VI. PEMODELAN SISTEM

VI. PEMODELAN SISTEM

6.1 Konfigurasi Model Model strategi pengembangan klaster agroindustri unggulan daerah dirancang dalam bentuk perangkat lunak Sistem P enunjang Keputusan (SPK) berbasis komputer yang diberi nama Model StraKlas. Model ini dapat digunakan oleh Pemerintah Daerah, pelaku industri dan pihak terkait lainnya untuk

membantu

proses pengambilan keputusan penyusunan

strategi

pengembangan klaster agroindustri unggulan daerah. Paket program Model StraKlas dirancang dengan bahasa pemograman Microsoft Visual Basic Versi 6.0. Model ini terdiri dari tiga komponen utama yaitu sistem manajemen basis model, basis data dan dialog. Konfigurasi Sistem Pendukung Keputusan Strategi Pengembangan Klaster Agroindustri Unggulan Daerah adalah sebagaimana yang tersaji pada Gambar 6.1. DATA

MODEL

Sistem Manajemen Basis Data - Jumlah Unit Usaha - Jumlah Tenaga Kerja - Nilai Tambah - Nilai Output - Nilai Ekspor - Klasifikasi KBLI - Pendapat Ahli

Sistem Manajemen Basis Model - Kompetensi Inti - Konsentrasi Industri - Pertumbuhan - Kemampuan Ekspor - Keterkaitan Usaha - Nilai Tambah - Tenaga Kerja - Pemilihan Agroindustri Unggulan - Industri Inti Klaster - Strukturisasi Sistem - Tingkat Kepentingan Subelemen - Kinerja Klaster

Sistem Pengolahan Terpusat

Sistem Manajemen Dialog PENGGUNA

Gambar 6.1 Konfigurasi Sistem Pendukung Keputusan Strategi Pengembangan Klaster Agroindustri Unggulan Daerah

110 6.2 Sistem Manajemen Basis Model Sistem Manajemen Basis Model (Model Based Management System atau MBMS) dalam Model StraKlas terdiri dari kelompok: (1) untuk Pemilihan Kelompok Agroindustri Unggulan; (2) untuk Strukturisasi Sistem Pengembangan Klaster; (3) untuk Pengukuran Kinerja Klaster. Kelompok model Pemilihan Kelompok Agroindustri diranc ang untuk mendapatkan peringkat kelompok agroindustri yang berpotensi untuk dikembangkan sebagai klaster agroindustri unggulan daerah. Model dirancang dari keluaran sub model: (1) Kompetensi Inti; (2) Konsentrasi Ind ustri; (3) Tingkat Pertumbuhan; (4) Kemampuan Ekspor; (5 ) Keterkaitan Usaha; (6) Jumlah Tenaga Kerja; (7) Nilai Tambah. Model Strukturisasi Sistem Pengembangan Klaster merupakan model deskriptif yang dirancang untuk mendapatkan keterkaitan hubungan antara pelaku dalam mengembangkan klaster agroindustri unggulan tersebut. Model Pengukuran Kinerja Klaster dirancang untuk memonitor perkembangan klaster agroindustri yang sudah ditetapkan untuk dikembangkan sebagai klaster agroindustri unggulan daerah. Keluaran dari model ini akan memberikan

informasi

mengenai

kinerja

klaster

yang

meliputi:

(1)

Peningkatan Tenaga Kerja; (2) P eningkatan Jumlah Perusahaan; (3 ) Peningkatan Nilai Investasi; (4) Peningkatan Nilai Penjualan ; (5) Peningkatan Nilai Tambah; (6) Peningkatan Nilai Tambah per Tenaga Kerja. 6.2.1 Model Kompetensi Inti Model ditujukan untuk mengidentifikasi kompetensi inti yang dimiliki oleh daerah untuk mendukung pengembangan suatu kelompok agroindustri tertentu di daerah tersebut dan melakukan pembobotan kompetensi inti untuk masing-masing kelompok agroindustri tersebut. Berdasarkan masukan dari para ahli, maka kriteria dari kompetensi inti daerah mencakup 16 kriteria, yaitu: (1) Peraturan di bidang investasi; (2) Peraturan di bidang perdagangan; (3) Fasilitas penunjang bisnis; (4) Kegiatan investasi; (5) Ketersediaan tenaga kerja; (6) Ketersediaan tenaga ahli; (7) Fasilitas pendidikan dan pelatihan; (8) Fasilitas penelitian dan pengembangan; (9) Keberadaan jaringan asosiasi

