6.88 77.17 58.69 1,155.34
0.88
968.13 35.71
Rp/kg tapioka
4.57% 1.51% 4.65% 0.00% 1.58% 3.69% 1.10% 17.10% 100.00%
0.57% 0.49% 5.54% 4.21% 82.90%
0.06%
69.47% 2.56%
%
2,048,950 22.14 26 505.85 4,051 1,337 1,372.53 200.00 202 0 936,750 2,700,300 285,400 39,680 19.37 40.09 407,062 198.67 2,111 971
2,048,950
119,647 82,147
40 1,230
30,019 685
8,943,064 8,943,064 9,455,026 9,255,664 199,362 9,255,664
511,962
Kg
Agustus 2002
164,807,524 5,276,937 141,972,671 0 33,905,263 136,927,606 43,210,538 526,100,539 2,812,248,074
18,525,635 15,170,090 176,198,050 121,773,125 2,286,147,535
7,367,300
1,806,238,776 1,806,238,776 1,913,750,796 1,873,878,396 39,872,400 1,873,878,396 73,234,939 73,234,939
107,512,020
Rp
80.44 2.58 69.29 0.00 16.55 66.83 21.09 256.77 1,372.53
9.04 7.40 85.99 59.43 1,115.77
3.60
914.56 35.74
Rp/kg tapioka
5.86% 0.19% 5.05% 0.00% 1.21% 4.87% 1.54% 18.71% 100.00%
0.66% 0.54% 6.27% 4.33% 81.29%
0.26%
66.63% 2.60%
%
1,207,600 23.32 19 370.41 3,260 1,522 1,557.91 200.00 200 5,750 285,400 1,362,500 130,500 28,720 23.78 43.76 269,016 222.77 1,928 626
1,207,600
84,764 52,846
30 835
857
10,440
5,508,471 5,508,471 5,707,833 5,177,361 530,472 5,177,361
199,362
Kg
197,479,697 4,058,791 176,729,062 0 16,624,850 142,364,850 35,272,998 572,530,248 1,881,327,125
15,695,870 10,643,355 125,113,622 79,675,005 1,308,796,877
933,600
1,099,917,625 1,099,917,625 1,139,790,025 1,033,695,625 106,094,400 1,033,695,625 43,039,800 43,039,800
39,872,400
Rp
163.53 3.36 146.35 0.00 13.77 117.89 29.21 474.11 1,557.91
13.00 8.81 103.61 65.98 1,083.80
0.77
855.99 35.64
Rp/kg tapioka
September 2002
10.50% 0.22% 9.39% 0.00% 0.88% 7.57% 1.87% 30.43% 100.00%
0.83% 0.57% 6.65% 4.24% 69.57%
0.05%
54.95% 2.29%
%
166
2,062,600 24.50 24 507.57 4,064 1,351 1,386.15 215.00 213 1,150 130,500 1,978,850 214,250 39,340 19.07 44.02 386,680 187.47 2,247 918
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
120,868 90,793
50 1,143
187,450,887 4,425,995 244,532,894 0 30,417,052 143,244,016 31,189,094 641,259,938 2,859,069,978
19,278,870 14,980,230 179,658,195 135,874,715 2,217,810,040
1,294,900
1,742,911,375 1,742,911,375 1,849,005,775 1,794,975,630 54,030,145 1,794,975,630 71,747,500 71,747,500
8,140,820 8,140,820 8,671,292 8,419,989 251,303 8,419,989
24,164 1,068
106,094,400
2,062,600
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Oktober 2002 Rp
530,472
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
90.88 2.15 118.56 0.00 14.75 69.45 15.12 310.90 1,386.15
9.35 7.26 87.10 65.88 1,075.25
0.63
870.25 34.78
Rp/kg tapioka
6.56% 0.15% 8.55% 0.00% 1.06% 5.01% 1.09% 22.43% 100.00%
0.67% 0.52% 6.28% 4.75% 77.57%
0.05%
62.78% 2.51%
%
2,534,050 21.49 27 588.33 4,307 1,421 1,455.49 215.00 215 0 214,250 1,217,000 1,531,300 46,169 18.22 42.22 446,816 176.32 2,245 1,129
2,534,050
132,906 106,975
685 2,540
37,769 807
11,982,016 11,982,016 12,233,319 11,793,744 439,575 11,793,744
251,303
Kg
November 2002
249,954,271 2,675,598 176,068,231 0 24,923,826 157,844,927 37,453,544 648,920,397 3,688,280,701
20,776,505 17,789,450 207,443,672 167,970,789 3,039,360,304
4,011,075
2,575,368,196 2,575,368,196 2,629,398,341 2,534,889,716 94,508,625 2,534,889,716 86,479,097 86,479,097
54,030,145
Rp
98.64 1.06 69.48 0.00 9.84 62.29 14.78 256.08 1,455.49
8.20 7.02 81.86 66.29 1,199.41
1.58
1,000.33 34.13
Rp/kg tapioka
6.78% 0.07% 4.77% 0.00% 0.68% 4.28% 1.02% 17.59% 100.00%
0.56% 0.48% 5.62% 4.55% 82.41%
0.11%
68.73% 2.34%
%
953,100 18.94 14 245.84 3,877 2,023 2,056.78 215.00 215 13,450 1,531,300 50,000 2,434,400 24,021 25.20 45.40 216,880 227.55 1,531 623
953,100
66,976 43,269
1,058
285 1,185
19,062
4,617,336 4,617,336 5,056,911 5,031,257 25,654 5,031,257
439,575
Kg
Desember 2002
212,452,674 1,431,013 124,655,753 0 15,399,135 265,120,491 25,303,860 644,362,926 1,960,321,743
12,013,675 8,417,900 69,795,926 109,021,976 1,315,958,817
2,898,951
992,602,558 992,602,558 1,087,111,183 1,081,595,573 5,515,610 1,081,595,573 32,214,816 32,214,816
94,508,625
Rp
222.91 1.50 130.79 0.00 16.16 278.17 26.55 676.07 2,056.78
12.60 8.83 73.23 114.39 1,380.71
3.04
1,134.82 33.80
Rp/kg tapioka
10.84% 0.07% 6.36% 0.00% 0.79% 13.52% 1.29% 32.87% 100.00%
0.61% 0.43% 3.56% 5.56% 67.13%
0.15%
55.17% 1.64%
%
167
974,550 21.38 16 261.67 3,724 1,681 1,712.57 215.00 215 0 2,434,400 161,500 3,247,450 22,693 23.29 42.79 213,184 218.75 2,080 469
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
66,199 41,703
144,942,677 14,249,078 94,384,214 0 33,197,892 126,293,399 31,295,784 444,363,044 1,668,982,331
148.73 14.62 96.85 0.00 34.06 129.59 32.11 455.97 1,712.57
14.90 10.03 122.47 70.30 1,256.60
8.68% 0.85% 5.66% 0.00% 1.99% 7.57% 1.88% 26.62% 100.00%
0.87% 0.59% 7.15% 4.10% 73.38%
1,129,050 21.61 18 299.02 3,776 1,587 1,612.15 220.00 219 0 3,247,450 1,795,000 2,581,500 26,155 23.17 40.44 241,873 214.23 1,729 653
1,129,050
70,372 45,661
407 14,521,826 9,773,920 119,348,808 68,508,012 1,224,619,287
16,821 360
5,291,042 5,291,042 5,421,758 5,225,609 196,149 5,225,609
130,716
Kg
324
0.09%
58.70% 1.87%
%
410 930
1.58
1,005.28 32.05
Rp/kg tapioka
135 905
1,535,633
1,002,285,053 1,002,285,053 1,007,800,663 979,696,723 28,103,940 979,696,723 31,234,365 31,234,365
4,662,889 4,662,889 4,688,543 4,557,827 130,716 4,557,827
18,483 63
5,515,610
974,550
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Januari 2003 Rp
25,654
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
Februari 2003
144,843,753 26,572,899 74,445,959 0 19,395,723 126,531,292 27,368,535 419,158,161 1,820,202,678
13,043,453 9,522,385 127,454,559 73,743,667 1,401,044,517
2,078,584
1,161,851,830 1,161,851,830 1,189,955,770 1,146,802,990 43,152,780 1,146,802,990 28,398,879 28,398,879
28,103,940
Rp
128.29 23.54 65.94 0.00 17.18 112.07 24.24 371.25 1,612.15
11.55 8.43 112.89 65.31 1,240.91
1.84
1,015.72 25.15
Rp/kg tapioka
7.96% 1.46% 4.09% 0.00% 1.07% 6.95% 1.50% 23.03% 100.00%
0.72% 0.52% 7.00% 4.05% 76.97%
0.11%
63.00% 1.56%
%
1,821,250 21.43 23 475.13 3,833 1,452 1,465.62 220.00 224 0 2,581,500 1,390,500 3,012,250 37,051 20.34 38.43 373,433 205.04 2,104 866
1,821,250
103,972 69,986
879
655 1,470
34,025 150
8,624,141 8,624,141 8,820,290 8,496,983 323,307 8,496,983
196,149
Kg
Maret 2003
141,090,637 7,375,092 59,374,602 0 12,050,407 126,531,292 54,408,064 400,830,094 2,669,252,000
16,483,560 13,692,170 197,012,047 111,198,646 2,268,421,906
3,533,048
1,930,494,827 1,930,494,827 1,973,647,607 1,902,520,067 71,127,540 1,902,520,067 23,982,368 23,982,368
43,152,780
Rp
77.47 4.05 32.60 0.00 6.62 69.47 29.87 220.09 1,465.62
9.05 7.52 108.17 61.06 1,245.53
1.94
1,044.62 13.17
Rp/kg tapioka
5.29% 0.28% 2.22% 0.00% 0.45% 4.74% 2.04% 15.02% 100.00%
0.62% 0.51% 7.38% 4.17% 84.98%
0.13%
71.28% 0.90%
%
168
2,030,450 21.39 26 510.72 3,976 1,510 1,536.22 205.00 224 0 3,012,250 2,387,700 2,655,000 41,764 20.57 39.62 403,520 198.73 2,179 932
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
115,698 80,452
187,870,869 18,792,515 160,261,088 0 52,102,908 124,901,634 27,269,112 571,198,126 3,119,212,033
92.53 9.26 78.93 0.00 25.66 61.51 13.43 281.32 1,536.22
8.17 8.01 102.70 62.45 1,254.90
6.02% 0.60% 5.14% 0.00% 1.67% 4.00% 0.87% 18.31% 100.00%
0.53% 0.52% 6.69% 4.07% 81.69%
1,656,250 21.12 22 423.13 3,914 1,545 1,567.24 205.00 212 0 2,655,000 1,252,600 3,058,650 37,577 22.69 42.04 345,332 208.50 1,976 838
1,656,250
104,071 69,631
1,041 16,586,539 16,260,695 208,532,276 126,810,325 2,548,013,907
0.12%
24,517 538
7,795,771 7,795,771 8,227,862 7,843,543 384,319 7,843,543
432,091
Kg
1,113
1.86
68.06% 1.70%
%
685 1,235
3,771,348
1,045.58 26.13
Rp/kg tapioka
675 1,415
36,257 272
2,140,448,449 2,140,448,449 2,211,575,989 2,122,997,334 88,578,655 2,122,997,334 53,055,390 53,055,390
9,602,846 9,602,846 9,926,153 9,494,062 432,091 9,494,062
2,030,450
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
71,127,540
323,307
April 2003 Rp
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
Mei 2003
206,310,707 8,428,051 98,544,764 0 31,203,701 126,372,719 93,614,600 564,474,542 2,595,735,480
16,371,927 14,355,205 189,366,256 108,986,625 2,031,260,938
3,614,232
1,652,480,311 1,652,480,311 1,741,058,966 1,662,273,571 78,785,395 1,662,273,571 36,293,122 36,293,122
88,578,655
Rp
124.56 5.09 59.50 0.00 18.84 76.30 56.52 340.81 1,567.24
9.88 8.67 114.33 65.80 1,226.42
2.18
1,003.64 21.91
Rp/kg tapioka
7.95% 0.32% 3.80% 0.00% 1.20% 4.87% 3.61% 21.75% 100.00%
0.63% 0.55% 7.30% 4.20% 78.25%
0.14%
64.04% 1.40%
%
2,018,800 24.09 23 464.57 4,346 1,273 1,302.62 200.00 208 7,350 3,058,650 534,000 4,543,450 37,715 18.68 38.85 379,675 188.07 2,007 1,006
2,018,800
108,235 78,429
1,286
650 1,245
40,376
8,342,525 8,342,525 8,726,844 8,379,509 347,335 8,379,509
384,319
Kg
Juni 2003
199,010,385 1,743,413 99,186,857 0 22,103,836 126,768,570 25,041,669 473,854,730 2,629,722,453
17,250,283 17,847,950 191,045,840 121,832,210 2,155,867,723
3,816,072
1,734,907,332 1,734,907,332 1,813,692,727 1,744,225,727 69,467,000 1,744,225,727 59,849,641 59,849,641
78,785,395
Rp
98.58 0.86 49.13 0.00 10.95 62.79 12.40 234.72 1,302.62
8.54 8.84 94.63 60.35 1,067.90
1.89
863.99 29.65
Rp/kg tapioka
7.57% 0.07% 3.77% 0.00% 0.84% 4.82% 0.95% 18.02% 100.00%
0.66% 0.68% 7.26% 4.63% 81.98%
0.15%
66.33% 2.28%
%
169
2,294,250 24.44 25 527.76 4,347 1,299 1,333.85 200.00 207 0 4,543,450 1,377,000 5,460,700 38,297 16.69 38.00 428,089 186.59 2,229 1,029
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
118,327 87,189
322,152,100 7,553,510 138,360,295 0 20,485,944 128,015,871 33,312,445 649,880,165 3,060,179,831
140.42 3.29 60.31 0.00 8.93 55.80 14.52 283.26 1,333.85
8.07 8.02 93.22 59.01 1,050.58
10.53% 0.25% 4.52% 0.00% 0.67% 4.18% 1.09% 21.24% 100.00%
0.61% 0.60% 6.99% 4.42% 78.76%
1,608,400 25.15 23 377.41 4,262 1,304 1,332.97 200.00 207 0 5,460,700 2,514,500 4,554,600 29,617 18.41 40.10 301,332 187.35 2,177 739
1,608,400
88,913 64,498
1,079 18,519,786 18,406,335 213,863,975 135,385,545 2,410,299,666
0.14%
32,168
6,435,527 6,435,527 6,658,397 6,395,729 262,668 6,395,729
222,870
Kg
1,456
1.87
63.42% 2.58%
%
550 1,065
4,285,662
845.98 34.41
Rp/kg tapioka
725 1,395
45,885
1,915,997,397 1,915,997,397 1,985,464,397 1,940,890,397 44,574,000 1,940,890,397 78,947,966 78,947,966
9,261,054 9,261,054 9,608,389 9,385,519 222,870 9,385,519
2,294,250
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
69,467,000
347,335
Juli 2003 Rp
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
Agustus 2003
227,070,319 (7,886,624) 83,888,147 0 31,659,797 124,245,771 25,541,105 484,518,515 2,143,943,603
15,803,412 13,946,300 157,530,583 99,966,895 1,659,425,088
3,232,258
1,330,058,388 1,330,058,388 1,374,632,388 1,322,098,788 52,533,600 1,322,098,788 46,846,852 46,846,852
44,574,000
Rp
141.18 -4.90 52.16 0.00 19.68 77.25 15.88 301.24 1,332.97
9.83 8.67 97.94 62.15 1,031.72
2.01
822.00 29.13
Rp/kg tapioka
10.59% -0.37% 3.91% 0.00% 1.48% 5.80% 1.19% 22.60% 100.00%
0.74% 0.65% 7.35% 4.66% 77.40%
0.15%
61.67% 2.19%
%
3,306,000 25.29 30 685.85 4,820 1,094 1,122.78 180.00 198 0 4,554,600 2,686,500 5,174,100 52,028 15.74 35.18 554,272 167.66 2,335 1,416
3,306,000
149,784 116,304
1,978
1,625 1,890
66,120
13,368,600 13,368,600 13,631,268 13,070,936 560,332 13,070,936
262,668
Kg
215,870,514 5,217,030 122,123,379 0 23,008,283 131,581,240 34,795,736 532,596,182 3,711,898,180
24,538,079 23,820,180 259,373,159 179,124,250 3,179,301,998
6,829,750
2,637,868,535 2,637,868,535 2,690,402,135 2,589,542,375 100,859,760 2,589,542,375 96,074,205 96,074,205
52,533,600
Rp
65.30 1.58 36.94 0.00 6.96 39.80 10.53 161.10 1,122.78
7.42 7.21 78.46 54.18 961.68
2.07
783.29 29.06
Rp/kg tapioka
September 2003
5.82% 0.14% 3.29% 0.00% 0.62% 3.54% 0.94% 14.35% 100.00%
0.66% 0.64% 6.99% 4.83% 85.65%
0.18%
69.76% 2.59%
%
170
2,845,450 23.42 28 634.15 4,487 1,196 1,223.17 170.00 181 0 5,174,100 3,337,000 4,682,550 46,582 16.37 37.73 504,804 177.41 2,316 1,229
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
138,475 107,367
280,522,603 19,367,484 179,733,971 0 57,099,003 134,130,740 57,741,000 728,594,801 3,480,480,844
98.59 6.81 63.17 0.00 20.07 47.14 20.29 256.06 1,223.17
6.98 7.25 91.22 58.22 967.12
8.06% 0.56% 5.16% 0.00% 1.64% 3.85% 1.66% 20.93% 100.00%
0.57% 0.59% 7.46% 4.76% 79.07%
1,753,600 22.58 19 393.40 4,458 1,330 1,357.67 178.24 178 0 4,682,550 1,931,750 4,504,400 29,433 16.78 37.42 314,322 179.24 1,701 1,031
1,753,600
92,445 65,620
1,307 19,849,067 20,625,005 259,549,015 165,648,822 2,751,886,043
35,072
7,660,649 7,660,649 7,767,543 7,767,543 0 7,767,543
106,894
Kg
1,833
0.22%
63.22% 2.25%
%
1,030 1,235
2.65
773.33 27.48
Rp/kg tapioka
1,605 1,880
7,549,231
2,117,796,373 2,117,796,373 2,218,656,133 2,200,484,153 18,171,980 2,200,484,153 78,180,750 78,180,750
11,695,117 11,695,117 12,255,449 12,148,555 106,894 12,148,555
56,909
100,859,760
2,845,450
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Oktober 2003 Rp
560,332
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
November 2003
310,772,196 14,237,312 91,305,133 0 31,526,763 127,063,851 41,512,426 616,417,681 2,380,814,668
13,873,112 13,356,850 198,090,282 101,226,495 1,764,396,987
5,182,909
1,366,341,759 1,366,341,759 1,384,513,739 1,384,513,739 0 1,384,513,739 48,153,600 48,153,600
18,171,980
Rp
177.22 8.12 52.07 0.00 17.98 72.46 23.67 351.52 1,357.67
7.91 7.62 112.96 57.72 1,006.16
2.96
789.53 27.46
Rp/kg tapioka
13.05% 0.60% 3.84% 0.00% 1.32% 5.34% 1.74% 25.89% 100.00%
0.58% 0.56% 8.32% 4.25% 74.11%
0.22%
58.15% 2.02%
% 0
#DIV/0!
0.00 39.91 424,891 182.72
2,325,400 22.21 23 520.80 4,465 1,275 1,302.29 165.00 174 0 4,504,400 2,705,250 4,124,550
2,325,400
424,891 92,817
1,443 990
46,508
11,267,412 11,267,412 11,267,412 10,471,979 795,433 10,471,979
Kg
311,168,301 2,288,421 169,223,570 0 57,291,354 142,218,618 40,383,978 722,574,242 3,028,345,069
17,783,640 16,734,320 236,317,517 143,125,345 2,305,770,827
3,388,961
1,955,758,489 1,955,758,489 1,955,758,489 1,824,512,044 131,246,445 1,824,512,044 63,909,000 63,909,000
0
Desember 2003 Rp
133.81 0.98 72.77 0.00 24.64 61.16 17.37 310.73 1,302.29
7.65 7.20 101.62 61.55 991.56
1.46
784.60 27.48
Rp/kg tapioka
10.28% 0.08% 5.59% 0.00% 1.89% 4.70% 1.33% 23.86% 100.00%
0.59% 0.55% 7.80% 4.73% 76.14%
0.11%
60.25% 2.11%
%
171
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
Januari 2004
2,224,000
112,978 81,609
#DIV/0!
6.13% 0.27% 4.72% 0.00% 1.44% 3.73% 0.87% 17.16% 100.00%
0.66% 0.66% 7.84% 5.05% 82.84%
15 735 14 1,482
44,480
9,060,545 9,060,545 9,670,080 9,385,877 284,203 9,385,877
609,535
Kg
#DIV/0!
70.26 3.07 54.12 0.00 16.54 42.72 10.03 196.75 1,146.84
7.59 7.59 89.90 57.92 950.09
0.14%
66.14% 2.36%
%
2,224,000 23.70 22 492.80 4,513 1,063 1,090.21 140.00 153 0 4,793,700 2,218,500 4,799,200 39,494 17.76 36.69 414,814 186.52
212,628,644 9,275,830 163,768,293 0 50,064,273 129,290,739 30,355,853 595,383,632 3,470,511,577
22,982,868 22,959,205 272,049,661 175,279,297 2,875,127,945
1.58
758.50 27.02
Rp/kg tapioka
3,026,150 21.90 31 666.55 4,540 1,120 1,146.84 160.00 166 0 4,124,550 2,357,000 4,793,700 49,903 16.49 37.56 541,847 179.05
3,026,150
146,223 113,654
2,234
2,234 1,200
4,771,688
2,261,603,461 2,261,603,461 2,392,849,906 2,295,324,306 97,525,600 2,295,324,306 81,760,920 81,760,920
13,635,225 13,635,225 14,430,658 13,821,123 609,535 13,821,123
60,523
131,246,445
Rp
795,433
Kg
Februari 2004
181,586,916 6,871,214 165,238,572 0 33,671,784 129,347,355 33,696,060 550,411,901 2,424,621,860
17,584,743 16,606,440 217,278,552 125,837,666 1,874,209,959
3,392,686
1,374,852,692 1,374,852,692 1,472,378,292 1,432,589,872 39,788,420 1,432,589,872 60,920,000 60,920,000
97,525,600
Rp
81.65 3.09 74.30 0.00 15.14 58.16 15.15 247.49 1,090.21
7.91 7.47 97.70 56.58 842.72
1.53
644.15 27.39
Rp/kg tapioka
7.49% 0.28% 6.82% 0.00% 1.39% 5.33% 1.39% 22.70% 100.00%
0.73% 0.68% 8.96% 5.19% 77.30%
0.14%
59.09% 2.51%
%
#DIV/0!
1,865,300 24.16 20 419.71 4,444 1,136 1,163.07 160.00 156 0 4,799,200 5,261,500 1,403,000 36,520 19.58 36.80 343,186 183.98
1,865,300
101,251 68,641
25 1,115 103 1,295
37,306
7,816,653 7,816,653 8,100,856 7,721,221 379,635 7,721,221
284,203
Kg
Maret 2004
189,011,098 8,511,760 143,324,838 0 67,801,325 129,347,355 51,215,407 589,211,783 2,169,465,348
17,134,186 16,810,510 180,862,098 106,697,632 1,580,253,565
4,473,640
1,225,274,349 1,225,274,349 1,265,062,769 1,204,321,169 60,741,600 1,204,321,169 49,954,330 49,954,330
39,788,420
Rp
101.33 4.56 76.84 0.00 36.35 69.34 27.46 315.88 1,163.07
9.19 9.01 96.96 57.20 847.18
2.40
645.64 26.78
Rp/kg tapioka
8.71% 0.39% 6.61% 0.00% 3.13% 5.96% 2.36% 27.16% 100.00%
0.79% 0.77% 8.34% 4.92% 72.84%
0.21%
55.51% 2.30%
%
172
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
2,935,050
147,873 108,112
#DIV/0!
6.33% 1.22% 5.57% 0.00% 2.17% 4.73% 1.98% 22.00% 100.00%
0.69% 0.63% 7.71% 4.93% 78.00%
2,230 690 146 2,085
58,701
12,454,376 12,454,376 12,841,956 12,461,228 380,728 12,461,228
387,580
Kg
#DIV/0!
72.21 13.87 63.54 0.00 24.80 53.90 22.55 250.88 1,140.55
7.82 7.21 87.95 56.24 889.67
0.19%
61.52% 2.33%
%
2,935,050 23.55 30 673.55 4,358 1,110 1,138.46 160.00 167 0 1,052,150 1,996,500 1,990,700 52,295 17.82 36.83 524,644 178.75
173,281,972 33,292,137 152,471,611 0 59,512,364 129,347,355 54,113,217 602,018,656 2,736,910,906
18,759,857 17,307,475 211,051,247 134,961,736 2,134,892,250
2.21
701.69 26.55
Rp/kg tapioka
2,399,650 23.75 25 526.10 4,561 1,114 1,140.55 160.00 167 0 1,403,000 2,750,500 1,052,150 42,022 17.51 36.14 417,616 174.03
2,399,650
119,808 86,734
1,856 1,207 112 1,744
5,302,500
1,685,077,790 1,685,077,790 1,745,819,390 1,683,806,590 62,012,800 1,683,806,590 63,702,845 63,702,845
10,112,646 10,112,646 10,492,281 10,104,701 387,580 10,104,701
47,993
60,741,600
379,635
April 2004 Rp
Kg
Mei 2004
215,223,883 22,471,610 187,075,211 0 104,938,040 129,347,355 38,259,980 697,316,079 3,341,449,635
23,991,190 21,880,405 260,995,145 169,361,046 2,644,133,556
5,367,050
2,078,702,778 2,078,702,778 2,140,715,578 2,079,799,098 60,916,480 2,079,799,098 82,739,622 82,739,622
62,012,800
Rp
73.33 7.66 63.74 0.00 35.75 44.07 13.04 237.58 1,138.46
8.17 7.45 88.92 57.70 900.88
1.83
708.61 28.19
Rp/kg tapioka
6.44% 0.67% 5.60% 0.00% 3.14% 3.87% 1.15% 20.87% 100.00%
0.72% 0.65% 7.81% 5.07% 79.13%
0.16%
62.24% 2.48%
%
#DIV/0!
2,893,550 24.01 30 671.05 4,312 1,074 1,104.30 165.00 168 0 1,990,700 1,270,500 3,613,750 50,599 17.49 36.34 522,951 180.73
2,893,550
141,635 105,150
50 1,210 161 1,905
57,871
12,205,378 12,205,378 12,586,106 12,053,847 532,259 12,053,847
380,728
Kg
Juni 2004
202,474,578 20,015,014 174,167,717 0 52,667,373 129,347,355 30,343,477 609,015,514 3,195,337,966
23,029,335 21,308,065 262,905,674 164,251,801 2,586,322,452
6,132,100
2,048,434,316 2,048,434,316 2,109,350,796 2,021,528,061 87,822,735 2,021,528,061 87,167,416 87,167,416
60,916,480
Rp
69.97 6.92 60.19 0.00 18.20 44.70 10.49 210.47 1,104.30
7.96 7.36 90.86 56.76 893.82
2.12
698.63 30.12
Rp/kg tapioka
6.34% 0.63% 5.45% 0.00% 1.65% 4.05% 0.95% 19.06% 100.00%
0.72% 0.67% 8.23% 5.14% 80.94%
0.19%
63.26% 2.73%
%
173
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
3,042,050
146,205 110,210
#DIV/0!
6.03% 1.24% 4.17% 0.00% 0.99% 3.97% 1.39% 17.79% 100.00%
0.69% 0.66% 8.22% 5.41% 82.21%
2,585 930 163 2,422
59,209
11,710,365 11,710,365 12,462,562 11,988,611 473,951 11,988,611
752,197
Kg
#DIV/0!
66.51 13.63 45.97 0.00 10.97 43.83 15.28 196.19 1,102.87
7.63 7.30 90.65 59.63 906.68
0.25%
64.75% 2.23%
%
3,042,050 25.37 29 652.50 4,662 1,103 1,135.22 165.00 170 0 3,295,250 2,508,500 3,828,800 55,074 18.10 36.23 526,852 173.19
196,935,710 40,370,533 136,123,358 0 32,469,656 129,770,264 45,244,311 580,913,832 3,265,590,038
22,601,931 21,624,880 268,412,475 176,573,281 2,684,676,206
2.79
714.06 24.61
Rp/kg tapioka
2,961,000 24.14 30 677.15 4,373 1,078 1,102.87 165.00 172 0 3,613,750 3,279,500 3,295,250 52,940 17.88 38.03 538,739 181.94
2,961,000
146,143 112,608
72 1,320 174 2,580
8,269,380
2,150,611,007 2,150,611,007 2,238,433,742 2,114,321,237 124,112,505 2,114,321,237 72,873,022 72,873,022
12,485,403 12,485,403 13,017,662 12,265,465 752,197 12,265,465
47,876
87,822,735
532,259
Juli 2004 Rp
Kg
Agustus 2004
246,020,684 108,791,968 243,800,966 0 53,736,127 129,788,233 36,258,313 818,396,291 3,453,383,169
25,321,288 22,212,945 269,210,340 173,855,353 2,634,986,878
6,608,175
1,992,840,377 1,992,840,377 2,116,952,882 2,038,750,967 78,201,915 2,038,750,967 99,027,810 99,027,810
124,112,505
Rp
80.87 35.76 80.14 0.00 17.66 42.66 11.92 269.03 1,135.22
8.32 7.30 88.50 57.15 866.19
2.17
670.19 32.55
Rp/kg tapioka
7.12% 3.15% 7.06% 0.00% 1.56% 3.76% 1.05% 23.70% 100.00%
0.73% 0.64% 7.80% 5.03% 76.30%
0.19%
59.04% 2.87%
%
#DIV/0!
3,031,650 25.50 29 634.95 4,775 1,063 1,095.69 165.00 172 0 3,828,800 3,345,000 3,515,450 54,958 18.13 34.93 523,225 172.59
3,031,650
144,064 105,894
2,565 845 117 2,448
57,065
11,852,034 11,852,034 12,325,985 11,889,052 436,933 11,889,052
473,951
Kg
233,614,373 77,690,701 133,547,417 0 42,285,615 130,456,445 45,045,764 662,640,315 3,321,736,037
26,533,318 22,222,905 290,288,200 171,571,313 2,659,095,722
6,009,075
2,038,700,656 2,038,700,656 2,116,902,571 2,044,808,626 72,093,945 2,044,808,626 97,662,285 97,662,285
78,201,915
Rp
77.06 25.63 44.05 0.00 13.95 43.03 14.86 218.57 1,095.69
8.75 7.33 95.75 56.59 877.11
1.98
674.49 32.21
Rp/kg tapioka
September 2004
7.03% 2.34% 4.02% 0.00% 1.27% 3.93% 1.36% 19.95% 100.00%
0.80% 0.67% 8.74% 5.17% 80.05%
0.18%
61.56% 2.94%
%
174
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan bakar & pelumas, lt Total Biaya Langsung
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
1,571,000
91,372 62,434
#DIV/0!
7.72% 2.42% 4.72% 0.00% 1.52% 3.73% 1.23% 21.34% 100.00%
0.84% 0.62% 8.12% 4.81% 78.66%
2,016 242 76 1,940
31,420
6,808,633 6,808,633 7,184,994 6,697,589 487,405 6,697,589
376,361
Kg
#DIV/0!
90.49 28.38 55.29 0.00 17.86 43.72 14.41 250.15 1,172.24
9.81 7.30 95.15 56.38 922.09
0.19%
61.30% 2.78%
%
1,571,000 23.46 18 382.45 4,108 1,368 1,402.22 170.00 177 0 1,583,650 1,986,300 1,168,350 34,266 21.81 39.74 303,816 193.39
271,545,779 85,154,695 165,915,473 0 53,589,009 131,180,403 43,227,943 750,613,302 3,517,533,468
29,437,041 21,907,200 285,519,033 169,184,933 2,766,920,166
2.17
718.64 32.64
Rp/kg tapioka
3,000,700 24.11 29 653.50 4,592 1,140 1,172.24 170.00 173 0 3,515,450 4,932,500 1,583,650 55,891 18.63 35.98 508,231 169.37
3,000,700
146,623 107,971
3,429
3,429 805
6,509,437
2,148,311,192 2,148,311,192 2,220,405,137 2,156,423,767 63,981,370 2,156,423,767 97,938,755 97,938,755
12,387,344 12,387,344 12,824,277 12,447,916 376,361 12,447,916
60,014
72,093,945
436,933
Oktober 2004 Rp
Kg
November 2004
322,582,854 5,018,629 98,164,180 0 22,302,298 131,227,437 71,303,564 650,598,962 2,202,888,287
19,604,591 16,839,760 178,134,245 96,499,297 1,552,289,325
4,102,390
1,202,341,267 1,202,341,267 1,266,322,637 1,183,463,787 82,858,850 1,183,463,787 53,645,255 53,645,255
63,981,370
Rp
205.34 3.19 62.49 0.00 14.20 83.53 45.39 414.13 1,402.22
12.48 10.72 113.39 61.43 988.09
2.61
753.32 34.15
Rp/kg tapioka
14.64% 0.23% 4.46% 0.00% 1.01% 5.96% 3.24% 29.53% 100.00%
0.89% 0.76% 8.09% 4.38% 70.47%
0.19%
53.72% 2.44%
%
#DIV/0!
