75
9. Validasi model untuk mendapatkan keabsahan dan keyakinan bahwa model mampu bekerja sesuai kebutuhan pengambil keputusan.
Persiapan penelitian Latar belakang dan
perumusan masalah Perumusan tujuan
penelitian
Analisa kebutuhan stakeholder manajemen risiko rantai pasok UML Identifikasi konflik kepentingan dan tujuan dalam manajemen risiko
rantai pasok produkkomoditas Jagung Identifikasi jenis risiko dan sumber risiko rantai pasok fuzzy AHP
Evaluasi risiko dan dampak risiko serta alternatif penghilangan risiko rantai pasok fuzzy AHP
Pengembangan model manajemen risiko pada setiap tingkatan pelaku rantai pasok Multiobjectives programming
Pengembangan model agregasi pengukuran risiko rantai pasok secara global Fuzzy Agregation
Pengembangan model penyeimbangan risiko risk balancing rantai pasok stakeholder dialog dan fungsi utilitas-regresi fuzzy
Pengembangan model perlakuan risiko rantai pasok secara lokal dan global fuzzy inference
Verifikasi dan validasi model Pembuatan model basis pengetahuan
manajemen risiko rantai pasok Analisa dan perancangan sistem pendukung pengambilan keputusan
cerdas manajemen risiko rantai pasok UML Implementasi sistem pendukung pengambilan keputusan cerdas
manajemen risiko rantai pasok web programming pengujian dan perbaikan sistem pendukung pengambilan keputusan
cerdas manajemen risiko rantai pasok Kesimpulan dan rekomendasi
Studi Pendahuluan Studi Literatur
Identifikasi lingkup permasalahan
Gambar 17 Langkah pemodelan SPK cerdas pada manajemen risiko rantai pasok
76
4.2.2 Lokasi dan Waktu Penelitian
Penelitian dilakukan di laboratorium dan di lapangan. Penelitian pemodelan dilakukan di LaboratoriumBagian Teknik Sistem Industri, Departemen Teknologi
Industri Pertanian, Fakultas Teknologi Pertanian, IPB di Bogor. Penelitian lapangan dilakukan di Jawa Tengah dan Jawa Timur sebagai sentra produksi
jagung di Indonesia. Penelitian dilakukan mulai bulan Januari 2009 – Desember 2010, untuk
mendapatkan informasi, data teknis dan diskusi dengan para narasumber yang terkait. Tambahan data dan informasi yang dibutuhkan dalam pengembangan
model dilakukan pada rentang waktu tersebut.
4.2.3. Pengumpulan Data, Informasi dan Pengetahuan
Penelitian menggunakan data sekunder dan data primer. Data sekunder diperoleh dari laporan kajian terdahulu yang relevan dan jurnal ilmiah serta dari
berbagai sumber seperti Biro Pusat Statistik, Departemen Pertanian, Departemen Perdagangan, Departemen Perindustrian, Balai-balai penelitian, asosiasi, data
perusahaan yang menjadi obyek kajian, dan pihak-pihak yang relevan. Pengumpulan data primer dilakukan melalui beberapa cara, sebagai berikut :
• Observasi lapangan, yakni melihat secara langsung kegiatan-kegiatan manajemen risiko rantai pasok mulai dari produsen petani, pedagang
pengumpul, prosesor pengolah, distributor, hingga konsumen. • Wawancara, dilakukan untuk memperoleh informasi kendala dan risiko,
jumlah produksi dan penjualan, sistem transportasi, distribusi dan pasokan serta hubungan kemitraan antara pemasok dan distributor, dari para
stakeholder manajemen risiko rantai pasok yang dikaji.
• Focus Group Discussion FGD, meliputi wakil petanikelompok tani, pedagang pengumpul, prosesor atau agroindustri, buyereksportir,
pemerintah regulator, dan universitaslembaga riset teknologi. Pada FGD dilakukan pendalaman terhadap kondisi saat ini untuk memperoleh
alternatif-alternatif strategi manajemen risiko rantai pasok. FGD juga melakukan verifikasi dan validasi terhadap model pengukuran risiko rantai
pasok.
77
• Pendapat pakar expert judgement, dilakukan untuk memperoleh basis pengetahuan melalui wawancara secara mendalam indepth interview
untuk mengakuisisi pengetahuan dari pakar yang terkait dalam menentukan jenis dan sumber risiko dan pengukuran tingkat risiko dan
dampaknya serta keberhasilan penanganan risiko. • Brainstorming dengan pakar untuk memodelkan sistem manajemen risiko
rantai pasok produk pertanian dengan Fuzzy AHP menggunakan tools criterium decision plus.
• Pengumpulan informasi dan pengetahuan dari pakar menggunakan metode purposive sampling
untuk menentukan pakar yang dilibatkan dalam penelitian. Pertimbangan-pertimbangan yang digunakan untuk
menentukan pakar adalah kesesuaian pendidikan pakar, pengalaman pakar dan track record kepakarannya. Demikian juga dalam penentuan
responden lain yang dilibatkan dalam penelitian ini seperti petani, prosesor, distributor dan konsumen.
4.
3.