111 bisnis; (10) Ketersediaan infrastruktur fisik; (11) Dukungan permodalan; (12 ) Tingkat Upah; (13 ) Pasar domestik; (14) Daya tarik bagi investor asing; (15) Sumber daya alam setempat; (16) Jarak ke pasar utama ekspor. Proses identifikasi dilakukan melalui pengumpulan pendapat ahli dengan langkah-langkah sebagai berikut: (1) Kelompok agroindustri yang akan dinilai adalah kelompok makanan, kelompok minuman, kelompok tembakau, kelompok kulit, kelompok kayu rotan dan bambu, kelompok kertas, dan kelompok karet; (2) Kriteria yang digunakan adalah 16 kriteria sebagaimana yang telah diuraikan di atas; (3) Para ahli diminta memberikan peringkat setiap kriteria untuk masing-masing kelompok agroindustri dengan peringkat: Baik (skor=5), Sedang (skor=3) dan Kurang (skor=1); (4) Penilaian para ahli untuk setiap kriter ia diagregasi dengan mengambil rata-rata geometriknya; (5) Dilakukan penghitungan ind eks kompetensi inti untuk masing-masing kelompok agroindustri dengan cara membandingkan jumlah nilai rata-rata geometrik setiap kriteria terhadap nilai maksimum yang mungkin dicapai; (6) Dilakukan penentuan bobot kompetensi inti untuk setiap kelompok agroindustri. Model Kompetensi Inti pada setiap kelompok agroindustri disajikan dalam Gambar 6.2.

Inisialisasi pakar, alternatif, dan kriteria

Pengisian Matriks Pendapat untuk pakar i, alternatif j, dan kriteria k dengan skala s i=1–m j=1–n k = 1– p ijk s = 1– S

V

Mulai

Prosedur rata-rata geometrik untuk memperoleh pendapat agregat

(Ajk)

Penentuan indeks Kompetensi Inti Alternatif (KIj)

m

A jk = m ∏Vijk

p

KI j =

i =1

∑A k =1

jk

S*p

Penentuan bobot Kompetensi Inti Alternatif (wKI j) Selesai

Tampilkan hasil bobot Kompetensi Inti

wKI j =

p

∑A

m

k =1 n

jk

p

∑∑∑V i =1 j =1 k =1

Gambar 6.2 Diagram Alir Model Kompetensi Inti

ijk

112 6.2.2 Model Konsentrasi Industri Model Konsentrasi Industri ditujukan untuk mengidentifikasi tingkat konsentrasi masing-masing kelompok agroindustri di daerah dan menghitung bobot tingkat konsentrasi industri ini untuk masing-masing kelompok agroindustri. Urutan langkah identifikasi adalah: (1) Menetapkan alternatif kelompok agroindustri yang akan di-identifikasi; (2) Menghit ung Location Quotient dari masing-masing kelompok agroindustri; (3) Menghitung bobot dari masing-masing kelompok agroindustri. Diagram alir model ini adalah seperti yang disajikan dalam Gambar 6.3. Inisialisasi alternatif kelompok agroindustri

Jumlah tenaga kerja alternatif ke-i pada tingkat kabupaten (K i) Jumlah tenaga kerja alternatif ke-i pada tingkat nasional (N i)

Mulai

Perhitungan proporsi tenaga kerja setiap alternatif pada masing tingkat kabupaten (PK i) dan tingkat nasional (PNi) PKi =

Ki

PN i =

n

∑K i =1

i

Ni n

∑N

i

i =1

Tampilkan hasil bobot LQ Selesai

Penentuan LQ setiap alternatif (LQi) PKi LQi = PNi

Penentuan bobot LQ Alternatif (wLQi)

wLQ i =

LQ i

n

∑ LQ i =1

i

Gambar 6.3 Diagram Alir Model Konsentrasi Industri 6.2.3 Model Tingkat Pertumbuhan Model Tingkat Pertumbuhan dimaksudkan untuk mengidentifikasi perbedaan tingkat pertumbuhan dari masing-masing kelompok agroindustri daerah terhad ap tingkat pertumbuhan agro industri secara nasional dan menghitung bobot dari perbedaan tingkat pertumbuhan dari setiap kelompok industri tersebut. Yang ditetapkan sebagai ind ikator untuk maksud ini adalah komponen differential shift dari rumus Shift Share Analysis. Komponen ini memberikan gambaran mengenai tingkat pertumbuhan kelompok agro industri

113 tertentu di daerah dan dibandingkan dengan tingkat pertumbuhan agro industri secara nasional. Langkah identifikasi perbedaan tingkat pertumbuhan adalah: (1) Menetapkan alternatif kelompok agroindustri; (2) Menghitung tingkat pertumbuhan setiap alternatif kelompok agroindustri pada tingkat daerah dan tingkat pertumbuhan agroindustri secara nasional; (3) Menghitung komponen differential shift masing-masing kelompok; (4) Menghitung bobot differential shift dari masing-masing kelompok agroindustri. Diagram alir model ini diperlihatkan pada Gambar 6.4. Inisialisasi alternatif kelompok agroindustri