1,893,200 21.31 23 449.85 4,209 1,403 1,440.54 176.52 177 0 1,168,350 2,882,000 179,550 49,979 26.40 41.14 364,771 192.67
1,893,200
113,703 77,892
4,496 155 222 4,273
37,864
8,395,156 8,395,156 8,882,561 8,882,561 0 8,882,561
487,405
Kg
Desember 2004
343,601,484 39,541,674 138,357,549 0 21,487,913 131,682,781 47,806,189 722,477,590 2,727,237,566
26,046,233 18,091,880 192,680,146 120,085,114 2,004,759,976
8,977,731
1,485,084,952 1,485,084,952 1,567,943,802 1,567,943,802 0 1,567,943,802 70,935,070 70,935,070
82,858,850
Rp
181.49 20.89 73.08 0.00 11.35 69.56 25.25 381.62 1,440.54
13.76 9.56 101.77 63.43 1,058.93
4.74
828.20 37.47
Rp/kg tapioka
12.60% 1.45% 5.07% 0.00% 0.79% 4.83% 1.75% 26.49% 100.00%
0.96% 0.66% 7.07% 4.40% 73.51%
0.33%
57.49% 2.60%
%
175
852,150 20.94 15 216.35 3,939 1,743 1,778.40 190.00 191 3,400 179,550 866,000 165,700 26,245 30.80 41.64 170,977 200.64 2,297 371
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
68,448 35,487
1,558 125 122 1,436
182,646,362 40,668,293 73,793,382 0 39,833,735 114,932,139 51,650,245 503,524,156 1,515,460,833
18,467,367 9,489,035 119,577,049 55,383,565 1,011,936,677
3,581,675
803,412,882 803,412,882 803,412,882 775,688,082 27,724,800 775,688,082 29,749,904 29,749,904
4,215,811 4,215,811 4,215,811 4,069,891 145,920 4,069,891
17,043
0
852,150
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Januari 2005 Rp
0
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
214.34 47.72 86.60 0.00 46.74 134.87 60.61 590.89 1,778.40
21.67 11.14 140.32 64.99 1,187.51
4.20
910.27 34.91
Rp/kg tapioka
12.05% 2.68% 4.87% 0.00% 2.63% 7.58% 3.41% 33.23% 100.00%
1.22% 0.63% 7.89% 3.65% 66.77%
0.24%
51.18% 1.96%
%
832,500 21.31 13 200.00 4,163 1,762 1,797.25 230.00 219 45,700 165,700 227,000 771,200 25,807 31.00 41.26 162,457 195.14 2,107 395
832,500
63,413 34,346
1,070 115 96 972
16,650
4,086,418 4,086,418 4,232,338 3,907,422 324,916 3,907,422
145,920
Kg
Februari 2005
178,535,914 8,145,276 54,361,925 0 19,958,793 115,161,083 37,662,329 413,825,320 1,496,209,929
17,188,795 8,983,005 114,964,224 53,192,627 1,082,384,609
2,618,725
903,073,977 903,073,977 930,798,777 856,068,097 74,730,680 856,068,097 29,369,136 29,369,136
27,724,800
Rp
214.46 9.78 65.30 0.00 23.97 138.33 45.24 497.09 1,797.25
20.65 10.79 138.10 63.90 1,300.16
3.15
1,028.31 35.28
Rp/kg tapioka
11.93% 0.54% 3.63% 0.00% 1.33% 7.70% 2.52% 27.66% 100.00%
1.15% 0.60% 7.68% 3.56% 72.34%
0.18%
57.22% 1.96%
%
944,950 20.63 16 246.20 3,838 1,877 1,911.60 240.00 242 41,850 771,200 515,500 1,200,650 30,103 31.86 43.21 192,526 203.74 2,415 391
944,950
60,818 40,829
1,241 172 115 1,126
18,899
4,418,835 4,418,835 4,743,751 4,580,635 163,116 4,580,635
324,916
Kg
Maret 2005
184,804,137 10,947,724 62,561,520 0 18,031,934 115,935,814 32,072,064 424,353,193 1,806,365,010
20,414,929 9,499,930 143,473,315 64,084,909 1,382,011,817
3,107,912
1,073,213,778 1,073,213,778 1,147,944,458 1,108,796,618 39,147,840 1,108,796,618 32,634,204 32,634,204
74,730,680
Rp
195.57 11.59 66.21 0.00 19.08 122.69 33.94 449.07 1,911.60
21.60 10.05 151.83 67.82 1,462.52
3.29
1,173.39 34.54
Rp/kg tapioka
10.23% 0.61% 3.46% 0.00% 1.00% 6.42% 1.78% 23.49% 100.00%
1.13% 0.53% 7.94% 3.55% 76.51%
0.17%
61.38% 1.81%
%
176
609,700 19.52 16 189.50 3,217 2,630 2,661.92 310.00 298 0 1,200,650 184,500 1,625,850 39,257 64.39 45.71 139,645 229.04 2,413 253
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
139,645 27,871
1,230 124 86 1,144
10,738 91
180,034,727 22,747,178 63,592,698 0 50,821,969 115,984,696 51,378,920 484,560,188 1,622,972,799
19,052,828 9,745,730 111,222,204 47,245,804 1,138,412,611
2,785,500
890,006,320 890,006,320 929,154,160 929,154,160 0 929,154,160 19,206,385 19,206,385
2,959,559 2,959,559 3,122,675 3,122,675 0 3,122,675
609,700
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
39,147,840
163,116
April 2005 Rp
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
295.28 37.31 104.30 0.00 83.36 190.23 84.27 794.75 2,661.92
31.25 15.98 182.42 77.49 1,867.17
4.57
1,523.95 31.50
Rp/kg tapioka
11.09% 1.40% 3.92% 0.00% 3.13% 7.15% 3.17% 29.86% 100.00%
1.17% 0.60% 6.85% 2.91% 70.14%
0.17%
57.25% 1.18%
% 0
402,450 19.64 7 187.80 2,143 3,230 3,250.63 318.67 319 0 1,625,850 371,500 1,656,800 11,644 28.93 42.04 77,477 192.51 2,315 174
402,450
41,942 16,920
517
517 31
4,097 247
2,048,918 2,048,918 2,048,918 2,048,918 0 2,048,918
Kg 0
Mei 2005
213,722,239 36,530,211 27,612,506 0 35,533,600 116,226,781 83,130,556 512,755,893 1,308,215,875
17,586,030 6,602,355 79,488,169 29,528,615 795,459,982
850,175
652,928,477 652,928,477 652,928,477 652,928,477 0 652,928,477 8,476,161 8,476,161
Rp
531.05 90.77 68.61 0.00 88.29 288.80 206.56 1,274.09 3,250.63
43.70 16.41 197.51 73.37 1,976.54
2.11
1,622.38 21.06
Rp/kg tapioka
16.34% 2.79% 2.11% 0.00% 2.72% 8.88% 6.35% 39.20% 100.00%
1.34% 0.50% 6.08% 2.26% 60.80%
0.06%
49.91% 0.65%
%
0 0
0
0 0 0 0 0 0
0
0 0
#DIV/0! #DIV/0! 2,267 #DIV/0! 1,624 0
0 1,656,800 894,000 762,800
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0!
0
21,964 0
Kg
0 0 0 0 0
0
0 0 0 0 0 0 0 0
0
Juni 2005
373,835,320 10,872,713 16,869,634 4,101,932 29,743,894 138,296,847 39,624,991 613,345,331 613,345,331
Rp
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0!
#DIV/0! #DIV/0!
Rp/kg tapioka
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0!
#DIV/0! #DIV/0!
%
177
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
0 0
0
0
0
#DIV/0! #DIV/0! 1,381 #DIV/0! 1,880 0
331,461,897 2,218,574 4,655,500 3,855,435 10,006,888 138,395,285 33,899,868 524,493,447 524,493,447
0 0 0 0 0
0
0 0 0 0 0 0 0 0
0 0 0 0 0 0
0
0
0 762,800 393,000 369,800
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0!
Juli 2005 Rp
0
19,864 0
Kg
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0!
#DIV/0! #DIV/0!
Rp/kg tapioka
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0!
#DIV/0! #DIV/0!
% 0
#DIV/0!
0.00 40.63 68,688 298.19
600,150
230,350 16.60 5 59.95 3,842 4,808 4,852.11 367.32 367 0 369,800
230,350
68,688 9,359
725 122
4,608
1,387,391 1,387,391 1,387,391 1,387,391 0 1,387,391
Kg
232,742,054 14,856,214 34,235,033 0 12,569,192 140,167,019 51,351,139 485,920,651 1,117,683,193
10,916,961 4,371,440 78,784,449 16,675,960 631,762,542
1,315,900
509,622,088 509,622,088 509,622,088 509,622,088 0 509,622,088 10,075,744 10,075,744
0
Agustus 2005 Rp
1,010.38 64.49 148.62 0.00 54.57 608.50 222.93 2,109.49 4,852.11
47.39 18.98 342.02 72.39 2,742.62
5.71
2,212.38 43.74
Rp/kg tapioka
20.82% 1.33% 3.06% 0.00% 1.12% 12.54% 4.59% 43.48% 100.00%
0.98% 0.39% 7.05% 1.49% 56.52%
0.12%
45.60% 0.90%
% 0
1,177,800 21.51 14 240.65 4,894 2,419 2,459.65 380.00 384 0 600,150 330,500 1,447,450 28,557 24.25 36.44 228,667 194.15 2,378 495
1,177,800
79,987 42,922
1,823 340 20 1,803
23,556
5,646,801 5,646,801 5,646,801 5,475,374 171,427 5,475,374
Kg 0
186,695,374 37,225,848 62,124,489 0 22,795,548 143,112,979 19,102,177 471,056,415 2,896,981,502
19,586,006 10,662,375 162,795,967 76,478,849 2,425,925,087
3,651,190
2,169,451,442 2,169,451,442 2,169,451,442 2,104,309,182 65,142,260 2,104,309,182 48,441,518 48,441,518
Rp
158.51 31.61 52.75 0.00 19.35 121.51 16.22 399.95 2,459.65
16.63 9.05 138.22 64.93 2,059.71
3.10
1,786.64 41.13
Rp/kg tapioka
September 2005
6.44% 1.28% 2.14% 0.00% 0.79% 4.94% 0.66% 16.26% 100.00%
0.68% 0.37% 5.62% 2.64% 83.74%
0.13%
72.64% 1.67%
%
178
1,326,200 20.88 16 268.30 4,943 2,559 2,599.99 335.00 377 1,450 1,447,450 309,500 2,464,150 30,694 23.14 37.61 262,046 197.59 2,373 559
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
262,046 49,875
2,003
2,131 270
26,524
327,295,420 16,675,110 68,865,229 0 63,249,447 176,357,922 39,132,205 691,575,333 3,448,103,269
20,559,628 11,075,300 182,853,078 88,867,774 2,756,527,936
4,949,363
2,328,681,713 2,328,681,713 2,393,823,973 2,393,823,973 0 2,393,823,973 54,398,820 54,398,820
6,180,855 6,180,855 6,352,282 6,352,282 0 6,352,282
1,326,200
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
65,142,260
171,427
Oktober 2005 Rp
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
246.79 12.57 51.93 0.00 47.69 132.98 29.51 521.47 2,599.99
15.50 8.35 137.88 67.01 2,078.52
3.73
1,805.02 41.02
Rp/kg tapioka
9.49% 0.48% 2.00% 0.00% 1.83% 5.11% 1.13% 20.06% 100.00%
0.60% 0.32% 5.30% 2.58% 79.94%
0.14%
69.42% 1.58%
% 0
655,200 21.10 8 142.25 4,606 2,474 2,514.92 296.00 307 15,300 2,464,150 518,500 2,600,850 17,815 27.19 37.88 140,748 214.82 1,737 377
655,200
50,699 24,818
1,009 147 59 950
13,104
3,175,285 3,175,285 3,175,285 3,104,940 70,345 3,104,940
Kg
150,419,512 4,829,048 55,755,574 0 56,288,559 177,775,237 28,139,130 473,207,060 1,647,778,549
14,154,712 7,358,700 125,597,707 44,220,961 1,174,571,489
2,365,062
974,761,121 974,761,121 974,761,121 953,939,001 20,822,120 953,939,001 26,935,346 26,935,346
0
November 2005 Rp
229.58 7.37 85.10 0.00 85.91 271.33 42.95 722.23 2,514.92
21.60 11.23 191.69 67.49 1,792.69
3.61
1,455.95 41.11
Rp/kg tapioka
9.13% 0.29% 3.38% 0.00% 3.42% 10.79% 1.71% 28.72% 100.00%
0.86% 0.45% 7.62% 2.68% 71.28%
0.14%
57.89% 1.63%
%
1,557,000 21.33 19 326.85 4,764 2,233 2,273.86 295.00 311 44,900 2,600,850 982,000 3,175,850 37,257 23.93 37.10 335,484 215.47 2,463 632
1,557,000
95,471 57,767
0 305 149 2,338
31,140
7,227,883 7,227,883 7,298,228 7,298,228 0 7,298,228
70,345
Kg
Desember 2005
258,127,089 3,599,726 113,928,607 0 60,526,078 177,340,479 25,049,994 638,571,973 3,540,396,391
23,718,380 14,945,850 244,354,563 282,690,902 2,901,824,418
5,716,548
2,245,595,059 2,245,595,059 2,266,417,179 2,266,417,179 0 2,266,417,179 63,980,996 63,980,996
20,822,120
Rp
165.78 2.31 73.17 0.00 38.87 113.90 16.09 410.13 2,273.86
15.23 9.60 156.94 181.56 1,863.73
3.67
1,455.63 41.09
Rp/kg tapioka
7.29% 0.10% 3.22% 0.00% 1.71% 5.01% 0.71% 18.04% 100.00%
0.67% 0.42% 6.90% 7.98% 81.96%
0.16%
64.02% 1.81%
%
179
1,471,200 20.56 17 314.85 4,673 2,295 2,332.74 309.30 309 35,550 3,175,850 1,430,700 3,216,350 33,404 22.71 39.51 293,213 199.30 1,556 946
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
5,069 58,134
2,372 240 100 2,272
233,549,958 14,335,405 77,854,198 25,359,153 56,939,871 147,043,890 41,589,342 596,671,817 3,431,927,970
20,815,441 12,618,610 236,460,505 291,748,093 2,835,256,153
5,207,466
2,213,089,438 2,213,089,438 2,213,089,438 2,213,089,438 0 2,213,089,438 55,316,600 55,316,600
7,155,138 7,155,138 7,155,138 7,155,138 0 7,155,138
28,736 43
0
1,471,200
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Januari 2006 Rp
0
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
158.75 9.74 52.92 17.24 38.70 99.95 28.27 405.57 2,332.74
14.15 8.58 160.73 198.31 1,927.17
3.54
1,504.28 37.60
Rp/kg tapioka
6.81% 0.42% 2.27% 0.74% 1.66% 4.28% 1.21% 17.39% 100.00%
0.61% 0.37% 6.89% 8.50% 82.61%
0.15%
64.49% 1.61%
% 0
1,218,450 20.93 15 259.00 4,704 2,243 2,275.70 303.64 304 3,500 3,216,350 1,981,250 2,453,550 27,649 22.69 40.47 259,369 212.87 1,495 815
1,218,450
327 49,313
2,674 192 213 2,461
19,297 317
5,822,349 5,822,349 5,822,349 5,822,349 0 5,822,349
Kg
186,154,514 9,359,556 58,678,594 699,093 46,168,700 143,481,189 27,754,135 472,295,781 2,772,828,071
21,734,112 11,282,990 181,746,220 271,215,808 2,300,532,290
7,356,359
1,767,870,101 1,767,870,101 1,767,870,101 1,767,870,101 0 1,767,870,101 39,326,700 39,326,700
0
Februari 2006 Rp
152.78 7.68 48.16 0.57 37.89 117.76 22.78 387.62 2,275.70
17.84 9.26 149.16 222.59 1,888.08
6.04
1,450.92 32.28
Rp/kg tapioka
6.71% 0.34% 2.12% 0.03% 1.67% 5.17% 1.00% 17.03% 100.00%
0.78% 0.41% 6.55% 9.78% 82.97%
0.27%
63.76% 1.42%
% 0
1,686,850 20.63 24 440.27 3,831 2,149 2,189.46 290.00 297 0 2,453,550 1,893,000 2,247,400 46,935 27.82 46.11 411,473 243.93 2,008 840
1,686,850
1,350 77,786
3,704 508 374 3,363
32,601 71
8,246,777 8,246,777 8,246,777 8,175,196 71,581 8,175,196
Kg
190,961,636 4,228,304 114,137,428 5,734,113 67,797,147 146,920,606 31,706,773 561,486,007 3,693,295,518
28,384,492 16,865,275 294,315,786 282,217,836 3,131,809,511
12,834,597
2,448,934,715 2,448,934,715 2,448,934,715 2,428,176,225 20,758,490 2,428,176,225 69,015,300 69,015,300
0
Maret 2006 Rp
113.21 2.51 67.66 3.40 40.19 87.10 18.80 332.86 2,189.46
16.83 10.00 174.48 167.30 1,856.60
7.61
1,439.47 40.91
Rp/kg tapioka
5.17% 0.11% 3.09% 0.16% 1.84% 3.98% 0.86% 15.20% 100.00%
0.77% 0.46% 7.97% 7.64% 84.80%
0.35%
65.75% 1.87%
%
180
1,425,200 20.59 21 350.45 4,067 2,220 2,244.71 289.00 296 16,500 2,247,400 2,311,000 1,361,600 41,547 29.15 45.94 365,150 256.21 1,826 781
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
11,174 65,478
1,243 620 275 968
197,754,904 26,584,309 59,146,746 73,028,543 58,180,002 150,770,004 50,727,712 616,192,220 3,199,166,999
25,941,420 14,672,040 218,523,217 226,192,953 2,582,974,779
10,405,300
2,068,656,395 2,068,656,395 2,089,414,885 2,052,271,449 37,143,436 2,052,271,449 34,968,400 34,968,400
6,978,719 6,978,719 7,050,300 6,921,776 128,524 6,921,776
16,584 745
20,758,490
1,425,200
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
April 2006 Rp
71,581
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
138.76 18.65 41.50 51.24 40.82 105.79 35.59 432.35 2,244.71
18.20 10.29 153.33 158.71 1,812.36
7.30
1,439.99 24.54
Rp/kg tapioka
6.18% 0.83% 1.85% 2.28% 1.82% 4.71% 1.59% 19.26% 100.00%
0.81% 0.46% 6.83% 7.07% 80.74%
0.33%
64.15% 1.09%
%
705,900 22.13 13 169.10 4,174 2,705 2,725.25 303.19 303 25,650 1,361,600 1,111,500 956,000 22,164 31.40 46.29 165,346 234.23 1,459 484
705,900
1,096 32,674
629 322 114 515
6,726 462
3,061,409 3,061,409 3,189,933 3,189,933 0 3,189,933
128,524
Kg
Mei 2006
211,512,916 18,728,531 60,151,828 104,820,902 47,143,284 147,433,777 31,737,682 621,528,920 1,923,754,438
17,784,802 9,460,965 176,959,795 111,666,313 1,302,225,518
5,167,575
930,003,582 930,003,582 967,147,018 967,147,018 0 967,147,018 14,039,050 14,039,050
37,143,436
Rp
299.64 26.53 85.21 148.49 66.78 208.86 44.96 880.48 2,725.25
25.19 13.40 250.69 158.19 1,844.77
7.32
1,370.09 19.89
Rp/kg tapioka
10.99% 0.97% 3.13% 5.45% 2.45% 7.66% 1.65% 32.31% 100.00%
0.92% 0.49% 9.20% 5.80% 67.69%
0.27%
50.27% 0.73%
% 0
489,250 21.95 6 111.20 4,400 3,174 3,216.29 312.00 316 16,500 956,000 272,000 1,173,250 12,827 26.22 45.67 109,407 223.62 1,103 444
489,250
932 22,343
514 185 95 395
9,785
2,229,119 2,229,119 2,229,119 2,229,119 0 2,229,119
Kg 0
Juni 2006
193,689,744 5,697,006 52,832,450 0 32,832,035 148,149,355 6,161,222 439,361,812 1,573,569,613
11,151,833 6,339,730 312,420,267 75,442,961 1,134,207,801
3,961,280
704,080,730 704,080,730 704,080,730 704,080,730 0 704,080,730 20,811,000 20,811,000
Rp
395.89 11.64 107.99 0.00 67.11 302.81 12.59 898.03 3,216.29
22.79 12.96 638.57 154.20 2,318.26
8.10
1,439.10 42.54
Rp/kg tapioka
12.31% 0.36% 3.36% 0.00% 2.09% 9.41% 0.39% 27.92% 100.00%
0.71% 0.40% 19.85% 4.79% 72.08%
0.25%
44.74% 1.32%
%
181
1,661,800 23.43 21 369.90 4,493 1,900 1,942.71 308.00 318 0 1,173,250 1,094,500 1,740,550 47,503 28.59 45.78 351,283 211.39 1,615 1,029
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
494 76,085
1,156 652 206 950
232,153,299 4,706,861 72,279,173 0 45,869,927 150,458,777 30,329,913 535,797,950 3,228,396,000
26,908,763 14,530,470 60,698,461 255,502,398 2,692,598,050
9,253,530
2,339,114,776 2,339,114,776 2,339,114,776 2,255,121,328 83,993,448 2,255,121,328 70,583,100 70,583,100
7,365,592 7,365,592 7,365,592 7,092,886 272,706 7,092,886
33,236
0
1,661,800
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Juli 2006 Rp
0
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
139.70 2.83 43.49 0.00 27.60 90.54 18.25 322.42 1,942.71
16.19 8.74 36.53 153.75 1,620.29
5.57
1,357.04 42.47
Rp/kg tapioka
7.19% 0.15% 2.24% 0.00% 1.42% 4.66% 0.94% 16.60% 100.00%
0.83% 0.45% 1.88% 7.91% 83.40%
0.29%
69.85% 2.19%
%
1,576,350 24.26 23 357.60 4,408 1,953 1,999.68 304.00 316 5,650 1,740,550 1,579,000 1,737,900 49,525 31.42 49.19 334,335 212.09 1,351 1,167
1,576,350
1,811 77,535
1,190 693 216 980
26,599 308
6,223,759 6,223,759 6,496,465 6,496,465 0 6,496,465
272,706
Kg
Agustus 2006
230,363,299 1,104,500 69,561,903 3,602,361 45,681,667 150,659,772 18,514,707 519,488,209 3,152,191,694
25,083,906 11,380,840 218,335,658 241,214,011 2,632,703,485
9,612,420
1,969,980,802 1,969,980,802 2,053,974,250 2,053,974,250 0 2,053,974,250 73,102,400 56,470,400 16,632,000
83,993,448
Rp
146.14 0.70 44.13 2.29 28.98 95.58 11.75 329.55 1,999.68
15.91 7.22 138.51 153.02 1,670.13
6.10
1,302.99 46.37
Rp/kg tapioka
7.31% 0.04% 2.21% 0.11% 1.45% 4.78% 0.59% 16.48% 100.00%
0.80% 0.36% 6.93% 7.65% 83.52%
0.30%
65.16% 2.32%
%
816,300 24.19 16 352.45 2,316 2,319 2,360.06 319.29 316 21,200 1,737,900 1,653,500 900,700 34,471 42.23 50.37 219,125 268.44 1,179 692
816,300
2,331 41,117
0 488 155 702
230,363,299 1,104,500 69,561,903 3,602,361 45,681,667 150,659,772 18,514,707 519,488,209 1,926,513,454
21,353,166 7,056,710 142,819,679 127,985,708 1,407,025,245
8,046,000 6,874,430
13,942 149
0 1,136,624,522 1,136,624,522 1,136,624,522 1,067,554,752 69,069,770 1,067,554,752 33,380,800 25,334,800
0
Rp
282.20 1.35 85.22 4.41 55.96 184.56 22.68 636.39 2,360.06
26.16 8.64 174.96 156.79 1,723.66
8.42
1,307.80 40.89
Rp/kg tapioka
September 2006
3,591,242 3,591,242 3,591,242 3,374,919 216,323 3,374,919
Kg
11.96% 0.06% 3.61% 0.19% 2.37% 7.82% 0.96% 26.97% 100.00%
1.11% 0.37% 7.41% 6.64% 73.03%
0.36%
55.41% 1.73%
%
182
1,119,450 23.01 21 447.15 2,504 2,161 2,195.59 300.00 314 32,750 900,700 614,000 1,406,150 42,088 37.60 49.46 282,378 252.25 977 1,146
C. Keterangan 1 Hasil produksi 2 Randemen, % 3 Jumlah hari kerja, hr/bln 4 Jumlah jam kerja, jam/bln 5 Rerata produksi, kg/jam 6 Harga pokok non kemas, Rp/kg 7 Harga pokok kemasan 50kg, Rp/kg 8 Harga singkong akhir bulan, Rp/kg 9 Rerata harga singkong diproses, Rp/kg 10 Pemrosesan kembali, kg 11 Stok awal di gudang, kg 12 Pengeluaran Produk dr gudang, kg 13 Stok akhir di gudang, kg 14 Pemakaian air, m kubik 15 Pemakaian air, ltr/ton tapioka 16 BBM Solar, ltr/ton tapioka 17 Pemakaian Listrik, kwh 18 Listrik, kwh/ton tapioka 19 Total tenaga kerja harian, hr org 20 Tenaga kerja, kg/TK
13,475 55,365
0 517 178 836
17,541 303
230,363,299 1,104,500 69,561,903 3,602,361 45,681,667 150,659,772 0 500,973,502 2,457,849,320
20,374,082 8,125,923 183,621,913 172,335,743 1,956,875,818
8,018,860
69,069,770 1,536,791,927 1,536,791,927 1,605,861,697 1,526,219,197 79,642,500 1,526,219,197 38,180,100 38,180,100
216,323
1,119,450
Total Bahan Baku Pembungkus Kemasan 50 kg Kemasan 800 kg Kemasan 1.000 kg Bahan Pembantu Tawas Belerang Kaporit PAC Lain-lain Upah harian pabrik & premi Upah borongan pabrik Solar untuk genset, lt Bahan baker & pelumas, lt Total Biaya Langsung
Oktober 2006 Rp
4,913,261 4,913,261 5,129,584 4,864,109 265,475 4,864,109
Kg
B. Biaya tidak langsung 1 Gaji 2 Pemeliharaan Bangunan 3 Pemeliharaan Mesin Pabrik 4 Pemeliharaan Instalasi Listrik 5 Pemeliharaan Perkakas 6 Penyusutan 7 Biaya lain Total Biaya tidak Langsung HARGA POKOK PRODUKSI
4 5 6 7
3
2
A. Biaya langsung 1 Bahan Baku Stok awal singkong Pasok internal Pasok Eksternal Pasok Total Total singkong Singkong diproses Stok akhir singkong
205.78 0.99 62.14 3.22 40.81 134.58 0.00 447.52 2,195.59
18.20 7.26 164.03 153.95 1,748.07
7.16
1,363.37 34.11
Rp/kg tapioka
9.37% 0.04% 2.83% 0.15% 1.86% 6.13% 0.00% 20.38% 100.00%
0.83% 0.33% 7.47% 7.01% 79.62%
0.33%
62.10% 1.55%
%
1,936,950 19.98 28 937.40 2,066 2,082 2,122.25 301.06 303 25,650 1,406,150 1,532,000 1,811,100 76,532 39.51 48.02 526,866 272.01 1,349 1,436
1,936,950
4,658 93,006
0 869 271 1,364
140
36,529
10,102,518 10,102,518 10,367,993 9,695,682 672,311 9,695,682
265,475
Kg
November 2006
185,211,199 1,098,303 36,361,174 0 18,474,305 140,700,413 21,612,306 403,457,700 4,110,697,204
29,521,546 14,684,755 343,498,775 289,501,636 3,707,239,504
12,940,680
3,062,813,344 3,062,813,344 3,142,455,844 2,940,049,894 202,405,950 2,940,049,894 77,042,218 77,042,218
79,642,500
Rp
95.62 0.57 18.77 0.00 9.54 72.64 11.16 208.30 2,122.25
15.24 7.58 177.34 149.46 1,913.96
6.68
1,517.88 39.78
Rp/kg tapioka
4.51% 0.03% 0.88% 0.00% 0.45% 3.42% 0.53% 9.81% 100.00%
0.72% 0.36% 8.36% 7.04% 90.19%
0.31%
71.52% 1.87%
%
1,756,300 19.51 25 849.35 2,068 2,169 2,218.81 309.00 308 46 1,811,100 1,230,050 2,337,350 60,562 34.48 47.58 439,290 250.12 1,436 1,223
1,756,300
1,985 83,559
716 343 1,165
35,126
8,329,350 8,329,350 9,001,661 9,001,661 0 9,001,661
672,311
Kg
Desember 2006
189,428,706 948,994 67,852,464 1,370,481 37,807,159 121,391,487 15,736,604 434,535,895 3,896,898,383
26,019,014 14,908,285 286,282,325 260,095,770 3,462,362,488
12,058,420
2,572,664,529 2,572,664,529 2,775,070,479 2,775,070,479 0 2,775,070,479 87,928,195 87,928,195
202,405,950
Rp
107.86 0.54 38.63 0.78 21.53 69.12 8.96 247.42 2,218.81
14.81 8.49 163.00 148.09 1,971.40
6.87
1,580.07 50.06
Rp/kg tapioka
4.86% 0.02% 1.74% 0.04% 0.97% 3.12% 0.40% 11.15% 100.00%
0.67% 0.38% 7.35% 6.67% 88.85%
0.31%
71.21% 2.26%
%
183
Lampiran 6. Contoh Validasi Metoda Pemulusan Model-model fungsi pemulusan (fit function models) dapat dikelompokkan sesuai dengan persamaan yang dimodelkan. Kelompok-kelompok tersebut adalah No Kelompok Keterangan Bentuk Persamaan 1 distribution Model distribusi, misalnya Weibull Y = a*b*x(b-1)*exp(-a*xb) 2 exponential Model transformasi exponential exp1: Y = a*exp(b*x) exp2: Y = a*exp(b*x)+c*exp(d*x) 3 Fourier Model transformasi deret Fourier, Fourier orde 1: Y = a0+a1*cos(x*p)+b1*sin(x*p) sampai orde 8 Fourier orde 2: Y = a0+a1*cos(x*p)+b1*sin(x*p)+a2*cos(2*x*p)+b2*sin(2*x*p) Fourier orde 3: Y = a0+a1*cos(x*p)+b1*sin(x*p)+...+a3*cos(3*x*p)+b3*sin(3*x*p) ... Fourier orde 8: Y = a0+a1*cos(x*p)+b1*sin(x*p)+...+a8*cos(8*x*p)+b8*sin(8*x*p) where p = 2*pi/(max(xdata)-min(xdata)) 4 Gaussian Jumlah model-model Gaussian, Gaussian orde 1: Y = a1*exp(-((x-b1)/c1)2) sampai orde 8 Gaussian orde 2: Y = a1*exp(-((x-b1)/c1)2)+ a2*exp(-((x-b2)/c2)2) Gaussian orde 3: Y = a1*exp(-((x-b1)/c1)2)+...+a3*exp(-((x-b3)/c3)2) ... Gaussian orde 8: Y = a1*exp(-((x-b1)/c1)2)+...+a8*exp(-((x-b8)/c8)2) 5 interpolant interpolants Linear interp: linear interpolation Nearestinterp: nearest neighbor interpolation Splineinterp: cubic spline interpolation Pchipinterp: shape-preserving (pchip) interpolation 6 polinomial polynomial models up to ninth Polinomial orde 1: Y = p1*x+p2 order Polinomial orde 2: Y = p1*x2+p2*x+p3 Polinomial orde 3: Y = p1*x3+p2*x2+...+p4 ... Polinomial orde 9: Y = p1*x9+p2*x8+...+p10 7 Kepangkatan Fungsi kepangkatan (power Power orde 1: Y = a*xb function) dan jumlah dua fungsi (power) Power orde 2: Y = a*xb+c kepangkatan 8 Rational Model-model Rational adalah Rational 02: Y = (p1)/(x2+q1*x+q2) polinomial di atas polinomial Rational 21: Y = (p1*x2+p2*x+p3)/(x+q1) ... (polynomials over polynomials) dengan koefisien utama penyebut Rational 55: Y = (p1*x5+...+p6)/(x5+...+q5) ditetapkan = 1. Nama-nama model adalah ratij, di mana i merupakan orde pembilang dan j merupakan orde penyebut. Orde pembilang maupun penyebut masing-masing mencapai 5. 9 Sin Jumlah fungsi-fungsi sinus sampai Sinus orde 1: Y = a1*sin(b1*x+c1) orde ke delapan Sinus orde 2: Y = a1*sin(b1*x+c1)+a2*sin(b2*x+c2) Sinus orde 3: Y = a1*sin(b1*x+c1)+...+a3*sin(b3*x+c3) ... Sinus orde 8: Y = a1*sin(b1*x+c1)+...+a8*sin(b8*x+c8) 10 Spline splines Cubicspline: cubic interpolating spline Smoothingspline: smoothing spline 11 Winters triple exponential smoothing α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+ (1-γ)*e1) Nilai α, β dan γ bervariasi 0-1, nilai optimum diperoleh berdasarkan trial and error.