Teknik-Teknik yang Digunakan
Fuzzy AHP
Metode Fuzzy AHP merupakan suatu metode yang dikembangkan dari metode AHP dengan menggunakan konsep fuzzy pada beberapa bagian seperti dalam
hal penilaian sekumpulan alternatif dan kriteria. Fuzzy AHP merupakan integrasi AHP dengan metode logika fuzzy. Fuzzy AHP digunakan untuk
menangani kekaburan vagueness, ambiguitas atau ketidakpastian atribut kepentingan yang diberikan oleh penilai pakar. Pada AHP konvensional
yang dikembangkan oleh Saaty, perbandingan berpasangan dilakukan dengan menggunakan skala numerik 1 – 9 yang bersifat crisp. Fuzzy AHP dalam
penelitian ini akan digunakan untuk mengidentifikasi, mengukur dan mengetahui sumber risiko yang akan dihadapi pada setiap tahapan rantai
pasok produk pertanian.
Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelejen
Fuzzy Inference System
78
dalam situasi yang tidak pasti dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy yang pada dasarnya merupakan bagian dari logika
boolean yang digunakan untuk menangani konsep derajat kebenaran, yaitu
nilai kebenaran antara benar dan salah. Dalam implementasinya, logika fuzzy sering menggunakan informasi linguistik dan verbal Marimin 2007. Dalam
penelitian ini Sistem inferensi fuzzy akan digunakan untuk menduga tingkat risiko dan dampaknya suatu rencana tindakan managemen rantai pasok produk
pertanian sehingga dapat memberikan arahan untuk menghindari atau menghilangkan terjadinya risiko tersebut.
Fuzzy Agregation ,
Dalam penelitian ini fuzzy agregation akan digunakan untuk menghitung nilai agregasi risiko rantai pasok dengan pendekatan fuzzy inference system
mamdamni. Fuzzy FMEA
, Fuzzy FMEA Failure Mode and Effect Analysis digunakan untuk mengukur
dan menganalisa variabel risiko setiap faktor risiko dalam setiap tingkatan rantai pasok.
Stakeholder Dialogue ,
Stakeholder dialogue digunakan untuk memodelkan proses penyeimbangan
risiko rantai pasok dengan tujuan mencari kesepakatan harga jagung di tingkat petani dengan pendekatan fungsi regresi non linier dari tingkat utilitas risiko
setiap tingkatan rantai pasok. Metode iterasiinterpolasi
, Metode interpolasi digunakan untuk mencari nilai kesepakatan dengan konsep
stakeholder dialogue berdasarkan parameter tertentu dengan input nilai
parameter yang diinginkan setiap tingkatan rantai pasok. Metode sistem lunak soft system methodology
Metodologi ini digunakan untuk melakukan analisis sistem dan pemodelan sistem serta verifikasi dan validasi model pada sistem interaksi sosial yang
,
79
komplek dalam manajemen risiko rantai pasok produkkomoditas jagung. Khususnya dalam memodelkan sistem penyeimbangan risiko yang
menggunakan pendekatan stakeholder dialog untuk mendapatkan kesepakatan harga jagung di tingkat petani.
4.4. Langkah Pemodelan Sistem
Secara umum, langkah-langkah utama yang harus diikuti untuk membangun sistem dalam pengembangan sistem penunjang pengambilan
keputusan cerdas manajemen risiko rantai pasok adalah: menganalisa kebutuhan user atau pelaku ditinjau dari kebutuhan setiap pelaku dan kendala yang dihadapi,
menganalisa sistem ditinjau dari fungsional dan non-fungsional sistem, pemodelan sistem yang mencakup model basis data, model basis pengetahuan dan
model matematis solusi permasalahan, merancang bangun sistem dan implementasi serta validasi model dan testing atau pengujian sistem.
Menurut Dhar dan Stein 1997, Sistem Penunjang Keputusan Cerdas merupakan sebuah Sistem Penunjang Keputusan yang menggunakan teknik-
teknik yang ada di bidang intelijensi buatan Artificial Intelligent seperti: seperti fuzzy systems
, neural networks, machine learning, dan genetic algorithms algoritma genetik. Tujuannya adalah untuk membantu pengguna dalam
mengakses, menampilkan, memahami, serta memanipulasi data secara lebih cepat dan mudah untuk membantunya dalam mengambil keputusan. Sistem penunjang
keputusan cerdas yang akan dikembangkan dalam penelitian ini terutama menggunakan pendekatan fuzzy sistem untuk memodelkan analisis dan
pengukuran risiko rantai pasok pada setiap tahaptingkatan rantai pasok. Sistem penunjang pengambilan keputusan cerdas manajemen risiko rantai
pasok yang akan dikembangkan merupakan sistem yang mencakup jenis dan kelompok komoditas bahan pangan khususnya komoditas Jagung, yang meliputi
rantai aktivitas pasokan, struktur jaringan dan distribusinya, mekanisme penyediaan, proses peramalan harga dan produksi serta strategi manajemen risiko
rantai pasok. Pada setiap tingkatan rantai pasok, akan dikembangkan model analisis dan pengendalian risiko dengan pendekatan sistem intelijen untuk