Pemodelan Sistem Peringatan Dini Cerdas Pasokan Minyak Sawit Nasional

PEMODELAN SISTEM PERINGATAN DINI CERDAS
PASOKAN MINYAK SAWIT NASIONAL

WAHYU WIDJI PAMUNGKAS

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2016

PERNYATAAN MENGENAI DISERTASI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa disertasi berjudul Pemodelan Sistem
Peringatan Dini Cerdas Pasokan Minyak Sawit Nasional adalah benar karya
saya dengan arahan dari komisi pembimbing dan belum diajukan dalam
bentuk apapun kepada perguruan tinggi manapun. Sumber informasi yang
berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari
penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar
Pustaka di bagian akhir disertasi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada
Institut Pertanian Bogor

Bogor, September 2016

Wahyu Widji Pamungkas
NRP. F361110021

RINGKASAN
WAHYU WIDJI PAMUNGKAS. Pemodelan Sistem Peringatan Dini Cerdas
Pasokan Minyak Sawit Nasional. Dibimbing oleh M SYAMSUL MAARIF, TUN
TEDJA IRAWADI, dan YANDRA ARKEMAN.
Minyak sawit dalam hal ini Crude Palm Oil (CPO), keberadaannya semakin
strategis. Di tingkat dunia, rata-rata konsumsinya pertahun meningkat 4.78 persen,
atau tumbuh 1.11 persen lebih tinggi dari produksinya. Hal ini terkait dengan
semakin luasnya produk turunan penting yang dapat dihasilkan maupun tingkat
produktivitas dan efisiensinya dalam produksi. Di dalam negeri, secara industri
memiliki peran sangat penting, disamping menjadi sumber devisa negara, juga
menjadi lokomotif perekonomian rakyat pedesaan. Sejak di perkebunan hingga
pengolahan dan pemasarannya, kini melibatkan setidaknya 3.7 juta petani sawit
maupun 20 juta tenaga kerja lainnya. Pengalaman menunjukkan, bahwa krisis
ekonomi 1997-1998 yang memicu aksi ekspor masif minyak sawit nasional telah

menimbulkan persoalan kelangkaan (shortage). Di sisi lain, sejak 2006, saat industri
minyak sawit nasional mendulang prestasi sebagai produsen sekaligus eksportir
terbesar dunia, senantiasa dihadapkan pada isu- isu lingkungan, persaingan bisnis
hingga politik regional dan dunia yang berusaha menekan arus ekspor. Dihadapkan
pada faktor globalisasi dunia yang terus meningkatkan ketidakpastian, maka
dibutuhkan instrumen peringatan dini untuk potensi persoalan shortage maupun
oversupply, agar dapat disiapkan kebijakan tindakan antisipasi untuk meminimalisasi
dampaknya.
Penelitian ini mengusulkan pengembangan model sistem peringatan dini cerda s
pasokan minyak sawit nasional (model SPD-C PMSN) sebagai instrumen
peringatan dini bagi stakeholder penentu kebijakan. Model SPDC-PMSN
dikembangkan merujuk pada syarat model sistem peringatan dini yang efektif,
dimana mengandung 4 unsur kunci: pengetahuan tentang risiko, pemantauan dan
layanan peringatan, informasi dan komunikasi, dan respon tindakan. Keempat unsur
kunci ini didedikasi dalam model SPD-C PMSN yang mengandung tiga komponen
model utama yaitu pertama model penentuan variabel dominan PMSN, kedua model
prediksi dan deteksi PMSN, dan ketiga model klasifikasi dan penelusuran faktor
PMSN. Model pertama didedikasi untuk menghasilkan faktor- faktor sebagai dasar
analisis persoalan, sedangkan model kedua didedikasi untuk memantau dan
menghasilkan pengetahuan tentang risiko, sedangkan model ketiga didedikasi untuk

menghasilkan layanan peringatan, informasi dan komunikasi serta saran respon
tindakan.
Model pertama, menghasilkan output variabel- variabel dominan PMSN
melalui proses pengujian korelasi setiap kandidat terhadap aspek PMSN yang
didekati melalui teori supply dan demand yang meliputi aspek produksi, impor,
konsumsi, dan ekspor. Input model ini adalah kandidat-kandidat variabel dominan
PMSN berikut data historikalnya, teknik uji korelasi statistik, pengetahuan kelompok
pakar tentang PMSN, dan teknik agregasi penilaian kelompok pakar multi-kriteria
non-numerikal. Model kedua, menghasilkan output nilai-nilai prediksi aspek PMSN
dan nilai- nilai parameter deteksi berupa frekuensi dan tren baik supply maupun
demand melalui proses pembentukan dan simulasi model- model: prediksi volume
produksi (JST-BP PVPMS), prediksi volume impor (JST-BP PVIMS), prediksi
volume konsumsi (JST-BP PVKMS), prediksi volume ekspor (JST-BP PVPMS), dan
statistical control detection adaptive (SCDA). Input model ini adalah variabel