185
Kriteria akurasi peramalan No 1 Error 2
Kriteria
Mean Error
Singkatan Ei Xi data aktual pada perioda i Fi nilai hasil peramalan pada perioda i ME
Rumus ei = Xi – Fi n
∑e
3
Mean Absolute Error
MAE
n
∑e i =1
4
Sum of Squared Errors
SSE
5
Sum of Squares of the regression
SSR
n
∑e i =1
8 9
total sum of squares ratio of the sum of squares of the regression (SSR) and the total sum of squares (SST) Residual atau degree of freedom error degree of freedom adjusted Rsquare
10 Mean Squared Errors
2 i
∑ (F n
−X
i
SST R-square
SSR + SSE
dfe m= banyaknya koefisien pada rms fitting Adjusted R-square
n-m
MSE
11 Root Mean Squared Error
rmse
12 Standard Deviation of Errors
SDE
PEt
14 Mean Percentage Error
MPE
2
SSE (n − 1) SST (dfe )
1− n
∑e
2 i
/n
MSE n
∑e i =1
13 Percentage Error
)
SSE SST
1−
i =1
2 i
/(n − 1)
⎛ X t − Ft ⎜⎜ ⎝ Xt
⎞ ⎟⎟(100 ) ⎠
n
∑ PE i −1
15 Mean Absolute Percentage Error
/n
i
i =1
6 7
/n
1
i =1
MAPE
i
/n
n
∑ PE i −1
i
/n
Validasi Metoda Pemulusan Pasokan Eksternal Ubikayu No
RSquare
dfe
1. Polinomial Orde 1
Metoda
0.0026
78
Adj RSquare MPE (%) -0.0102
-14.6487
MAPE (%) 39.6189
2 Polinomial Orde 2
0.2338
77
0.2139
-9.9301
35.1657
3. Polinomial Orde 3
0.2348
76
0.2045
-9.8550
35.1359
4. Polinomial Orde 4
0.2719
75
0.2331
-9.9056
34.9763
5. Polinomial Orde 5
0.2719
74
0.2227
-10.9180
35.1768
6. Polinomial Orde 6
0.2975
73
0.2398
-4.9527
33.2240
7. Polinomial Orde 7
0.2851
72
0.2156
-13.9371
36.3830
8. Polinomial Orde 8
0.1861
71
0.0944
8.5815
33.5691
9. Polinomial Orde 9
0.1399
70
0.0293
-28.4492
40.1494
186 No
Metoda
RSquare
dfe
Adj RSquare MPE (%)
MAPE (%)
10. Eksponensial 1
-0.0102
78
-0.0231
-15.5096
41.2210
11. Eksponensial 2
Error
Error
Error
Error
Error
12. Fourier Orde 1
0.0576
76
0.0204
-14.5681
40.0912
13. Fourier Orde 2
0.0747
74
0.0122
-15.1226
40.4019
14. Fourier Orde 3
0.0990
72
0.0114
-15.6375
41.2254
15. Fourier Orde 4
0.1085
70
-0.0061
-15.0036
40.8346
16. Fourier Orde 5
0.1109
68
-0.0329
-15.1389
40.9084
17. Fourier Orde 6
0.1280
66
-0.0438
-14.5273
40.0123
18. Fourier Orde 7
0.1331
64
-0.0701
-14.3632
39.9888
19. Fourier Orde 8
0.1662
62
-0.0624
-13.3945
38.6549
20. Gaussian Orde 1
0.2499
77
0.2304
-9.5334
35.0855
21. Gaussian Orde 2
0.2595
74
0.2095
-7.2450
34.2869
22. Gaussian Orde 3
0.4347
71
0.3710
-4.9715
28.3957
23. Gaussian Orde 4
0.4640
68
0.3773
-4.0083
26.9782
24. Gaussian Orde 5
0.4845
65
0.3734
-4.3208
26.3235
25. Gaussian Orde 6
0.5089
62
0.3743
-4.4812
26.3216
26. Gaussian Orde 7
0.2327
59
-0.0275
13.1045
31.0521
27. Gaussian Orde 8
0.6757
56
0.5426
-0.6363
19.5311
28. Winters (0.1,0.1,0.1) 29. Winters (0.1,0.1,0.2)
5.39E+08
77
5.67E+08
72.4773
76.9554
7.96E+08
77
8.38E+08
-188.3419
396.016
30. Winters (0.1,0.1,0.3) 31. Winters (0.1,0.2,0.1)
8.54E+08
77
8.99E+08
85.47138
103.63838
8.63E+08
77
9.09E+08
328.77193
349.36968
32. Winters (0.1,0.2,0.2) 33. Winters (0.1,0.2,0.3)
1.48E+09
77
1.56E+09
113.80229
119.62532
2.66E+09
77
2.8E+09
113.47057
168.35731
34. Winters (0.1,0.3,0.1) 35. Winters (0.1,0.3,0.2)
2.47E+09
77
2.6E+09
-15.01483
217.58060
9.24E+09
77
9.72E+09
-6.91024
145.92605
36. Winters (0.1,0.3,0.3) 37. Winters (0.2,0.1,0.1)
5.92E+10
77
6.24E+10
1192.013
1199.71221
3.61E+08
77
3.8E+08
64.03980
72.68230
38. Winters (0.2,0.1,0.2) 39. Winters (0.2,0.1,0.3)
4.18E+08
77
4.4E+08
68.19154
108.26503
4.84E+08
77
5.09E+08
16.45961
127.14912
40. Winters (0.2,0.2,0.1) 41. Winters (0.2,0.2,0.2)
5.11E+08
77
5.38E+08
60.70661
73.08752
6.49E+08
77
6.83E+08
55.05544
79.13211
42. Winters (0.2,0.2,0.3) 43. Winters (0.2,0.3,0.1)
8.03E+08
77
8.45E+08
81.27184
91.79346
6.8E+08
77
7.16E+08
63.84948
87.04750
44. Winters (0.2,0.3,0.2) 45. Winters (0.2,0.3,0.3)
1.53E+09
77
1.61E+09
269.79497
286.71056
1.32E+09
77
1.61E+09
38.43857
162.45462
46. Winters (0.3,0.1,0.1) 47. Winters (0.3,0.1,0.2)
2.4E+08
77
2.5E+08
46.68564
64.49034
2.66E+08
77
2.8E+08
58.53032
71.94260
3E+08
77
3.1E+08
61.87797
74.99551.
3.1E+08
77
3.3E+08
42.31645
72.496996
50. Winters (0.3,0.2,0.2) 51. Winters (0.3,0.2,0.3)
3.75E+08
77
3.95E+08
53.76884
83.24283
4.38E+08
77
4.61E+08
56.33026
94.89855
52. Winters (0.3,0.3,0.1) 53. Winters (0.3,0.3,0.2)
5.71E+08
77
6.01E+08
-875.905
1002.57089
6.68E+08
77
7.03E+08
33.78411
148.24241
54. Winters (0.3,0.3,0.3)
5.44E+08
77
5.73E+08
102.74947
124.20603
48. Winters (0.3,0.1,0.3) 49. Winters (0.3,0.2,0.1)
187 1. Metoda perkiraan dengan persamaan polinomial orde 1 Persamaan model polinomial linier orde 1: y = p1*x + p2 Koefisien (dengan 95% batas kepercayaan): p1 = -0.2435 (-1.317, 0.8299) p2 = 1.854e+005 (-6e+005, 9.707e+005)
Nilai keapikan (goodness value) rsquare: 0.0026 dfe: 78 adjrsquare: -0.0102 mpe: -14.6487% mape: 39.6189 % 2.
Metoda polinomial orde 2
Persamaan terkondisi secara sangat buruk karena sejumlah data yang berulang nilainya. Model persamaan polinomial orde 2: y = p1*x2 + p2*x + p3 Koefisien(dengan 95% batas kepercayaan): p1 = -0.003649 (-0.005156, -0.002141) 5339 (3133, 7545) p2 = p3 = -1.953e+009 (-2.76e+009, -1.146e+009) Nilai keapikan rsquare: 0.2338 dfe: 77 adjrsquare: 0.2139 mpe: -9.9301 % mape: 35.1657 % 3. Metoda polinomial orde 3 Model persamaan polinomial orde 3: y = p1*x3 + p2*x2 + p3*x + p4 Persamaan terkondisi secara sangat buruk karena sejumlah data yang berulang nilainya.
188 Koefisien(dengan 95% batas kepercayaan): p1 = 3.811e-007 (-2.078e-006, 2.84e-006) p2 = -0.8402 (-6.238, 4.558) p3 = 6.174e+005 (-3.332e+006, 4.567e+006) p4 = -1.512e+011 (-1.115e+012, 8.12e+011)
Nilai keapikan rsquare: 0.2348 dfe: 76 adjrsquare: 0.2045 mpe: -9.8550 % mape: 35.1359 % 4.
Metoda polinomial orde 4
Model persamaan polinomial orde 4: y = p1*x4 + p2*x3 + p3*x2 + p4*x + p5 Persamaan terkondisi secara sangat buruk karena sejumlah data yang berulang nilainya. Koefisien (dengan batas kepercayaan 95%): p1 = 3.87e-009 (-7.144e-011, 7.811e-009) p2 = -0.01133 (-0.02286, 0.0002095) p3 = 1.243e+004 (-230.3, 2.509e+004) p4 = -6.063e+009 (-1.224e+010, 1.126e+008) p5 = 1.109e+015 (-2.063e+013, 2.239e+015) Nilai keapikan rsquare: 0.2719 dfe: 75 adjrsquare: 0.2331 mpe: -9.9056 % mape: 34.9763 %
189 5.
Metoda polinomial orde 5
Model persamaan polinomial orde 5: y = p1*x5 + p2*x4 + p3*x3 + p4*x2 + p5*x + p6 Persamaan terkondisi secara sangat buruk karena sejumlah data yang berulang nilainya. Koefisien (dengan batas kepercayaan 95%): p1 = 6.65e-014 (-1.007e-012, 1.14e-012) p2 = -2.393e-007 (-4.167e-006, 3.688e-006) p3 = 0.3444 (-5.401, 6.09) p4 = -2.478e+005 (-4.45e+006, 3.955e+006) p5 = 8.911e+010 (-1.448e+012, 1.626e+012) p6 = -1.281e+016 (-2.376e+017, 2.12e+017) Nilai keapikan rsquare: 0.2719 dfe: 74 adjrsquare: 0.2227 mpe: -10.9180 % mape: 35.1768 % 6.
Metoda polinomial orde 6
Model persamaan polinomial orde 6: y = p1*x6 + p2*x5 + p3*x4 + p4*x3 + p5*x2 + p6*x + p7 Persamaan terkondisi secara sangat buruk karena sejumlah data yang berulang nilainya. Koefisien (dengan batas kepercayaan 95%): p1 = 2.782e-018 (-1.027e-018, 6.591e-018) p2 = -7.516e-012 (-1.854e-011, 3.507e-012) p3 = 5.161e-006 (-6.801e-006, 1.712e-005) p4 = 3.339 (-8.419, 15.1) p5 = -6.426e+006 (-1.731e+007, 4.456e+006) p6 = 3.225e+012 (-1.597e+012, 8.046e+012) p7 = -5.571e+017 (-1.356e+018, 2.414e+017)
190 Nilai keapikan rsquare: 0.2975 dfe: 73 adjrsquare: 0.2398 mpe: -4.9527 % mape: 33.2240 % 7.
Metoda polinomial orde 7
Model persamaan polinomial orde 7: y = p1*x7 + p2*x6 + p3*x5 + p4*x4 + p5*x3 + p6*x2 + p7*x + p8 Persamaan terkondisi secara sangat buruk karena sejumlah data yang berulang nilainya. Koefisien (dengan batas kepercayaan 95%): p1 = -2.216e-024 (-1.202e-023, 7.588e-024) p2 = 1.146e-017 (-2.235e-017, 4.527e-017) p3 = -1.886e-011 (-5.945e-011, 2.173e-011) p4 = 7.36e-006 (-3.39e-006, 1.811e-005) 11.88 (-9.498, 33.26) p5 = p6 = -1.535e+007 (-3.743e+007, 6.726e+006) p7 = 6.839e+012 (-1.806e+012, 1.549e+013) p8 = -1.104e+018 (-2.374e+018, 1.667e+017) Nilai keapikan rsquare: 0.2851 dfe: 72 adjrsquare: 0.2156 mpe: -13.9371 % mape: 36.3830 % 8.
Metoda polinomial orde 8
Model persamaan polinomial orde 8: y= p1*x8 + p2*x7 + p3*x6 + p4*x5 + p5*x4 + p6*x3 + p7*x2 + p8*x + p9
191 Persamaan terkondisi secara sangat buruk karena sejumlah data yang berulang nilainya. Koefisien (dengan batas kepercayaan 95%): p1 = 8.856e-030 (-7.749e-030, 2.546e-029) p2 = -2.657e-023 (-8.182e-023, 2.868e-023) p3 = 2.703e-017 (-4.181e-017, 9.587e-017) p4 = -7.021e-012 (-5.992e-011, 4.588e-011) p5 = -4.777e-006 (-4.505e-005, 3.549e-005) p6 = 2.342 (-11.05, 15.73) p7 = 4.641e+005 (-1.199e+007, 1.292e+007) p8 = -3.203e+011 (-7.506e+012, 6.866e+012) p9 = 1.797e+016 (-1.254e+018, 1.29e+018) Nilai keapikan rsquare: 0.1861 dfe: 71 adjrsquare: 0.0944 mpe: 8.5815 % mape: 33.5691 % 9. Metoda polinomial orde 9 Model persamaan polinomial orde 9: y = p1*x9 + p2*x8 + p3*x7 + p4*x6 + p5*x5 + p6*x4 + p7*x3 + p8*x2 + p9*x + p10 Persamaan terkondisi secara sangat buruk karena sejumlah data yang berulang nilainya. Koefisien (dengan batas kepercayaan 95%): p1 = 8.314e-036 (-2.132e-035, 3.795e-035) p2 = -2.85e-029 (-1.088e-028, 5.18e-029) p3 = 3.399e-023 (-3.458e-023, 1.026e-022) p4 = -4.413e-018 (-6.353e-017, 5.471e-017) p5 = -2.969e-011 (-8.017e-011, 2.079e-011) p6 = 3.017e-005 (-1.735e-005, 7.769e-005) -8.21 (-35.88, 19.46) p7 = p8 = -4.463e+006 (-2.485e+007, 1.592e+007) p9 = 3.488e+012 (-8.432e+012, 1.541e+013) p10 = -6.651e+017 (-2.893e+018, 1.563e+018)
Nilai keapikan rsquare: 0.1399 dfe: 70 adjrsquare: 0.0293 mpe: -28.4492 % mape: 40.1494 % 10. Eksponensial orde 1 Model persamaan umum Eksponensial orde 1: y = a*exp(b*x) Koefisien (dengan batas kepercayaan 95%): a = 3.205e-009 (-3.479e-007, 3.543e-007) b = 3.887e-005 (-0.0001109, 0.0001886)
192
Nilai keapikan rsquare: -0.0102 dfe: 78 adjrsquare: -0.0231 mpe: -15.5096 % mape: 41.2210 % 11. Eksponensial orde 2 Model persamaan umum Eksponensial orde 2: y = a*exp(b*x)+c*exp(d*x) Hasil komputasinya tidak bisa terdefinisikan oleh piranti MATLAB (NaN computed by model function) sehingga pemulusan tidak dapat dilanjutkan. 12. Fourier orde 1
Model umum Fourier orde 1: y = a0 + a1*cos(x*w) + b1*sin(x*w) Koefisien (dengan batas kepercayaan 95%): 7219 (6475, 7964) a0 = 709.2 (-8.832e+005, 8.847e+005) a1 = b1 = -870.9 (-7.206e+005, 7.189e+005) w = 0.01475 (0.01336, 0.01614) Nilai keapikan rsquare: 0.0576 dfe: 76 adjrsquare: 0.0204 mpe: -14.5681 % mape: 40.0912 % 13. Fourier orde 2 Model umum Fourier orde 2: y = a0 + a1*cos(x*w) + b1*sin(x*w) + a2*cos(2*x*w) + b2*sin(2*x*w)
193
Koefisien (dengan batas kepercayaan 95%): 7227 (6479, 7976) a0 = 704.1 (-6.358e+005, 6.372e+005) a1 = b1 = -894.6 (-5.02e+005, 5.002e+005) a2 = -311.5 (-7.671e+005, 7.665e+005) 538.8 (-4.428e+005, 4.439e+005) b2 = w = 0.01475 (0.01378, 0.01572) Nilai keapikan rsquare: 0.0747 dfe: 74 adjrsquare: 0.0122 mpe: -15.1226 % mape: 40.4019 % 14. Fourier orde 3
Model umum Fourier orde 3: y = a0 + a1*cos(x*w) + b1*sin(x*w) + a2*cos(2*x*w) + b2*sin(2*x*w) + a3*cos(3*x*w) + b3*sin(3*x*w) Koefisien (dengan batas kepercayaan 95%): 7236 (6485, 7986) a0 = 686.7 (-3.777e+005, 3.791e+005) a1 = b1 = -900.6 (-2.895e+005, 2.877e+005) a2 = -294.7 (-4.663e+005, 4.657e+005) 554.5 (-2.472e+005, 2.483e+005) b2 = a3 = -160.8 (-9.038e+005, 9.035e+005) b3 = -716.9 (-2.035e+005, 2.02e+005) w = 0.01475 (0.01418, 0.01532)
194 Nilai keapikan rsquare: 0.0990 dfe: 72 adjrsquare: 0.0114 mpe: -15.6375 % mape: 41.2254 % 15. Fourier orde 4 Model umum Fourier orde 4: y = a0 + a1*cos(x*w) + b1*sin(x*w) + a2*cos(2*x*w) + b2*sin(2*x*w) + a3*cos(3*x*w) + b3*sin(3*x*w) + a4*cos(4*x*w) + b4*sin(4*x*w) Koefisien (dengan batas kepercayaan 95%): 7236 (6479, 7993) a0 = 692.5 (-3.178e+005, 3.192e+005) a1 = b1 = -911.8 (-2.428e+005, 2.41e+005) a2 = -311.5 (-3.955e+005, 3.949e+005) 565.6 (-2.171e+005, 2.182e+005) b2 = a3 = -132.6 (-7.542e+005, 7.539e+005) b3 = -719.5 (-1.397e+005, 1.383e+005) -421 (-2.673e+005, 2.664e+005) a4 = -191 (-5.885e+005, 5.881e+005) b4 = w = 0.01475 (0.01427, 0.01523)
Nilai keapikan rsquare: 0.1085 dfe: 70 adjrsquare: -0.0061 mpe: -15.0036 % mape: 40.8346 % 16. Fourier orde 5
195 Model umum Fourier orde 5: y = a0 + a1*cos(x*w) + b1*sin(x*w) + a2*cos(2*x*w) + b2*sin(2*x*w) + a3*cos(3*x*w) + b3*sin(3*x*w) + a4*cos(4*x*w) + b4*sin(4*x*w) + a5*cos(5*x*w) + b5*sin(5*x*w) Koefisien (dengan batas kepercayaan 95%): 7234 (6466, 8001) a0 = 694.4 (-2.991e+005, 3.005e+005) a1 = b1 = -909.3 (-2.299e+005, 2.281e+005) a2 = -307.9 (-3.712e+005, 3.706e+005) 562.3 (-2.025e+005, 2.037e+005) b2 = a3 = -137.5 (-7.165e+005, 7.162e+005) b3 = -724.1 (-1.368e+005, 1.353e+005) a4 = -418.1 (-2.391e+005, 2.383e+005) -181 (-5.517e+005, 5.513e+005) b4 = a5 = -9.162 (-3.834e+005, 3.834e+005) b5 = -232.5 (-1.533e+004, 1.486e+004) w = 0.01475 (0.0143, 0.0152) Nilai keapikan rsquare: 0.1109 dfe: 68 adjrsquare: -0.0329 mpe: -15.1389 % mape: 40.9084 % 17. Fourier orde 6
Model umum Fourier orde 6: y = a0 + a1*cos(x*w) + b1*sin(x*w) + a2*cos(2*x*w) + b2*sin(2*x*w) + a3*cos(3*x*w) + b3*sin(3*x*w) +a4*cos(4*x*w) + b4*sin(4*x*w) + a5*cos(5*x*w) + b5*sin(5*x*w) + a6*cos(6*x*w) + b6*sin(6*x*w) Koefisien (dengan batas kepercayaan 95%): 7240 (6468, 8012) a0 = 680.2 (-2.081e+005, 2.095e+005) a1 = b1 = -916.2 (-1.56e+005, 1.541e+005) a2 = -303.9 (-2.555e+005, 2.549e+005) 559.8 (-1.38e+005, 1.391e+005) b2 = a3 = -136.4 (-4.877e+005, 4.874e+005) -713 (-9.399e+004, 9.257e+004) b3 = a4 = -417.6 (-1.844e+005, 1.836e+005) b4 = -201.8 (-3.809e+005, 3.805e+005) a5 = -13.49 (-2.34e+005, 2.34e+005) b5 = -205.3 (-1.563e+004, 1.522e+004) 399.6 (-6.428e+005, 6.436e+005) a6 = b6 = -470.3 (-5.47e+005, 5.461e+005) w = 0.01475 (0.01444, 0.01506)
196 Nilai keapikan: rsquare: 0.1280 dfe: 66 adjrsquare: -0.0438 mpe: -14.5273 % mape: 40.0123 % 18. Fourier orde 7
Model umum Fourier orde 7: y = a0 + a1*cos(x*w) + b1*sin(x*w) + a2*cos(2*x*w) + b2*sin(2*x*w) + a3*cos(3*x*w) + b3*sin(3*x*w) + a4*cos(4*x*w) + b4*sin(4*x*w) + a5*cos(5*x*w) + b5*sin(5*x*w) + a6*cos(6*x*w) + b6*sin(6*x*w) + a7*cos(7*x*w) + b7*sin(7*x*w) Koefisien (dengan batas kepercayaan 95%): 7262 (6464, 8059) a0 = 671.5 (-7.16e+004, 7.294e+004) a1 = b1 = -915.9 (-5.391e+004, 5.208e+004) a2 = -295.6 (-8.907e+004, 8.848e+004) 562.3 (-4.612e+004, 4.724e+004) b2 = a3 = -139.6 (-1.681e+005, 1.678e+005) b3 = -709.5 (-3.375e+004, 3.233e+004) a4 = -418.3 (-6.626e+004, 6.542e+004) b4 = -208.5 (-1.323e+005, 1.319e+005) a5 = 0.9972 (-7.857e+004, 7.857e+004) b5 = -199.2 (-1379, 980.3) 387 (-2.299e+005, 2.307e+005) a6 = b6 = -486.4 (-1.838e+005, 1.828e+005) -1499 (-1.056e+005, 1.026e+005) a7 = b7 = -182.9 (-8.273e+005, 8.269e+005) w = 0.01475 (0.01464, 0.01486) Nilai keapikan rsquare: 0.1331 dfe: 64 adjrsquare: -0.0701 mpe: -14.3632 % mape: 39.9888 % 19. Fourier orde 8 Model umum Fourier orde 8: y = a0 + a1*cos(x*w) + b1*sin(x*w) + a2*cos(2*x*w) + b2*sin(2*x*w) + a3*cos(3*x*w) + b3*sin(3*x*w) + a4*cos(4*x*w) + b4*sin(4*x*w) + a5*cos(5*x*w) + b5*sin(5*x*w) + a6*cos(6*x*w) + b6*sin(6*x*w) + a7*cos(7*x*w) + b7*sin(7*x*w) + a8*cos(8*x*w) + b8*sin(8*x*w)
197 Koefisien (dengan batas kepercayaan 95%): 7252 (6454, 8050) a0 = 792.5 (-9776, 1.136e+004) a1 = b1 = -776.8 (-1.161e+004, 1.006e+004) a2 = -286.4 (-1.509e+004, 1.452e+004) 544.1 (-7320, 8408) b2 = a3 = -162.7 (-2.878e+004, 2.846e+004) b3 = -702.1 (-7444, 6040) a4 = -427.6 (-1.325e+004, 1.239e+004) b4 = -235.3 (-2.348e+004, 2.301e+004) 28.12 (-1.154e+004, 1.16e+004) a5 = b5 = -169.1 (-2425, 2087) -4240 (-2.746e+005, 2.662e+005) a6 = 3336 (-3.421e+005, 3.488e+005) b6 = -2641 (-5.303e+004, 4.775e+004) a7 = b7 = -508.5 (-2.515e+005, 2.505e+005) -2100 (-6.228e+005, 6.186e+005) a8 = -5696 (-2.335e+005, 2.221e+005) b8 = w = 0.01475 (0.01473, 0.01477)
Nilai keapikan rsquare: 0.1662 dfe: 62 adjrsquare: -0.0624 mpe: -13.3945 % mape: 38.6549 % 20. Gaussian orde 1 Model umum Gaussian orde 1: y = a1*exp(-((x-b1)/c1)2) Koefisien (dengan batas kepercayaan 95%): 9348 (8243, 1.045e+004) a1 = b1 = 7.317e+005 (7.315e+005, 7.318e+005) 1306 (1023, 1589) c1 = Nilai keapikan rsquare: 0.2499 dfe: 77 adjrsquare: 0.2304 mpe: -9.5334 % mape: 35.0855 %
198
21. Gaussian orde 2 Model umum Gaussian orde 2: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2)
Koefisien (dengan batas kepercayaan 95%): 9316 (7145, 1.149e+004) a1 = b1 = 7.319e+005 (7.314e+005, 7.325e+005) 875.4 (260.4, 1490) c1 = 4906 (-2718, 1.253e+004) a2 = b2 = 7.309e+005 (7.305e+005, 7.313e+005) 524.9 (-116.2, 1166) c2 = Nilai keapikan rsquare: 0.2595 dfe: 74 adjrsquare: 0.2095 mpe: -7.2450 % mape: 34.2869 % 22. Gaussian orde 3 Model umum Gaussian orde 3: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) Koefisien (dengan batas kepercayaan 95%): 3846 (707.3, 6985) a1 = b1 = 7.319e+005 (7.318e+005, 7.32e+005) 123.3 (-42.65, 289.3) c1 = 6559 (3215, 9903) a2 = b2 = 7.321e+005 (7.321e+005, 7.322e+005) 102.7 (20.22, 185.2) c2 = 7889 (6658, 9120) a3 = b3 = 7.315e+005 (7.312e+005, 7.317e+005) 1506 (1043, 1970) c3 =
199
Nilai keapikan rsquare: 0.4347 dfe: 71 adjrsquare: 0.3710 mpe: -4.9715 % mape: 28.3957 % 23. Gaussian orde 4
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) Koefisien (dengan batas kepercayaan 95%): 3409 (40.46, 6777) a1 = b1 = 7.319e+005 (7.318e+005, 7.32e+005) 107.1 (-51.71, 265.9) c1 = 6243 (2845, 9641) a2 = b2 = 7.321e+005 (7.321e+005, 7.322e+005) 101.6 (19.45, 183.8) c2 = -4605 (-9892, 681.4) a3 = b3 = 7.316e+005 (7.315e+005, 7.316e+005) 36.98 (-10.63, 84.58) c3 = 8436 (7015, 9857) a4 = b4 = 7.315e+005 (7.313e+005, 7.317e+005) 1374 (1005, 1744) c4 = Nilai keapikan rsquare: 0.4640 dfe: 68 adjrsquare: 0.3773 mpe: -4.0083 % mape: 26.9782 %
200 24. Gaussian orde 5
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((xb5)/c5)2) Koefisien (dengan batas kepercayaan 95%): a1 = 1.219e+004 (-1.605e+006, 1.629e+006) b1 = 7.319e+005 (7.317e+005, 7.322e+005) 15.98 (-1129, 1161) c1 = 6433 (3194, 9672) a2 = b2 = 7.321e+005 (7.321e+005, 7.322e+005) 112.5 (42.02, 183) c2 = -4237 (-2.588e+006, 2.58e+006) a3 = b3 = 7.313e+005 (7.31e+005, 7.316e+005) 15.64 (-5176, 5208) c3 = a4 = 1.103e+004 (-8.39e+005, 8.611e+005) b4 = 7.318e+005 (7.317e+005, 7.32e+005) 16.55 (-767.8, 800.9) c4 = 8133 (6905, 9361) a5 = b5 = 7.315e+005 (7.313e+005, 7.317e+005) 1446 (1045, 1847) c5 = Nilai keapikan rsquare: 0.4845 dfe: 65 adjrsquare: 0.3734 mpe: -4.3208 % mape: 26.3235 % 25. Gaussian orde 6
201 Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) Koefisien (dengan batas kepercayaan 95%): a1 = 1.499e+004 (-5.902e+006, 5.932e+006) b1 = 7.319e+005 (7.314e+005, 7.325e+005) 14.94 (-2749, 2779) c1 = a2 = 1.065e+004 (-2.31e+005, 2.523e+005) b2 = 7.318e+005 (7.318e+005, 7.319e+005) 18.14 (-287.3, 323.6) c2 = 6708 (3503, 9913) a3 = b3 = 7.321e+005 (7.321e+005, 7.322e+005) 116.7 (46.34, 187) c3 = 4174 (-1668, 1.001e+004) a4 = b4 = 7.314e+005 (7.314e+005, 7.314e+005) 25.56 (-14.81, 65.93) c4 = 2995 (-2187, 8178) a5 = b5 = 7.312e+005 (7.312e+005, 7.313e+005) 37.01 (-38.57, 112.6) c5 = 7510 (6201, 8819) a6 = b6 = 7.315e+005 (7.312e+005, 7.317e+005) 1613 (1031, 2195) c6 = Nilai keapikan rsquare: 0.5089 dfe: 62 adjrsquare: 0.3743 mpe: -4.4812 % mape: 26.3216 % 26. Gaussian orde 7 Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((xb5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) Koefisien (dengan batas kepercayaan 95%): a1 = 1.125e+004 (-1.617e+007, 1.619e+007) b1 = 7.319e+005 (7.291e+005, 7.348e+005) 14.25 (-8849, 8878) c1 = 6454 (-1.099e+004, 2.389e+004) a2 = b2 = 7.318e+005 (7.317e+005, 7.319e+005) 139.9 (-163.7, 443.4) c2 = a3 = 1.177e+004 (6844, 1.67e+004) b3 = 7.321e+005 (7.32e+005, 7.322e+005) 227.3 (102.2, 352.3) c3 = 8424 (4564, 1.228e+004) a4 = b4 = 7.314e+005 (7.309e+005, 7.318e+005) 394.8 (-1198, 1987) c4 = 4623 (-1.111e+020, 1.111e+020) a5 = b5 = 7.314e+005 (-5.293e+015, 5.293e+015) 0.306 (-3.688e+015, 3.688e+015) c5 = 5871 (-2.404e+004, 3.578e+004) a6 = b6 = 7.31e+005 (7.309e+005, 7.311e+005) 150.4 (-252.5, 553.3) c6 = 5830 (-2048, 1.371e+004) a7 = b7 = 7.306e+005 (7.304e+005, 7.308e+005) 173.5 (-98.94, 445.9) c7 =
202
Nilai keapikan rsquare: 0.2327 dfe: 59 adjrsquare: -0.0275 mpe: 13.1045 % mape: 31.0521 % 27. Gaussian orde 8 Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2) Koefisien (dengan batas kepercayaan 95%): 8634 (3313, 1.395e+004) a1 = b1 = 7.319e+005 (7.319e+005, 7.32e+005) 41.81 (7.539, 76.08) c1 = a2 = 1.098e+004 (-1322, 2.328e+004) b2 = 7.318e+005 (7.318e+005, 7.318e+005) 25.78 (-31.02, 82.59) c2 = a3 = 1.218e+004 (9303, 1.506e+004) b3 = 7.321e+005 (7.321e+005, 7.322e+005) 181.4 (121, 241.8) c3 = a4 = 1.083e+004 (-8.334e+005, 8.551e+005) b4 = 7.315e+005 (7.312e+005, 7.319e+005) 15.45 (-630.4, 661.3) c4 = 4928 (-531.3, 1.039e+004) a5 = b5 = 7.314e+005 (7.314e+005, 7.314e+005) 28.36 (-8.935, 65.66) c5 = 8357 (7096, 9618) a6 = b6 = 7.311e+005 (7.31e+005, 7.313e+005) 643.4 (358.4, 928.5) c6 = 6729 (4720, 8738) a7 = b7 = 7.327e+005 (7.327e+005, 7.328e+005) 216.1 (104.7, 327.5) c7 = 5718 (1234, 1.02e+004) a8 = b8 = 7.317e+005 (7.317e+005, 7.318e+005) 98.65 (-24, 221.3) c8 =
203
Nilai keapikan rsquare: 0.6757 dfe: 56 adjrsquare: 0.5426 mpe: -0.6363 % mape: 19.5311 % 28. Winters (0.1,0.1,0.1)
Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.1 γ = 0.1 w = 0.01917 Nilai Keapikan rsquare = 5.39E+08 dfe = 77 adjrsquare = 5.67E+08 mpe: 72.4773 % mape: 76.9554 % 29. Winters (0.1,0.1,0.2) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.1 γ = 0.2 w = 0.01917
204
Nilai Keapikan rsquare = 7.96E+08 dfe = 77 adjrsquare = 8.38E+08 mpe: -188.3419 % mape: 396.016 % 30. Winters (0.1,0.1,0.3) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.1 γ = 0.3 w = 0.01917 Nilai Keapikan rsquare = 8.54E+08 dfe = 77 adjrsquare = 8.99E+08 mpe: 85.47138 % mape: 103.63838 %
31. Winters (0.1,0.2,0.1) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.2 γ = 0.1 w = 0.01917
205
Nilai Keapikan rsquare = 8.63E+08 dfe = 77 adjrsquare = 9.09E+08 mpe: 328.77193 % mape: 349.36968 % 32. Winters (0.1,0.2,0.2) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.2 γ = 0.2 w = 0.01917 Nilai Keapikan rsquare = 1.48E+09 dfe = 77 adjrsquare = 1.56E+09 mpe: 113.80229 % mape: 119.62532 %
33. Winters (0.1,0.2,0.3) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.2 γ = 0.3 w = 0.01917
206
Nilai Keapikan rsquare = 2.66E+09 dfe = 77 adjrsquare = 2.8E+09 mpe: 113.47057 % mape: 168.35731 % 34. Winters (0.1,0.3,0.1) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.3 γ = 0.1 w = 0.01917
Nilai Keapikan rsquare = 2.47E+09 dfe = 77 adjrsquare = 2.6E+09 mpe: -15.01483 % mape: 217.58060 % 35. Winters (0.1,0.3,0.2) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1)
207 Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.3 γ = 0.2 w = 0.01917
Nilai Keapikan rsquare 9.24E+09 dfe = 77 adjrsquare = 9.72E+09 mpe: -6.91024 % mape: 145.92605 % 36. Winters (0.1,0.3,0.3) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.1 β = 0.3 γ = 0.3 w = 0.01917
Nilai Keapikan rsquare 5.92E+10 dfe = 77 adjrsquare = 6.24E+10 mpe: 1192.013 % mape: 1199.71220634639 % 37. Winters (0.2,0.1,0.1) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1)
208
Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.1 γ = 0.1 w = 0.01917 Nilai Keapikan rsquare = 3.61E+08 dfe = 77 adjrsquare = 3.8E+08 mpe: 64.03980 % mape: 72.68230 % 38. Winters (0.2,0.1,0.2) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.1 γ = 0.2 w = 0.01917
Nilai Keapikan rsquare = 4.18E+08 dfe = 77 adjrsquare = 4.4E+08 mpe: 68.19154 % mape: 108.26503 %
209 39. Winters (0.2,0.1,0.3) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.1 γ = 0.3 w = 0.01917 Nilai Keapikan rsquare = 4.84E+08 dfe = 77 adjrsquare = 5.09E+08 mpe: 16.45961 % mape: 127.149120679164 %
40. Winters (0.2,0.2,0.1) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.2 γ = 0.1 w = 0.01917
Nilai Keapikan rsquare = 5.11E+08 dfe = 77 adjrsquare = 5.38E+08 mpe: 60.70661 % mape: 73.08752 %
210 41. Winters (0.2,0.2,0.2) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.2 γ = 0.2 w = 0.01917 Nilai Keapikan rsquare = 6.49E+08 dfe = 77 adjrsquare = 6.83E+08 mpe: 55.05544 % mape: 79.13211 %
42. Winters (0.2,0.2,0.3) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.2 γ = 0.3 w = 0.01917
Nilai Keapikan rsquare = 8.03E+08 dfe = 77 adjrsquare = 8.45E+08 mpe: 81.27184 % mape: 91.79346 %
211 43. Winters (0.2,0.3,0.1)
Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.3 γ = 0.1 w = 0.01917 Nilai Keapikan rsquare = 6.8E+08 dfe = 77 adjrsquare = 7.16E+08 mpe: 63.84948 % mape: 87.04750 % 44. Winters (0.2,0.3,0.2) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.3 γ = 0.2 w = 0.01917
Nilai Keapikan rsquare = 1.53E+09 dfe = 77 adjrsquare = 1.61E+09 mpe: 269.79497 % mape: 286.71056 %
212 45. Winters (0.2,0.3,0.3) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.2 β = 0.3 γ = 0.3 w = 0.01917
Nilai Keapikan rsquare = 1.32E+09 dfe = 77 adjrsquare = 1.61E+09 mpe: 38.43857 % mape: 162.45462% 46. Winters (0.3,0.1,0.1) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.1 γ = 0.1 w = 0.01917
Nilai Keapikan rsquare = 2.4E+08 dfe = 77 adjrsquare = 2.5E+08 mpe: 46.68564 % mape: 64.49034 %
213 47. Winters (0.3,0.1,0.2)
Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.1 γ = 0.2 w = 0.01917 Nilai Keapikan rsquare = 2.66e+08 dfe = 77 adjrsquare = 2.8e+08 mpe: 58.53032 % mape: 71.94260 % 48. Winters (0.3,0.1,0.3) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.1 γ = 0.3 w = 0.01917
Nilai Keapikan rsquare = 3E+08 dfe = 77 adjrsquare = 3.1E+08 mpe: 61.87797 % mape: 74.99551 %
214 49. Winters (0.3,0.2,0.1)
Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.2 γ = 0.1 w = 0.01917 Nilai Keapikan rsquare = 3.1E+08 dfe = 77 adjrsquare = 3.3E+08 mpe: 42.31645 % mape: 72.496996 % 50. Winters (0.3,0.2,0.2) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.2 γ = 0.2 w = 0.01917 Nilai Keapikan rsquare = 3.75E+08 dfe = 77 adjrsquare = 3.95E+08 mpe: 53.76884 % mape: 83.24283 %
215 51. Winters (0.3,0.2,0.3)
Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.2 γ = 0.3 w = 0.01917 Nilai Keapikan rsquare = 4.38E+08 dfe = 77 adjrsquare = 4.61E+08 mpe: 56.33026 % mape: 94.89855 % 52. Winters (0.3,0.3,0.1) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.3 γ = 0.1 w = 0.01917
Nilai Keapikan rsquare = 5.71E+08 dfe = 77 adjrsquare = 6.01E+08 mpe: -875.905 % mape: 1002.57089 %
216 53. Winters (0.3,0.3,0.2)
Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.3 γ = 0.2 w = 0.01917 Nilai Keapikan rsquare = 6.68e+08 dfe = 77 adjrsquare = 7.03e+08 mpe: 33.78411 % mape: 148.24241 % 54. Winters (0.3,0.3,0.3) Persamaan umum model Winters: y = α*(b2/e2)+(1-α)*(c2+d1)+( β*(c3-c2)+(1-β)*d1)*( γ*(b1/c1)+(1-γ)*e1) Koefisien (dengan batas kepercayaan 95%): α = 0.3 β = 0.3 γ = 0.3 w = 0.01917
Nilai Keapikan rsquare = 5.44E+08 dfe = 77 adjrsquare = 5.73E+08 mpe: 102.74947 % mape: 124.20603 %
Gaussian 4
Gaussian 5
Gaussian 6
24.
