201
SISTEM MANAJEMEN AHLI Konfigurasi model
Pengambilan keputusan dengan pendekatan sistem berbasis pengetahuan dikenal dengan istilah sistem manajemen ahli. (Eriyatno, 2009). Didalam sistem manajemen ahli dipaparkan secara rinci elemen-elemen dalam sistem dan dapat dioperasikan untuk diimplementasikan oleh pengguna dalam pengambilan keputusan.
menunjang
Setiap elemen dalam sistem terintegrasi baik secara
paralel maupun seri (berurutan) yang diselaraskan pada pencapaian tujuan suatu keputusan. Manajemen strategis dalam pengembangan agroindustri tapioka merupakan suatu proses pengambilan keputusan dalam rangka pengembangan agroindustri berbasis ubi kayu. Pengambilan keputusan ini didasarkan pada analisis-analisis data dan informasi maupun pengetahuan pada bidang terkait agroindustri tapioka serta aturan-aturan dasar atas rekomendasi kebijakan. Rancang bangun sistem intelijen untuk strategi pengembangan agroindustri ubi kayu dengan pendekatan teori Chaos dirancang ke dalam paket komputer. Perangkat lunak ini terdiri atas 3 komponen, yaitu: 1) Sistem Manajemen Basis Data, 2) Sistem Manajemen Basis Pengetahuan, dan 3) Sistem Manajemen Basis Model. Untuk memudahkan penguna dalam berkomunikasi secara interaktif, ketiga sistem tersebut dihubungkan oleh sistem pengolahan terpusat dengan sistem manajemen dialog. Berdasarkan analisis sistem nyata, agroindustri ubi kayu melibatkan beberapa elemen dengan pola interaksi yang sangat kompleks. Oleh karena itu perlu disusun suatu model yang terstruktur, sederhana tetapi dapat merepresentasikan sistem nyata. Model Sistem Intelijen tersebut dirancang dalam bentuk perangkat lunak berbasis komputer yang berfungsi sebagai Sistem Manajemen Ahli yang diberi nama Simak-Chaotica (Sistem Intelijen Manajemen Krisis Agroindustri Tapioka).
202
Cakupan Model Simak-Chaotica Simak-Chaotica
dirancang
sebagai
sistem
manajemen
ahli
yang
mengintegrasikan beberapa sub-model yang saling berhubungan dan didukung oleh basis data serta basis pengetahuan. Fitur-fitur yang disiapkan merupakan elemenelemen rinci yang disusun berdasarkan diskusi dengan praktisi sebagai pengguna dan literatur. Komponen-komponen Simak-Chaotica dapat dilihat pada lampiran . Pada Halaman utama ini penngguna dapat memasukkan username. Ada 2 kategori username yaitu ”admin” dan ”user”. Admin hanya dapat membuka menu input data, yang meliputi data harga tapioka, data pasokan bahan baku, data volume impor tapioka, data harga bahan baku, data biaya produksi, data harga ubikayu, data produksi ubikayu dan data lainnya terkait dengan biaya produksi tapioka. Sedangkan ”user” dapat membuka keseluruhan menu lainnya. Gambar 26 menunjukkan halaman depan dari Simak-Chaotica.
Gambar 26 Tampilan Sistem Manajemen Ahli Simakchaotica
Rekayasa Model ini ditujukan untuk membantu para pemangku kepentingan agroindustri tapioka dalam memprediksi potensi keadaan krisis agroindustri tapioka lebih awal melalui sistem deteksi dini. Dengan diketahuinya gejala krisis lebih
203
awal, diharapkan keputusan yang dihasilkan dalam rangka antisipasi dan penanggulangan keadaan krisis dapat lebih cepat dan akurat. Konfigurasi Model Sistem Manajemen Ahli ini disajikan pada Gambar 27.
Data
Model
Pengetahuan
Manajemen basis model
Manajemen basis pengetahuan
Manajemen basis data
Sub-Model Uji eksistensi chaos
Sistem pakar manajemen kontrol
Data harga tapioka Data pasokan bahan baku Data volume impor Data harga tapioka kasar Data biaya produksi tapioka halus Data produksi ubikayu Data harga ubikayu Data tenaga kerja Data waktu kerja Data kapasitas mesin
Sub-Model Prediksi Faktor kunci Chaos
Mekanisme inferensi
Sub Model analisis Sinyal krisis
Sistem pengolahan terpusat
Sub Model kebijakan pengendalian krisis
Sistem manajemen dialog
Pengguna
Gambar 27. Konfigurasi Sistem Manajemen Ahli Simak-Chaotica
Sistem Manajemen Basis Model Sistem Manajemen Basis Model yang dibangun merupakan integrasi dari 4 sub model yaitu: 1) sub-model uji eksistensi chaos, 2) sub-model prediksi faktor kunci chaos, 3) sub-model analisis sinyal krisis, dan 4) sub-model kebijakan pengendalian krisis. Sub-model-sub-model ini merupakan satu kesatuan dalam Sistem
Manajemen
Ahli
sehingga
lebih
memudahkan
pengguna
dalam
204
pemakaiannya. Submodel-submodel ini terdapat pada menu utama yang dapat diakses oleh user pengambil keputusan. Tampilan menu utama seperti pada Gambar 28.