dominan PMSN berikut data historikal yang dihasilkan oleh model pertama, teknik
dan nilai- nilai parameter model prediksi jaringan syaraf tiruan dan teknik statistical
process control (SPC). Model ketiga, menghasilkan output klasifikasi status pasokan
dan notifikasi peringatan dini berikut informasi faktor- faktornya bila diperlukan
melalui proses pembentukan rule base inferensi, inferensi nilai-nilai parameter

deteksi frekuensi dan tren supply dan demand, menginterpretasikannya dalam
klasifikasi status PMSN dan membangkitkan notifikasi peringatan maupun
melakukan penelusuran balik untuk menemukan faktor penyebabnya jika diperlukan.
Input model ini adalah nilai- nilai parameter deteksi PMSN yang dihasilkan model
kedua, pengetahuan tahapan krisis dan teknik penelusuran If Then Analisys.
Pengembangan model SPD-C PMSN menggunakan pendekatan sistem yang
berorientasi pada tujuan, menggunakan kerangka pemikiran holistik dan menekankan
efektifitas pencapaian sasaran pemodelan dengan mengikuti tahapan pengembangan
model: pembentukan model konseptual, mengkonstruksi model, mengevaluasi model,
dan menyempurnakan model. Hasilnya, model SPD-C PMSN mengintegrasikan
model penentuan variabel dominan PMSN dengan model prediksi dan deteksi PMSN,
dan model klasifikasi dan penelusuran faktor PMSN. Model penentuan variabel
dominan PMSN, menghasilkan output 18 variabel dominan dari 21 kandidat input,
dengan tingkat validitas model sebesar 85.71 persen. Sedangkan untuk model
prediksi JST-BP menghasilkan nilai-nilai prediksi volume produksi, impor, konsumsi,
dan ekspor dengan tingkat validitas rata-rata simulasi terhadap target sebesar 92.23
persen. Nilai- nilai prediksi yang dipetakan bersama-sama nilai- nilai historikal dalam
model SCDA menghasilkan output nilai- nilai parameter deteksi frekuensi dan tren
supply dan demand. Nilai- nilai ini menjadi input model klasifikasi FIS dan
menghasilkan output klasifikasi status pasokan dengan tingkat validitas rata-rata rule

base sebesar 76.66 persen. Adapun output status pasokan pada kategori “awas”
dan ”bahaya” akan dibangkitkan notifikasi peringatan dini yang sesuai dan menjadi
input bagi model penelusuran faktor untuk kemudian menghasilkan informasi faktor
penyebab dengan tingkat validasi sebesar 80 persen. Akhirnya, secara agregat tingkat
validitas model SPD-C PMSN mencapai 83.4 persen.
Simulasi model SPD-C PMSN menghasilkan kesimpulan status PMSN
prediksi 2016-2018 adalah “Moderat” yang berarti keadaan “awas”. Status ini
memicu bangkitnya notifikasi peringatan dini berikut faktor-faktor hasil penelusuran
yang menunjukkan secara frekuensi, supply akan berubah dari kondisi kurang baik
menjadi baik, sedangkan demand akan mengalami perubahan sangat tipis dan relatif
tetap berada dalam kondisi kurang baik. Secara tren, supply akan bertahan pada
kondisi baik dan demand bertahan pada kondisi kurang baik. Dengan dasar tersebut
diusulkan rekomendasi untuk mempertahankan pertumbuhan supply dan mendorong
pertumbuhan demand secara maksimal melalui langkah- langkah: fasilitasi kemitraan
internasional, meninjau regulasi yang menghambat arus ekspor, mendorong regulasi
yang menciptakan perluasan investasi industri hilir, menyediakan akses modal
kompetitif bagi pelaku industri hilir, meningkatkan dukungan kapasitas infrastrukur
operasi industri hilir nasional, menjamin stabilitas ekonomi, politik, dan keamanan,
serta mendorong kesadaran masyarakat dalam utilisasi produk hilir dalam negeri.
Kata kunci : minyak sawit nasional, sistem peringatan dini cerdas, pengendalian