25.
Fourier 5
16.
23.
Fourier 4
15.
Gaussian 3
Fourier 3
14.
Gaussian 2
Fourier 2
13.
22.
Fourier 1
12.
21.
Eksponensial 2
11.
Gaussian 1
Eksponensial 1
10.
20.
Polinomial 9
9.
Fourier 8
Polinomial 8
8.
19
Polinomial 7
7.
Fourier 6
Polinomial 6
6.
Fourier 7
Polinomial 5
5.
18.
Polinomial 4
4.
17.
Polinomial 2
Polinomial 3
2
Polinomial 1
Metoda
3.
1.
No
0.5089
0.4845
0.4640
0.4347
0.2595
0.2499
0.1662
0.1331
0.1280
0.1109
0.1085
0.0990
0.0747
0.0576
Error
-0.0102
0.1399
0.1861
0.2851
0.2975
0.2719
0.2719
0.2348
0.2338
Agustus 0.0026
Pasokan Eksternal Ubikayu
0.55778
0.56655
0.53592
0.37439
0.22935
0.2018
0.18075
0.14958
0.1449
0.12792
0.12613
0.1124
0.088061
0.065287
Error
-0.0049913
0.16835
0.22502
0.27018
0.28573
0.27219
0.27217
0.20132
0.17866
Desember 0.0032496
RSquare
62
65
68
71
74
77
62
64
66
68
70
72
74
76
Error
78
70
71
72
73
74
75
76
77
Agt 78
66
69
72
75
78
81
66
68
70
72
74
76
78
80
Error
82
74
75
76
77
78
79
80
81
Des 82
dfe
0.3743
0.3734
0.3773
0.3710
0.2095
0.2304
-0.0624
-0.0701
-0.0438
-0.0329
-0.0061
0.0114
0.0122
0.0204
Error
-0.0231
0.0293
0.0944
0.2156
0.2398
0.2227
0.2331
0.2045
0.2139
0.44388
0.47861
0.46502
0.30766
0.17995
0.18209
-0.030269
-0.038014
-0.01391
-0.0053188
0.019848
0.030645
0.029603
0.030235
Error
-0.017247
0.067207
0.14236
0.20296
0.23007
0.22554
0.23532
0.17137
0.15838
Adj RSquare Agustus Desember -0.0102 -0.0089059
-4.4812
-4.3208
-4.0083
-4.9715
-7.2450
-9.5334
-13.3945
-14.3632
-14.5273
-15.1389
-15.0036
-15.6375
-15.1226
-14.5681
Error
-15.5096
-28.4492
8.5815
-13.9371
-4.9527
-10.9180
-9.9056
-9.8550
-9.9301
-3.445
-4.0027
-3.7632
-7.0279
-10.3511
-10.6337
-13.3729
-14.2917
-14.3654
-14.8511
-14.7909
-15.6188
-15.0715
-14.5624
Error
-15.5351
4.5614
5.2426
-11.6107
-14.1115
-9.6785
-10.0786
-10.8563
-11.6874
MPE (%) Agustus Desember -14.6487 -14.8066
26.3216
26.3235
26.9782
28.3957
34.2869
35.0855
38.6549
39.9888
40.0123
40.9084
40.8346
41.2254
40.4019
40.0912
Error
41.2210
40.1494
33.5691
36.3830
33.2240
35.1768
34.9763
35.1359
35.1657
24.2989
24.6972
25.2072
30.3082
35.4294
35.7513
38.1013
39.3276
39.2417
40.0208
40.0685
40.7699
39.9835
39.932
Error
40.9565
33.4622
32.9028
34.5652
34.7447
34.9561
35.0522
35.3943
36.2555
MAPE (%) Agustus Desember 39.6189 39.8498
Pembandingan Tingkat Kesalahan Peramalan Pasokan Perioda Februari 2007 Menggunakan data Januari 2000-Agustus 2006 dengan data Januari 2000-Desember 2006
Lampiran 7. Contoh Verifikasi Metoda Pemulusan Menggunakan Indikator Akurasi
217
0.6757
5.39E+08
7.96E+08
8.54E+08
8.63E+08
1.48E+09
2.66E+09
2.47E+09
9.24E+09
5.92E+10
3.61E+08
4.18E+08
4.84E+08
5.11E+08
6.49E+08
8.03E+08
6.8E+08
1.53E+09
1.32E+09
2.4E+08
2.66E+08
3E+08
3.1E+08
3.75E+08
4.38E+08
5.71E+08
6.68E+08
5.44E+08
Gaussian 7
Gaussian 8
Winters (0.1,0.1,0.1)
Winters (0.1,0.1,0.2)
Winters (0.1,0.1,0.3)
Winters (0.1,0.2,0.1)
Winters (0.1,0.2,0.2)
Winters (0.1,0.2,0.3)
Winters (0.1,0.3,0.1)
Winters (0.1,0.3,0.2)
Winters (0.1,0.3,0.3)
Winters (0.2,0.1,0.1)
Winters (0.2,0.1,0.2)
Winters (0.2,0.1,0.3)
Winters (0.2,0.2,0.1)
Winters (0.2,0.2,0.2)
Winters (0.2,0.2,0.3)
Winters (0.2,0.3,0.1)
Winters (0.2,0.3,0.2)
Winters (0.2,0.3,0.3)
Winters (0.3,0.1,0.1)
Winters (0.3,0.1,0.2)
Winters (0.3,0.1,0.3)
Winters (0.3,0.2,0.1)
Winters (0.3,0.2,0.2)
Winters (0.3,0.2,0.3)
Winters (0.3,0.3,0.1)
Winters (0.3,0.3,0.2)
Winters (0.3,0.3,0.3)
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
Agustus 0.2327
27.
Metoda
26.
No
282878.2134
81261744.4404
28913687.9347
148256.5008
129232.5941
117075.3087
118683.5133
107015.7188
94860.5163
4968759.1168
130381598.007
173432.5178
220973.0494
158884.3979
144181.6424
465413.9980
117369.2493
112326.1427
11477995.0170
775812.1954
293641.7122
325634.3661
216778.3685
198996.2292
179874.7596
13121304.5089
129923.6770
0.63782
Desember 0.59037
RSquare
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
77
56
Agt 59
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
81
60
Des 63
dfe
5.73E+08
7.03E+08
6.01E+08
4.61E+08
3.95E+08
3.3E+08
3.1E+08
2.8E+08
2.5E+08
1.61E+09
1.61E+09
7.16E+08
8.45E+08
6.83E+08
5.38E+08
5.09E+08
4.4E+08
3.8E+08
6.24E+10
9.72E+09
2.6E+09
2.8E+09
1.56E+09
9.09E+08
8.99E+08
8.38E+08
5.67E+08
0.5426
297046.8822
85324668.5379
30359424.0814
155687.6805
135711.4304
122945.4967
124634.2178
112382.2434
99618.4050
5217272.0029
136900262.0959
182123.8960
232043.8054
166847.5777
151408.8406
488715.6730
123254.1538
117958.5538
12051978.7327
814641.4639
308348.9812
341942.4792
227639.1955
208967.0978
188888.5886
13777453.0378
136437.1108
0.49899
Adj RSquare Agustus Desember -0.0275 0.46032
102.74947
33.78411
-875.905
56.33026
53.76884
42.31645
61.87797
58.53032
46.68564
38.43857
269.79497
63.84948
81.27184
55.05544
60.70661
16.45961
68.19154
64.03980
1192.013
-6.91024
-15.01483
113.47057
113.80229
328.77193
85.47138
-188.3419
72.4773
-0.6363
93.10681
33.85361
-824.28362
57.26706
53.71410
42.02774
61.05772
57.89312
46.33635
-2.04861
259.24945
59.87844
81.84188
54.37535
59.96962
-13.23701
83.67306
64.08948
1131.98779
142.11356
-17.41001
112.66731
113.97854
315.67774
57.84313
-195.20756
72.19827
-2.0495
MPE (%) Agustus Desember 13.1045 -3.0119
124.20603
148.24241
1002.57089
94.89855
83.24283
72.496996
74.99551.
71.94260
64.49034
162.45462
286.71056
87.04750
91.79346
79.13211
73.08752
127.14912
108.26503
72.68230
1199.71221
145.92605
217.58060
168.35731
119.62532
349.36968
103.63838
396.016
76.9554
19.5311
129.51317
146.36859
952.26366
93.89252
84.02930
74.76805
76.55528
73.67991
66.72768
200.07458
275.21205
90.96801
91.77074
80.70304
74.73752
157.20581
121.48889
73.38067
1139.25294
142.11356
217.01433
164.46183
119.47351
335.11506
129.06327
399.63269
77.26644
21.2014
MAPE (%) Agustus Desember 31.0521 23.1496
218
Fourier 8
Gaussian 1
Gaussian 2
Gaussian 3
Gaussian 4
Gaussian 5
Gaussian 6
Gaussian 7
Gaussian 8
20.
21.
22.
23.
24.
25.
26.
27.
13.
19.
Fourier 2
12.
Fourier 7
Fourier 1
11.
Fourier 6
Eksponensial 2
10.
18.
Eksponensial 1
9.
17.
Polinomial 9
8.
Fourier 5
Polinomial 8
7.
16.
Polinomial 7
6.
Fourier 3
Polinomial 6
5.
Fourier 4
Polinomial 5
4.
15.
Polinomial 4
3.
14.
Polinomial 2
Polinomial 3
2
Polinomial 1
Metoda
1.
No
Produksi Tapioka
0.6693
0.6089
0.2989
0.5785
0.5637
0.4938
0.4200
0.2217
0.0859
0.0842
0.0835
0.0764
0.0728
0.0526
0.0446
0.0393
Error
-0.0087
0.2539
0.2588
0.1909
0.2053
0.2419
0.2406
0.2120
0.2120
0.0142
0.68353
0.57611
0.14143
0.55719
0.54288
0.45261
0.37792
0.19582
0.097548
0.096335
0.095799
0.089834
0.084592
0.062685
0.053816
0.045152
Error
0.00050966
0.26642
0.31252
0.25256
0.27119
0.24456
0.24501
0.18677
0.17615
0.018514
RSquare Agustus Desember
56
59
62
65
68
71
74
77
62
64
66
68
70
72
74
76
Error
78
70
71
72
73
74
75
76
77
78
Agt
dfe
60
63
66
69
72
75
78
81
66
68
70
72
74
76
78
80
Error
82
70
75
76
77
78
79
80
81
82
Des
0.5335
0.4763
0.1066
0.4878
0.4931
0.4368
0.3808
0.2015
-0.1647
-0.1305
-0.0970
-0.0730
-0.0464
-0.0395
-0.0199
0.0013
Error
-0.0217
0.1579
0.1753
0.1123
0.1399
0.1907
0.2001
0.1809
0.1915
0.0016
0.56222
0.44154
-0.079718
0.46734
0.47304
0.39422
0.33804
0.17596
-0.1349
-0.103
-0.072125
-0.049219
-0.026741
-0.023646
-0.0068371
0.0093448
Error
-0.011679
0.1772
0.23919
0.18372
0.2144
0.19614
0.20678
0.15628
0.1558
0.0065448
Adj RSquare Agustus Desember
-5.0855
-7.2711
14.4153
-6.8677
-6.9717
-7.9715
-9.5164
-15.3965
-19.6378
-19.7800
-19.8115
-20.3568
-20.2571
-21.5790
-21.1795
-20.8503
Error
-22.1198
-25.8226
1.8528
-6.5302
5.7522
-18.4001
-15.1597
-15.6674
-15.6541
-20.3968
Agustus
-4.7942
-8.8317
18.4929
-7.8292
-7.9366
-9.8228
-11.2055
-15.8991
-19.2614
-19.3354
-19.355
-19.7606
-19.7533
-21.0993
-20.7272
-20.4252
Error
-21.5354
-9.3354
-8.1446
-0.47978
-12.5703
-15.6487
-14.8402
-16.2714
-16.9394
-19.9797
MPE (%) Desember
23.6966
27.3027
32.8526
27.5928
28.0717
31.0652
33.3559
39.7731
46.1325
46.1291
46.1474
46.8807
46.9263
47.7342
47.3426
46.9905
Error
47.5094
41.6166
34.6336
37.3691
36.4075
40.6261
39.6036
39.7945
39.7792
44.8070
23.6775
28.2625
36.0493
28.5775
29.0549
33.0355
35.3642
40.2134
45.0119
44.9673
44.9673
45.5309
45.7758
46.7072
46.4887
46.2316
Error
46.3196
37.3362
36.3983
35.5498
36.73
39.3224
39.0634
39.8354
40.9984
44.3276
MAPE (%) Agustus Desember
219
Gaussian 7
Gaussian 8
26.
27.
Gaussian 1
20.
Gaussian 6
Fourier 8
19
Gaussian 5
Fourier 7
18.
25.
Fourier 6
17.
24.
Fourier 5
16.
Gaussian 4
Fourier 4
15.
23.
Fourier 3
14.
Gaussian 2
Fourier 2
13.
Gaussian 3
Fourier 1
12.
22.
Eksponensial 2
11.
21.
Eksponensial 1
7.
10.
Polinomial 7
6.
Polinomial 8
Polinomial 6
5.
Polinomial 9
Polinomial 5
4.
9.
Polinomial 4
3.
8.
Polinomial 2
Polinomial 3
2
Polinomial 1
Metoda
1.
No
Pasokan Air
0.0385
0.4897
0.4403
0.4278
0.3899
0.3630
0.2445
0.0624
0.0425
0.3310
0.3161
0.2760
0.2573
0.2325
0.2260
0.2124
0.1503
Error
-0.0041
0.0180
0.1234
-0.0324
0.1464
0.1126
0.1113
0.0390
0.58048
0.51351
0.46423
0.43382
0.41232
0.37197
0.18761
0.016088
0.34738
0.33978
0.33386
0.32668
0.29385
0.22447
0.21425
0.097199
Error
0.015858
0.15813
0.23806
0.23329
0.22695
0.18428
0.19252
0.043449
0.016629
0.016001
Desember
RSquare
5.9170e-004
Agustus
56
59
62
65
68
71
74
77
62
64
66
68
70
72
74
76
Error
78
70
71
72
73
74
75
76
77
78
Agt
60
63
66
69
72
75
78
81
66
68
70
72
74
76
78
80
Error
82
74
75
76
77
78
79
80
81
82
Des
dfe
0.2800
0.2505
0.2709
0.2585
0.2600
0.1594
-9.3722e-004
0.0176
0.1475
0.1558
0.1334
0.1372
0.1338
0.1508
0.1592
0.1168
Error
-0.0169
-0.1083
0.0246
-0.1328
0.0763
0.0527
0.0639
0.0011
0.0135
-0.0122
0.41967
0.35907
0.32623
0.31894
0.32254
.30498
0.13553
-0.0082058
0.17929
0.19415
0.21014
0.22381
0.20797
0.15304
0.16388
0.063344
Error
0.0038562
0.055742
0.15679
0.16268
0.16672
0.13199
0.15163
0.0075786
-0.0076513
0.0040009
Desember
Adj RSquare Agustus
-0.7762
-0.8356
-0.8189
-0.8641
-1.0966
-0.1561
-1.9801
-1.9906
-1.0426
-1.3939
-1.5918
-2.2722
-2.6307
-3.0494
-2.5842
-2.7864
Error
-2.4663
-16.4375
3.7176
-9.2185
-4.9220
-4.3716
-2.2640
-2.0006
-2.0738
-2.5233
Agustus
-0.66317
-0.63121
-0.79568
-0.57182
-0.66375
-0.98003
-2.0292
-3.2551
-2.4764
-2.2818
-2.3869
-2.5336
-2.7844
-3.3616
-3.0627
-2.8923
Error
-3.2627
-7.081
-3.0462
-6.6309
-9.1742
-5.5461
-2.6
-3.3238
-3.2355
-3.2586
Desember
MPE (%)
19.5068
20.0475
19.5359
20.7699
21.0818
19.5973
23.6144
23.8950
21.9583
22.3234
23.3759
24.1496
24.8958
25.4724
25.2209
25.4698
Error
24.6165
26.5897
24.8353
23.9228
23.4059
24.1039
24.1845
23.7939
23.9364
24.3823
17.3613
17.6494
19.8808
20.2252
20.1707
21.1622
23.2492
24.5027
23.4494
23.5513
23.5558
23.8511
24.438
25.3837
25.528
23.7552
Error
24.484
23.3439
23.4085
22.8723
23.9292
24.3227
24.0797
25.1236
24.5346
24.4947
Desember
MAPE (%) Agustus
220
Fourier 1
Fourier 2
Fourier 3
Fourier 4
Fourier 5
Fourier 6
Fourier 7
Fourier 8
Gaussian 1
Gaussian 2
Gaussian 3
Gaussian 4
Gaussian 5
Gaussian 6
Gaussian 7
Gaussian 8
13.
14.
15.
16.
17.
18.
19
20.
21.
22.
23.
24.
25.
26.
27.
Polinomial 8
8.
12.
Polinomial 7
7.
Eksponensial 2
Polinomial 6
6.
11.
Polinomial 5
5.
Polinomial 9
Polinomial 4
4.
Eksponensial 1
Polinomial 3
3.
10.
Polinomial 2
9.
Polinomial 1
2
Metoda
1.
No
0.2363
0.5171
0.1532
0.4009
0.3957
0.3618
0.2338
0.1763
0.1374
0.1084
0.0879
0.0718
0.0566
0.0487
0.0408
0.0152
Error
-0.0155
0.1270
0.2986
-0.0257
0.2941
0.2546
0.2570
0.1552
0.1552
0.0024
Agustus
Pasokan Bahan Bakar
0.49356
0.572
0.51325
0.49817
0.34639
0.30401
0.13141
0.11856
0.14119
0.11861
0.098242
0.084958
0.069094
0.059865
0.049971
0.020626
Error
-0.0094351
0.23436
0.27083
0.27279
0.27551
0.25811
0.26052
0.1127
0.099122
0.0016161
Desember
RSquare
56
59
62
65
68
71
74
77
62
64
66
68
70
72
74
76
Error
78
70
71
72
73
74
75
76
77
78
Agt
60
63
66
69
72
75
78
81
66
68
70
72
74
76
78
80
Error
82
74
75
76
77
78
79
80
81
82
Des
dfe
-0.0773
0.3535
-0.0790
0.2719
0.2979
0.2899
0.1820
0.1549
-0.0991
-0.1006
-0.0918
-0.0783
-0.0647
-0.0438
-0.0241
-0.0237
Error
-0.0285
0.0147
0.2196
-0.1254
0.2361
0.2042
0.2174
0.1219
0.1332
-0.0104
Agustus
0.29943
0.43613
0.38788
0.39635
0.24653
0.22978
0.075732
0.096801
-0.080013
-0.075814
-0.069228
-0.05484
-0.044125
-0.026726
-0.010929
-0.0161
Error
-0.021745
0.14124
0.19305
0.20582
0.21905
0.21056
0.22308
0.079426
0.076878
-0.010559
Desember
Adj RSquare
15.9345
-4.8650
15.6871
-5.8789
-5.9717
-6.2794
-9.0891
-10.9577
-13.9287
-15.0330
-15.9117
-16.2031
-16.1207
-15.6786
-16.4518
-16.2303
Error
-16.4251
-27.9992
-15.7300
-37.2321
-14.0944
-12.5166
-10.4274
-11.8139
-11.7825
-15.1586
Agustus
-3.1768
-3.0318
-2.4013
-2.568
-7.6123
-8.1159
-12.2054
-12.0545
-12.939
-13.7168
-14.8073
-14.9492
-14.9413
-14.52
-15.4146
-15.1945
Error
-15.4056
-10.9002
-10.8014
-14.2862
-11.7947
-11.732
-9.5095
-12.2068
-13.0267
-14.4352
Desember
MPE (%)
29.6710
25.1671
30.9386
28.1531
28.4067
29.7530
35.2670
37.8354
38.3072
40.1707
41.6288
41.8911
42.1523
41.8857
42.5817
42.6628
Error
42.7304
41.2980
35.3170
45.3519
35.3704
36.5042
35.9544
38.1479
38.1399
40.9549
Agustus
24.5889
23.1115
23.4787
24.0412
29.2447
30.6211
38.0225
38.264
37.1985
38.1149
39.9734
40.1729
40.5399
40.2899
41.1812
41.3531
Error
41.1923
33.8628
33.8032
35.2228
34.6811
35.1738
34.5938
38.1175
38.7681
39.9026
Desember
MAPE (%)
221
Fourier 1
Fourier 2
Fourier 3
Fourier 4
Fourier 5
Fourier 6
Fourier 7
Fourier 8
Gaussian 1
Gaussian 2
Gaussian 3
Gaussian 4
Gaussian 5
Gaussian 6
Gaussian 7
Gaussian 8
13.
14.
15.
16.
17.
18.
19
20.
21.
22.
23.
24.
25.
26.
27.
Polinomial 8
8.
12.
Polinomial 7
7.
Eksponensial 2
Polinomial 6
6.
11.
Polinomial 5
5.
Polinomial 9
Polinomial 4
4.
Eksponensial 1
Polinomial 3
3.
10.
Polinomial 2
2
9.
Polinomial 1
Metoda
1.
No
Agustus
0.5590
0.4644
0.4421
0.3949
0.4548
0.3810
0.2543
0.1216
0.1475
0.1004
0.0909
0.0823
0.0724
0.0504
0.0371
0.0370
Error
-0.0131
0.1415
0.1741
0.0943
0.1151
0.1329
0.1336
0.1160
0.1147
3.4999e-004
Penjualan Tapioka
0.54683
0.47007
0.44778
0.51887
0.44127
0.36817
0.24655
0.11885
0.15317
0.10107
0.090637
0.08445
0.075972
0.050714
0.040534
0.040273
Error
-0.022549
0.021253
0.10233
0.1419
0.17264
0.13706
0.13716
0.10921
0.10863
0.0019976
Desember
RSquare
56
59
62
65
68
71
74
77
62
64
66
68
70
72
74
76
Error
78
70
71
72
73
74
75
76
77
78
Agt
60
63
66
69
72
75
78
81
66
68
70
72
74
76
78
80
Error
82
74
75
76
77
78
79
80
81
82
Des
dfe
0.3779
0.2828
0.2891
0.2645
0.3666
0.3113
0.2040
0.0988
-0.0862
-0.1104
-0.0882
-0.0661
-0.0469
-0.0419
-0.0280
-9.7613e-004
Error
-0.0261
0.0311
0.0811
0.0063
0.0423
0.0743
0.0874
0.0811
0.0917
-0.0125
Agustus
0.37312
0.30184
0.30554
0.42125
0.3559
0.30077
0.19825
0.097094
-0.06495
-0.09722
-0.078245
-0.055426
-0.036409
-0.03672
-0.02097
0.004283
Error
-0.035019
-0.097784
0.006581
0.062866
0.10817
0.081746
0.093477
0.075806
0.086617
-0.010173
Desember
Adj RSquare
-85.5825
-90.7846
-87.6055
-42.2230
-89.0993
-89.5940
-114.7817
-123.7033
-97.8254
-106.3999
-109.4215
-105.7414
-104.6067
-114.3184
-111.2663
-111.4383
Error
-119.6858
-117.1146
-82.7370
-106.2653
-82.6812
-135.1338
-124.4177
-122.9029
-122.9845
-118.9491
Agustus
-83.0012
-91.6538
-91.5761
-78.0794
-87.3919
-87.9696
-110.7695
-118.8937
-90.1116
-98.6602
-101.5567
-98.7993
-98.2137
-107.5345
-105.5646
-106.0792
Error
-113.259
-58.4889
-119.3
-106.6695
-116.4648
-119.5996
-119.212
-118.5986
-118.6493
-113.1792
Desember
MPE (%)
114.4186
121.0244
119.1867
100.9434
118.5868
119.9188
145.1664
154.4317
128.7394
137.1308
140.2558
136.1924
135.0794
144.9038
142.1068
142.2608
Error
151.7194
145.7011
125.9357
138.5113
125.1819
161.7074
154.3195
154.0445
153.9144
150.0153
Agustus
111.8419
119.4461
119.9516
105.3246
117.1846
118.5579
141.5091
149.8231
120.1504
128.8928
131.5892
128.6626
128.1518
137.3327
135.7598
136.2275
Error
145.1747
119.1117
149.072
139.2358
145.5802
149.0003
148.7438
149.2756
149.448
143.4387
Desember
MAPE (%)
222
Polinomial 1
Polinomial 2
Polinomial 3
Polinomial 4
Polinomial 5
Polinomial 6
Polinomial 7
Polinomial 8
Polinomial 9
Eksponensial 1
Eksponensial 2
Fourier 1
Fourier 2
Fourier 3
Fourier 4
Fourier 5
Fourier 6
Fourier 7
Fourier 8
Gaussian 1
Gaussian 2
Gaussian 3
Gaussian 4
Gaussian 5
Gaussian 6
Gaussian 7
Gaussian 8
2
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19
20.