Mulai

Jumlah tenaga kerja alternatif ke-i pada tingkat kabupaten tahun referensi ke-1 (K1i)

Jumlah tenaga kerja alternatif ke-i pada tingkat nasional tahun referensi ke-1 (N1i)

Jumlah tenaga kerja alternatif ke-i pada tingkat kabupaten tahun referensi ke-2 (K2i)

Jumlah tenaga kerja alternatif ke-i pada tingkat nasional tahun referensi ke-2 (N2i)

Hitung Pertumbuhan tenaga kerja setiap alternatif pada tingkat kabupaten (PKi) dan tingkat nasional (PNi) K 2i − K1i N 2i − N1i PKi = PNi = K1i N1i Perhitungan Differential Shift Share untuk masing-masing alternatif( DSi) DSi = PKi − PNi

Perhitungan rata-rata jangkauan differential shift share (RJ) Max( DSi ) − Min( DSi ) Tampilkan hasil bobot differential shift share

RJ =

Perhitungan bobot differential shift share

wDS i = Selesai

Perhitungan nilai differential shift setiap alternatif

(NDS i)

1, Jika DSi < Min ( DSi ) + RJ   2, Jika Min (DSi ) + RJ ≤ DSi < Min (DSi ) + 2 ⋅ RJ NDSi =  3, Jika Min ( DSi ) + RJ ≤ DSi < Min ( DSi ) + 3 ⋅ RJ Μ   n, Jika DSi ≥ Min (DSi ) + n ⋅ RJ

NDS i n

∑ NDS i =1

5

i

Gambar 6.4 Diagram Alir Model Tingkat Pertumbuhan 6.2.4 Model Kemampuan Ekspor Model dirancang untuk mengidentifikasi kemampuan ekspor (termasuk “ekspor” keluar daerah ke daerah Indonesia lainnya) kelompok-kelompok agroindustri

di daerah

yang

diteliti.

Identifikasi

dilakukan

melalui

pengumpulan pendapat ahli. Para ahli dimintakan pendapatnya mengenai kemampuan untuk mengekspor produk dari masing-masing kelompok

114 agroindustri daerah ke negara-negara mitra dagang Indonesia dan daerah Indonesia lainnya. Kelompok agroindustri yang ditetapkan sebagai alternatif adalah: (1) Makanan; (2) Minuman; (3) Tembakau; (4) Kulit; (5) Kayu, Rotan dan Bambu; (6) Kertas; (8) Karet. Negara tujuan ekspor yang merupakan mitra dagang Indonesia sebagai kriteria adalah: (1) Singapura; (2) Malaysia; (3) ASEAN lainnya; (4) Korea Selatan; (5) China; (6) Taiwan; (7) Jepang; (8) Australia dan New Zealand; (9) Uni Eropa; (10) Amerika Serikat dan Canada; (11) Timur Tengah dan Afrika; (12) Daerah Indonesia lainnya. Proses identifikasi melalui pengumpulan pendapat ahli dilakukan dengan langkah-langkah berikut: (1) Para ahli diminta memberikan peringkat masingmasing produk kelompok agroindustri untuk diekspor ke masing-masing negara mitra dagang Indonesia, dengan peringkat: Baik (skor=5), Sedang (skor=3) dan Kurang (skor=1); (2) Penilaian para ahli diagregasi dengan mengambil rata-rata geometriknya; (3) Dilakukan penghitungan indeks kemampuan ekspor untuk masing-masing kelompok agroindustri dengan cara membandingkan jumlah nilai rata-rata geometrik setiap kriteria terhadap jumlah nilai maksimum yang mungkin dicapai; (4) Dilakukan penentuan bobot kemampuan ekspor untuk setiap kelompok agroindustri. Diagram alir Model Kemampuan Ekspor disajikan pada Gambar 6.5.

Inisialisasi pakar, alternatif, dan kriteria

Pengisian Matriks Pendapat untuk pakar i, alternatif j, dan kriteria k dengan skala s i=1–m j=1–n k = 1– p ijk s = 1– S

V

Mulai

Prosedur rata-rata geometrik untuk memperoleh pendapat agregat

(Ajk)