statistik adaptif, jaringan syaraf tiruan, fuzzy inference system

SUMMARY
WAHYU WIDJI PAMUNGKAS. Modeling of Intelligent Early Warning System of
National Palm Oil Supply. Supervised by M. SYAMSUL MAARIF, TUN TEDJA
IRAWADI, YANDRA ARKEMAN.
Palm oil, in this case Crude Palm Oil (CPO), has become more strategic. In the
world’s rate, the average consumption increased 4.78 percent per year, or grew about
1.11 percent higher than the production rate. This is due to the increasing number of
its diverse important derivative products and its productivity rate and efficiency.
Domestically, palm oil has a critical role. It does not only generate foreign exchange
income for the country, but also drive the economy of the people living in rural areas.
Starting from plantation stage up to the processing and marketing stages, this
industry has involved around 3.7 million oil palm farmers and 20 millions of other
workers. Past experiences showed that the economic crisis that occurred during the
period of 1997-1999 had triggered massive exports of oil palms, resulting in its
supply shortage. On the other hand, since 2006, while the country had been known as
the world’s biggest palm oil producer and exporter, the palm oil industry had always
been beset by the issues of environment, business competition and regional and
global politics which have become increasingly uncertain. Therefore, early warning

instruments are required in order to solve any potential shortage and oversupply
issues and make some anticipatory decisions to minimalize their impacts.
This research suggests the model development of the Intelligent Early Warning
System of the National Palm Oil Supply (SPD-C PMSN model) as an instrument of
early warning for stakeholders responsible for policy -making. This SPDC-PMSN
model shall be developed by referring to the model requirements for an effective
early warning system, which contains 4 key elements: knowledge of the risks,
monitoring and warning, information and communication services, and action
response. All those four key elements are dedicated to the SPD-C PMSN model
which contains three main model components, which are, first, PMSN determination
model of dominant variables; second, PMSN prediction and detection model; and
third PSMN factor searching and classification model. The first model is dedicated to
generating some factors as the basis of problem analysis, while the second model is
dedicated to monitoring and generating knowledge of the risks, and the third model
is dedicated to generating warning, information and communication services as well
as action response.
The first model generates an output of PMSN dominant variables through
correlation testing process of each candidate against PMSN aspects using supply and
demand approach theory. This model shall cover production, import, consumption
and export aspects. The inputs of this model are the candidates of PMSN dominant

variables along with their historical data, statistical correlation testing technique,
knowledge of multiexpert of PMSN, and aggregate assessment technique of
nonnumeric multiexpert multicriteria. The second model generates an output of
prediction values of PMSN aspects and the values of detection parameter in the form
of frequency and trend, either supply or demand, through model development and
simulation process: prediction of production volume (JST-BP PVPMS), prediction of
import volume (JST-BP PVIMS), prediction of consumption volume (JST-BP

1

1

PENDAHULUAN

Latar Belakang

Minyak sawit, dalam hal ini crude palm oil (CPO) memiliki rekam jejak
keamanan penggunaan yang sudah teruji lama. Minyak sawit banyak digunakan
dalam berbagai aplikasi untuk menghasilkan produk turunan yang sangat luas dan
beragam; baik produk turunan pangan maupun non-pangan. Dalam bidang

pangan, minyak sawit banyak digunakan sebagai minyak goreng, shortening,
margarin, vanaspati, cocoa butter substitutes, dan berbagai ingridien pangan
lainnya. Karena sifat fisik, kimia dan gizi yang cocok, maka minyak sawit dan
produk turunannya mempunyai potensi unggul untuk diaplikasikan pada produk
pangan, antara lain (Hariyadi 2015):
 Produk pangan yang diformulasikan dengan menggunakan minyak sawit akan
mempunyai keawetan yang lebih baik, karena minyak sawit sangat stabil
terhadap proses ketengikan dan kerusakan oksidatif lainnya;
 Minyak sawit mempunyai kecederungan untuk mengalami kristalisasi dalam
bentuk kristal yang lebih halus (kecil), sehingga mampu meningkat kan kinerja
creaming jika digunakan pada formulasi cake dan margarin;
 Kandungan asam palmitat minyak sawit sangat baik untuk proses aerasi
campuran lemak/gula; misalnya pada proses baking;
 Minyak sawit baik digunakan untuk membuat vanaspati, atau vegetable ghee,
yang mengadung 100% lemak nabati; bisa digunakan untuk substitusi mentega
susu dan mentega coklat;
 Produk rerotian yang diproduksi dengan shortening dari minyak sawit,
mempunyai tekstur dan keawetan yang lebih baik;
 Minyak sawit juga banyak dipakai untuk produksi krim biskuit; terutama
karena kandungan padatan dan titik lelehnya yang cukup tinggi;