21.
22.
23.
24.
25.
26.
27.
Metoda
1.
No
0.7475
0.6964
0.6720
0.6270
0.6389
0.6069
0.5183
0.4431
0.1274
0.1191
0.1117
0.0820
0.0710
0.0682
0.0601
0.0424
-1.0853
0.0959
0.4987
0.5060
0.5561
0.5620
0.5609
0.5599
0.3843
0.3656
0.1288
Agustus
Penggunaan Belerang
0.67103
0.65971
0.62204
0.58121
0.58542
0.55843
0.48589
0.39532
0.1334
0.12469
0.11882
0.087941
0.076423
0.072318
0.063814
0.047303
0.12098
0.090911
0.50447
0.56935
0.54497
0.52195
0.54642
0.55027
0.36071
0.289
0.12972
Desember
RSquare
56
59
62
65
68
71
74
77
62
64
66
68
70
72
74
76
76
78
70
71
72
73
74
75
76
77
78
Agt
60
63
66
69
72
75
78
81
66
68
70
72
74
76
78
80
80
82
74
75
76
77
78
79
80
81
82
Des
dfe
0.6439
0.5935
0.5821
0.5467
0.5805
0.5626
0.4857
0.4286
-0.1119
-0.0873
-0.0633
-0.0665
-0.0484
-0.0224
-0.0034
0.0046
-1.1676
0.0843
0.4343
0.4503
0.5130
0.5260
0.5313
0.5364
0.3599
0.3491
0.1177
Agustus
0.54493
0.55168
0.52469
0.49624
0.52208
0.51133
0.45293
0.38039
-0.089813
-0.068396
-0.044826
-0.051402
-0.035904
-0.013127
0.0038024
0.011577
0.08802
0.079824
0.44421
0.52342
0.50306
0.4847
0.51734
0.5275
0.33674
0.27144
0.11911
Desember
Adj RSquare
10.0733
-14.9473
-14.1047
-18.4472
-12.5259
-18.9512
-21.8867
-35.0912
-98.3330
-97.8108
-95.7741
-95.7975
-94.4204
-93.5982
-92.3787
-89.7083
-72.1213
-63.2267
-37.9554
-16.1098
-27.1588
-18.5930
-23.0899
-20.1533
-42.8073
-48.1602
-61.0777
Agustus
13.8287
-25.732
-23.9926
-27.3222
-21.574
-27.0513
-34.1579
-36.4657
-93.3864
-93.0001
-91.2541
-91.1174
-89.7312
-88.6905
-87.7866
-85.1589
-61.3716
-56.8441
-43.137
20.1997
-26.7154
-40.8821
-26.554
-21.2974
-43.0883
-57.3856
-60.3696
Desember
MPE (%)
32.2545
39.1382
41.5020
45.6008
42.1183
47.8687
50.8608
63.9317
129.2062
128.8470
127.1743
127.3646
126.0969
125.4348
123.8120
120.3436
154.1655
92.1346
58.9809
45.1027
49.3319
44.9052
46.5270
45.4886
70.1168
77.6939
89.2648
Agustus
35.7011
48.9411
50.5664
54.4922
50.7041
56.001
61.4824
68.9344
123.3637
123.1857
121.5319
121.7427
120.6286
119.8936
118.5308
115.0643
89.2585
86.3957
57.0364
45.805
49.6284
56.8048
49.8923
48.0499
70.5085
87.1699
88.2041
Desember
MAPE (%)
223
Gaussian 3
Gaussian 4
Gaussian 5
Gaussian 6
Gaussian 7
Gaussian 8
22.
23.
24.
25.
26.
27.
Fourier 7
18.
Gaussian 2
Fourier 6
17.
21.
Fourier 5
16.
Fourier 8
Fourier 4
15.
Gaussian 1
Fourier 3
14.
20.
Fourier 2
13.
19
Fourier 1
Polinomial 8
8.
12.
Polinomial 7
7.
Eksponensial 2
Polinomial 6
6.
11.
Polinomial 5
5.
Polinomial 9
Polinomial 4
4.
Eksponensial 1
Polinomial 3
3.
10.
Polinomial 2
2
9.
Polinomial 1
Metoda
1.
No
Penggunaan Zak
Agustus
0.4348
0.6103
0.5643
0.6183
0.5162
0.5001
0.4284
0.1413
0.3552
0.3416
0.3314
0.2888
0.2696
0.2532
0.2326
0.1486
Error
-0.0609
0.3478
0.1631
0.2840
0.1983
0.1695
0.1759
0.1572
0.1365
0.0031
0.30316
0.62429
0.53514
0.59682
0.49063
0.47374
0.40242
0.12479
0.33746
0.31467
0.30671
0.26892
0.24168
0.23436
0.21991
0.13135
Error
-0.049195
0.18217
0.28681
0.27859
0.20544
0.17171
0.17289
0.11461
0.1134
0.0049805
Desember
RSquare
56
59
62
65
68
71
74
77
62
64
66
68
70
72
74
76
Error
78
70
71
72
73
74
75
76
77
78
Agt
60
63
66
69
72
75
78
81
66
68
70
72
74
76
78
80
Error
82
74
75
76
77
78
79
80
81
82
Des
dfe
0.2026
0.4782
0.4449
0.5361
0.4380
0.4437
0.3898
0.1190
0.1784
0.1873
0.1997
0.1737
0.1757
0.1806
0.1808
0.1150
Error
-0.0745
0.2639
0.0688
0.2144
0.1324
0.1134
0.1320
0.1240
0.1141
-0.0097
Agustus
0.036043
0.50501
0.4154
0.51502
0.41281
0.4176
0.36411
0.10318
0.1668
0.16349
0.17796
0.15723
0.14945
0.16384
0.16991
0.098775
Error
-0.06199
0.082703
0.21073
0.21214
0.14352
0.11862
0.13101
0.081404
0.091513
-0.0071539
Desember
Adj RSquare
2.2343
-22.4616
-23.4349
-16.0103
-23.6872
-23.8226
-26.3996
-40.8791
-33.6001
-33.5505
-33.8230
-38.3209
-39.4261
-39.7331
-40.7856
-41.3773
Error
-43.3930
-28.0511
-3.0766
-25.4120
-15.5841
-45.0763
-39.1569
-39.1303
-40.4605
-41.8883
Agustus
6.8701
-19.3947
-24.2071
-19.5463
-23.4363
-24.6857
-27.0588
-40.1557
-33.5356
-33.9072
-33.5227
-37.3573
-38.4189
-38.4165
-39.1801
-40.3503
Error
-42.0663
-50.6027
-27.704
-29.8403
-38.9748
-40.3093
-38.5828
-40.2463
-40.3785
-40.6597
Desember
MPE (%)
44.8757
44.6893
45.5861
37.9284
47.5209
48.2676
52.1662
69.2266
59.0066
59.1318
59.3008
63.3251
64.9527
65.5038
66.7723
67.5234
Error
73.3570
56.3956
52.0569
57.0288
56.7000
69.5107
66.6795
66.1959
68.2766
68.5811
Agustus
47.5118
41.5164
46.5716
42.9075
47.753
48.9358
52.518
68.183
58.4482
59.1995
58.9319
62.1354
63.8287
63.8718
64.6642
66.5641
Error
70.9064
67.0818
56.7571
58.4876
59.7252
66.9791
66.1177
67.4662
67.7155
67.3802
Desember
MAPE (%)
224
Polinomial 1
Polinomial 2
Polinomial 3
Polinomial 4
Polinomial 5
Polinomial 6
Polinomial 7
Polinomial 8
Polinomial 9
Eksponensial 1
Eksponensial 2
Fourier 1
Fourier 2
Fourier 3
Fourier 4
Fourier 5
Fourier 6
Fourier 7
Fourier 8
Gaussian 1
Gaussian 2
Gaussian 3
Gaussian 4
Gaussian 5
Gaussian 6
Gaussian 7
Gaussian 8
2
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19
20.
21.
22.
23.
24.
25.
26.
27.
Metoda
1.
No
Sisa Tapioka
Agustus
0.7610
0.7580
0.7518
0.7134
0.3430
0.5746
0.4746
0.1291
0.5233
0.5073
0.5023
0.4990
0.4513
0.4012
0.3999
0.2799
Error
[1x1 double]
0.0982
0.2257
0.1878
0.2123
0.1426
0.1356
0.1184
0.1156
[1x1 double]
0.7408
0.73786
0.73218
0.3101
0.27655
0.55543
0.4741
0.12768
0.22393
0.21637
0.19813
0.19466
0.18541
0.18515
0.17723
0.16073
Error
-0.033767
0.059135
0.18996
0.13611
0.15152
0.13957
0.14097
0.11404
.11402
0.0030502
Desember
RSquare
56
59
62
65
68
71
74
77
62
64
66
68
70
72
74
76
Error
78
70
71
72
73
74
75
76
77
78
Agt
60
63
66
69
72
75
78
81
66
68
70
72
74
76
78
80
Error
82
74
75
76
77
78
79
80
81
82
Des
dfe
0.6629
0.6759
0.6838
0.6516
0.2367
0.5266
0.4391
0.1065
0.3926
0.3919
0.4042
0.4180
0.3808
0.3430
0.3593
0.2515
Error
[1x1 double]
[1x1 double]
0.1385
0.1088
0.1476
0.0847
0.0895
0.0837
0.0926
[1x1 double]
Agustus
0.64145
0.65464
0.6632
0.17012
0.16603
0.50801
0.44039
0.10614
0.024031
0.043508
0.049207
0.071624
0.086343
0.11009
0.12449
0.12926
Error
-0.046374
-0.055295
0.10356
0.056538
0.085404
0.084414
0.097474
0.080815
0.092139
-0.0091077
Desember
Adj RSquare
-41.3250
-40.9835
-40.9068
-47.2784
-14.6601
-61.9650
-93.0536
-124.9452
-36.2879
-39.5966
-38.3687
-40.5878
-47.6675
-50.3833
-51.0073
-74.5695
Error
-115.1871
-57.1079
-94.5531
-81.9644
-120.4272
-140.2969
-128.9307
-126.8801
-125.4817
-127.6041
Agustus
-44.0161
-43.7313
-43.7381
-3.9778
-9.2011
-64.5131
-89.1607
-120.2181
-94.6874
-97.53
-97.6833
-99.3782
-102.8876
-103.1853
-107.6416
-108.1692
Error
-114.3319
-160.0538
-87.8537
-99.8039
-130.8434
-127.9071
-123.2237
-120.6917
-120.5708
-121.7535
Desember
MPE (%)
62.2864
62.2006
62.5510
67.5646
78.4009
87.6791
119.3300
154.9651
60.2856
64.7811
62.4266
65.1423
76.4417
78.0182
78.4235
102.6173
Error
149.6861
109.9284
126.2410
121.9272
148.9304
166.7773
158.5736
156.6112
155.0293
157.3878
Agustus
63.6171
63.6036
64.0358
72.2758
79.4299
88.3568
115.1663
150.0247
125.9793
128.3108
128.1871
129.7983
133.6538
133.9027
138.5216
139.3524
Error
145.9824
177.4761
125.9858
133.1839
154.3266
155.7857
152.37
149.9107
149.7623
151.0606
Desember
MAPE (%)
225
Gaussian 3
Gaussian 4
Gaussian 5
Gaussian 6
Gaussian 7
Gaussian 8
22.
23.
24.
25.
26.
27.
Fourier 7
18.
Gaussian 2
Fourier 6
17.
21.
Fourier 5
16.
Fourier 8
Fourier 4
15.
Gaussian 1
Fourier 3
14.
20.
Fourier 2
19
Fourier 1
13.
Polinomial 8
8.
12.
Polinomial 7
7.
Eksponensial 2
Polinomial 6
6.
11.
Polinomial 5
5.
Polinomial 9
Polinomial 4
4.
Eksponensial 1
Polinomial 3
3.
10.
Polinomial 2
2
9.
Polinomial 1
Metoda
1.
No
Penggunaan PAC
Agustus
0.8851
0.9097
0.8805
0.8557
0.8578
0.7950
0.7156
0.5520
0.5028
0.4951
0.4927
0.4910
0.4858
0.4083
0.3193
0.2335
Error
Error
0.5688
0.5610
0.5441
0.5559
0.5297
0.5368
0.5368
0.4192
0.4034
0.86537
:0.86655
0.83354
0.81987
0.80816
0.74488
0.66554
0.54219
0.47729
0.47284
0.46699
0.46174
0.45085
0.36509
0.30047
0.20121
Error
Error
0.51428
0.56309
0.55995
0.55013
0.52504
0.52851
0.52473
0.40567
0.36563
Desember
RSquare
56
59
62
65
68
71
74
77
62
64
66
68
70
72
74
76
Error
Error
70
71
72
73
74
75
76
77
78
Agt
60
63
66
69
72
75
78
81
66
68
70
72
74
76
78
80
Error
Error
74
75
76
77
78
79
80
81
82
Des
dfe
0.8380
0.8792
0.8477
0.8246
0.8347
0.7719
0.6964
0.5404
0.3665
0.3768
0.3927
0.4086
0.4197
0.3508
0.2733
0.2033
Error
Error
0.5134
0.5115
0.4998
0.5194
0.4979
0.5121
0.5186
0.4041
0.3957
Agustus
0.81376
0.82418
0.79066
0.78332
0.77885
0.71766
0.6441
0.53088
0.34266
0.35656
0.36801
0.37951
0.38406
0.30661
0.25563
0.17126
Error
Error
0.45521
0.51649
0.51942
0.51507
0.4946
0.50464
0.50691
0.39099
0.35789
Desember
Adj RSquare
3.4514
1.8692
2.7827
0.6997
-0.9717
0.5720
0.1689
-3.9443
10.1139
10.3465
9.9332
9.9111
9.2472
6.0769
10.4603
10.9398
Error
Error
-4.2184
-3.6693
-17.2113
-7.5942
-9.2769
-5.7156
-5.7002
-6.7352
-6.3996
Agustus
-1.2288
-1.4384
7.3661
2.4404
2.0663
4.5045
4.1669
-3.9709
12.2655
12.4099
11.7323
11.5137
11.1751
8.6137
11.6898
12.446
Error
Error
-17.5927
-5.5338
-5.3714
-6.9224
-8.9509
-6.8428
-5.9804
-6.9446
-6.4886
Desember
MPE (%)
14.5186
11.4243
12.5435
14.8444
15.1723
16.6662
18.2289
21.3464
16.9581
16.4182
16.7055
16.5971
16.7427
19.9571
18.2519
21.5739
Error
Error
21.9571
21.7694
27.1050
22.2715
23.2592
22.3699
22.3725
27.8862
30.8475
Agustus
14.259
14.6613
16.3807
18.4647
19.4157
20.532
22.1784
22.3712
18.3522
17.5825
18.0297
18.5308
19.5241
21.8995
19.7803
23.3743
Error
Error
27.6838
21.2264
21.6321
22.156
24.5371
23.8347
24.1664
27.454
32.778
Desember
MAPE (%)
226
Lampiran 8. Contoh Pembandingan Grafis
Verifikasi
Metoda
Pemulusan
Menggunakan
Pembandingan Tingkat Kesalahan Peramalan Pasokan Perioda Februari 2007 Menggunakan data Januari 2000Agustus 2006 dengan data Januari 2000-Desember 2006
Pasok Ubikayu Eksternal (Perkiraan Feb 2007) Data Januari 2000- Agustus 2006 1. Gaussian 8
Data Januari 2000- Desember 2006 1. Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(((x-b8)/c8)2)
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) +a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2) +a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
y = 8634*exp(-((x-731900)/41.81)2) + 10980*exp(-((x-731800)/25.78)2) + 12180*exp(-((x-732100)/181.4)2) + 10830*exp(-((x-731500)/15.45)2) + 4928*exp(-((x-731400)/28.36)2) + 8357*exp(-((x-731100)/643.4)2) + 6729 * exp(-((x-732700)/216.1)2) + 5718*exp(-((x731700)/98.65)2) Nilai keapikan (goodness value) RSquare: 0.6757 DFE: 56 Adjusted RSquare: 0.5426 MPE -0.6363 % MAPE 19.5311 %
y = 9073 *exp(-((x- 731900)/ 44.21)2) + 11470*exp(-((x- 731800)/ 24.4)2) + 11970* exp(-((x- 732100)/ 165.2)2) + 12120*exp(((x- 731500)/ 14.65)2) + 4947 *exp(-((x731400)/ 28.47)2) + 6774*exp(-((x733000)/ 503.6)2) + 8367 * exp(-((x731100)/ 639.7)2) + 5796*exp(-((x731700)/ 100.7)2) Nilai keapikan (goodness value) RSquare: 0.63782 DFE: 60 Adjusted RSquare: 0.49899 MPE: -2.0495 % MAPE: 21.2014 %
228 Pasok Ubikayu Eksternal (Perkiraan Feb 2007) Data Januari 2000- Agustus 2006 Gaussian 7
Data Januari 2000- Desember 2006 2. Gaussian 7
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2)
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2)
y = 1.125e+004 (-1.617e+007, 1.619e+007) *exp(((x- 7.319e+005 (7.291e+005, 7.348e+005))/ 14.25 (-8849, 8878))2) + 6454 (-1.099e+004, 2.389e+004)*exp(-((x- 7.318e+005 (7.317e+005, 7.319e+005))/ 139.9 (-163.7, 443.4))2) + 1.177e+004 (6844, 1.67e+004)*exp(-((x7.321e+005 (7.32e+005, 7.322e+005))/ 227.3 (102.2, 352.3))2) + 8424 (4564, 1.228e+004)*exp(((x-7.314e+005 (7.309e+005, 7.318e+005))/ 394.8 (-1198, 1987))2) + 4623 (-1.111e+020, 1.111e+020)*exp(-((x7.314e+005 (-5.293e+015, 5.293e+015))/ 0.306 (3.688e+015, 3.688e+015))2) + 5871 (-2.404e+004, 3.578e+004)*exp(-((x-7.31e+005 (7.309e+005, 7.311e+005))/ 150.4 (-252.5, 553.3))2) + 5830 (-2048, 1.371e+004)*exp(-((x7.306e+005 (7.304e+005, 7.308e+005))/ 173.5 (98.94, 445.9))2) Nilai keapikan rsquare: 0.2327 dfe: 59 adjrsquare: -0.0275 mpe: 13.1045 % mape: 31.0521 %
y = 8636*exp(-((x- 731900)/ 42.66)2) + 11490*exp(-((x- 731800)/ 23.17)2) + 11380*exp(-((x- 732100)/ 161)2) + 4602*exp(-((x- 731700)/ 90.13)2) + 1596*exp(-((x- 731500)/ 89.45)2) + 6769*exp(-((x- 733000)/ 491.7)2) + 8451*exp(-((x- 731200)/ 708.1)2) Nilai keapikan RSquare: 0.59037 DFE: 63 Adjusted RSquare: 0.46032 MPE: -3.0119 % MAPE: 23.1496 %
229 Pasok Ubikayu Eksternal (Perkiraan Feb 2007) Data Januari 2000- Agustus 2006 2. Gaussian 6
Data Januari 2000- Desember 2006 3. Gaussian 6
Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2)
Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2)
y = 14990*exp(-((x-731900)/14.94)2) + 10650*exp(-((x-731800)/18.14)2) + 6708*exp(-((x-732100)/116.7)2) + 4174*exp(-((x-731400)/25.56)2) + 2995*exp(-((x-731200)/37.01)2) + 7510*exp(-((x-731500)/1613)2)
y = 8498*exp(-((x- 731900)/ 16.55)2) + 6340*exp(-((x- 731800)/ 158.8)2) + 11020*exp(-((x- 732100)/ 150.9)2) + 1386*exp(-((x- 731400)/ 84.92)2) + 6762*exp(-((x- 733000)/ 493)2) + 8475*exp(-((x- 731200)/ 721.5)2)
Nilai keapikan RSquare: 0.5089 DFE: 62 Adjusted RSquare: 0.3743 MPE: -4.4812 % MAPE: 6.1871e+003 %
Nilai keapikan RSquare: 0.55778 DFE: 66 Adjusted RSquare: 0.44388 MPE: -3.445 % MAPE: 24.2989 %
3. Gaussian 5
4. Gaussian 5
230 Pasok Ubikayu Eksternal (Perkiraan Feb 2007) Data Januari 2000- Agustus 2006
Data Januari 2000- Desember 2006
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x- b4)/c4)2) + a5*exp(-((x-b5)/c5)2)
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2)
y = 12190*exp(-((x-731900)/15.98)2) + 6433*exp(-((x-732100)/112.5)2) + (-4237)*exp(-((x-731300)/15.64)2) + 11030*exp(-((x-731800)/16.55)2) + 8133*exp(-((x-731500)/1446)2)
y = 7510*exp(-((x- 731900)/ 34.72)2) + 9239*exp(-((x- 732100)/ 143.4)2) + 8694 * exp(-((x- 731300)/ 898.2)2) + 9607*exp(((x- 731800)/ 23.16)2) + 6575 * exp(-((x733000)/ 428.4)2)
Nilai keapikan RSquare: 0.4845 DFE: 65 Adjusted RSquare: 0.3734 MPE: -4.3208 % MAPE: 26.3235 %
Nilai keapikan RSquare: 0.56655 DFE: 69 Adjusted RSquare: 0.47861 MPE: -4.0027 % MAPE: 24.6972 %
4. Gaussian 4
5. Gaussian 4
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2)
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2)
y = 3409*exp(-((x-731900)/107.1)2) + 6243*exp(-((x-732100)/101.6)2) + (-4605)*exp(-((x-731600)/36.98)2) + 8436*exp(-((x-731500)/1374)2) Nilai keapikan RSquare: 0.4640 DFE: 68 Adjusted RSquare: 0.3773 MPE: -4.0083 % MAPE: 26.9782 %
y = 6713*exp(-((x- 731900)/ 173.6)2) + 9825*exp(-((x- 732200)/ 134.5)2) + 8682*exp(-((x- 731200)/ 763.9)2) + 6751*exp(-((x- 733000)/ 485.8)2) Nilai keapikan RSquare: 0.53592 DFE: 72 Adjusted RSquare: 0.46502 MPE: -3.7632 % MAPE: 25.2072 %
231 Produksi Tapioka Data Januari 2000- Agustus 2006 1. Gaussian 8
Data Januari 2000- Desember 2006 1. Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) a6*exp(((x-b6)/c6)2) +a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2) +a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
y = 1888*exp(-((x-731800)/132.2)2) + 1396*exp(-((x-732800)/252.1)2) + 1197*exp(-((x-731900)/27.08)2) + 1876*exp(-((x-731400)/14.15)2) + 1743*exp(-((x-731400)/433.3)2) + 3096*exp(-((x-732100)/162.6)2) + 1410*exp(-((x-730600)/228.8)2) + 1233*exp(-((x-731000)/162.6)2) Nilai keapikan RSquare: 0.6693 DFE: 56 Adjusted RSquare: 0.5335 MPE: -5.0855 % MAPE: 23.6966 %
y = 4698*exp(-((x- 731900)/ 13.31)2) + 1808*exp(-((x- 731900)/ 1863)2) + 1229*exp(-((x- 731900)/ 28.04)2) + (2111)*exp(-((x- 732300)/ 266.2)2) + 2927*exp(-((x- 732200)/ 165.6)2) + 993.1*exp(-((x- 730700)/ 48.33)2) + 0* exp(-((x- 730300)/ 21.03)2) + 736.9*exp(((x- 731100)/ 163.8)2) Nilai keapikan RSquare:0.68353 DFE:60 Adjusted RSquare:0.56222 MPE:-4.7942 % MAPE:23.6775 %
232 Produksi Tapioka Data Januari 2000- Agustus 2006 2. Gaussian 7
Data Januari 2000- Desember 2006 2. Gaussian 7
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2)
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2)
y = 1427*exp(-((x-731800)/113.4)2) + 2285*exp(-((x-732100)/125.1)2) + 1289*exp(-((x-731900)/28.31)2) + 1072*exp(-((x-731200)/510.3)2) + 3474*exp(-((x- (-38580000)) / 34400000)2) Nilai keapikan RSquare: 0.6089 DFE: 59 Adjusted RSquare: 0.4763 MPE: -7.2711 % MAPE: 27.3027 % 3. Gaussian 5
y = 2181*exp(-((x- 731800)/ 30.4)2) + 1941*exp(-((x- 732100)/ 113.6)2) + 1568*exp(-((x- 731900)/ 36.58)2) + 2347*exp(-((x- 731400)/ 15.49)2) + 925.1*exp(-((x- 730700)/ 45.96)2) + 838.3*exp(-((x- 731100)/ 195)2) + 1395*exp(-((x- 731500)/ 2386)2) Nilai keapikan RSquare:0.57611 DFE:63 Adjusted RSquare:0.44154 MPE:-8.8317 % MAPE:28.2625 % 3. Gaussian 5
233 Produksi Tapioka Data Januari 2000- Agustus 2006 Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) y = 1427*exp(-((x-731800)/113.4)2) + 2285*exp(-((x-732100)/125.1)2) + 1289*exp(-((x-731900)/28.31)2) + 1072*exp(-((x-731200)/510.3)2) + 3474*exp(-((x-(-38580000))/34400000)2)
Data Januari 2000- Desember 2006 Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) y = 1401*exp(-((x- 731800)/ 113.2)2) + 2220*exp(-((x- 732100)/ 122.2)2) + 998.3*exp(-((x- 731200)/ 474.7)2) + 1284*exp(-((x- 731900)/ 28.26)2) + 3529*exp(-((x-(-38460000))/ 35210000)2)
Nilai keapikan RSquare: 0.5785 DFE: 65 Adjusted RSquare: 0.4878 MPE: -6.8677 % MAPE: 27.5928 %
Nilai keapikan RSquare:0.55719 DFE:69 Adjusted RSquare:0.46734 MPE:-7.8292 % MAPE:28.5775 %
4. Gaussian 4
4. Gaussian 4
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2)
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2)
y = 1502*exp(-((x-731900)/173.3)2) + 2150*exp(-((x-732200)/110.1)2) + 1074*exp(-((x-731200)/490.7)2) + 3182*exp(-((x-(-27330000))/25460000)2) Nilai keapikan RSquare: 0.5637 DFE: 68 Adjusted RSquare: 0.4931 MPE: -6.9717 % MAPE: 28.0717 %
y = 1464 *exp(-((x- 731900)/ 174)2) + 2085*exp(-((x- 732200)/ 107.3)2) + 1003*exp(-((x- 731200)/ 454.4)2) + 3865*exp(-((x-(-3.31e+007))/ 29360000)2) Nilai keapikan RSquare:0.54288 DFE:72 Adjusted RSquare:0.47304 MPE:-7.9366 % MAPE:29.0549 %
234 Produksi Tapioka Data Januari 2000- Agustus 2006 5. Gaussian 3
Data Januari 2000- Desember 2006 5. Gaussian 3
Model umum Gaussian orde 3: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2)
Model umum Gaussian orde 3: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2)
y = 1031*exp(-((x-731900)/141.1)2) + 1864*exp(-((x-732200)/103.1)2) + 1757*exp(-((x-731300)/1652)2) Nilai keapikan RSquare: 0.4938 DFE: 71 Adjusted RSquare: 0.4368 MPE: -7.9715 % MAPE: 31.0652 %
y = 1038*exp(-((x- 731900)/ 145.7)2) + 1807*exp(-((x- 732200)/ 100)2) +1690* exp(-((x- 731300)/ 2069)2) Nilai keapikan RSquare:0.45261 DFE:75 Adjusted RSquare:0.39422 MPE:-9.8228 % MAPE:33.0355 %
Pasokan Air Data Januari 2000- Agustus 2006 1. Gaussian 8
Data Januari 2000- Desember 2006 1. Gaussian 8
235 Pasokan Air Data Januari 2000- Agustus 2006 Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2) y = 24870*exp(-((x-731400)/161.1)2) + 72870*exp(-((x-732200)/217.9)2) + 44340*exp(-((x-731800)/40.82)2) + 99050*exp(-((x-732000)/12.72)2) + 205800*exp(-((x-733000)/622)2) + 37510*exp(-((x-731700)/96.23)2) + 60100*exp(-((x-731300)/1498)2) + (12130000)*exp(-((x-742100)/4492)2) Nilai keapikan RSquare: 0.4897 DFE: 56 Adjusted RSquare: 0.2800 MPE:: -0.7762 % MAPE:19.5068 %
Data Januari 2000- Desember 2006 Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(((x-b8)/c8)2) y = 69500*exp(-((x- 733100)/ 209.7)2) + 28960*exp(-((x- 731400)/ 21.28)2) + 30110*exp(-((x- 732400)/ 24.52)2) + 35370*exp(-((x- 731800)/ 20.42)2) + 44200*exp(-((x- 732200)/ 173.8)2) + 33540*exp(-((x- 732700)/ 126.6)2) + 27040*exp(-((x- 731600)/ 576.8)2) + 34270*exp(-((x- 730200)/ 1142)2) Nilai keapikan RSquare:0.58048 DFE:60 Adjusted RSquare:0.41967 MPE:-0.66317 % MAPE:17.3613 %
4. Gaussian 7
2. Gaussian 7
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2)+ a5*exp(-((x-b5)/c5)2) +a6*exp(-((x-b6)/c6)2)+ a7*exp(-((x-b7)/c7)2)
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2)
y = 20000*exp(-((x-731400)/126.7)2) + 35230*exp(-((x-732200)/148.5)2) + 36210*exp(-((x-731800)/33.19)2) + 31780*exp(-((x-732100)/141.5)2) + 37140*exp(-((x-732800)/289.1)2) + 24770*exp(-((x-731700)/87.72)2) + 31570*exp(-((x-730800)/1110)2) Nilai keapikan RSquare: 0.4403
y = 67000*exp(-((x- 733100)/201.7)2) + 34810*exp(-((x- 731100)/ 1136)2) + 34760*exp(-((x- 732400)/ 18.27)2) +33070*exp(-((x- 731800)/ 26)2) + 41540*exp(-((x- 732200)/ 172.2)2) + 30080*exp(-((x- 732700)/ 117.4)2) + 14300*exp(-((x- 731700)/ 72.86)2) Nilai keapikan RSquare:0.51351
236 Pasokan Air Data Januari 2000- Agustus 2006 DFE: 59 Adjusted RSquare: 0.2505 MPE: -0.8356 % MAPE: 20.0475 %
Data Januari 2000- Desember 2006 DFE:63 Adjusted RSquare:0.35907 MPE:-0.63121 % MAPE:17.6494 %3.