A jk =

(KEj )

m

m

∏V i =1

Penentuan indeks Kemampuan Ekspor Alternatif p

KE j =

ijk

∑A k =1

jk

S* p

Penentuan bobot Kompetensi Inti Alternatif (wKE j) p Selesai

Tampilkan hasil bobot Kemampuan Ekspor

wKE j =

∑A

m

k =1 n

jk

p

∑∑∑V i =1 j =1 k =1

Gambar 6.5 Diagram Alir Model Kemampuan Ekspor

ijk

115 6.2.5 Model Keterkaitan dengan Usaha Lain Rancangan

model

dimaksudkan

untuk

mengidentifikasi

tingkat

keterkaitan relatif setiap kelompok agroindustri dengan usaha-usaha di sektor ekonomi lainnya. Kelompok agroindustri yang dievaluasi sebagai alternatif adalah sama dengan kelompok agroindustri pada model-model yang dibahas terdahulu. Sebagai krit eria adalah kelompok agroindustri dan sektor-sektor kegiatan ekonomi lainnya, yaitu: (1) Makanan; (2) Minuman; (3) Tembakau ; (4) Kulit; (5) Kayu, Rotan, Bambu; (6) Kertas; (7) Karet; (8) Tekstil; (9) Pertanian; (10) Peternakan; (11) Kehutanan; (12) Perikan an; (13) Penerbitan dan Percetakan; (14) Industri Kimia; (15) Perdagangan; (16) Mesin dan Perlengkapan; (17 ) Transportasi dan Pergudangan; (18) Jasa Keuangan; (19 ) Jasa Pendidikan dan Pelatihan; (20) Jasa Penelitian dan Pengembangan. Proses identifikasi melalui pengumpulan pendapat ahli dilakukan dengan langkah-langkah berikut: (1) Para ahli diminta memberikan peringkat keterkaitan

masing-masing

kelompok

agroindustri

dengan

kelompok

agroindustri lain dan sektor kegiatan eko nomi lainnya, dengan peringkat: Baik (skor=5), Sedang (skor=3) dan Kurang (skor=1); (2) Penilaian diagregasi

dengan

mengambil

rata-rata

geometriknya;

(3)

para ahli Dilakukan

penghitungan indeks keterkaitan usaha untuk masing-masing kelompok agroindustri dengan cara membandingkan jumlah nilai rata-rata geometrik setiap kriteria terhadap jumlah nilai maksimum yang mungkin dicapai; (4) Dilakukan penentuan bobot keterkaitan usaha untuk setiap kelompok agroindustri. Diagram alir Model Keterkaitan dengan Usaha Lain disajikan pada Gambar 6.6.

116 Inisialisasi pakar, alternatif, dan kriteria

Pengisian Matriks Pendapat untuk pakar i, alternatif j, dan kriteria k dengan skala s i=1–m j=1–n k = 1– p ijk s = 1– S

V

Mulai

Prosedur rata-rata geometrik untuk memperoleh pendapat agregat

(Ajk)

Penentuan indeks Keterkaitan Usaha Alternatif (KUj)

m

A jk = m ∏Vijk

KE j =

p

∑A k =1

jk

S* p

i =1

Penentuan bobot Keterkaitan Usaha Alternatif Selesai

Tampilkan hasil bobot Keterkaitan Usaha

(wKEj) p

wKE j =

∑A m

k =1 n

jk

p

∑ ∑∑V i =1 j =1 k =1

ijk

Gambar 6.6 Diagram Alir Model Keterkaitan dengan Usaha Lain 6.2.6 Model Jumlah Tenaga Kerja Model ini dimaksudkan untuk menghitung bobot setiap kelompok agroindustri untuk faktor Tenaga Kerja. Sebagai alternatif dalam model ini adalah kelompok agroindustri: (1) Makanan; (2) Minuman; (3) Tembakau; (4) Kulit; (5) Kayu, Rotan, Bambu; (6) Kertas; dan (7) Karet. Untuk mendapatkan hasil yang lebih baik, maka jumlah tenaga kerja yang digunakan dalam model adalah rata-rata jumlah tenaga kerja beberapa tahun terakhir pada setiap kelompok agroindustri. Langkah -langkah yang dilakukan adalah: (1) Menetapkan alternatif kelompok agroindustri dan periode analisa; (2) Menghitung rata-rata jumlah tenaga kerja pada setiap alternatif untuk periode yang dipilih; (3) Menentukan bobot setiap kelompok agroindustri untuk faktor tenaga kerja. Diagram alir Model Jumlah Tenaga Kerja disajikan pada Gambar 6.7.