Gambar 28 Tampilan menu utama Simak-Chaotica
Sub-model uji eksistensi chaos. Sub-model ini dibuat untuk mengidentifikasi keadaan chaos terhadap variabel kunci. Karateristik penting dari sistem dinamik chaos adalah 1) mempunyai ketergantungan yang sensitif terhadap kondisi awal sehingga mempunyai sifat tidak dapat diprediksi untuk jangka panjang, 2) memiliki tingkat kritis, sistem yang melewati titik kritisnya akan kehilangan kestabilan, dan 3) memiliki dimensi fraktal. Pada penelitian ini diidentifikasi keadaan chaos yang didasarkan pada 2 indikator chaos yaitu terdapatnya bilangan eksponen Lyapunov positif dan dimensi fraktal. Pada sistem nyata keadaan chaos sulit dimodelkan, oleh karena itu untuk mengukur keadaan chaos digunakan pengembangan Teori Chaos. Sub-model pengujian eksistensi Chaos ini terdiri dari 2 bagian, bagian pertama
205
adalah uji eksistensi Chaos untuk variabel harga tapioka halus dan yang kedua uji eksistensi Chaos untuk variabel pasokan bahan baku.
Gambar 29 Tampilan submenu Uji Eksistensi Chaos
Keluaran dari sub-model pengujian eksistensi chaos yang dihasilkan adalah bilangan eksponen Lyapunov, apabila bilangan eksponen Lyapunov positif maka mengindikasikan data time series berpotensi chaos, dan embedding dimension interval yang mengindikasikan tingkat kompleksitas atau banyaknya variabel yang dibutuhkan untuk memodelkan sistem (Ricardo, 2010) . Embedding dimension interval digunakan sebagai input pada penyusunan struktur jaringan pada prediksi dengan Jaringan Syaraf Tiruan (Peter, 1991). Apabila bilangan Eksponen Lyapunov negatif atau nol, maka tidak ada indikasi sistem agroindustri tapioka berpotensi chaos, oleh karena itu tidak dilakukan strategi baru untuk pengembangan agroindustri tapioka.
Sub-model prediksi faktor kunci chaos Sub-model ini ditujukan untuk memberikan prediksi harga tapioka dan prediksi pasokan bahan baku berdasarkan model peramalan yang dibangun melalui proses pembelajaran selama perioda tahun 2007-2009. Model pengolahan data untuk prediksi harga tapioka dan bahan baku yang digunakan adalah model Jaringan Syaraf Tiruan menggunakan Jaringan Propagasi Balik Lapisan Jamak.
206
Menu sub-model prediksi pada program Simak-Chaotica seperti pada tampilan Gambar 30.
Gambar 30 Tampilan Sub-menu Prediksi faktor kunci chaos
Sub-model analisis sinyal krisis. Sub-model ini merupakan penerapan dari Threshold analysis yang dikembangkan untuk menentukan rentang harga tapioka dan pasokan bahan baku yang masih bisa diterima oleh pemangku kepentingan berdasarkan keluaran dari proses prediksi harga tapioka dan pasokan bahan baku. Untuk harga tapioka secara batas ambang diambil pada ambang bawah yang diperoleh dari perhitungan kemampuan produsen tapioka. Keadaan dimana hasil prediksi berada dibawah nilai ambang bawah dikategorikan dalam kondisi kritis. Untuk penentuan batas ambang bawah, yaitu tingkat kemampuan industri untuk tetap dapat beroperasi diukur dari indikator
keyakan
finansial
untuk
memberikan
kontribusi
profit,
yaitu
membandingkan harga pokok produksi dengan harga jual tapioka sehingga industri dapat dinyatakan layak untuk berkembang. Selain data predikasi harga bahan tapioka dan pasokan bahan baku serta data biaya produksi pada basis data diperlukan juga data input yang interaktif untuk menentukan nilai ambang tersebut. Batas ambang pasokan bahan baku dihitung berdasarkan pertimbangan kapasitas terpasang, yaitu kemampuan produksi maksimal. Keadaan dimana hasil prediksi pasokan bahan baku dibawah ambang tersebut, dikategorikan dalam keadaan krisis.