Sebagai bahan pangan, minyak sawit memiliki karakter yang lebih disukai
konsumen karena padat pada suhu ruangan, sementara bahan pangan dari minyak
nabati lain seperti: minyak bunga matahari, kanola, dan kedelai, kurang disukai
karena bersifat cair, dan kalaupun dapat dipadatkan melalui hidrogenisasi, namun
tidak dianjurkan untuk dikonsumsi karena akan menghasilkan lemak trans yang
merugikan kesehatan (PASPI 2015).
Aplikasi minyak sawit pada bidang non-pangan juga terus berkembang,
terutama sebagai oleokimia, biodiesel, dan berbagai ingridien untuk berbagai
industri non-pangan, misalnya untuk industri farmasi, seperti bahan kosmetik,
sabun, confectionaries, dan lain- lain. Sebagai bahan non-pangan, produk turunan
minyak sawit disukai karena sifat nabatinya yang ramah lingkungan. Utilisasinya
sendiri, kini sekitar 80% adalah untuk industri minyak nabati, 14% untuk industri
kimia khususnya oleokimia, 0.31% untuk industri makanan, dan 4.64% untuk
industri perkebunan kelapa sawit, serta sisanya sekitar 1.05% untuk industri
lainnya (PASPI 2015).

PVKMS), prediction of export volume (JST-BP PVPMS), and statistical control
detection adaptive (SCDA). The third model generates an output of the classification
of the supply status and notifications of early warning along with the information of
its factors, if required, through inference rule base development process, inference of

parameter values of frequency detection as well as supply and demand trends,
interprets them in the classification of PMSN status and generates notifications of
warning or does the trace back in order to find any contributing factors, if required.
The inputs of this model are parameter values of PMSN detection generated by the
second model, knowledge of crisis stages and If Then Analysis searching technique.
The SPD-C PMSN model is developed using a system which is oriented
toward the achievement of goals using a holistic thinking framework with an
emphasis on the effectiveness of the modelling objective achievements by following
model stage development covering, the establishment of conceptual model,
construction of model, evaluation of model and improvement in model. As a result,
the SPD-C PMSN model integrates the PMSN dominant variables determination
model with PMSN prediction and detection model and PMSN classification and
factor searching model. The PMSN dominant variables determination model
generates an output of 18 dominant variables out of 21 input candidates wit h a
validity rate of 85.71 percent. Meanwhile, the JST-BP prediction model generates
prediction values of production, import, consumption and export volume with an
average validity rate of the simulation against target reaches 92.23 percent. The
prediction values mapped together with historical values in SCDA model generates
outputs of parameter values of frequency detection and supply and demand trend.
These values serve as an input for FIS classification model and generates an output
of status classification of the supply with an average validity rate of rule base of
76.66 percent. Meanwhile, the output of the supply status in the “caution” and
“danger” category will generate a corresponding early warning notification and serve
as an input for factor searching model in order to produce contributing factor
information with a validity rate of 80 percent. Finally, in aggregate, the validity rate
of the SPD-C PMSN model reaches 83.4 percent.
Based on the simulation of SPD-C PMSN model, it is concluded that the
PMSN status of the 2016-2018 prediction is “Moderate”, which means that it is in a
“caution” state. This status will trigger the generation of early warning notification
along with the searching result factors, which demonstrates that, in terms of
frequency, supply will change from poor to good state, while demand will see a
slight change and relatively remain in a poor state. In terms of trend, the supply will
remain in a good state while demand will stay in a poor state. Based on these, the
research suggests some recommendations to maintain supply growth and encourage
demand in an optimum fashion through the following measures: establishing
international partnership, reviewing regulations which hinder exports, promoting
regulations that can expand investments in downstream industry, providing access to
capitals in a competitive manner to actors in downstream industry, improving
supports for basic infrastructure capacity for the operations of national downstream
industry, ensuring economic, political and security stability, encouraging people to
use the national downstream products.
Keywords :

national palm oil, intelligence early warning system, statistical control
detection adaptive, artificial neural network, fuzzy inference system

© Hak Cipta Milik IPB, Tahun 2016
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan
IPB.
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis
ini dalam bentuk apapun tanpa izin IPB.