117 Inisialisasi alternatif, wilayah, dan periode analisa

Penetapan jumlah tenaga kerja pada wilayah i, alternatif j, dan periode k i=1–m j=1–n ijk k=1–p

V

Selesai

Mulai Perhitungan rata-rata jumlah tenaga kerja setiap alternatif pada masing-masing wilayah

(A )

p

ij

A ij =

∑V k =1

Tampilkan hasil bobot Tenaga Kerja

ijk

p Penentuan bobot Tenaga Kerja Alternatif (wTKij)

wTKij =

Aij n

∑A

ij

j=1

Gambar 6.7 Diagram Alir Model Jumlah Tenaga Kerja 6.2.7 Model Nilai Tambah Model ini dimaksudkan untuk menghitung bobot setiap kelompok agroindustri untuk faktor Nilai Tambah. Sebagai alternatif dalam model ini adalah kelompok agroindustri: (1) Makanan; (2) Minuman; (3) Tembakau; (4) Kulit; (5) Kayu, Rotan, Bambu; (6) Kertas; dan (7) Karet. Untuk mendapatkan hasil yang lebih baik, maka jumlah tenaga kerja yang digunakan dalam model adalah rata-rata nilai tambah beberapa tahun terakhir pada setiap kelompok agroindustri. Langkah-langkah yang dilakukan adalah : (1) Menetapkan alternatif kelompok agroindustri dan periode analisa; (2) Menghitung rata-rata jumlah nilai tambah pada setiap alternatif untuk periode yang dipilih; (3) Menentukan bobot setiap kelompok agroindustri untuk faktor Nilai Tambah. Diagram alir Model Nilai Tambah disajikan pada Gambar 6.8.

118

Inisialisasi alternatif, wilayah, dan periode analisa

Penetapan nilai tambah pada wilayah i, alternatif j, dan periode k i=1–m j=1–n ijk k=1–p

V

Selesai

Mulai

Perhitungan rata-rata nilai tambah setiap alternatif pada masing-masing wilayah

(A )

p

ij

A ij =

∑V k =1

Tampilkan hasil bobot Nilai Tambah

ijk

p Penentuan bobot Nilai Tambah Alternatif

(wNTij)

wNTij =

Aij n

∑A

ij

j =1

Gambar 6.8 Diagram Alir Model Nilai Tambah

6.2.8 Model Pemilihan Kelompok Agroindustri Unggulan Model ini dirancang untuk memilih kelompok agroindustri unggulan daerah yang akan dikembangkan sebagai klaster agroindustri unggulan daerah. Model direkayasa dengan menggunakan teknik Analytical Hierarchy Process (AHP) dengan melakukan tahapan-tahapan berikut: (1) Dekomposisi terhadap program pemilihan kelompok agroindustri unggulan daerah dengan mengacu pada hasil kajian pustaka, konsultasi dengan para ahli dan pihak terkait serta penelitian lapangan; (2) Menetapkam hierarki dan elemen pada setiap hierarki; (3) Mengidentifikasi ada-tidaknya hubungan antara masingmasing elemen pada suatu hierarki dengan elemen -elemen pada hierarki dibawahnya. Pada model ini dimungkinkan bahwa tidak semua elemen pada suatu hierarki mempunyai hubungan dengan elemen pada hierarki diatasnya; (3) Melakukan comparative judgement, yaitu membuat penilaian setiap ahli tentang kepentingan relatif sepasang (dua) elemen pada suatu tingkat hierarki tertentu dengan setiap elemen yang ada hubungan pada hierarki diatasnya; (4) Menentukan peringkat elemen-elemen pada suatu tingkat hierarki menurut

119 relatif pentingnya terhadap elemen-elemen hierarki diatasnya melalui teknik pairwise comparison, yang akan menghasilkan prioritas lokal (local priority) suatu elemen. Pada model ini direkayasa agar peringkat elemen dapat juga dilakukan berdasarkan masukan langsung (direct input) tanpa proses pairwise comparison; (5) Melakukan pemeriksaan atas in deks konsistensi (consistency index) dan ratio konsistensi (consistency ratio). Apabila memenuhi ketentuan maka proses dilanjutkan, sedang apabila tidak memenuhi ketentuan maka dilakukan proses iterasi atas pendapat ahli yang bersangkutan; (6) Menyusun matriks gabungan pendapat ahli dari matriks individu setiap ahli dan melakukan pemeriksaan indeks konsistensi dan ratio konsistensi serta proses iterasi apabila diperlukan; (7) Melakukan pengolahan untuk menyusun prioritas pengaruh setiap elemen pada setiap tingkat hierarki terhadap hierarki paling puncak. Melalui proses tahapan -tahapan tersebut di atas akan diperoleh peringkat kelompok agroindustri unggulan daerah. Model ini tidak membatasi banyaknya tingkatan hierarki dan jumlah elemen pada setiap hierarki. Pada model ini dimungkinkan pula keadaan dimana tidak semua elemen pada tingkat hierarki tertentu harus mempunyai hubungan dengan semua elemen hierarki diatasnya. Diagram alir Model Pemilihan Kelompok Agroindustri Unggulan disajikan dalam Gambar 6.9.