2. Gaussian 6
3. Gaussian 6
Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2)
Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2)
y = 19690*exp(-((x-731400)/105.6)2) + 35960*exp(-((x-732400)/18.49)2) + 24210*exp(-((x-731800)/157.7)2) + 37000*exp(-((x-732800)/261.2)2) + 48860*exp(-((x-732200)/177.7)2) + 31730*exp(-((x-730900)/1114)2) Nilai keapikan RSquare: 0.4278 DFE: 62 Adjusted RSquare: 0.2709 MPE; -0.8189 % MAPE: 19.5359 %
y = 63870*exp(-((x- 733100)/ 191.7)2) + 35510*exp(-((x- 731200)/ 1262)2) + 18790*exp(-((x- 732300)/ 127.8)2) + 32070*exp(-((x- 731800)/ 22.93)2) + 26770*exp(-((x- 732700)/ 108.6)2) + 27360*exp(-((x- 732100)/ 129.6)2) Nilai keapikan RSquare:0.46423 DFE:66 Adjusted RSquare:0.32623 MPE:-0.79568 % MAPE:19.8808 %
237 Pasokan Air Data Januari 2000- Agustus 2006 5. Gaussian 5
Data Januari 2000- Desember 2006 5. Gaussian 5
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2)
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2)
y = 18720*exp(-((x-731400)/100.4)2) + 44850*exp(-((x-732200)/192.5)2) + 21710*exp(-((x-731800)/140)2) + 35750*exp(-((x-732800)/274.4)2) + 31550*exp(-((x-730900)/1251)2) Nilai keapikan RSquare: 0.3899 DFE: 65 Adjusted RSquare: 0.2585 MPE: -0.8641 % MAPE: 20.7699 %
y = 116200*exp(-((x- 733600)/ 656.4)2) + 18380*exp(-((x- 731400)/ 94.61)2) + 41700*exp(-((x- 732200)/ 178.7)2) + 20240*exp(-((x- 731800)/ 138.9)2) + 31530*exp(-((x- 730900)/ 1399)2) Nilai keapikan RSquare:0.43382 DFE:69 Adjusted RSquare:0.31894 MPE:-0.57182 % MAPE:20.2252 %
Pasokan Bahan Bakar Data Januari 2000- Agustus 2006 1. Gaussian 7
Data Januari 2000- Desember 2006 1. Gaussian 7
238 Pasokan Bahan Bakar Data Januari 2000- Agustus 2006
Data Januari 2000- Desember 2006
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2)
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2)
y = 46.39*exp(-((x-731800)/147.7)2) + 73.01*exp(-((x-732100)/117.4)2) + 42.2*exp(-((x-731900)/27.31)2) + 128.9*exp(-((x-731500)/15.77)2) + 54.19*exp(-((x-731200)/53.26)2) + 54.01*exp(-((x-731400)/36.65)2) + 76.76*exp(-((x-724700)/10110)2)
y = 75150*exp(-((x- 731800)/ 155.6)2) + 109800*exp(-((x- 732100)/ 158.8)2) + 44450*exp(-((x- 731900)/ 27.7)2) + 98600*exp(-((x- 731500)/ 16.29)2) + 79530*exp(-((x- 731200)/ 471.4)2) + 74280*exp(-((x- 733100)/ 524.5)2) + 53160*exp(-((x- 730600)/ 169.9)2)
Nilai keapikan RSquare: 0.5171 DFE: 59 Adjusted RSquare: 0.3535 MPE: -4.8650 % MAPE: 25.1671 %
Nilai keapikan RSquare:0.572 DFE:63 Adjusted RSquare:0.43613 MPE:-3.0318 % MAPE:23.1115 %
2. Gaussian 5
3. Gaussian 5
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2)
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2)
y = 39.48*exp(-((x-731900)/155.7)2) + 59.73*exp(-((x-732200)/73.84)2) + 735.1*exp(-((x-731500)/8.937)2) + 62.26*exp(-((x-731300)/2091)2) + 39.28*exp(-((x-732100)/46.9)2) Nilai keapikan RSquare: 0.4009 DFE: 65 Adjusted RSquare: 0.2719 MPE: -5.8789 % MAPE: 28.1531 %
y = 53610*exp(-((x- 731900)/ 160.5)2) + 86180*exp(-((x- 732200)/ 134.9)2) + 95370*exp(-((x- 731500)/ 15.61)2) + 69480*exp(-((x- 731200)/ 965.9)2) + 71880*exp(-((x- 733000)/ 434.9)2) Nilai keapikan RSquare:0.49817 DFE:69 Adjusted RSquare:0.39635 MPE:-2.568 % MAPE:24.0412 %
239 Pasokan Bahan Bakar Data Januari 2000- Agustus 2006 4. Gaussian 8
Data Januari 2000- Desember 2006 4. Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) +a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2) +a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
y = 88.04*exp(-((x-731800)/217.7)2) + 104.9*exp(-((x-732200)/190.1)2) + 48.58*exp(-((x-731900)/18.66)2) + 98.51*exp(-((x-731500)/30.09)2) + 97.56*exp(-((x-731300)/78.12)2) + 93.96*exp(-((x-731400)/54.85)2) + 63.47*exp(-((x-730600)/204)2) + 80.26*exp(-((x-731000)/146.1)2) Nilai keapikan RSquare: 0.2363 DFE: 56 Adjusted RSquare: -0.0773 MPE: 15.9345 % MAPE: 29.6710 %
y = 74970*exp(-((x- 731800)/ 26.08)2) + 65320*exp(-((x- 732100)/ 68.07)2) + 74570*exp(-((x- 731900)/ 42.24)2) + (34010)*exp(-((x- 732000)/ 82)2) + 74060*exp(-((x- 731300)/ 1053)2) + 0*exp(-((x- 731500)/ 0.7316)2) + 69570*exp(-((x- 733100)/ 382.2)2) + 71150*exp(-((x- 732200)/ 99.7)2) Nilai keapikan RSquare:0.49356 DFE:60 Adjusted RSquare:0.29943 MPE:-3.1768 % MAPE:24.5889 %
240 Pasokan Bahan Bakar Data Januari 2000- Agustus 2006 3. Gaussian 4
Data Januari 2000- Desember 2006 5. Gaussian 4
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2)
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2)
y = 38.86*exp(-((x-731900)/154.4)2) + 63.06*exp(-((x-732200)/102.2)2) + 201*exp(-((x-731500)/11.86)2) + 62.26*exp(-((x-731300)/2086)2) Nilai keapikan RSquare: 0.3957 DFE: 68 Adjusted RSquare: 0.2979 MPE: -5.9717 % MAPE: 28.4067 %
y = 41600*exp(-((x- 731900)/ 168.3)2) + 62010*exp(-((x- 732200)/ 99.57)2) + 127600*exp(-((x- 731500)/ 14.59)2) + 60100*exp(-((x- 730200)/ 5424)2) Nilai keapikan RSquare:0.34639 DFE:72 Adjusted RSquare:0.24653 MPE:-7.6123 % MAPE:29.2447 %
Penjualan Tapioka Data Januari 2000- Agustus 2006 1. Gaussian 5
Data Januari 2000- Desember 2006 1. Gaussian 5
241 Penjualan Tapioka Data Januari 2000- Agustus 2006 Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2)
Data Januari 2000- Desember 2006 Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2)
y = 4695*exp(-((x-732000)/17.16)2) + 3650*exp(-((x-732200)/96.99)2) + 2489*exp(-((x-731900)/182.5)2) + 2204*exp(-((x-731200)/447.1)2) + 1795*exp(-((x-730300)/303.7)2)
y = 5709*exp(-((x- 732000)/ 14.84)2) + 2954*exp(-((x- 732200)/ 75.23)2) + 1711*exp(-((x- 731900)/ 157.9)2) + 1240*exp(-((x- 731200)/ 306.1)2) + 2521*exp(-((x- 528000)/ 207900)2)
Nilai keapikan RSquare: 0.3949 DFE: 65 Adjusted RSquare: 0.2645 MPE: -42.2230 % MAPE: 100.9434 %
Nilai keapikan RSquare:0.51887 DFE:69 Adjusted RSquare:0.42125 MPE:-78.0794 % MAPE:105.3246 %
2.
2.
Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2) y = 3795*exp(-((x-732000)/25.42)2) + 3051 * exp(-((x-732200)/44.17)2) + 1611* exp(-((x731800)/1242)2) + 1330*exp(-((x-731300) / 59.05)2) + 3272*exp(-((x-732100)/0.9514)2)+ 5490*exp(-((x-730700)/15.26)2) + 1781*exp(-((x-731100)/50.01)2) + 1145*exp(-((x-730900)/63.35)2) Nilai keapikan RSquare: 0.5590 DFE: 56 Adjusted RSquare: 0.3779 MPE: -85.5825 % MAPE: 114.4186 %
Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) +a5*exp(-((x-b5)/c5)2)+a6*exp(-((x-b6)/ c6)2) +a7*exp(-((x-b7)/c7)2)+a8*exp(-((x-b8)/c8)2) y = 3815*exp(-((x- 732000)/ 25.73)2) + 3074*exp(-((x- 732200)/ 42.63)2) + 1547*exp(-((x- 731800)/ 1429)2) +1319*exp(-((x- 731300)/ 66.56)2) + 768400*exp(-((x- 732100)/ 1.019)2) + 5581*exp(-((x- 730700)/ 14.93)2) + 1799*exp(-((x- 731100)/ 50.07)2) + 1131*exp(-((x- 730900)/ 62.07)2) Nilai keapikan RSquare:0.54683 DFE:60 Adjusted RSquare:0.37312 MPE:-83.0012 % MAPE:111.8419 %
242 Penjualan Tapioka Data Januari 2000- Agustus 2006 3. Gaussian 4
Data Januari 2000- Desember 2006 3. Gaussian 4
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((xb2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(((x-b4)/c4)2)
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2)
2
y = 3962*exp(-((x-732000)/25.2) ) + 2724*exp(((x-732200)/73.6)2) + 1440*exp(-((x731900)/81.21)2) + 1643*exp(-((x731300)/1585)2) Nilai keapikan RSquare: 0.4548 DFE: 68 Adjusted RSquare: 0.3666 MPE: -89.0993 % MAPE: 118.5868 % 4. Gaussian 3
Model umum Gaussian orde 3: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) y = 1708*exp(-((x-732000)/154.5)2) + 2770*exp(-((x-732200)/56.59)2) + 1643*exp(-((x-731300)/1580)2)
y = 3941*exp(-((x- 732000)/ 25.07)2) + 2665*exp(-((x- 732200)/ 71.46)2) + 1447*exp(-((x- 731900)/ 81.07)2) + 1586*exp(-((x- 731300)/ 1926)2) Nilai keapikan RSquare:0.44127 DFE:72 Adjusted RSquare:0.3559 MPE:-87.3919 % MAPE:117.1846 % 4. Gaussian 3
Model umum Gaussian orde 3: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) y = 1682*exp(-((x- 732000)/ 157)2) + 2743*exp(((x- 732200)/ 53.32)2) + 1582*exp(-((x731300)/ 1935)2)
243 Penjualan Tapioka Data Januari 2000- Agustus 2006 Nilai keapikan RSquare: 0.3810 DFE: 71 Adjusted RSquare: 0.3113 MPE: -89.5940 % MAPE: 119.9188 %
Data Januari 2000- Desember 2006 Nilai keapikan RSquare:0.36817 DFE:75 Adjusted RSquare:0.30077 MPE:-87.9696 % MAPE:118.5579 %
Pasokan Belerang Data Januari 2000- Agustus 2006 1. Gaussian 8
Data Januari 2000- Desember 2006 1. Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
y = 1.634*exp(-((x-731500)/21.9)2) + 1.38*exp(((x-731800)/17.34)2) + 1.28*exp(-((x731800)/417.9)2) + 0.849*exp(-((x731400)/37.65)2) + 1.028*exp(-((x731200)/81.73)2) + 0.6131*exp(-((x732100)/79.85)2) + 1.316*exp(-((x731000)/129.7)2) + 0.9134*exp(-((x730600)/c 199.5)2) Nilai keapikan RSquare: 0.7475 DFE: 56 Adjusted RSquare: 0.6439 MPE: 10.0733 % MAPE: 32.2545 %
y = 1.629*exp(-((x- 731500)/ 21.81)2) + 1.385*exp(-((x- 731800)/ 17.31)2) + 1.278*exp(-((x- 731800)/ 421.9)2) +0.8428*exp(-((x- 731400)/ 37.37)2) + 1.021*exp(-((x- 731200)/ 81.38)2) + 0.6064*exp(-((x- 732100)/ 78.76)2) + 1.313*exp(-((x- 731000)/ 129.6)2) + 0.9134*exp(-((x- 730600)/ 199.5)2) Nilai keapikan RSquare:0.67103 DFE:60 Adjusted RSquare:0.54493 MPE:13.8287 % MAPE:35.7011 %
244
Pasokan Belerang Data Januari 2000- Agustus 2006 2. Gaussian 7
Data Januari 2000- Desember 2006 2. Gaussian 7
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2)
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) +a7*exp(-((x-b7)/c7)2)
y = 1.623*exp(-((x-731500)/21.93)2) + 1.3*exp(((x-731800)/17.34)2) + 0.734*exp(-((x731800)/245.8)2) + 0.7026*exp(-((x731400)/30.5)2) + 0.522*exp(-((x731200)/56.42)2) + 0.6469*exp(-((x732100)/83.17)2) + 0.8315*exp(-((x730900)/1478)2) Nilai keapikan RSquare: 0.6964 DFE: 59 Adjusted RSquare: 0.5935 MPE: -14.9473 % MAPE: 39.1382 %
y = 1.663*exp(-((x- 731500)/ 22.63)2) + 1.509*exp(-((x- 731800)/ 15.88)2) + 0.7936*exp(-((x- 731800)/ 253.3)2) +0.7713*exp(-((x- 731400)/ 34.47)2) + 0.6325*exp(-((x- 731200)/ 66.28)2) + 0.6188*exp(-((x- 732100)/ 79.75)2) + 1.148*exp(-((x- 728500)/ 3720)2 Nilai keapikan RSquare:0.65971 DFE:63 Adjusted RSquare:0.55168 MPE:-25.732 % MAPE:48.9411 %
Penggunaan Zak Data Januari 2000- Agustus 2006 1. Gaussian 7
Data Januari 2000- Desember 2006 1. Gaussian 7
245 Penggunaan Zak Data Januari 2000- Agustus 2006 Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2) y = 44080*exp(-((x-731800)/33.74)2) + 35120* exp(-((x-731900)/41.19)2) + 37840*exp(-((x732200)/65.74)2) + 34360*exp(-((x-732100)/ 54.91)2) + 24010*exp(-((x-731000)/138.5)2) + 25540*exp(-((x-731700)/1529)2) + 13440*exp(-((x-730600)/131.2)2) Nilai keapikan RSquare: 0.6103 DFE: 59 Adjusted RSquare: 0.4782 MPE: -22.4616 % MAPE: 44.6893 % 2.
Gaussian5
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) y = -30200*exp(-((x-732800)/40.68)2) + 51570*exp(-((x-732200)/149.6)2) + 42520*exp(-((x-731900)/201)2) + 33230*exp(-((x-731000)/695.3)2) + 33950*exp(-((x-732800)/241.6)2) Nilai keapikan RSquare: 0.6183 DFE: 65 Adjusted RSquare: 0.5361 MPE: -16.0103 % MAPE: 37.9284 %
Data Januari 2000- Desember 2006 Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) y = 30790*exp(-((x- 731800)/ 140.6)2) + 26580*exp(-((x- 732000)/ 29.02)2) + 40890*exp(-((x- 732200)/ 71.06)2) + 36100*exp(-((x- 732100)/ 55.72)2) + 24320*exp(-((x- 731000)/ 151.5)2) + 21240*exp(-((x- 699700)/ 117000)2) + 22760*exp(-((x- 730700)/ 38.62)2) Nilai keapikan RSquare:0.62429 DFE:63 Adjusted RSquare:0.50501 MPE:-19.3947 % MAPE:41.5164 % 2. Gaussian 5
Model umum Gaussian orde 5: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) y = 21410*exp(-((x- 815600)/ 252400)2) + 35500*exp(-((x- 732200)/ 107.4)2) + 31660*exp(-((x- 731900)/ 212.1)2) + 24860*exp(-((x- 731000)/ 155.9)2) + 23400*exp(-((x- 730700)/ 39.48)2) Nilai keapikan RSquare:0.59682 DFE:69 Adjusted RSquare:0.51502 MPE:-19.5463 % MAPE:42.9075 %
246 Penggunaan Zak Data Januari 2000- Agustus 2006 3. Gaussian 6
Data Januari 2000- Desember 2006 3. Gaussian 6
Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2)
Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2)
y = 46640*exp(-((x-731800)/31.34)2) + 39300*exp(-((x-732200)/69.72)2) + 35980*exp(-((x-731900)/43.73)2) + 35390*exp(-((x-732100)/53.97)2) + 28090*exp(-((x-730900)/2416)2) + 32090*exp(-((x-731700)/19.56)2) Nilai keapikan RSquare: 0.5643 DFE: 62 Adjusted RSquare: 0.4449 MPE: -23.4349 % MAPE: 45.5861 % 4. Gaussian 8
y = 102100*exp(-((x- 731800)/ 14.75)2) + 38930*exp(-((x- 732200)/ 67.89)2) + 35060*exp(-((x- 731900)/ 48.47)2) + 35650*exp(-((x- 732100)/ 52.21)2) + 29310*exp(-((x- 729900)/ 4437)2) + 22730*exp(-((x- 731800)/ 36.01)2) Nilai keapikan RSquare:0.53514 DFE:66 Adjusted RSquare:0.4154 MPE:-24.2071 % MAPE:46.5716 % 4. Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) +a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/ c6)2) +a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
247 Penggunaan Zak Data Januari 2000- Agustus 2006 y = 409900*exp(-((x-731800)/9.372)2)+ 41630* exp(-((x-731900)/51.67)2) + 55730* exp(-((x732200)/167.4)2) + 18730*exp(-((x-732100) /38.22)2) +34360* exp(-((x-731000)/156)2) + 24910*exp(-((x-731400)/404.5)2) + 28760* exp(-((x-730600)/174.8)2) + 29210*exp(-((x731800)/122)2) Nilai keapikan RSquare: 0.4348 DFE: 56 Adjusted RSquare: 0.2026 MPE: 2.2343 % MAPE: 44.8757 % 5.
Gaussian 4
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) y = 29000*exp(-((x-731900)/164.2)2) + 39160*exp(-((x-732200)/72.85)2) + 28500*exp(-((x-732100)/40.29)2) + 27900*exp(-((x-730800)/2653)2) Nilai keapikan RSquare: 0.5162 DFE: 68 Adjusted RSquare: 0.4380 MPE: -23.6872 % MAPE: 47.5209 %
Data Januari 2000- Desember 2006 y = 136800*exp(-((x- 731800)/ 12.39)2) + 41540*exp(-((x- 731900)/ 51.52)2) + 55750*exp(-((x- 732200)/ 167.6)2) + 18670*exp(-((x- 732100)/ 38.2)2) + 34420*exp(-((x- 731000)/ 155.9)2) + 24930*exp(-((x- 731400)/ 402.2)2) + 28760*exp(-((x- 730600)/ 176)2) + 29340*exp(-((x- 731800)/ 122.7)2) Nilai keapikan RSquare:0.30316 DFE:60 Adjusted RSquare:0.036043 MPE:6.8701 % MAPE:47.5118 % 5. Gaussian 4
Model umum Gaussian orde 4: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) y = 0*exp(-((x- 731800)/ 0.6997)2) + 52430*exp(-((x- 732000)/ 322.9)2) + 26860*exp(-((x- 733000)/ 409.9)2) + 32950*exp(-((x- 731000)/ 699)2) Nilai keapikan RSquare:0.49063 DFE:72 Adjusted RSquare:0.41281 MPE:-23.4363 % MAPE:47.753 %
248 Sisa Tapioka Data Januari 2000- Agustus 2006 1. Gaussian 7
Data Januari 2000- Desember 2006 1. Gaussian 7
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2)
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2)
y = 4817*exp(-((x-731800)/ 92.84)2) + 3869*exp(-((x-732000)/ 27.67)2) + 3803*exp(-((x-731900)/ 77.74)2) + 3950*exp(-((x-732100)/ 89.33)2) + 2301*exp(-((x-730900)/ 448.1)2) + 2792*exp(-((x-731600)/ 65.89)2) + 2402*exp(-((x-732700)/ 245.9)2) Nilai keapikan RSquare: 0.7580 DFE: 59 Adjusted RSquare: 0.6759 MPE: -40.9835 % MAPE: 62.2006 %
y = 4701*exp(-((x- 731800)/ 89.39)2) + 3770*exp(-((x- 732000)/ 27.05)2) + 3954*exp(-((x- 731900)/ 82.4)2) + 3847*exp(-((x- 732100)/ 84.63)2) + 2301*exp(-((x- 730900)/ 448.1)2) + 2814*exp(-((x- 731600)/ 66.47)2) + 2148*exp(-((x- 732700)/ 359.5)2) Nilai keapikan RSquare:0.73786 DFE:63 Adjusted RSquare:0.65464 MPE:-43.7313 % MAPE:63.6036 %
249 Sisa Tapioka Data Januari 2000- Agustus 2006 2. Gaussian 8
Data Januari 2000- Desember 2006 2. Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) +a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
y = 5197*exp(-((x-731800)/ 80.51)2) + 5212* exp(-((x-732000)/ 31.44)2) + 5079*exp(-((x731800)/ 14.6)2) + 3938*exp(-((x-732100)/ 90.56)2) + 2301* exp(-((x-730900)/ 447.9)2) + 4240*exp(-((x-731900)/42.34)2)+ 2898* exp(-((x-731600)/ 71.62)2) + 2404*exp(-((x-732700)/ 245.3)2) Nilai keapikan RSquare: 0.7610 DFE: 56 Adjusted RSquare: 0.6629 MPE: -41.3250 % MAPE: 62.2864% 3.
Gaussian 6
y = 5191*exp(-((x- 731800)/ 80.54)2) + 5133*exp(-((x- 732000)/ 31.59)2) + 3472*exp(-((x- 731800)/ 17.69)2) + 3835*exp(-((x- 732100)/ 86.13)2) + 2301*exp(-((x- 730900)/ 447.9)2) + 4200*exp(-((x- 731900)/ 43.85)2) + 2897*exp(-((x- 731600)/ 71.57)2) + 2149*exp(-((x- 732700)/ 359)2) Nilai keapikan RSquare:0.7408 DFE:60 Adjusted RSquare:0.64145 MPE:-44.0161 % MAPE:63.6171 % 3. Gaussian 6
250 Sisa Tapioka Data Januari 2000- Agustus 2006 Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2)
Data Januari 2000- Desember 2006 Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2)
y = 2173*exp(-((x-731600)/ 54.88)2) + 4408* exp(-((x-732000)/ 19.82)2) + 5236*exp(-((x731800)/ 165.4)2) + 3899*exp(-((x-732100)/ 81.42)2) + 2302*exp(-((x-730900)/ 447)2) + 2391*exp(-((x-732700)/ 249)2) Nilai keapikan RSquare: 0.7518 DFE: 62 Adjusted RSquare: 0.6838 MPE: -40.9068 % MAPE: 62.5510 %
y = 2169*exp(-((x- 731600)/ 54.78)2) + 4429*exp(-((x- 732000)/ 19.62)2) + 5229*exp(-((x- 731800)/ 165.7)2) + 3779*exp(-((x- 732100)/ 77.66)2) + 2302*exp(-((x- 730900)/ 446.9)2) + 2145*exp(-((x- 732700)/ 361.2)2) Nilai keapikan RSquare:0.73218 DFE:66 Adjusted RSquare:0.6632 MPE:-43.7381 % MAPE:64.0358 %
Penggunaan PAC Data Januari 2000- Agustus 2006 1. Gaussian 8
Data Januari 2000- Desember 2006 1. Gaussian 8
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
Model umum Gaussian orde 8: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) + a8*exp(-((x-b8)/c8)2)
y = 4.209*exp(-((x-732300)/ 32.77)2) + 4.816*exp(-((x-732200)/ 18.08)2) + 3.796*exp(-((x-732700)/ 12.87)2) + 2.434*exp(-((x-732100)/ 38.37)2) + 1.907*exp(-((x-732700)/ 162)2) + 3.915*exp(-((x-732000)/ 13.63)2) + 1.922*exp(-((x-732100)/ 64.07)2) + 1.536*exp(-((x-731800)/ 173.2)2)
y = 3.872*exp(-((x- 732300)/ 28.48)2) + 4.042*exp(-((x- 732200)/ 20.04)2) + 4.667*exp(-((x- 732700)/ 13.56)2) +2.267*exp(-((x- 732100)/ 36.47)2) + 1.276*exp(-((x- 732700)/ 402.3)2) + 3.481*exp(-((x- 732000)/ 14.23)2) + 1.527*exp(-((x- 731800)/ 172.4)2) + 1.839*exp(-((x- 732100)/ 63.93)2)
251 Penggunaan PAC Data Januari 2000- Agustus 2006 Nilai keapikan RSquare: 0.8851 DFE: 56 Adjusted RSquare: 0.8380 MPE: 3.4514 % MAPE: 14.5186 % 2. Gaussian 7
Data Januari 2000- Desember 2006 Nilai keapikan RSquare:0.86537 DFE:60 Adjusted RSquare:0.81376 MPE:-1.2288 % MAPE:14.259 % 2. Gaussian 7
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((xb6)/c6)2) + a7*exp(-((x-b7)/c7)2) y = 3.242*exp(-((x-732300)/ 4.36)2) + 8.396*exp(-((x-732200)/ 0.2774)2) + 2.861*exp(-((x-732700)/ 13.82)2) + 2.504*exp(-((x-732200)/ 186.5)2) + 2.36*exp(-((x-732000)/ 14.14)2) + 2.124*exp(-((x-732700)/ 130.9)2) + 1.475*exp(-((x-731800)/ 165.4)2) Nilai keapikan RSquare: 0.9097 DFE: 59 Adjusted RSquare: 0.8792 MPE: 1.8692 % MAPE: 11.4243 %
Model umum Gaussian orde 7: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((xb4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(((x-b6)/c6)2) + a7*exp(-((x-b7)/c7)2) y = 4.427*exp(-((x- 732300)/ 12.4)2) + 8.67*exp(-((x- 732200)/ 0.6241)2) + 4.175*exp(-((x- 732700)/ 13.6)2) + 2.502*exp(-((x- 732200)/ 161.4)2) + 1.432*exp(-((x- 732700)/ 285.9)2) + 4.037*exp(-((x- 732000)/ 12.03)2) + 1.495*exp(-((x- 731800)/ 171.4)2) Nilai keapikan RSquare:0.86655 DFE:63 Adjusted RSquare:0.82418 MPE:-1.4384 % MAPE:14.6613 %
252 Penggunaan PAC Data Januari 2000- Agustus 2006 3. Gaussian 6
Data Januari 2000- Desember 2006 3. Gaussian 6
Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2)
Model umum Gaussian orde 6: y = a1*exp(-((x-b1)/c1)2) + a2*exp(-((x-b2)/c2)2) + a3*exp(-((x-b3)/c3)2) + a4*exp(-((x-b4)/c4)2) + a5*exp(-((x-b5)/c5)2) + a6*exp(-((x-b6)/c6)2)
y = 3.23*exp(-((x-732300)/ 23.53)2) + 3.692*exp(-((x-732200)/ 12.39)2) + 2.509*exp(-((x-732700)/ 14.66)2) + 1.09*exp(-((x-732200)/ 73.46)2) + 1.613*exp(-((x-732000)/ 403.6)2) + 2.055*exp(-((x-732700)/ 121.8)2) Nilai keapikan RSquare: 0.8805 DFE: 62 Adjusted RSquare: 0.8477 MPE: 2.7827 % MAPE: 12.5435 %
y = 3.196*exp(-((x- 732300)/ 23.21)2) + 2.748*exp(-((x- 732700)/ 83.37)2) + 4.061*exp(-((x- 732200)/ 11.94)2) +1.067*exp(-((x- 732200)/ 72.97)2) + 1.613*exp(-((x- 732000)/ 411.6)2) + 3.262*exp(-((x- 732600)/ 16.36)2) Nilai keapikan RSquare:0.83354 DFE:66 Adjusted RSquare:0.79066 MPE:7.3661 % MAPE:16.3807 %
Lampiran 9. Hasil Analisis Kelayakan Usaha 1. Penghitungan NPV T 0 1 2 3 4 5 6 7
B
C
4.912.766.598 10.083.538.097 8.268.255.678 -200.552.323 4.134.810.920 4.555.229.847 11.829.618.657
i (r)
NCF 3.000.000.000 4.912.766.598 10.083.538.097 8.268.255.678 -200.552.323 4.134.810.920 4.555.229.847 11.829.618.657
0 0 0 0 0 0 0
11 % 11 % 11 % 11 % 11 % 11 % 11 %
⎛ 4.912.766.598 10.083.538.097 8.268.255.678 ⎞ ⎜ + + +⎟ 1 (1 + 0.11) 2 (1 + 0.11) 3 ⎜ (1 + 0.11) ⎟ ⎜ (-200.552.323) 4.134.810.920 4.555.229.847 ⎟ + + +⎟ NPV = 3.000.000.000 + ⎜ 4 (1 + 0.11) 5 (1 + 0.11) 6 ⎜ (1 + 0.11) ⎟ ⎜ 11.829.618.657 ⎟ ⎜ ⎟ ⎜ (1 + 0.11) 7 ⎟ ⎝ ⎠
NPV = 21.239.741.304,64
2. Penghitungan Internal Rate of Return (IRR) ( B t −Ct ) =0 t t =1 (1 + IRR ) n
IRR = ∑
Keterangan: • (Bt - Ct) = Net Cash Flow, selisih antara arus kas masuk dan kas keluar pada tahun t = NPV negatif pada tingkat bunga i1 • PV1 = NPV positif pada tingkat bunga i2 • PV2
PVP ⎧ ⎫ IRR = DfP + ⎨ x(DfN − DfP )⎬ ⎩ PVP − PVN ⎭ Keterangan: • DfP • DfN • PVP • PVN
= Discount factor yang menghasilkan present value positif. = Discount factor yang menghasilkan present value negatif. = Present value positif. = Present value negatif. Discount Faktor 204 205
0.32895 0.10821 0.03559 0.01171 0.00385 0.00127 0.00042
0.32787 0.10750 0.03525 0.01156 0.00379 0.00124 0.00041
PV 204 -3,000,000,000.00 1,616,041,644.08 1,091,103,066.24 294,301,954.93 -2,348,190.69 15,925,304.19 -5,771,235.46 4,930,099.22 PVP = 14,182,642.51
⎧ ⎫ 14,182,642.51 IRR = 204 + ⎨ x(205 − 204)⎬ ⎩14,182,642.51 − (-1,372,348.77) ⎭
PV 205 -3,000,000,000.00 1,610,743,146.89 1,083,960,021.18 291,416,662.29 -2,317,545.87 15,665,939.96 -5,658,629.50 4,818,056.29 PVN = -1,372,348.77
254 IRR = 204.91
3. Penghitungan Net Rasio B/C
∑ ∑ n
Net _ BCR =
t =1 n
t =1
( Bt − Ct ) (1 + i ) t
[ untuk (Bt-Ct) > 0 ]
(Ct − Bt ) (1 + i ) t
[ untuk (Bt-Ct) < 0 ]
t 1 2 3 4 5 6 7
Net_BCR =
C 18,027,767,687.00 31,791,089,962.00 36,317,693,336.00 36,748,769,170.00 40,266,665,857.00 25,978,006,128.00 27,428,989,384.00
B 22,069,460,132.00 40,376,482,850.00 42,848,466,300.00 35,003,561,850.00 42,841,343,700.00 19,753,090,000.00 38,073,600,000.00
⎛ 22,069,460,132 - 18,027,767,687 40,376,482,850 - 31,791,089,962 42,848,466,300 - 36,317,693,336 ⎞ + + +⎟ ⎜ (1 + 0.11) 3 (1 + 0.11)1 (1 + 0.11) 2 ⎜ ⎟ ⎜ ⎟ 42,841,343,700 - 40,266,665,857 38,073,600,000 - 27,428,989,384 +0+ ⎜⎜ 0 + ⎟⎟ 5 7 (1 + 0.11) (1 + 0.11) ⎝ ⎠
⎛ ⎞ 36,748,769,170 - 35,003,561,850 25,978,006,128 - 19,753,090,000 ⎜⎜ 0 + 0 + 0 + +0+ + 0 ⎟⎟ 4 6 (1 0 . 11 ) (1 0 . 11 ) + + ⎝ ⎠ Net_BCR = 4.92
4. Penghitungan BEP
Qi =
FC P − VC n 1 2 3 4 5 6 7
FC (Biaya Tetap) 7,247,102,290.00 10,014,715,232.00 11,092,359,235.00 11,048,460,283.00 12,268,997,857.00 10,677,188,960.00 8,803,012,689.00
P (Harga Jual per Ton) 1,466,000.00 1,727,000.00 1,899,000.00 1,473,000.00 1,389,000.00 2,300,000.00 2,400,000.00
VC (Variable Cost per Unit) 716,123.34 931,428.31 1,117,960.89 1,081,505.80 907,739.06 1,781,588.58 1,174,103.42
BEP (produksi rata-rata per bulan):
1 Q= n
1 Q= n
∑
∑ n
i =1
n
i =1
FC i Pi − VC i
7.247.102.290 10.014.715.232 11.092.359.235 ⎡ ⎤ ⎢1.466.000 − 716.123,34 + 1.727.000 - 931.428,31 + 1.889.000 − 1.117.960,89 + ⎥ ⎢ ⎥ 11.048.460.283 12.268.997.857 10.677.188.960 ⎢ ⎥ ⎢1.473.000 − 1.081.505,8 + 1.389.000 − 907.739,06 + 2.300.000 − 1.781.588,58 + ⎥ ⎢ ⎥ 8.803.012.689 ⎢ ⎥ ⎢ 2.400.000 − 1.174.103,42 ⎥ ⎣ ⎦
255 BEP (produksi rata-rata per bulan) = 1,404.12 ton
5. Penghitungan PBP
PBP =
Investasi _ awal x1 _ tahun ( Laba _ bersih _ dan _ depresiasi) / tahun
⎡ PBP = (t − 1) + ⎢Cf − ⎢ ⎣
∑ n −1
1
⎤ ⎛ 1 ⎞ At ⎥⎜ ⎟ ⎥⎝ At ⎠ ⎦
(t) Positif (t) Negatif Akumulasi Kas Positif Akumulasi Kas Negatif
1 0 1.912.766.598 -3.000.000.000
PBP = 1 -((1.912.766.598*(1-0))/(1.912.766.598-(-3.000.000.000))) PBP = 0.61 Tahun
6. Penghitungan Return On Investment (ROI) ROI =
Laba _ bersih / tahun ×100% Modal _ awal
Modal Awal = 3.000.000.000 Tahun 1 2
Laba Bersih 4.041.692.445 8.585.392.888
ROI (4.041.692.445 / 3.000.000.000) * 100 % = 134.72 % (8.585.392.888 / 3.000.000.000) * 100 % = 286.18 %
3
6.530.772.964
(6.530.772.964 / 3.000.000.000) * 100 % = 217.69 %
4
-1.745.207.320
(-1.745.207.320/3.000.000.000) * 100 % = -58.17%
5
2.574.677.843
(2.574.677.843 / 3.000.000.000) * 100 % = 85.82 %
6
-6.224.916.128
(-6.224.916.128 / 3.000.000.000) * 100 % = -207.50 %
7
10.644.610.616
(10.644.610.616 / 3.000.000.000) * 100 % = 354.82 %
Total
ROI = 813.57 %
Lampiran 10. Inferensi Fuzzy Penetapan Krisis 1.