PEMODELAN SISTEM PERINGATAN DINI CERDAS
PASOKAN MINYAK SAWIT NASIONAL

WAHYU WIDJI PAMUNGKAS

Disertasi
Sebagai salah satu syarat untuk memperoleh gelar
Doktor
pada
Program Studi Teknologi Industri Pertanian

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2016

Penguji pada Ujian Tertutup

: 1. Prof. Dr. Ir. Sukardi, MM.
2. Dr. Ir. Triwulandari SD, MM.

Penguji pada Sidang Promosi

: 1. Prof. Dr. Ir. Sukardi, MM.
2. Dr. Ir. Triwulandari SD, MM.

Judul Disertasi : Pemodelan Sistem Peringatan Dini Cerdas Pasokan Minyak Sawit
Nasional
Nama
: Wahyu Widji Pamungkas
NRM
: F361110021

Disetujui oleh
Komisi Pembimbing

Prof Dr Ir M Syamsul Maarif, MEng
Ketua

Prof Dr Ir Tun Tedja Irawadi, MS
Anggota

Dr Ir Yandra Arkeman, MEng
Anggota

Diketahui oleh

Ketua Program Studi
Teknologi Industri Pertanian

Dekan Sekolah Pascasarjana

Prof Dr Ir Machfud, MS

Dr Ir Dahrul Syah, MScAgr

Tanggal Ujian Tertutup: 29 Agustus 2016
Tanggal Ujian Promosi: 23 September 2016

Tanggal Lulus :

PRAKATA
Puji dan syukur senantiasa penulis panjatkan kehadirat Allah SWT atas segala
karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih
dalam penelitian yang dilaksanakan selama satu setengah tahun pada kurun waktu
bulan Mei 2013 hingga Januari 2016 ini ialah pasokan minyak sawit (crude palm oil)
nasional dengan judul Pemodelan Sistem Peringatan Dini Cerdas Pasokan Minyak
Sawit Nasional.
Terima kasih penulis sampaikan kepada komisi pembimbing Prof Dr Ir M
Syamsul Maarif Meng, Prof Dr Ir Tun Tedja Irawadi MS, dan Dr Ir Yandra Arkeman
MEng yang telah membimbing, mengarahkan dan memberikan masukan dalam
penulisan karya ilmiah ini. Terima kasih juga penulis sampaikan kepada Prof Dr Ir
Sukardi MM dosen pada Program Studi Teknologi Industri Pertanian IPB dan Dr Ir
Triwulandari SD MM dosen Fakultas Teknologi Industri Universitas Tr isakti, serta
Prof Dr Ir Machfud dan Dr Ir Titi Chandra selaku perwakilan pejabat program studi
yang telah mengkritisi dan memberikan saran serta masukannya untuk karya ilmiah
ini. Disamping itu, penghargaan penulis sampaikan kepada Bapak Ir Gamal Nasir
MS beserta jajarannya di Ditjenbun dan Puslitbangbun Kementerian Pertaniana RI,
Bapak Panggah Susanto dan Bapak Edy Sutopo beserta jajarannya di Ditjen
Agroindustri Kementerian Perindustrian RI, Bapak Dirjen dan staf Perdagangan luar
negeri Kementerian Perdagangan RI, Kepala Biro Humas Bank Indonesia, Kepala
Pusat Pelayanan Data Badan Pusat Statistik RI, Bapak Seger Budiarjo selaku
Direktur Human Capital Management & Umum PTPN III Medan beserta staf, Bapak
Ir Akhmad Afifuddin MM Direktur Produksi PTPN XIII dan Bapak Agus Budi
Manajer Pabrik Minyak Sawit Parindu PTPN XIII Kabupaten Sanggau Provinsi
Kalimantan Barat, Bapak Dr Ir Fadli Hasan dan staf dari Gabungan Pengusaha
Kelapa Sawit Indonesia (GAPKI), Pimpinan dan Staf dari Dewan Minyak Sawit
Indonesia (DMSI), Pimpinan dan Staf dari Gabungan Industri Minyak Sawit
Nasional Indonesia (GIMNI), Pimpinan dan staf dari PT IVOMAS yang telah
membantu selama pengumpulan data. Ungkapan terima kasih juga disampaikan
kepada ayah, ibu, serta seluruh keluarga atas doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, September 2016
Wahyu Widji Pamungkas

DAFTAR ISI

DAFTAR TABEL

iv

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

viii

1

PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Manfaat Penelitian
Ruang Lingkup Penelitian

2.