120 Inisialisasi pakar, hirarki, dan elemen pada setiap hirarki

Mulai

Pengisian pendapat pakar secara berpasangan untuk setiap elemen

Matriks Pairwise Comparison

Perhitungan eigen vektor pada setiap hirarki Pengolahan prioritas lokal Perhitungan indeks konsistensi (CI) Kompetensi inti, konsentrasi industri, pertumbuhan kelompok, kemampuan ekspor, keterkaitan usaha, tenaga kerja, nilai tambah

Perhitungan rasio konsistensi (CR) Tidak

Konsisten? Ya Penyusunan matriks gabungan

Perhitungan bobot

Perhitungan indeks konsistensi dan rasio konsistensi gabungan

Konsisten?

Bobot kompetensi inti, konsentrasi industri, pertumbuhan kelompok, kemampuan ekspor, keterkaitan usaha, tenaga kerja, nilai tambah

Tidak

Ya Pengolahan vertikal

Prioritas kelompok agroindustri

Selesai

Gambar 6.9 Diagram Alir Model Pemilihan Kelompok Agroindustri Unggulan

121 6.2.9 Model Identifikasi Industri Inti Klaster Model ini dimaksudkan untuk mengidentifikasi agroindustri 5-digit KBLI 2000 yang dapat ditetapkan sebagai agroindustri inti pada kelompok agroindustri unggulan yang diteliti. Sebagaimana telah diuraikan sebelumnya, kelompok-kelompok

agroindustri

yang

diteliti

merupakan

kelompok-

kelompok yang terdiri dari satu atau beberapa agroindustri 3-digit KBLI 2000. Dengan mengetahui agroindustri inti pada kelompok ini, maka dapat dilakukan analisa-analisa lanjutan yang diperlukan. Identifikasi dilakukan menghitung ind eks atau bobot komposit kriteria dari setiap alternatif. Sebagai alternatif untuk analisa ini adalah semua agroindustri 5-digit KBLI yang termasuk dalam kelompok agroindustri unggulan dengan LQ > 1. Kriteria yang ditetapkan untuk analisa adalah: (1) Jumlah Perusahaan; (2) Jumlah Tenaga Kerja; (3) Nilai Tambah. Langkah langkah yang dilaksanakan adalah: (1) Memilih kelompok agroindustri 5-digit yang memiliki LQ > 1 sebagai alternatif; (2) Menetapkan kriteria dan memasukkan bobot kriteria; (3) Memasukkan nilai setiap kriteria untuk setiap alternatif; (4) Menghitung indeks atau bobot kriteria untuk setiap alternatif; (5) Menghitung indeks atau bobot komposit kriteria untuk setiap alternatif. Alternatif yang memiliki indeks atau bobot terbesar adalah agroindustri yang berperan sebagai industri inti. Diagram alir model diperlihatkan pada Gambar 6.10. Mulai

Selesai

Masukkan alternatif Industri (A i) dengan LQ >=1 i = 1…m

Hitung Nilai Indeks Alternatif (wAi)

Masukkan kriteria (Kj ) beserta bobotnya (B j) j = 1…n

Hitung Nilai indeks kriteria (Cij)

Masukkan nilai setiap alternatif untuk setiap kriteria

V ij

wA i = ∑ (B j • C ij )

Hitung Total Nilai untuk setiap kriteria (TNj)

n

j =1

C ij =

V ij TN m

TN j = ∑Vij i=1

Gambar 6.10 Diagram Alir Model Indentifikasi Industri Inti Klaster

j

122 6.2.10 Model Strukturisasi Sistem Pengembangan Klaster Model ini dirancang dengan tujuan untuk menstrukturisasi elemen sistem pengembangan klaster agroindustri unggulan daerah. Masukan model berasal dari pengumpulan pendapat ahli. Elemen pengembangan klaster agroindustri

dapat

dikelompokkan

menjadi

sekurang-kurangnya

lima

kelompok elemen yaitu: (1) Elemen Tujuan; (2) Elemen Pelaku; (3) Elemen Peran Pemerintah; (4) Elemen Aktivitas Dunia Usaha; (5) Elemen Kendala. Masing-masing elemen diuraikan lagi atas sub-sub elemen yang penting. Struktur sistem dinyatakan dalam hierarki dan klasifikasi sistem yang dihasilkan dari proses strukturisasi elemen sistem dengan menggunakan teknik Interpretive Stru ctural Modelling (ISM). Diagram alir model adalah sebagaimana yang diperlihatkan pada Gambar 6.11.