KEKURANGAN BAHAN BAKU a. Inferensi Fuzzy Kekurangan Bahan Baku Inferensi fuzzy \kekurangan bahan baku digunakan dalam mentransformasikan nilai persentase kekurangan bahan baku guna mendapatkan nilai dampak krisis. Dampak krisis akibat kekurangan bahan baku diukur dari tingkat kekurangan (%) terhadap kebutuhan (BEP atau perkiraan produksi), sehingga diperlukan transformasi tingkat kekurangan bahan baku menjadi nilai dampak krisis bahan baku. Pengaruh persentase kekurangan bahan baku menjadi dampak krisis digambarkan dalam rancangan fuzzy sebagai berikut:
Himpunan fungsi keanggotaan asupan mengunakan fungsi Gaussian dengan table nilai gamma dan c sebagai berikut:
f ( x, σ , c ) = e
− ( x − c )2 2σ 2
σ
Nama Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
10 10 10 10 10
c 100 75 50 25 0
Sedangkan nilai keluarannya mengunakan persamaan linier (fuzzy Sugeno orde 1). Nilai konstanta persamaan liner f(x) = ax + b sebagai berikut: Nama Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 1 1 1 1 1
b 10 8 6 4 2
257 b. Rule Fuzzy Kekurangan Bahan Baku Kaidah dalam perhitungan krisis kekurangan bahan baku adalah sebagai berikut:
Rule I Rule II Rule III Rule IV Rule V 2.
If persen kekurangan bahan baku sangat tinggi maka dampak krisis sangat tinggi If persen kekurangan bahan baku tinggi maka dampak krisis tinggi If persen kekurangan bahan baku sedang maka dampak krisis sedang. If persen kekurangan bahan baku rendah maka dampak krisis rendah If persen kekurangan bahan baku sangat rendah maka dampak krisis sangat rendah
KELEBIHAN BAHAN BAKU a. Rancangan Fuzzy Kelebihan Bahan Baku Seperti halnya dengan kekurangan bahan baku, maka kelebihan bahan baku akan mengakibatkan krisis terhadap proses produksi. Kelebihan bahan baku yang dihitung dampak krisisnya jika melebihi dari toleransi kelebihan bahan baku di atas kapasitas. Tingkat kelebihan di atas ambang batas ini yang kemudian dihitung tingkat persentase kelebihannya, hingga akhirnya ditransformasikan secara fuzzy ke dalam nilai dampak krisis. Karakter nilai kelebihan bahan baku terhadap dampak krisis digambarkan dengan rancangan fuzzy dengan fungsi keanggotaan adalah persentase kelebihan bahan baku dan keluarannya adalah nilai dampak krisis. Rancangan fuzzynya secara umum adalah sebagai berikut;
Himpunan fungsi keanggotaan untuk masukkan mengunakan fungsi Gaussian dengan table nilai gamma dan c sebagai berikut: Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
Nilai dampak krisis mengunakan persamaan linier (fuzzy Sugeno orde 1). Konstanta persamaan liner f(x) = ax + b sebagai berikut:
258 Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 1 1 1 1 1
b 10 8 6 4 2
b. Rule Fuzzy Kelebihan Bahan Baku Kaidah dalam penetapan krisis akibat kelebihan bahan baku sebagai berikut:
Rule I Rule II Rule III Rule IV Rule V 3.
If persen kelebihan bahan baku sangat tinggi maka dampak krisis sangat tinggi If persen kelebihan bahan baku tinggi maka dampak krisis tinggi If persen kelebihan bahan baku sedang maka dampak krisis sedang. If persen kelebihan bahan baku rendah maka dampak krisis rendah If persen kelebihan bahan baku sangat rendah maka dampak krisis sangat rendah
KELEBIHAN PERSEDIAAN PEMASARAN a. Rancangan Fuzzy Kelebihan Persediaan Kelebihan persediaan didefinisikan sebagai ketidakmampuan gudang dalam menampung produk tapioka. Sehingga jika produk masih tertampung dalam kapasitas gudang maka tidak menjadi sebuah krisis. Sehingga hanya pada tingkat kelebihan persediaan produk yang akan ditransformasikan ke dalam dampak krisis. Rancangan fuzzy untuk tingkat kelebihan persediaan didefinisikan sebagai berikut:
Tingkat persentase kelebihan persediaan didefinisikan dengan fungsi keanggotaan sebagai sebuah fungsi keanggotaan dengan fungsi Gaussian seperti disajikan pada tabel di bawah ini.
Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
259 Gambar fungsi keanggotaannya adalah sebagai berikut:
Nilai keluaran yang menggambarkan dampak krisis didefinisikan menggunakan persamaan linier dengan f(x) = ax + b. Nilai konstanta a dan b disajikan pada tabel di bawah ini: Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 1 1 1 1 1
b 10 8 6 4 2
b. Rule Fuzzy Kelebihan Persediaan Kaidah yang digunakan dalam penetapan kelebihan persediaan tapioka di gudang adalah sebagai berikut: Rule I Rule II Rule III Rule IV Rule V 4.
If persen kelebihan persediaan sangat tinggi maka dampak krisis pemasaran sangat tinggi If persen kelebihan persediaan tinggi maka dampak krisis pemasaran tinggi If persen kelebihan persediaan sedang maka dampak krisis pemasaran sedang. If persen kelebihan persediaan rendah maka dampak krisis pemasaran rendah If persen kelebihan persediaan sangat rendah maka dampak krisis pemasaran sangat rendah
KEKURANGAN BAHAN BAKAR a. Rancangan Fuzzy Kekurangan Bahan Bakar Krisis bahan bakar diasumsikan akan terjadi jika terjadi kelangkaan bahan bakar. Krisis diperhitungkan ketika terjadi kekurangan bahan bakar pada waktu perkiraan data. Rancangan fuzzy pada analisis krisis kekurangan bahan bakar sebagai berikut:
Himpunan fungsi keanggotaan untuk persentase kekurangan bahan baku didefinisikan menggunakan persamaan Gaussian yang disajikan pada tabel di bawah ini:
260
σ
Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
c 100 75 50 25 0
10 10 10 10 10
Himpunan keanggotaan kekurangan bahan bakar disajikan pada gambar di bawah ini:
Konstanta a dan b pada masing-masing himpunan keanggotaan keluaran yang berupa fungsi linier dengan persamaan f(x) = ax + b adalah sebagai berikut: Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 1 1 1 1 1
b 10 8 6 4 2
b. Rule Fuzzy Kekurangan Bahan Bakar Aturan yang digunakan dalam menghitung krisis kekurangan bahan baku merupakan dilakukan dengan mengevaluasi sejumlah rule seperti disajikan pada tabel di bawah ini. Rule I
If persen kekurangan bahan bakar sangat tinggi maka dampak krisis bahan bakar sangat tinggi Rule II If persen kekurangan bahan bakar tinggi maka dampak krisis bahan bakar tinggi Rule III If persen kekurangan bahan bakar sedang maka dampak krisis bahan bakar sedang. Rule IV If persen kekurangan bahan bakar rendah maka dampak krisis bahan bakar rendah Rule V If persen kekurangan bahan bakar sangat rendah maka dampak krisis bahan bakar sangat rendah Dengan kelima aturan tersebut maka nilai kekurangan bahan bakar akan dievaluasi kemudian ditransformasikan menjadi nilai dampak krisis.
5.
KEKURANGAN BAHAN PEMBANTU a. Rancangan Fuzzy Kelebihan Bahan Pembantu Perhitungan krisis bahan pembantu, merupakan gabungan dari tingkat kekurangan atau kelebihan bahan-bahan yang dikelompokkan sebagai bahan pembantu. Bahan-bahan tersebut antara lain: bahan pembantu tawas, bahan pembantu belerang , bahan zak pembungkus dan bahan pembantu PAC. Rancangan fuzzy untuk analisis krisis bahan pembantu digambarkan sebagai berikut:
261
Himpunan fungsi keanggotaan pada tawas menggunakan fungsi Gaussian. Himpunan tersebut menggambarkan persentase tingkat kelebihan atau kekurangan bahan pembantu tawas. Himpunan fungsi keanggotaan disajikan pada tabel di bawah ini.
Himpunan Fuzzy Tawas Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
Pola fungsi keanggotaan disajikan pada gambar di bawah ini:
Masukan yang kedua yaitu belerang. Dengan fungsi keanggotaan adalah tingkat persentase kekurangan atau kelebihan belerang. Fungsi keanggotaan menggunakan fungsi Gaussian dengan parameter sebagai berikut:
Himpunan Fuzzy Belerang Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
Fungsi keanggotaan belerang disajikan pada gambar berikut ini:
262
Masukan selanjutnya adalah zak pembungkus. Fungsi keanggotaan didefinisikan dengan fungsi keanggotaan Gaussian. Parameter pada fungsi keanggotaan zak pembungkus disajikan pada tabel di bawah ini.
Himpunan Fuzzy Zak Pembungkus Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
Gambar fungsi keanggotaan pada zak pembungkus seperti pada gambar di bawah ini:
Masukkan yang terakhir adalah PAC, dengan fungsi keanggotaan juga menggunakan fungsi Gaussian. Fungsi Gaussian tersebut menggunakan parameter seperti pada gambar di bawah ini.
Himpunan Fuzzy PAC Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
Fungsi keanggotaan tersebut dikelompokkan menjadi lima kelompok pada persentase sangat rendah, rendah, sedang, tinggi dan sangat tinggi. Gambar fungsi keanggotaan tersebut seperti disajikan pada gambar berikut.
263
Sedangkan fungsi keanggotaan keluaran didefinisikan sebagai sebuah fungsi linier mengikuti fuzzy Sugeno orde 1. Persamaan tersebut mengikuti rumus:
f ( x) = ax1 + bx2 + cx3 + dx4 + e Nilai konstanta pada masing-masing parameter penyusun fungsi keanggotaan adalah sebagai berikut: Himpunan konstanta Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 1 1 1 1 1
b 1 1 1 1 1
c 1 1 1 1 1
d 1 1 1 1 1
e 100 75 50 25 0
b. Rule Fuzzy Kelebihan Bahan Pembantu Evaluasi krisis bahan pembantu dilakukan dengan rule. Rule tersebut adalah sebagai berikut: Rule I Rule II Rule III Rule IV Rule V
6.
If Tawas Sangat Tinggi dan Belerang Sangat Tinggi dan Zak Pembungkus Sangat Tinggi dan PAC sangat tinggi maka dampak krisis bahan pembantu sangat tinggi If Tawas Tinggi dan Belerang Tinggi dan Zak Pembungkus Sangat Tinggi dan PAC sangat tinggi maka dampak krisis bahan pembantu tinggi If Tawas Sedang dan Belerang Sedang dan Zak Pembungkus Sangat Tinggi dan PAC sangat tinggi maka dampak krisis bahan pembantu Sedang If Tawas Rendah dan Belerang Rendah dan Zak Pembungkus Sangat Tinggi dan PAC sangat tinggi maka dampak krisis bahan pembantu Rendah If Tawas Sangat Rendah dan Belerang Sangat Rendah dan Zak Pembungkus Sangat Tinggi dan PAC sangat tinggi maka dampak krisis bahan pembantu Sangat Rendah
KEKURANGAN AIR a. Rancangan Fuzzy Kekurangan Air Krisis kekurangan air didefinisikan sebagai dampak krisis akibat kekurangan pasokan air yang digunakan dalam proses produksi. Rancangan fuzzy dalam analisis kekurangan air adalah nilai persentase kekurangan air dan keluarannya adalah tingkat dampak yang diakibatkan oleh kekurangan air.
264
Fungsi keanggotaan untuk persen kekurangan air dihitung berdasarkan tingkat pasokan dan tingkat kebutuhan air yang dihitung dari perkiraan produksi. Fungsi keanggotaan untuk kekurangan air menggunakan fungsi Gaussian. Pendefinisiannya adalah sebagai berikut:
Himpunan Fuzzy Air Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
Gambar fungsi keanggotaan untuk persentase kekurangan air adalah sebagai berikut:
Himpunan fungsi keanggotaan keluaran adalah berupa persamaan linier. Persamaan tersebut didefinisikan dengan fungsi f(x) = ax + b. Nilai konstanta a dan b untuk masing-masing fungsi keanggotaan disajikan pada tabel di bawah ini: Himpunan Fungsi Keanggotaan Dampak Krisis Air Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 1 1 1 1 1
b 10 8 6 4 2
b. Rule Fuzzy Kekurangan Air Rule yang digunakan untuk mengevaluasi dalam penentuan dampak krisis terdiri dari lima rule. Rule tersebut antara lain sebagai berikut: Rule I Rule II Rule III Rule IV Rule V
If persen kekurangan air sangat tinggi maka dampak krisis air sangat tinggi If persen kekurangan air tinggi maka dampak krisis air tinggi If persen kekurangan air sedang maka dampak krisis air sedang. If persen kekurangan air rendah maka dampak krisis air rendah If persen kekurangan air sangat rendah maka dampak krisis air sangat rendah
265 7.
ANALISIS KRISIS FINANSIAL a. Rancangan Fuzzy Krisis Finansial Analisis krisis finansial digunakan untuk menentukan dampak krisis pemasaran. Dampak krisis pemasaran dihitung dengan melibatkan masukan nilai NPV, IRR, BCR , PBP dan BEP. Rancangan fuzzy masukan dan keluaran untuk krisis finansial adalah sebagai berikut:
Masing-masing fungsi parameter ditransformasikan ke dalam Sangat Rendah , Rendah , Sedang , Tinggi dan Sangat Tinggi. Masing-masing fungsi keanggotaan NPV, IRR, PBP, BEP, net B/C mengikuti distribusi Gaussian dengan nilai gamma dan c sebagai berikut:
Nama Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
b.
σ 10 10 10 10 10
c 100 75 50 25 0
Rule Fuzzy Krisis Finansial Dengan masukan seperti pada gambar di atas maka dalam menghitung nilai dampak krisis finansial digunakan rule. Rule tersebut akan memberikan batasan/aturan main dalam menentukan tingkat krisis. Rule yang digunakan dalam menentukan dampak krisis adalah sebagai berikut:
266 Rule I Rule II Rule III Rule IV Rule V 8.
If BEP sangat tinggi dan IRR sangat tinggi dan PBP sangat tinggi dan BCR sangat tinggi dan NPV sangat tinggi maka nilai krisis finansial sangat tinggi. If BEP tinggi dan IRR tinggi dan PBP tinggi dan BCR tinggi dan NPV tinggi maka nilai krisis finansial tinggi. If BEP sedang dan IRR sedang dan PBP sedang dan BCR sedang dan NPV tinggi maka nilai krisis finansial sedang. If BEP rendah dan IRR rendah dan PBP rendah dan BCR rendah dan NPV sedang maka nilai krisis finansial rendah. If BEP sangat rendah dan IRR sangat rendah dan PBP sangat rendah dan BCR rendah dan NPV rendah maka nilai krisis finansial sangat rendah.
ANALISISI KRISIS TEKNOLOGI a. Rancangan Fuzzy Krisis Teknologi Penentuan dampak krisis teknologi berdasarkan asupan fuzzy tentang ketersediaan teknologi perpanjangan masa simpan, ketersediaan suku cadang dan komponen peralatan, ketersediaan sistem penunjang atau cadangan dan tingkat kelancaran utilitas. Rancangan fuzzy asupan krisis teknologi disajikan pada gambar di bawah ini:
Himpunan fungsi keanggotaan ketersediaan teknologi perpanjangan masa simpan disusun menggunakan fungsi Gaussian. Dengan nilai konstanta gamma dan c sebagai berikut:
Himpunan Fuzzy Teknologi Perpanjangan Masa Simpan Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ
c
10 10 10 10 10
100 75 50 25 0
Himpunan fuzzy ketersediaan suku cadang, ketersediaan sistem penunjang atau cadangan, maupun ketersediaan jasa perawatan juga menggunakan fungsi Gaussian dengan nilai gamma dan c sebagai berikut:
267 Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ
c 100 75 50 25 0
10 10 10 10 10
b. Rule Fuzzy Krisis Teknologi Dalam mengevaluasi dampak krisis digunakan sejumlah aturan. Aturan yang digunakan untuk menghasilkan nilai akhir dampak krisis adalah sebagai berikut: Rule I Rule II Rule III Rule IV Rule V
9.
If ketersediaan Sangat Tinggi dan Penyediaan Teknologi Sangat Tinggi dan Sistem Penunjang sangat tinggi dan kelancaran pasokan utilitas sangat tinggi maka nilai krisis sangat tinggi. If ketersediaan Tinggi dan Penyediaan Teknologi Tinggi dan Sistem Penunjang sangat tinggi dan kelancaran pasokan utilitas sangat tinggi maka nilai krisis tinggi. If ketersediaan Rendah dan Penyediaan Teknologi Rendah dan Sistem Penunjang sangat tinggi dan kelancaran pasokan utilitas sangat tinggi maka nilai krisis rendah. If ketersediaan Sangat Rendah dan Penyediaan Teknologi Rendah dan Sistem Penunjang sangat tinggi dan kelancaran pasokan utilitas sangat tinggi maka nilai krisis Rendah. If ketersediaan Sangat Rendah dan Penyediaan Teknologi Sangat Rendah dan Sistem Penunjang sangat tinggi dan kelancaran pasokan utilitas sangat tinggi maka nilai krisis sangat rendah.
ANALISIS KRISIS SOSIAL a. Rancangan Fuzzy Krisis Sosial Fuzzy krisis sosial digunakan untuk menentukan dampak krisis akibat adanya tingkat pengaruhpengaruh masalah sosial. Rancangan fuzzy tersebut terdiri dari masukan-masukan sosial seperti pada gambar di bawah ini.
Himpunan fungsi keanggotaan untuk masing-masing masukan menggunakan fungsi Gaussian. Untuk tingkat ketidakpuasan karyawan , masukan menggunakan fungsi Gaussian dengan konstanta gamma dan c sebagai berikut:
Himpunan Fuzzy Tingkat Ketidakpuasan karyawan Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ
c
10 10 10 10 10
100 75 50 25 0
268 Plot grafik di bawah ini menunjukkan fungsi keanggotaan tingkat ketidakpuasan karyawan.
Asupan masing-masing tingkat keresahan karyawan, tingkat pengunduran diri karyawan, pemogokan karyawan, tingkat teror, maupun tingkat ancaman kekerasan juga menggunakan fungsi Gaussian dengan konstanta gamma dan c sebagai berikut:
Nama Himpunan Fuzzy Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
σ 10 10 10 10 10
c 100 75 50 25 0
b. Rule Fuzzy Krisis Sosial Dalam menentukan dampak krisis digunakan sejumlah aturan-aturan yang menentukan tingkat peran masing-masing fungsi keanggotaan dalam menentukan hasil akhir dampak krisis. Dengan rule ini diperoleh gambaran mengenai tingkat peran masing-masing dalam mempengaruhi tingkat dampak krisis sosial. Rule tersebut antara lain: Rule I
Rule II
Rule III
Rule IV
Rule V
If Tingkat Ketidakpuasan Karyawan Sangat Tinggi dan Tingkat Keresahan Karyawan Sangat Tinggi dan Tingkat Pengunduran Diri Sangat Tinggi dan Tingkat Pemogokan Sangat Tinggi dan Tingkat Teror Sangat Tinggi dan Tingkat Ancaman Sangat Tinggi then Nilai Krisis Sangat Tinggi If Tingkat Ketidakpuasan Karyawan Tinggi dan Tingkat Keresahan Karyawan Tinggi dan Tingkat Pengunduran Diri Sangat Tinggi dan Tingkat Pemogokan Sangat Tinggi dan Tingkat Teror Tinggi dan Tingkat Ancaman Tinggi then Nilai Krisis Tinggi If Tingkat Ketidakpuasan Karyawan Sedang Tingkat Keresahan Karyawan Sedang dan Tingkat Pengunduran Diri Sangat Tinggi dan Tingkat Pemogokan Sangat Tinggi dan Tingkat Teror Sedang dan Tingkat Ancaman Tinggi then Nilai Krisis Sedang If Tingkat Ketidakpuasan Karyawan Rendah dan Tingkat Keresahan Karyawan Rendah dan Tingkat Pengunduran Diri Sangat Tinggi dan Tingkat Pemogokan Sangat Tinggi dan Tingkat Teror Rendah dan Tingkat Ancaman Sedang then Nilai Krisis Rendah If Tingkat Ketidakpuasan Karyawan Sangat Rendah dan Tingkat Keresahan Karyawan Sangat Rendah dan Tingkat Pengunduran Diri Sangat Tinggi dan Tingkat Pemogokan Sangat Tinggi dan Tingkat Teror Sangat Rendah dan Tingkat Ancaman Rendah then Nilai Krisis Sangat Rendah
10. ANALISIS KRISIS GLOBAL a. Rancangan Fuzzy Analisis Krisis Global Rancangan fuzzy analisis krisis global digunakan untuk menentukan tingkat krisis keseluruhan yang merupakan gabungan dari krisis bahan, krisis finansial , krisis teknologi dan krisis sosial. Rancangan untuk penentuan krisis global adalah sebagai berikut:
269
Fungsi keanggotaan untuk masing-masing variabel dalam penentuan krisis global menggunakan fungsi keanggotaan Gaussian. Konstanta gamma dan c bagi masing-masing krisis bahan, krisis finansial, krisis teknologi dan krisis sosial pada sisi asupan (anteseden) disajikan pada tabel di bawah ini:
σ
Nama Himpunan Fuzzy Krisis Bahan Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
2 2 2 2 2
c 10 7.5 5 2.5 0
Himpunan fungsi keanggotaan sisi keluaran (konsekuen) menggunakan fungsi linier mengikuti persamaan f ( x ) = ax + bx + cx + dx + e dengan konstanta a, b, c, d, dan e seperti disajikan pada tabel di bawah ini: Nama Sangat Tinggi Tinggi Sedang Rendah Sangat Rendah
a 5 5 5 5 5
b 3 3 3 3 3
c 2 2 2 2 2
d 2 2 2 2 2
e 10 7.5 5 2.5 0
b. Rule Fuzzy Analisis Krisis Komprehensif Nilai dampak krisis dihitung dari tingkat pengaruh dari peubah masukan. Masing-masing peubah masukan mempunyai peran dalam menentukan tingkat dampak krisis sesuai dengan rule yang telah dibuat. Rule tersebut antara lain adalah: Rule I Rule II Rule III Rule IV Rule V
If Krisis bahan ST dan Krisis Finansial ST dan Krisis Teknologi ST dan Krisis Sosial ST maka Nilai KrisisST If Krisis Bahan T dan Krisis Finansial T dan Krisis Teknologi ST dan Krisis Sosial ST maka Nilai Krisis T. If Krisis Bahan S dan Krisis Finansial S dan Krisis Teknologi ST dan Krisis Sosial ST maka Nilai Krisis T If Krisis Bahan R dan Krisis Finansial R dan Krisis Teknologi ST dan Krisis Sosial ST maka Nilai Krisis S. If Krisis Bahan SR dan Krisis Finansial SR dan Krisis Teknologi ST dan Krisis Sosial ST maka Nilai Krisis R
Lampiran 11. Kaidah Penetapan Solusi Aturan 1 IF (Kriteria = kekurangan bahan baku) AND (Posisi Kuadran = 1) THEN (- Kontrak dengan perkebunan. - Bertindak proaktif dengan membeli ubikayu langsung di dekat tempat panen.); Aturan 2 IF (Kriteria = kekurangan bahan baku) AND (Posisi Kuadran = 2) THEN ( - Bertindak proaktif dengan membeli ubikayu langsung di dekat tempat panen.); Aturan 3 IF (Kriteria = kekurangan bahan baku) AND (Posisi Kuadran = 3) THEN ( - Perusahaan tidak mengalami kekurangan bahan baku.); Aturan 4 IF (Kriteria = kekurangan bahan baku) AND (Posisi Kuadran = 4) THEN (- Bermitra dengan kelompok petani, menerapkan alih teknologi dan memperkenalkan bibit unggul. - Menyewa lahan guna bertanam ubikayu jenis unggul.); Aturan 5 IF (Kriteria = kelebihan bahan baku) AND (Posisi Kuadran = 1) THEN (- Mengurangi atau menghentikan pembelian bahan baku. -Jika perlu menjual ubikayu yang sudah ada kepada perusahaan lain.); Aturan 6 IF (Kriteria = kelebihan bahan baku) AND (Posisi Kuadran = 2) THEN (- Mengurangi atau menghentikan pembelian bahan baku.); Aturan 7 IF (Kriteria = kelebihan bahan baku) AND (Posisi Kuadran = 3) THEN - Perusahaan tidak mengalami kelebihan bahan baku.); Aturan 8 IF (Kriteria = kelebihan bahan baku) AND (Posisi Kuadran = 4) THEN (- Melakukan penjadwalan ulang waktu panen dengan mitra pemasok bahan baku.); Aturan 9 IF (Kriteria = kelebihan stok pemasaran) AND (Posisi Kuadran = 1) THEN ( - Segera menjual atau mengirimkan produk tapioka yang ada di gudang - Menyewa gudang tambahan); Aturan 10 IF (Kriteria = kelebihan stok pemasaran) AND (Posisi Kuadran = 2) THEN ( - Segera menjual atau mengirimkan produk tapioka yang ada di gudang); Aturan 11 IF (Kriteria = kelebihan stok pemasaran) AND (Posisi Kuadran = 3) THEN ( - Perusahaan tidak mengalami kelebihan stok pemasaran.); Aturan 12 IF (Kriteria = kelebihan stok pemasaran) AND (Posisi Kuadran = 4) THEN ( - Menyewa gudang tambahan.); Aturan 13 IF (Kriteria = kekurangan bahan bakar) AND (Posisi Kuadran = 1) THEN ( - Menghentikan proses produksi. - Mencari pemasok bahan bakar lain menjalin kontrak dengan pemasok baru tersebut.);
271 Aturan 14 IF (Kriteria = kekurangan bahan bakar) AND (Posisi Kuadran = 2) THEN (- Mencari pemasok bahan bakar lain menjalin kontrak dengan pemasok baru tersebut.); Aturan 15 IF (Kriteria = kekurangan bahan bakar) AND (Posisi Kuadran = 3) THEN ( - Perusahaan tidak mengalami kekurangan bahan bakar.); Aturan 16 IF (Kriteria = kekurangan bahan bakar) AND (Posisi Kuadran = 4) THEN ( - Melakukan penghematan energi dan mengurangi pembelian bahan baku. - Mencari teknologi dengan bahan bakar lain.); Aturan 17 IF (Kriteria = bahan pembantu) AND (Posisi Kuadran = 1) THEN (- Mencari pemasok bahan pembantu lain menjalin kontrak dengan pemasok baru tersebut. - Mencari teknologi dengan bahan pembantu lain.); Aturan 18 IF (Kriteria = bahan pembantu) AND (Posisi Kuadran = 2) THEN ( - Mencari pemasok bahan pembantu lain menjalin kontrak dengan pemasok baru tersebut.); Aturan 19 IF (Kriteria = bahan pembantu) AND (Posisi Kuadran = 3) THEN ( - Perusahaan tidak mengalami krisis bahan pembantu.); Aturan 20 IF (Kriteria = bahan pembantu) AND (Posisi Kuadran = 4) THEN ( - Mencari teknologi dengan bahan pembantu lain.); Aturan 21 IF (Kriteria = kekurangan air) AND (Posisi Kuadran = 1) THEN ( - Menghentikan produksi dan menyiapkan sumber air cadangan agar masalah bisa teratasi dan tidak terulang.); Aturan 22 IF (Kriteria = kekurangan air) AND (Posisi Kuadran = 2) THEN ( - Membuat sumur baru yang bisa memasok air sesuai dengan keperluan produksi. - Menyiapkan sumber air cadangan.); Aturan 23 IF (Kriteria = kekurangan air) AND (Posisi Kuadran = 3) THEN ( - Perusahaan tidak mengalami krisis air.); Aturan 24 IF (Kriteria = kekurangan air) AND (Posisi Kuadran = 4) THEN ( - Membuat sumur baru yang bisa memasok air sesuai dengan keperluan produksi. - Mengurangi penggunaan air dan jika perlu mengurangi tingkat produksi - Menyiapkan sumber air alternatif.); Aturan 25 IF (Kriteria = finansial) AND (Posisi Kuadran = 1) THEN ( - Menghentikan produksi. - Jika perlu melikuidasi perusahaan.); Aturan 26 IF (Kriteria = finansial) AND (Posisi Kuadran = 2) THEN ( - Menghentikan produksi.);
272 Aturan 27 IF (Kriteria = finansial) AND (Posisi Kuadran = 3) THEN ( - Perusahaan tidak mengalami krisis finansial.); Aturan 28 IF (Kriteria = finansial) AND (Posisi Kuadran = 4) THEN ( - Melakukan penghematan, efisiensi atau Cost Reduction Program.); Aturan 29 IF (Kriteria = teknologi) AND (Posisi Kuadran = 1) THEN (- Menyewa peralatan utama produksi dari pihak ketiga sambil memperbaiki atau memesan peralatan yang diperlukan agar produksi bisa berlangsung normal. - Menyusun prioritas investasi peralatan utama yang memungkinkan kelancaran produksi.); Aturan 30 IF (Kriteria = teknologi) AND (Posisi Kuadran = 2) THEN (Menyewa peralatan utama produksi dari pihak ketiga sambil memperbaiki atau memesan peralatan yang diperlukan agar produksi bisa berlangsung normal.); Aturan 31 IF (Kriteria = teknologi) AND (Posisi Kuadran = 3) THEN ( - Perusahaan tidak mengalami krisis teknologi); Aturan 32 IF (Kriteria = teknologi) AND (Posisi Kuadran = 4) THEN ( - Menyusun prioritas investasi peralatan utama yang memungkinkan kelancaran produksi.); Aturan 33 IF (Kriteria = sosial) AND (Posisi Kuadran = 1) THEN ( - Berunding dengan perwakilan karyawan guna mencari penyelesaian yang menguntungkan pihak perusahaan maupun karyawan. - Meminta pihak ketiga menjembatani persoalan dan menyelesaikan masalah.); Aturan 34 IF (Kriteria = sosial) AND (Posisi Kuadran = 2) THEN ( - Meminta pihak ketiga menjembatani persoalan dan menyelesaikan masalah.); Aturan 35 IF (Kriteria = sosial) AND (Posisi Kuadran = 3) THEN ( - Perusahaan tidak mengalami krisis sosial.); Aturan 36 IF (Kriteria = sosial) AND (Posisi Kuadran = 4) THEN ( - Berunding dengan perwakilan karyawan guna mencari penyelesaian yang menguntungkan pihak perusahaan maupun karyawan); RULE PENGAMBILAN PRIORITAS SOLUSI BAHAN Aturan 37 IF (Bahan Baku = krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 2; Prioritas solusi Pemasaran = 5; Prioritas solusi Bahan Pembantu = 4; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 3); Aturan 38 IF (Bahan Baku = krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 2; Prioritas solusi Pemasaran = 4; Prioritas solusi Bahan Pembantu = 3; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0);
273 Aturan 39 IF (Bahan Baku = krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = tidak krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 4; Prioritas solusi Bahan Pembantu = 3; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 2); Aturan 40 IF (Bahan Baku = krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = tidak krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 3; Prioritas solusi Bahan Pembantu = 2; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 0); Aturan 41 IF (Bahan Baku = krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 2; Prioritas solusi Pemasaran = 4; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 3); Aturan 42 IF (Bahan Baku = krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 3; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0); Aturan 43 IF (Bahan Baku = krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = tidak krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 3; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 2); Aturan 44 IF (Bahan Baku = krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = tidak krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 2; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 0); Aturan 45 IF (Bahan Baku = krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 2; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 4; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 3); Aturan 46 IF (Bahan Baku = krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 2; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 3; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0); Aturan 47 IF (Bahan Baku = krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = tidak krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 3; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 2); Aturan 48 IF (Bahan Baku = krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = tidak krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 2; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 0);
274 Aturan 49 IF (Bahan Baku = krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 2; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0); Aturan 50 IF (Bahan Baku = krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 2; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0); Aturan 51 IF (Bahan Baku = krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = tidak krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 2); Aturan 52 IF (Bahan Baku = krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = tidak krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 1; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 0); Aturan 53 IF (Bahan Baku = tidak krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 4; Prioritas solusi Bahan Pembantu = 3; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 2); Aturan 54 IF (Bahan Baku = tidak krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 3; Prioritas solusi Bahan Pembantu = 2; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0); Aturan 55 IF (Bahan Baku = tidak krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = tidak krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 3; Prioritas solusi Bahan Pembantu = 2; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 1); Aturan 56 IF (Bahan Baku = tidak krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = tidak krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 2; Prioritas solusi Bahan Pembantu = 1; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 0); Aturan 57 IF (Bahan Baku = tidak krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 3; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 2); Aturan 58 IF (Bahan Baku = tidak krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 2; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0);
275 Aturan 59 IF (Bahan Baku = tidak krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = tidak krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 2; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 1); Aturan 60 IF (Bahan Baku = tidak krisis) AND (Pemasaran = krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = tidak krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 1; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 0); Aturan 61 IF (Bahan Baku = tidak krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 3; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 2); Aturan 62 IF (Bahan Baku = tidak krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 2; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0); Aturan 63 IF (Bahan Baku = tidak krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = tidak krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 2; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 1); Aturan 64 IF (Bahan Baku = tidak krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = krisis) AND (Bahan Bakar = tidak krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 1; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 0); Aturan 65 IF (Bahan Baku = tidak krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 2); Aturan 66 IF (Bahan Baku = tidak krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 1; Prioritas solusi Air = 0); Aturan 67 IF (Bahan Baku = tidak krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = tidak krisis) AND (Bahan Bakar = tidak krisis) AND (Air = krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 1); Aturan 68 (Bahan Baku = tidak krisis) AND (Pemasaran = tidak krisis) AND (Bahan Pembantu = tidak krisis) AND IF (Bahan Bakar = tidak krisis) AND (Air = tidak krisis) THEN (Prioritas solusi Bahan Baku = 0; Prioritas solusi Pemasaran = 0; Prioritas solusi Bahan Pembantu = 0; Prioritas solusi Bahan Bakar = 0; Prioritas solusi Air = 0);
276 RULE PENGAMBILAN PRIORITAS SOLUSI KOMPRAHENSIF Aturan 69 IF (Bahan = krisis) AND (Finansial = krisis) AND (Teknologi = krisis) AND (Sosial = krisis) THEN (Prioritas solusi Bahan = 3; Prioritas solusi Finansial = 1; Prioritas solusi Teknologi = 2; Prioritas solusi Sosial = 4); Aturan 70 IF (Bahan = krisis) AND (Finansial = krisis) AND (Teknologi = krisis) AND (Sosial = tidak krisis) THEN (Prioritas solusi Bahan = 3; Prioritas solusi Finansial = 1; Prioritas solusi Teknologi = 2; Prioritas solusi Sosial = 0); Aturan 71 IF (Bahan = krisis) AND (Finansial = krisis) AND (Teknologi = tidak krisis) AND (Sosial = krisis) THEN (Prioritas solusi Bahan = 2; Prioritas solusi Finansial = 1; Prioritas solusi Teknologi = 0; Prioritas solusi Sosial = 3); Aturan 72 IF (Bahan = krisis) AND (Finansial = krisis) AND (Teknologi = tidak krisis) AND (Sosial = tidak krisis) THEN (Prioritas solusi Bahan = 2; Prioritas solusi Finansial = 1; Prioritas solusi Teknologi = 0; Prioritas solusi Sosial = 0); Aturan 73 IF (Bahan = krisis) AND (Finansial = tidak krisis) AND (Teknologi = krisis) AND (Sosial = krisis) THEN (Prioritas solusi Bahan = 2; Prioritas solusi Finansial = 0; Prioritas solusi Teknologi = 1; Prioritas solusi Sosial = 3); Aturan 74 IF (Bahan = krisis) AND (Finansial = tidak krisis) AND (Teknologi = krisis) AND (Sosial = tidak krisis) THEN (Prioritas solusi Bahan = 2; Prioritas solusi Finansial = 0; Prioritas solusi Teknologi = 1; Prioritas solusi Sosial = 0); Aturan 75 IF (Bahan = krisis) AND (Finansial = tidak krisis) AND (Teknologi = tidak krisis) AND (Sosial = krisis) THEN (Prioritas solusi Bahan = 1; Prioritas solusi Finansial = 0; Prioritas solusi Teknologi = 0; Prioritas solusi Sosial = 2); Aturan 76 IF (Bahan = krisis) AND (Finansial = tidak krisis) AND (Teknologi = tidak krisis) AND (Sosial = tidak krisis) THEN (Prioritas solusi Bahan = 1; Prioritas solusi Finansial = 0; Prioritas solusi Teknologi = 0; Prioritas solusi Sosial = 0); Aturan 77 IF (Bahan = tidak krisis) AND (Finansial = krisis) AND (Teknologi = krisis) AND (Sosial = krisis) THEN (Prioritas solusi Bahan = 0; Prioritas solusi Finansial = 1; Prioritas solusi Teknologi = 2; Prioritas solusi Sosial = 3); Aturan 78 IF (Bahan = tidak krisis) AND (Finansial = krisis) AND (Teknologi = krisis) AND (Sosial = tidak krisis) THEN (Prioritas solusi Bahan = 0; Prioritas solusi Finansial = 1; Prioritas solusi Teknologi = 2; Prioritas solusi Sosial = 0); Aturan 79 IF (Bahan = tidak krisis) AND (Finansial = krisis) AND (Teknologi = tidak krisis) AND (Sosial = krisis) THEN (Prioritas solusi Bahan = 0; Prioritas solusi Finansial = 1; Prioritas solusi Teknologi = 0; Prioritas solusi Sosial = 2);
277 Aturan 80 IF (Bahan = tidak krisis) AND (Finansial = krisis) AND (Teknologi = tidak krisis) AND (Sosial = tidak krisis) THEN (Prioritas solusi Bahan = 0; Prioritas solusi Finansial = 1; Prioritas solusi Teknologi = 0; Prioritas solusi Sosial = 0); Aturan 81 IF (Bahan = tidak krisis) AND (Finansial = tidak krisis) AND (Teknologi = krisis) AND (Sosial = krisis) THEN (Prioritas solusi Bahan = 0; Prioritas solusi Finansial = 0; Prioritas solusi Teknologi = 1; Prioritas solusi Sosial = 2); Aturan 82 IF (Bahan = tidak krisis) AND (Finansial = tidak krisis) AND (Teknologi = krisis) AND (Sosial = tidak krisis) THEN (Prioritas solusi Bahan = 0; Prioritas solusi Finansial = 0; Prioritas solusi Teknologi = 1; Prioritas solusi Sosial = 0); Aturan 83 IF (Bahan = tidak krisis) AND (Finansial = tidak krisis) AND (Teknologi = tidak krisis) AND (Sosial = krisis) THEN (Prioritas solusi Bahan = 0; Prioritas solusi Finansial = 0; Prioritas solusi Teknologi = 0; Prioritas solusi Sosial = 1); Aturan 84 IF (Bahan = tidak krisis) AND (Finansial = tidak krisis) AND (Teknologi = tidak krisis) AND (Sosial = tidak krisis) THEN (Prioritas solusi Bahan = 0; Prioritas solusi Finansial = 0; Prioritas solusi Teknologi = 0; Prioritas solusi Sosial = 0);
Lampiran 12. Petunjuk Penggunaan CrismanSoft Memulai Program Program aplikasi dibuka dengan mengklik dua kali icon CrismanSoft yang terletak pada Desktop.