1
6
7
7

TINJAUAN PUSTAKA
Industri Kelapa Sawit
Persoalan Krisis
Pengertian-Pengertian Krisis
Karakteristik, Jenis, dan Tahapan Krisis
Dampak Krisis
Manajemen Krisis
Rekayasa Model Sistem
Sistem Peringatan Dini
Deteksi Dini
Teori Sinyal Deteksi Dini
Analisis Ambang Batas (Threshold)
Analisis Statistical Prosess Control (SPC)
Analisis Regresi Threshold
Data dan Analisis Data
Data Berkala dan Pengolahannya
Analisis Data Berkala
Uji Korelasi Statistik
Normalisasi Data
Metode Pengambilan Keputusan ME-MCDM Non-Numerical
Jaringan Saraf Tiruan Jenis Backpropagation (JST-BP)
Konsep Model JST-BP
Algoritma Pelatihan JST-BP
Fungsi Aktivasi JST-BP
Fuzzy Inference System (FIS)
Fungsi Keanggotaan dalam Sistem Fuzzy
Operator-Operator Dasar Operasi Himpunan Fuzzy
Metode Penalaran Sistem Fuzzy
Fungsi-Fungsi Implikasi Operasi Fuzzy

8
12
12
13
13
14
15
15
16
18
19
19
20
21
21
22
23
24
25
28
28
29
31
32
33
36
36
37

ii

Metode-Metode Inferensi Fuzzy
Penelitian Terdahulu
Kebaruan Penelitian
3.

4.

5.

37
40
43

METODOLOGI
Kerangka Pemikiran
Pendekatan dan Metode Pengembangan Model SPD-C PMSN
Tatalaksana Penelitian
Pengumpulan dan Pengolahan Data
Pengembangan Model Sistem (SPD-C PMSN)
Membangun Model Sistem Konseptual
Mengkonstruksi Model Sistem
Mengevaluasi Model Sistem
Menyempurnakan Model Sistem

46
47
49
49
50
51
51
51
51

HASIL DAN PEMBAHASAN
Rancang Bangun Model Sistem Peringatan Dini Cerdas Pasokan MinyakSawit
Nasionl (SPD-C PMSN)
Model Sistem Konseptual
Tujuan Model Sistem
Komponen-Komponen Model Sistem
Variabel Input Model Sistem
Pengukuran Output Model Sistem
Pengendalian-Pengendalian Model Sistem
Asumsi- Asumsi Model Sistem
Relasi dan Interaksi Diantara Komponen Model Sistem
Konstruksi Model SPD-C PMSN
Model Penentuan Variabel Dominan PMSN
Model Prediksi dan Deteksi PMSN
Model Klasifikasi dan Penelusuran Faktor PMSN
Evaluasi Model SPD-C PMSN
Revise Model SPD-C PMSN
Keterbatasan Penelitian