Mulai Inisialisasi pakar, elemen, dan sub elemen

Pengisian matriks pendapat pakar ke-i, sub elemen j dalam kaitannya dengan sub elemen k i=1–m j=1–n ijk k=1–p

V

Perhitungan rata-rata aritmatik pendapat

Modifikasi Structural Self Interaction Matrix

m

A

jk

=

∑V i =1

ijk

Transformasi ke reachability matrix

m Tidak

Modifikasi Pendapat

Pendapat Transitif? Ya

Tampilkan Elemen kunci, struktur, dan grafik dependency – driver power.

Selesai

Gambar 6.11 Diagram Alir Model Strukturisasi Sistem Pengembangan Klaster Tahapan proses pemodelan adalah sebagai berikut: (1) Inisialisasi pakar, elemen dan subelemen; (2) Pengisian matriks penilaian setiap pakar mengenai hubungan kontekstual antara subelemen pada setiap elemen; (3) Perhitungan

123 rata-rata pendapat pakar dan penyususnan Structural Self-Interaction Matrix (SSIM); (4) Transformasi SSIM menjadi Reachability Matrix (RM); (5) Perhitungan aturan Transivity dan koreksi; (6) Modifikasi SSIM apabila diperlukan; (7) Menampilkan sub elemen kunci, struktur subelemen dan penggambaran grafis dalam koordinat Driver-Power-Dependence. 6.2.11 Model Tingkat Kepentingan Subelemen Model ini dirancang untuk mengetahui tingkat kepentingan dari masingmasing subelemen pada elemen Peran Pemerintah dan elemen Aktivitas Dunia Usaha berdasarkan agregasi kriteria (subelemen) Tujuan. Setiap kegiatan pada elemen Peran Pemerintah dan elemen Aktivitas Dunia Usaha mempunyai tingkat kepentingan yang tidak sama terhadap setiap kriteria (subelemen) pada elemen Tujuan. Dari model ini akan dapat diketahui subelemen mana dari elemen Peran Pemerintah yang memiliki tingkat kepentingan yang tinggi terhadap pencapaian Tujuan, demikian pula mengenai subelemen mana dari elemen Aktivitas Dunia Usaha yang memiliki tingkat kepentingan yang tinggi untuk pencapaian Tujuan. Masukan model diperoleh dari pengumpulan pendapat ahli dan diproses dengan teknik fuzzy Multi Expert Multi Criteria Decision Making. Diagram alir model adalah sebagaimana yang disajikan pada Gambar 6.12. Mulai

Iinisialisasi • Skala Penilaian (Sh) ; h = 1 – q • Pakar/Pengambil Keputusan (P i) ; i = 1 – r • Alternatif (Aj) ; j = 1 – s • Kriteria (K k) dan Bobot Kriteria (B k); k = 1 to t

Selesai

Agregasi pakar untuk memperoleh skor alternatif

wAj = max [vij ∧ wi ] i =1 ,..., r

Hitung bobot OWA setiap pakar Pengisian matriks pendapat pakar ke – i terhadap alternatif ke – j berdasarkan kriteria ke – k (M ijk)

Perhitungan negasi bobot kriteria Neg B k = q – B k + 1

  q − 1  wi = int 1 +  i    r  Agregasi kriteria untuk memperoleh skor alternatif ke – j oleh pakar ke – i

vij = kmin [Neg Bk ∨ M ijk ] =1,...,q

Gambar 6.12 Diagram Alir Model Tingkat Kepentingan Peran Pemerintah dan Aktivitas Dunia Usaha

124 Tahapan proses pada model adalah sebagai berikut: (1) Inisisalisasi pakar, skala, penilaian, alternatif dan kriteria; (2) Pengisian matriks pendapat setiap pakar terhadap alternatif untuk setiap kriteria; (3) Perhitungan negasi bobot kriteria; (4) Agregasi kriteria untuk memperoleh skor setiap alternatif; (5) Menghitung bobot pendapat setiap pakar dengan metode OWA; (6) Melakukan agregasi pendapat pakar untuk memperoleh skor setiap alternatif. 6.2.12 Model Pengukuran Kinerja Klaster Model ini dimaksudkan untuk mengikuti perkembangan klaster industri dalam kaitannya dengan dengan intervensi dan kebijakan-kebijakan yang diambil Pemerintah Daerah untuk mendukung pengembangan klaster industri. Indikator yang digunakan dalam model ini haruslah indikator yang dapat diukur secara b erkala (tahunan) dengan menggunakan data statistik yang tersedia atau data yang relatif mudah diperoleh melalui survei lapangan. Untuk model ini dipilih indikator: (1) Peningkatan jumlah tenaga kerja klaster; (2) Peningkatan jumlah perusahaan klaster; (3) Peningkatan jumlah investasi klaster; (4) Peningkatan nilai penjualan klaster; (5) Peningkatan nilai tambah klaster; (6) Peningkatan nilai tambah per tenaga kerja. Langkah yang dilakukan adalah: (1) Memasukkan angka-angka jumlah tenaga kerja, jumlah perusahaan, nilai investasi, nilai penjualan, dan nila i tambah untuk seluruh perusahaan dalam klaster pada awal periode monitoring; (2) Memasukkan angka-angka jumlah tenaga kerja, jumlah perusahaan, nilai investasi, nilai penjualan, dan nilai tambah perusahaan dalam klaster pada akhir periode monitoring; (3) Menghitung peningkatan jumlah tenaga kerja, peningkatan jumlah perusahaan, peningkatan nilai investasi, peningkatan nilai penjualan, peningkatan nilai tambah, dan peningkatan nilai tambah per tenaga kerja. Diagram alir model disajikan pada Gambar 6.13.