207
Setelah batas ambang ini diformulasikan, kemudian nilai hasil peramalan diukur keberadaannya pada batas ambang tersebut. Hasil pengukuran ini akan teridentifikasi 2 sinyal keadaan yaitu ” keadaan normal” dan ”keadaan krisis”. Sinyal keadaan normal mengindikasikan bahwa kebijakan yang berlaku masih efektif untuk kelangsungan industri tapioka, dan dalam penelitian ini tidak dibahas lebih lanjut. Sedangkan sinyal ”keadaan krisis” akan diproses lebih lanjut pada submodel
kebijakan
untuk
menentukan
kebijakan
yang
diusulkan
untuk
menanggulangi keadaan krisis sebagai dampak chaos.
Gambar 31 Tampilan sub-menu Analisis Sinyal Krisis
Sistem Manajemen Basis Data
Sistem Manajemen Basis Data dalam model ini merupakan sekumpulan data yang digunakan untuk pengolahan bagi sistem basis model. Terdapat 2 kategori data, yaitu data statis yang sudah tersimpan pada basis data dan data dinamis yang bersifat fleksibel dan interaktif sehingga mudah untuk dilakukan perubahan atau modifikasi sesuai dengan kebutuhan. Faktor harga tapioka dan
208
pasokan bahan baku serta variabel-variael yang mempengaruhinya sebagai variabel kunci sumber krisis merupakan data statis. Variabel ini diperoleh pada proses sebelumnya yaitu pada FGD dan proses pembobotan dengan Fuzzy perbandingan berpasangan yang melibatkan banyak pakar. Data-data lainnya seperti data harga tapioka, pasokan bahan baku, harga ubikayu, data produksi ubikayu, data impor tapioka, data harga bahan baku merupakan data statis yang diinput oleh ”admin”. Data dinamis diinput oleh pengguna pengambil keputusan. Data harga tapioka halus pada kurun waktu 2007-Juni 2009. Data ini digunakan untuk input pada sistem manajemen basis model untuk proses penentuan keadaan chaos yaitu penghitungan nilai bilangan eksponen Lyapunov dan dimensi Fraktal untuk variabel harga tapioka dan proses peramalan harga tapioka. Data pasokan bahan baku pada kurun waktu tahun 2007- 2009. Data ini digunakan untuk input pada sistem manajemen basis model untuk proses penentuan keadaan chaos yaitu penghitungan nilai bilangan eksponen Lyapunov dan dimensi Fraktal untuk variabel pasokan bahan baku dan proses peramalan pasokan bahan baku. Data harga bahan baku, biaya operasi dan biaya lainnya yang terkait dengan biaya produksi, digunakan untuk menyusun struktur harga sehingga diperoleh nilai HPP sebagai input pada sistem manajemen basis model untuk sub-model analisis krisis melalui threshold analysis untuk nilai ambang bawah variabel harga tapioka.
Sistem Manajemen Basis Pengetahuan Akuisisi Pengetahuan. Sistem Manajemen Basis Pengetahuan merupakan sarana yang akan diterapkan pada sub-model kebijakan agroindustri tapioka. Perancangan model ini diperoleh dari akuisisi pengetahuan para pakar yang terkait dengan industri tapioka. Pengetahuan diakuisisi dalam rangka menyusun strategi pengembangan. Proses akuisisi pengetahuan dilakukan dengan cara Focus Group Discusion (FGD) dengan pihak-terkait agroindustri tapioka yaitu pengusaha tapioka halus, pengusaha tapioka kasar, perwakilan dari assosiasi industri tapioka dan perwakilan dari dinas
209
perindustrian dan perdagangan. Pada FGD ini sekaligus dilakukan pengisian kuisioner untuk pembobotan faktor-faktor terkait dengan penyusunan strategi.