53
53
53
53
54
56
57
57
57
58
59
74
124
133
147

PENUTUP
Kesimpulan
Saran
Implikasi Manajerial

148
148
149

DAFTAR PUSTAKA

150

LAMPIRAN

156

RIWAYAT HIDUP

175

2
Industri minyak sawit nasional memiliki peran strategis, antara lain sebagai
sumber devisa negara, menjadi lokomotif perekonomian nasional, menjadi bagian
dari kedaulatan energi, serta menjadi penopang sektor ekonomi kerakyatan dan
penyerapan tenaga kerja. Pada tahun 2014, industri minyak sawit dan turunannya
menyumbang devisa sebesar 21.1 miliar US$ dan penerimaan pemerintah dari bea
keluar secara kumulatif mencapai Rp80 triliun. Selanjutnya, melalui kebijakan
renewable energy dalam bentuk mandatori biodiesel yang sedang diimplementasikan pemerintah dari B-15 (2015) ke B-20 (2016) dan B-30 (2020), berhasil
menghemat solar impor dari 6.4 juta ton pada 2015 menjadi 9.8 juta ton pada
2016, dan diprediksi akan menjadi 15.2 juta ton pada 2020. Hal tersebut berarti
pula menghemat devisa impor, dari sebelumnya sebesar USD 5.6 miliar pada
2015 akan menjadi USD 16.7 miliar pada 2020. Penghematan ini menjadi bagian
penting dalam membangun kedaulatan energi nasional. Pada sisi yang lain,
industri minyak sawit juga telah menciptakan ekonomi kerakyatan melalui
penggerakan roda ekonomi di pedesaan. Sejak diperkebunan hingga pengolahan
dan pemasaran, industri ini telah melibatkan sekitar 3.7 juta petani sawit dan
menyerap sekitar 20 juta tenaga kerja (PASPI 2015). Sementara itu, melalui
kebijakan yang lain seperti Permenku RI No. 128/PMK.011/2011 yang
menentukan BK CPO dan produk turunannya dibedakan antara 6%-7%, menurut
Kementerian Perindustrian RI, telah mendorong secara signifikan terjadinya
hilirisasi industri sawit nasional, dari yang semula ragam produk hilir hanya
sekitar 54 jenis pada 2011, kemudian meningkat menjadi 169 jenis pada tahun
2014 (Berlian 2015).
Secara produktivitas dan efisiensi industri, minyak sawit merupakan yang
tertinggi dari seluruh minyak nabati yang diperdagangkan di dunia. Dari 7 minyak
nabati utama yang diperdagangkan secara global, minyak sawit memiliki
produktivitas yang tertinggi yakni mencapai 3.74 ton/ha/tahun, disusul pada
urutan kedua yaitu minyak rapeseed sebesar 0.67 ton/ha/tahun, dan bunga
matahari sebesar 0.48 ton/ha/tahun pada urutan ketiga, serta minyak kedelai
sebesar 0.38 ton/ha/tahun pada urutan keempat (Al Hakim 2013).

Gambar 1.1 Perbandingan biaya produksi minyak nabati (GAPKI 2013)
Secara statistik berdasarkan grafik pada Gambar 1.1 menunjukkan bahwa
biaya produksi minyak sawit Indonesia merupakan yang paling efisien, yakni
kurang dari US$ 300 per ton atau hanya sekitar 30 hingga 40% dari biaya
produksi minyak nabati lain di beberapa negara (Drajat 2012, GAPKI 2013).
Sementara itu, biaya produksi minyak kedelai di Brasil, AS, dan Kanada
menempati urutan yang tinggi.
Produksi minyak sawit dunia selama periode 2011-2015 meningkat sebesar
18.33% dari 52.58 juta metrik ton pada 2011 menjadi 62.22 juta metrik ton pada

vi

4.21
4.22
4.23
4.24
4.25
4.26
4.27
4.28
4.29
4.30
4.31
4.32
4.33
4.34
4.35
4.36
4.37
4.38
4.39
4.40
4.41
4.42
4.43

Korelasi target dengan output simulasi model JST-BP PVIMS

111

Grafik MSE simulasi rancangan model JST-BP PVKMS

113

Struktur neuron model JST-BP PVKMS
Kinerja training, validasi dan testing model JST-BP PVKMS
Korelasi target dengan output simulasi model JST-BP PVKMS
Grafik MSE simulasi rancangan model JST-BP PVEMS
Struktur neuron model JST-BP PVEMS
Kinerja training, validasi dan testing model JST-BP PVEMS
Korelasi target dengan output simulasi model JST-BP PVEMS
Perubahan frekuensi nilai- nilai prediksi supply PMSN sepanjang periode
2016-2018
Perubahan tren nilai- nilai prediksi supply PMSN sepanjang periode
2016-2018
Perubahan frekuensi nilai-nilai prediksi demand PMSN sepanjang
periode 2016-2018
Perubahan tren nilai-nilai prediksi demand PMSN sepanjang periode
2016-2018
Konstruksi model klasifikasi dan penelusuran faktor PMSN
Struktur inferensi bertingkat FIS-Mamdani
Visualisasi simulasi inferensi model FIS tingkat pertama
Visualisasi simulasi inferensi model FIS tingkat kedua
Visualisasi simulasi inferensi model FIS tingkat ketiga
Nilai Status-Pasokan hasil simulasi model
Model generik SPD-C PMSN
Model spesifik dari model penentuan variabel dominan SPD-C PMSN
Model spesifik dari model prediksi dan deteksi SPD-C PMSN
Model spesifik dari model klasifikasi dan penelusuran faktor SPD-C
PMSN

114
115
115
118.
118
119
120
122
123
123
124
125
126
130
130
131
132
136
138
140
144

.

