Model Krisis Bahan Validasi

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. Perioda perkiraan Kenyataan Perkiraan RSquare DFE AdjRSquare MPE MAPE Desember 8329.35 5128.4235 0.64271 59 0.50343 -1.9407 20.7721 November 10102.518 2396.3363 0.67811 58 0.55047 -0.82693 19.701 Oktober 4913.261 2311.0713 0.68446 56 0.55486 -0.64402 19.2465 September 3591.242 2864.6059 0.67574 56 0.54257 -0.63626 19.5311 Agustus 6223.759 2179.9391 0.68475 55 0.55291 -0.017447 18.7417 Juli 7365.592 1422.4087 0.70992 54 0.58636 1.0719 16.8958 Juni 2229.119 2633.7239 0.70212 53 0.57286 1.2732 16.8177 Mei 3061.409 1888.3724 0.45287 52 0.21087 -5.0052 28.0563 April 6978.719 1459.4821 0.48297 51 0.2498 -3.6364 26.5186 Maret 8246.777 805.6448 0.5361 50 0.32271 -0.98274 24.6638 Februari 5822.349 21.3727 0.56849 49 0.36594 6.4358 19.9959 Januari 7155.138 25.2646 0.62798 48 0.44972 5.7858 18.9103 Rata-rata 6168.269 1928.054 0.620518 53.4 0.455208 0.073084 20.8209 Perioda perkiraan Kenyataan Perkiraan RSquare DFE AdjRSquare MPE MAPE Desember 1756.3 1155.5948 0.72471 59 0.61739 -3.4812 21.976 November 1936.95 672.6747 0.67404 58 0.54478 -5.1148 23.7257 Oktober 1119.45 664.1423 0.67405 57 0.54253 -5.0076 23.4658 September 816.3 856.5579 0.66932 56 0.53351 -5.0855 23.6966 Agustus 1576.35 552.1184 0.67958 55 0.54559 -4.2438 22.9941 Juli 1661.8 319.4093 0.7023 54 0.5755 -2.8702 21.1511 Juni 489.25 693.6913 0.63943 53 0.48295 -5.7529 25.7808 Mei 705.9 712.5433 0.62978 52 0.46603 -5.6827 25.3563 April 1425.2 669.5975 0.63978 51 0.47733 -5.223 24.6591 Maret 1686.85 601.117 0.66208 50 0.50664 -4.339 23.4764 Februari 1218.45 1171.6442 0.69143 49 0.54659 -2.5941 21.15 Januari 1471.2 961.4255 0.72459 48 0.59262 -1.1622 18.4496 Rata-rata 1391.875 419.3566 0.584754 53.5 0.406565 -68.1584 103.0593 Tabel 16. Indikator akurasi peramalan pasokan eksternal Jan-Des 2006 menggunakan pemulusan Gaussian orde 8 Tabel 17. Indikator akurasi peramalan produksi tapioka Jan-Des 2006 menggunakan pemulusan Gaussian orde 8 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 0.62978- 0.72471 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 = 8634exp-x-73190041.81 2 + 10980exp-x-73180025.78 2 + 12180exp-x-732100181.4 2 + 10830exp-x-73150015.45 2 + 4928exp-x-73140028.36 2 + 8357exp-x-731100643.4 2 + 6729exp-x-732700216.1 2 + 5718exp-x-73170098.65 2 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: Gambar 49. Perbandingan data pasokan eksternal ubikayu Jan 2000-Agust 2006 dengan kurva pemulusannya. y = 1888exp-x-731800132.2 2 + 1396exp-x-732800252.1 2 + 1197exp-x-73190027.08 2 + 1876exp-x-73140014.15 2 + 1743exp-x-731400433.3 2 + 3096exp-x-732100162.6 2 + 1410exp-x-730600228.8 2 + 1233exp-x-731000162.6 2 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 = 19690exp-x-731400105.6 2 + 35960exp-x-73240018.49 2 + 24210exp-x-731800157.7 2 + 37000exp-x-732800261.2 2 + 48860exp-x-732200177.7 2 + 31730exp-x-7309001114 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.

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 nilai- nilai 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.

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