Icon CrismanSoft
Gambar Shortcut CrismanSoft pada Desktop. Cek pengguna Pengguna terdiri dari dua jenis, yaitu administrator dan umum. Administrator adalah pengguna yang memiliki hak akses ke seluruh bagian program, termasuk mengatur hak akses pengguna umum. Pengguna umum dibatasi hak aksesnya untuk mencegah perubahan data pada program yang tidak diinginkan. Tampilan pertama program adalah form dialog (Form Login) untuk mengisi nama pengguna dan passwordnya sebagai gerbang otorisasi penggunaan aplikasi.
Form Login
Gambar Form Login. Menu Menu yang disediakan progam CrismanSoft adalah sebagai berikut. 1. Setting 1a. Perioda Perkiraan. Perioda Perkiraan menunjukkan waktu yang dikehendaki bagi perkiraan. Form Perioda Perkiraan berisi asupan Perioda Perkiraan dalam bulan tertentu pada tahun yang dipilih yang dijadikan acuan analisis krisis. Ketika tombol simpan diklik, maka data bulan dan tahun yang tertera pada form akan tersimpan dalam database, dan form akan tertutup secara otomatis.
279
1a
Set Perioda Simpan Perioda
Gambar Form Setting Perioda. 2. Pusat Data 2a. Produksi Tapioka Jika item Produksi Tapioka diklik, akan tampil form Produksi Tapioka. Form ini berisi data produksi tapioka dengan fasilitas perubahan data yang terdiri dari tambah data, edit data, simpan data, serta pembatalan proses yang belum tersimpan. Selain itu terdapat grafik yang menggambarkan perilaku data. Penambahan data dapat dilakukan dengan menekan tombol tambah, kemudian mengisi data bulan dan tahun serta jumlah data sesuai dengan satuannya (Ton, Liter, m3, Lembar). Setelah itu data disimpan dengan menekan tombol simpan. Input Perioda, jumlah
2a Hasil plot data
Data
Plot data ke grafik Tambah Ubah data Hapus
Simpan
Tutup
Pembatalan
Gambar Form Produksi Tapioka. 2b. Pasokan Internal Jika item Pasokan Internal diklik, akan tampil form Pasokan Internal. Form ini berisi data produksi tapioka dengan fasilitas perubahan data yang terdiri dari tambah data, edit data, simpan data, atau pembatalan proses yang belum tersimpan. Selain itu terdapat grafik yang menggambarkan perilaku data yang diproyeksikan melalui tombol ‘Plot Data’.
280 Penambahan data dapat dilakukan dengan menekan tombol tambah, kemudian mengisi data bulan dan tahun serta jumlah data sesuai dengan satuannya (Ton, Liter, m3, Lembar). Setelah itu data disimpan dengan menekan tombol simpan. Khusus pada form Pasokan Internal dan Pasokan Eksternal, terdapat fasilitas perkiraan data menggunakan metoda Winters (triple exponential smoothing). Disediakan tiga textbox yang terdiri dari textbox Alpha, Beta, dan Gamma guna menentukan koefisien Winters. Perkiraan dapat dilakukan dengan menekan tombol ‘Plot (winters)’, dan hasilnya diperlihatkan dalam bentuk grafik.
2b
Perkiraan dengan Metoda Winters
Input Koefisien Winters
Gambar Form Pasokan Internal. 2c. Pasokan Eksternal Jika item Pasokan Eksternal diklik, akan tampil form Pasokan Eksternal. Form Pasokan Eksternal berisi beberapa fasilitas seperti yang dijelaskan pada form Pasokan Internal.
2c
Hasil Perkiraan
Perkiraan dengan Metoda Winters
Input Koefisien Winters
Gambar Form Pasokan Eksternal 2d. Pasokan Air Jika item Pasokan Bahan Bakar diklik, akan tampil form Pasokan Air. Form Pasokan Air berisi beberapa fasilitas seperti yang dijelaskan pada form Produksi Tapioka, dengan data Pasokan Air. 2e. Pasokan Bahan Bakar
281 Jika item Pasokan Bahan Bakar diklik, akan tampil form Pasokan Bahan Bakar. Form Pasokan Bahan Bakar berisi beberapa fasilitas seperti yang dijelaskan pada form Produksi Tapioka, dengan data Pasokan Bahan Bakar. 2f. Penggunaan Belerang Jika item Penggunaan Belerang diklik, akan tampil form Penggunaan Belerang. Form Penggunaan Belerang berisi beberapa fasilitas seperti yang dijelaskan pada form Produksi Tapioka, dengan data Penggunaan Belerang. 2g. Penggunaan PAC Jika item Penggunaan PAC diklik, akan tampil form Penggunaan PAC yang berisi beberapa fasilitas seperti pada form Produksi Tapioka, dengan data Penggunaan PAC. 2i. Penggunaan Tawas Jika item Penggunaan Tawas diklik, akan tampil form Penggunaan Tawas yang berisi beberapa fasilitas seperti pada form Produksi Tapioka, dengan data penggunaan tawas. 2j. Penggunaan Zak Jika item Penggunaan Zak diklik, akan tampil form Penggunaan Zak yang berisi beberapa fasilitas seperti pada form Produksi Tapioka, dengan data Penggunaan Zak. 2k. Form Penjualan Tapioka Jika item Penjualan Tapioka diklik, akan tampil form Penggunaan Tapioka yang berisi beberapa fasilitas seperti pada form Produksi Tapioka, dengan data tapioka yang dikeluarkan dari gudang. 2l. Form Sisa Tapioka Jika item Sisa Tapioka diklik, akan tampil form Sisa Tapioka yang berisi beberapa fasilitas seperti pada form Produksi Tapioka, dengan data sisa tapioka yang ada di gudang. 3. Pengolahan Data 3a. Peramalan Item peramalan merupakan shortcut pembuka form peramalan berbasis Matlab. Form peramalan berisi pilihan jenis data dalam bentuk ComboBox, dan tombol ‘Perkirakan’ guna memperkirakan data yang dipilih sesuai dengan waktu yang telah ditetapkan pada Perioda Perkiraan melalui form Setting. Keluarannya adalah grafik hasil pemulusan disertai dengan keterangan mengenai nilai perkiraannya, serta goodness value atau nilai keapikannya (RSquare, DFE, Adjusted R-Square, MPE, MAPE). ComboBox pilihan jenis bahan Tombol Perkirakan
Grafik pemulusan
Nilai hasil perkiraan Point Hasil perkiraan
Nilai keapikan
Tombol Analisis Metoda Perkiraan
Gambar Form Peramalan.
282 Tombol Analisis Metoda Perkiraan digunakan menampilkan form Analisis Perkiraan yang dimanfaatkan dalam analisis Metoda Perkiraan yang sesuai dengan perilaku data berdasarkan nilai keapikan dan keadaan grafik pemulusan. Form Analisis Perkiraan dapat digambarkan sebagai berikut: ComboBox pilihan jenis bahan
Tabulasi nilai keapikan seluruh
ListBox Pilihan nilai keapikan ComboBox Set jumlah Tombol Analisis Metoda Perkiraan
Tabulasi nilai keapikan berdasarkan pilihan
Nilai keapikan Set Metoda
Gambar Form Analisis Perkiraan. ComboBox menyediakan pilihan jenis bahan berfungsi untuk memilih jenis bahan yang akan dianalisis Metoda perkiraannya. ListBox menyediakan pilihan nilai keapikan digunakan sebagai acuan pengurutan berdasarkan nilai terbaiknya dengan jumlah yang dapat ditentukan pada ComboBox Set Jumlah. Setelah pengesetan parameter analisis ditentukan, analisis dilakukan dengan menekan tombol Analisis Metoda Perkiraan. Keluarannya berupa nilai keapikan yang di tampilkan pada tabel secara keseluruhan dan tabel berdasarkan jumlah yang telah ditentukan, serta grafik pemulusan sebanyak nilai yang ditentukan sebelumnya. Grafik pemulusan terlihat sebagai berikut:
Gambar Form Grafik Pemulusan. Hasil pilihan Metoda perkiraan berdasarkan nilai keapikan dan grafik tersebut disimpan dengan cara memilih Metoda perkiraan pada ListBox Set Metoda, lalu menekan tombol Set Metoda di sampingnya. Hasil pilihan ini akan dijadikan acuan Metoda pemulusan pada Form Peramalan.
283 4. Data Finansial 4a. Kelayakan Finansial Menu Data Finansial berisi item Kelayakan Finansial untuk menampilkan form Finansial yang berisi datadata dengan tampilan sheet Excel dalam form utama. Data-data finansial dalam form terdiri dari beberapa tab, yaitu tab Kelayakan Finansial, Asumsi, Modal, Pinjaman, Hasil Produksi, Analisis Rugi Laba, Aliran Kas. Dalam form Finansial, terdapat dua tombol, yaitu Buka File dan Reload Data. Tombol ‘Buka File’ berfungsi untuk membuka file asli dalam Excel (Kelayakan Finansial.xls). Hal ini berguna untuk pemasukan atau edit data. Sedangkan Tombol ‘Reload File’ digunakan memunggah kembali file Kelayakan Finansial.xls. Tombol ‘Reload File’ ini merefresh file yang telah mengalami perubahan agar data (tampilan) terupdate sesuai aslinya.
4a
Tab Finansial
Data Finansial
Tombol Buka File
Tombol Reload File
Gambar Form Finansial. 5. Asupan Nilai Krisis Item Input Nilai Krisis berisi group asupan nilai krisis dan solusi krisis yang terdiri dari: 5a. Asupan Krisis Gabungan Item Input Krisis Gabungan merupakan link untuk membuka form Input Krisis Gabungan. Form ini berisi beberapa jenis asupan krisis (gabungan) dari Asupan Peluang Krisis Bahan Baku, Bahan Bakar, Air, Pemasaran dan Finansial. Selain itu tersedia juga asupan untuk Kapasitas Gudang A dan B. Selain asupan untuk kapasitas Gudang A dan Gudang B yang berbentuk nilai secara kuantitatif (dalam satuan Ton), data asupan terdiri dari 5 pilihan yang merupakan nilai kualitatif yang diperlukan untuk agregasi fuzzy, yaitu ‘Sangat Tinggi’, ‘Tinggi’, ‘Sedang’, ‘Rendah’, ‘Sangat Rendah’. Pilihan tersebut disajikan dalam bentuk DBComboBox yang terhubung dengan database. Ketika pilihan ditentukan, tombol simpan akan hidup (enable) untuk menyelesaikan perubahan data (menyimpan data). Jika tombol simpan diklik, maka data akan tersimpan dalam database.
284
5a Input krisis
Simpan data
Gambar Form Input Krisis Gabungan. 5b. Asupan Krisis Bahan Pembantu Item Input Krisis Bahan Pembantu merupakan link untuk membuka form Input Krisis Bahan Pembantu. Form ini berisi beberapa asupan untuk nilai krisis bahan pembantu yang terdiri dari Peluang Krisis Tawas, Peluang Krisis Belerang, Peluang Krisis PAC, dan Peluang Krisis Zak. Data asupan terdiri dari 5 pilihan nilai kualitatif untuk agregasi fuzzy yaitu ‘Sangat Tinggi’, ‘Tinggi’, ‘Sedang’, ‘Rendah’, ‘Sangat Rendah’. Untuk menyimpan data, cukup dengan mengklik tombol Simpan di sampingnya.
5b
Input krisis
Simpan data
Gambar Form Input Krisis Bahan Pembantu. 5c. Asupan Krisis Teknologi Item Input Krisis Teknologi merupakan link untuk membuka form Input Krisis Teknologi. Form ini berisi beberapa asupan untuk nilai Krisis Teknologi. Data asupan terdiri dari 5 pilihan nilai kualitatif untuk agregasi fuzzy yaitu ‘Sangat Tinggi’, ‘Tinggi’, ‘Sedang’, ‘Rendah’, ‘Sangat Rendah’. Untuk menyimpan data, cukup dengan mengklik tombol Simpan di sampingnya.
285
5c
Simpan data Input krisis
Simpan data Input krisis
Gambar Form Input Krisis Teknologi. 5d. Asupan Krisis Sosial Item Input Krisis Sosial merupakan link untuk membuka form Input Krisis Sosial. Form ini berisi beberapa asupan untuk nilai krisis sosial. Data asupan terdiri dari 5 pilihan nilai kualitatif untuk agregasi fuzzy yaitu ‘Sangat Tinggi’, ‘Tinggi’, ‘Sedang’, ‘Rendah’, ‘Sangat Rendah’. Untuk menyimpan data, cukup dengan mengklik tombol Simpan di sampingnya.
5d
Simpan data
Simpan data
Input nilai krisis
Input nilai krisis
Gambar Form Input Krisis Sosial. 5e. Asupan Solusi Kuadran Item Input Solusi Kuadran merupakan link untuk membuka form Input Solusi Kuadran. Form ini berisi dua tabel, yaitu tabel kriteria dan tabel solusi kuadran. Selain itu tersedia menu guna mengubah isi solusi kuadran, dan group tombol navigasi (DBNavigator) untuk mengarahkan record pada tabel solusi kuadran sesuai keinginan. Tabel kriteria menunjukkan jenis kriteria bagi masing-masing solusi kuadran. Asupan solusi kuadran ini akan digunakan dalam pemberian solusi per kriteria.
286
Master – Detail (Tabel Kriteria – Tabel Solusi Kuadran) 5e DBNavigator
Memo ubah solusi
Gambar Form Input Solusi Kuadran. 5f. Asupan Prioritas Bahan Item Input Prioritas Bahan merupakan link untuk membuka form Input Prioritas Bahan. Form ini berisi beberapa asupan untuk memberikan prioritas berdasarkan kondisi yang mungkin antara kombinasi Bahan Baku, Pemasaran, Bahan Pembantu, Bahan Bakar, Air. Karena terdiri dari 5 jenis kriteria dengan 2 peluang kondisi (krisis atau tidak krisis), maka variasi kondisi keseluruhan terdiri dari 32 jenis. Setiap item yang ada dalam keadaan krisis harus ditentukan prioritasnya untuk pengambilan solusi. Prioritas terdiri dari 6 jenis yang dimulai dari 0 untuk keadaan yang tidak krisis dan tidak memerlukan solusi, 1 sampai 5 untuk kondisi krisis yang memerlukan solusi, dan 1 merupakan prioritas tertinggi. Penentuan prioritas disajikan dalam bentuk DBComboBox aktif (enabled). DBComboBox yang tidak aktif (disabled) merupakan kondisi tidak krisis yang tidak memerlukan solusi dan bernilai 0.
Input Prioritas 5f
Variasi kondisi krisis Pembatalan perubahan
Simpan perubahan
Gambar Form Input Prioritas Bahan. 5g. Asupan Prioritas Komprehensif Item Input Prioritas Komprehensif merupakan link untuk membuka form Input Prioritas Komprehensif. Form ini berisi beberapa asupan untuk memberikan prioritas berdasarkan kondisi yang mungkin antara kombinasi
287 Bahan, Finansial, Teknologi, Sosial. Karena terdiri dari 4 jenis kriteria dengan 2 peluang kondisi, yaitu krisis atau tidak krisis, maka variasi kondisi keseluruhan terdiri dari 16 jenis. Setiap item yang ada dalam keadaan krisis harus ditentukan prioritasnya untuk pengambilan solusi. Prioritas terdiri dari 6 jenis yang dimulai dari 0 untuk keadaan yang tidak krisis dan tidak memerlukan solusi, 1 sampai 5 untuk kondisi krisis yang memerlukan solusi, dan 1 merupakan prioritas tertinggi. Penentuan prioritas disajikan dalam bentuk DBComboBox aktif (enabled). DBComboBox yang tidak aktif (disabled) merupakan kondisi tidak krisis yang tidak memerlukan solusi dan bernilai 0.
Input prioritas
5g
Kondisi krisis
Gambar Form Input Prioritas Komprehensif. 5h. Deskripsi Kuadran Solusi Krisis Sub Komprehensif Item Deskripsi Kuadran Solusi Krisis Sub Komprehensif merupakan link untuk membuka form Deskripsi Kuadran Solusi Krisis Sub Komprehensif. Form ini berisi beberapa deskripsi untuk solusi sub komprehensif berdasarkan posisi kuadran yang merupakan gabungan dari empat bidang dalam posisi kuadran masing-masing, yaitu kuadran bahan, kuadran teknologi, kuadran finansial, dan kuadran sosial. Posisi kuadran yang mendeskripsikan jenis kondisi krisis untuk solusi krisis disajikan dalam bentuk DBComboBox berisi 4 angka yang menggambarkan posisi kuadran, yaitu 1, 2, 3, 4. Form ini selain memberikan informasi tentang posisi kuadran juga menyediakan fungsi pengubah isi deskripsi dengan menggunakan tombol ‘Ubah’, dan tombol ‘Simpan’ untuk menyimpan hasil perubahan, serta tombol ‘Batal’ untuk membatalkan perubahan yang belum disimpan. Selain itu terdapat fungsi pencarian berdasarkan jenis kuadran menggunakan tombol ‘Cari’. Hanya administrator yang dapat mengubah isi form ini.
Posisi kuadran
Deskripsi
5h
Pencarian posisi kuadran Tombol Gambar Form Deskripsi Posisi Kuadran Sub Komprehensif.
288 5i. Deskripsi Kuadran Solusi Krisis Komprehensif Item Input Deskripsi Solusi Komprehensif merupakan link untuk membuka form Input Deskripsi Solusi Komprehensif. Form ini berisi beberapa deskripsi untuk solusi komprehensif berdasarkan posisi kuadran. Posisi kuadran yang mendeskripsikan jenis kondisi krisis untuk solusi krisis disajikan dalam bentuk DBComboBox berisi 4 angka yang menggambarkan posisi kuadran, yaitu 1, 2, 3, dan 4. Form ini selain memberikan informasi tentang posisi kuadran juga menyediakan fungsi pengubah isi deskripsi dengan menggunakan tombol ‘Ubah’, dan tombol ‘Simpan’ untuk menyimpan hasil perubahan, serta tombol ‘Batal’ untuk membatalkan perubahan yang belum disimpan. Hanya administrator yang dapat mengubah isi form ini.
Posisi kuadran 5i
Deskripsi
Gambar Form Deskripsi Posisi Kuadran Komprehensif. 6. Analisis 6a. Analisis Krisis Menu Analisis berisi sub menu analisis krisis yang merupakan link untuk membuka form Analisis Manajemen Krisis. Jika item analisis krisis diklik, Form Analisis Manajemen Krisis berbasis Matlab tampil. Form ini berisi beberapa item untuk menganalisis krisis perusahaan beserta solusi krisisnya secara komprehensif maupun sub komprehensif (6a1, 6a2, 6a3, 6a4). Untuk mengetahui nilai krisis komprehensif, cukup menekan tombol analisis krisis pada form, dan hasilnya digambarkan dalam kuadran serta nilai dampak krisis dan peluang krisis dalam bentuk teks. Tombol Analisis Krisis 6a1 Kuadran krisis
Posisi krisis
6a2 6a2
Nilai dampak & peluang krisis
6a1 Tombol Solusi Krisis
Gambar Form Analisis Manajemen Krisis Setelah dilakukan analisis dengan menekan tombol ‘Analisis Krisis’, solusi krisis dapat dilihat dengan menekan tombol ‘Solusi Krisis’.
289
Gambar form Solusi Krisis Komprehensif Analisis Krisis sub komprehensif terdiri dari empat sub krisis, yaitu Krisis Bahan dan Produk (6a1), Krisis Finansial (6a2), Krisis Teknologi (6a3), Krisis Sosial (6a4). Masing-masing sub krisis memiliki analisis krisis (dengan menekan tombol Analisis Krisis), yang digambarkan dengan point pada kuadran, dengan nilai dampak dan peluang di bawahnya. Sub krisis dapat digambarkan sebagai berikut. 6a1. Analisis Krisis Bahan Tombol Krisis Bahan Baku digunakan untuk membuka Form Analisis Krisis Bahan. Form Analisis Krisis Bahan adalah gabungan dari ‘Krisis Bahan Baku’ (6a11), ‘Krisis Pemasaran’ (6a12), ‘Krisis Bahan Bakar’ (6a13), ‘Krisis Bahan Pembantu’ (6a14), ‘Krisis Air’ (6a15). Hasil analisis Krisis Bahan dapat ditampilkan dengan menekan tombol ‘Analisis Krisis Bahan’. Tombol Analisis Krisis Posisi krisis
6a11 6a12 6a13 6a14 6a15
Solusi krisis
Gambar Form Analisis Krisis Bahan Krisis Bahan Baku dapat diketahui pada form Analisis Krisis Bahan Baku dengan menekan tombol ‘Krisis Bahan Baku’. Pada form ini dapat diketahui data bahan baku dengan menekan tombol ‘Load Data’. Krisis bahan baku dapat diketahui dengan menekan tombol ‘Analisis Krisis’ yang akan menghasilkan posisi krisis dalam kuadran serta nilai dampak dan peluang krisisnya.
290
Nilai dampak dan peluang krisis
Posisi krisis
Hasil Load Data
Tombol Load Data
Tombol Analisis Krisis
Keterangan
Gambar Form Analisis Krisis Bahan Baku Begitu juga pada form pemasaran, Bahan Bakar, Bahan Pembantu dan Air, dengan data masing-masing.
Gambar form Analisis Krisis Pemasaran
Gambar form Analisis Krisis Bahan Bakar
291
Gambar form Analisis Krisis Bahan Pembantu
Gambar form Analisis Krisis Air 6a2. Analisis Krisis Finansial Tombol Krisis Finansial digunakan untuk membuka Form Analisis Krisis Finansial. Form Sebelum melakukan evaluasi, data finansial dikeluarkan dengan menekan tombol ‘Load Data’. Kemudian, evaluasi krisis finansial dapat diketahui dengan menekan tombol ‘Evaluasi Krisis’.
Gambar form Analisis Krisis Finansial Begitu juga dengan form Analisis Krisis Teknologi dan Sosial dengan data masing-masing.
292
Gambar form Analisis Krisis Teknologi
Gambar form Analisis Krisis Sosial 7. Pengguna Menu Pengguna terdiri dari empat sub menu yaitu Atur Pengguna, Profil Pengguna, Login Ulang, Ganti Password. 7a. Atur Pengguna Sub menu ‘Atur Pengguna’ berfungsi untuk mengatur hak akses bagi seluruh pengguna program, dan ini hanya boleh dilakukan oleh administrator. Menu Atur Pengguna ini hanya tampil ketika penggunanya adalah administrator untuk mencegah perubahan data oleh pengguna lain yang tidak diinginkan. Pada form ini pengguna ditentukan kelompoknya. Penyajian pengguna berdasarkan kelompok ditampilkan pada menu ‘Profil Pengguna’.
Tambah
Hak akses tiap pengguna
Gambar form Atur Pengguna.
293
Memilih group
Gambar form Tambah Pengguna.
Item menu di bagian kanan Cek list seluruh item
Item menu di bagian atas
Tutup seluruh item
Memilih item yang akan ditampilkan
Gambar form Hak Akses Pengguna. 7b. Login Ulang Login Ulang berfungsi seperti log on dalam Windows. Login Ulang berguna untuk mengganti pengguna, atau mengaktifkan perubahan yang dilakukan setelah administrator mengeset hak akses bagi pengguna.
Gambar form Login Ulang. 7b. Profil Pengguna Profil Pengguna selain memiliki fungsi seperti pada menu ‘Atur Pengguna’ juga menyajikan pengguna dalam beberapa group pengguna yang telah ditentukan pada menu ‘Atur Pengguna’. Bedanya, perubahan pada pengguna dilakukan berdasarkan group, sehingga perubahan pada group berlaku untuk setiap pengguna dalam group. Form ini hanya dapat diakses oleh administrator.
294
Gambar form Profil Pengguna.
Gambar form Tambah Group Pengguna. 7c. Ganti Password Sub menu Ganti Password ini berguna untuk mengganti password yang lama dengan yang baru dengan syarat mengisi password yang lama.
Gambar form Ubah Password. 8. Menutup Aplikasi Menutup aplikasi dilakukan dengan klik pada tombol keluar atau tombol X pada ujung kanan atas form.