125

Jumlah tenaga kerja periode ke-i (TKi) Jumlah perusahaan periode ke-i (PRi) Nilai investasi periode ke-i (INi) Nilai penjualan periode ke-i (PJi) Nilai tambah periode ke-i (NTi)

Mulai

Peningkatan tenaga kerja ke-i = (TKi – TKi-1)/ TKi-1 Peningkatan jumlah perusahaan periode ke-i = (PRi – PRi-1)/ PR i-1 Peningkatan nilai investasi periode ke-i = (INi – INi-1)/ INi-1 Peningkatan nilai penjualan periode ke-i = (PJi – PJi-1 )/ PJi-1 Peningkatan nilai tambah periode ke-i = (NTi – NTi-1 )/ NTi-1 Peningkatan nilai tambah per tenaga kerja periode ke-i = (NT i /TKi) –(NT i-1 /TKi-1 )/ (NT i-1/TKi-1)

Tampilkan peningkatan tenaga kerja ke-i Tampilkan peningkatan jumlah perusahaan periode ke-i Tampilkan peningkatan nilai investasi periode ke-i Tampilkan peningkatan nilai penjualan periode ke-i Tampilkan peningkatan nilai tambah periode ke-i Tampilkan peningkatan nilai tambah per tenaga kerja periode ke-i

Selesai

Gambar 6.13 Diagram Alir Konfigurasi Model Pengukuran Kinerja Klaster 6.3 Sistem Manajemen Basis Data Sistem Manajemen Basis Data (Data Base Management System atau DBMS) merupakan salah satu komponen Sistem Penunjang Keputusan yang terdiri dari basis data dan program pengelola untuk menambah, menghapus, mengambil dan membaca data. Pada dasarnya DBMS melakukan tiga fungsi utama, yaitu menyimpan data pada data base, pencarian kembali data dari data base dan pengaturan data pada data base. Melalui DBMS maka akses dan pengambilan data dapat cepat dilakukan. Basis data dalam model StraK las mencakup berbagai data mengenai perusahaan agroindustri pada klasifikasi 3 dan 5 digit KBLI yang ada di Kabupaten, Propinsi maupun seluruh Indonesia, yang mencakup antara lain : jumlah unit usaha, jumlah tenaga kerja, nilai tambah, biaya input, nilai output.

126 6.4 Sistem Manajemen Dialog Sistem manajemen dialog adalah komponen SPK yang dirancang untuk memfasilitasi interface antara pengguna dengan sistem. Sistem manajemen dialog berfungsi mengatur arus informasi input dan output, dan berfungsi untuk mentransformasi input dari pengguna menjadi bahasa yang bisa dibaca oleh DBMS dan MBMS. Sistem manajemen dialog ini juga menterjemahkan output dari DBMS dan MBMS serta Sistem Ahli ke dalam bentuk yang dapat dimengerti oleh pengguna. Komponen ini oleh sebagian pakar SPK (Turban 1993) dianggap komponen yang paling penting pada suatu SPK karena kemampuan, fleksibilitas dan kemudahan penggunaan dari suatu sistem SPK bersumber dari komponen ini. 6.5 Pendapat Ahli Di dalam SPK pada umumnya, pendapat ahli digunakan untuk membantu pengambil keputusan mendapatkan input untuk berbagai model yang digunakan, dan juga untuk mengolah data guna mendapatkan alternatifalternatif keputusan yang terbaik. Di dalam model StraKlas, pendapat ahli digunakan sebagai input untuk: penilaian kompetensi inti daerah, penilaian kemampuan ekspor dari produk-produk kelompok agroindustri, penilaian keterkaitan usaha antara kelompok agroindustri dengan sektor usaha lain, identifikasi dan penyusunan struktur dan hierarki dalam analisa AHP, penilaian pairwise comparison antar subelemen dalam analisa AHP, identifikasi elemen dalam proses ISM, hubungan kontekstual dalam proses ISM dan penyusunan Structural Self Interaction Matrix (SSIM) dalam proses ISM.