Model Manajemen Pengendalian Dampak Chaos. Berdasarkan analisis internal, eksternal pada agroindustri tapioka, kemudian dilakukan pencocokan dengan strategi yang disusun pada matriks inetrnal faktor maupun eksternal faktor. Model ini menghasilkan gambaran posisi agroindustri tapioka yang memunculkan alternatif-alternatif strategi dan kebijakan pengendalian krisis. Model ini dirancang dalam suatu sistem pakar menggunakan fasilitas dialog yang berfungsi sebagai sarana interaksi antar pengguna dalam menentukan kebijakan pengendalian dampak Chaos. Sistem pakar akan menampilkan dialog yang berisi pertanyaan-pertanyaan dan nilai parameter yang harus dijawab oleh pengguna. Keluaran sistem pakar ini berupa rekomendasi pemecahan masalah. Pengguna SMA ini melakukan penilaian terhadap parameter manfaat dan dampak dari kebijakan dengan 3 kategori yaitu ”R” untuk rendah, ”S” untuk sedang dan ”T” untuk tinggi. Selanjutnya sistem akan mengagregasikan pendapat pengguna berdasarkan agregasi manfaat dan agregasi dampak. Proses agregasi ini menggunakan teknik Ordered Weighted Averaging (OWA). Berdasarkan pengetahuan pakar tersebut kemudian diterjemahkan ke dalam program komputer dengam menggunakan aturan logika ”jika-maka” (IF-THEN Rule) melalui pembentukan mesin inferensi. Rekomendasi strategi kebijakan didasarkan pada maksimasi manfaat dan minimasi dampak.
Pembentukan Mesin Inferensi. Basis pengetahuan merupakan sekumpulan fakta dan informasi yang terorganisasi dengan baik. Agar pengetahuan ini dapat bermanfaat dengan baik maka dibentuk mesin inferensi yang berfungsi sebagi alat penalaran bagi sistem. Mekanisme mesin inferensi meniru pola penalaran yang digunakan oleh para pakar. Teknik inferensi yang digunakan adalah `pelacakan ke depan (forward chaining).
210
Forward chaining memulai pelacakan dari sekumpulan data atau informasi menuju kepada keputusan.
Sistem Manajemen Dialog. Sistem manajemen dialog merupakan komponen yang mengatur interaksi antara pengguna dan Sistem Manajemen Ahli (SMA). Pengguna memberikan masukan berupa data, batasan, atau perintah yang kemudian diolah oleh SMA. Selanjutnya program SMA akan memberikan keluaran sebagi informasi feedback atas masukan yang diberikan oleh pengguna. Pengguna dalam model ini adalah 1) Manajer Koperasi Agroindustri tapioka, 2) Pemerintah, 3) Bulog dan 4) Pelaku usaha agroindustri tapioka Keadaan ”SIAGA” Apabila sinyal yang diberikan pada sub-model analisis krisis menunjukkan ”keadaan SIAGA” dan pengguna menekan tombol kebijakan, maka akan muncul menu dialog kebijakan keadaan Siaga untuk menentukan alternatif kebijakan yang sesuai. Untuk memunculkan alternatif kebijakan, pengguna mengisi kolom nilai dengan 3 kategori yaitu ”R” untuk rendah, ”S” untuk sedang dan ”T” untuk tinggi pada parameter dampak dan manfaat. Selanjutnya nilai-nilai tersebut diagregasikan berdasarkan dampak dan manfaat. Proses agregasi ini menggunakan OWA dengan bobot yang telah dihitung terlebih dahulu dengan pembobotan pendapat pakar melalui kuisioner perbandingan berpasangan. Apabila data isian telah lengkap pengguna menekan tombol ”Agregasi” akan muncul nilai agregat parameter. Kemudian pengguna menekan tombol ”REKOMENDASI” maka akan muncul kebijakan yang direkomendasikan.
Proses pemilihan alternatif kebijkan
menggunakan sistem pakar dengan iterasi rule base. Semua algoritma dieksekusi oleh program Matlab7.1
211
Gambar 32 Tampilan sub-menu pemilihan alternatif kebijakan untuk keadaan ”SIAGA”
Keadaan ”WASPADA” Sama seperti keadaan ”WASPADA”, apabila sinyal yang diberikan pada sub-model analisis krisis menunjukkan ”keadaan WASPADA” dan pengguna menekan tombol kebijakan, maka akan muncul menu dialog kebijakan ”WASPADA” untuk menentukan alternatif kebijakan yang sesuai.
212
Gambar 33 Tampilan sub-menu pemilihan alternatif kebijakan untuk keadaan ”WASPADA” Keadaan ”BAHAYA” Apabila sinyal yang diberikan pada sub-model analisis krisis menunjukkan ”keadaan BAHAYA” dan pengguna menekan tombol kebijakan, maka akan muncul menu dialog kebijakan ”BAHAYA” untuk menentukan alternatif kebijakan yang sesuai yaitu dengan fokus backward dan forward linkage.
Gambar 34 Tampilan sub-menu pemilihan alternatif kebijakan untuk keadaan ”BAHAYA”