iv

4.42
4.43
4.44
4.45
4.46
4.47

Basis data prediksi dan hasil simulasi model JST-BP PVKMS
Variabel-variabel utama PMSN aspek “Ekspor MS”
Statistik simulasi rancangan model JST-BP PVEMS
Basis data prediksi dan hasil simulasi model JST-BP PVEMS
Nilai supply-demand periode historis, eksisting dan prediksi
Statistik penilaian kelompok pakar terhadap status pasokan “moderat” hasil
simulasi model SPD-C PMSN untuk periode prediksi 2016-2018

116
117
117
121
121
134

v

DAFTAR GAMBAR
1.1
1.2
1.3
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
3.1
3.2
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
4.20

Perbandingan biaya produksi minyak nabati
Produksi minyak sawit dunia
Rasio kepemilikan lahan sawit nasional
Diagram proses pengolahan TBS menjadi CPO dan PKO
Pohon industri pengolahan kelapa sawit
Kerangka ambang batas sebaran nilai-nilai
Metode ME-MCDM Non-Numerical
Representasi fungsi aktivasi linear
Representasi fungsi aktivasi sigmoid bipolar
Representasi fungsi aktivasi logistik sigmoid
Representasi himpunan fuzzy linear naik dan turun
Representasi himpunan fuzzy kurva segitiga
Representasi himpunan fuzzy kurva trapesium
Representasi himpunan fuzzy kurva bentuk bahu
Representasi himpunan fuzzy kurva pertumbuhan dan penyusutan
Representasiaplikasi fungsi implikasi min
Representasiaplikasi fungsi implikasi dot
RepresentasiinferensimetodeTsukamoto
Kerangka pemikiran pemodelan SPD-C PMSN
Tahapan pengembangan model sistem (Sage 2011)
Mekanisme operasi sistem PMSN
Komponen model sistem konseptual SPD-C PMSN
Konseptual model SPD-C PMSN
Konstruksi model SPD-C PMSN
Konstruksi model prediksi dan deteksi PMSN
Diagram proses penentuan variabel dominan PMSN
Periode waktu analisis (periodesasi)
Nilai-nilai threshold SCDA frekuensi supply PMSN
Nilai-nilai threshold SCDA tren supply PMSN
Nilai-nilai threshold SCDA frekuensi demand PMSN
Nilai-nilai threshold SCDA tren demand PMSN
Ilustrasi pengklasifikasian model prediksi
Arsitektur jaringan model prediksi

2
3
4
8
11
20
26
31
31
32
33
33
34
35
35
37
37
38
46
47
54
55
58
59
74
75
77
78
79
79
80
81
84

Grafik MSE simulasi rancangan model JST-BP PVPMS

104

Struktur neuron model JST-BP PVPMS
Kinerja training, validasi dan testing model JST-BP PVPMS
Korelasi target dengan output simulasi model JST-BP PVPMS

104
106
106

Grafik MSE simulasi rancangan model JST-BP PVIMS

109

Struktur neuron model JST-BP PVIMS
Kinerja training, validasi dan testing model JST-BP PVIMS

109
110

iii

DAFTAR TABEL

4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
4.22
4.23
4.24
4.25
4.26
4.27
4.28
4.29
4.30
4.31
4.32
4.33
4.34
4.35
4.36
4.37
4.38
4.39
4.40
4.41

Hasil uji statistik korelasi kandidat faktor-faktor PMSN
Skala penilaian
Penilaian kepentingan kriteria dan negasinya
Hasil penilaian kandidat faktor-faktor setiap kriteria dari setiap pakar
Hasil nilai agregat kriteria setiap penilaian pakar
Hasil penilaian agregat seluruh kriteria dari seluruh pakar
Keterpilihan variabel utama sistem PMSN
Variabel-variabel dominan PMSN
Perbandingan nilai threshold maksimum periode prediksi 2013-2015 dan
2016-2018 hasil model SCDA dengan temuan lapang
Statistik hasil percobaan rancangan model prediksi (X1 1 )
Hasil simulasi model prediksi (X1 1 )
Statistik hasil percobaan rancangan model prediksi (X1 2 )
Hasil simulasi model prediksi (X1 2 )
Statistik hasil percobaan rancangan model prediksi (X1 3 )
Hasil simulasi model prediksi (X1 3 )
Statistik hasil percobaan rancangan model prediksi (X1 4 )
Hasil simulasi model prediksi (X1 4 )
Statistik hasil percobaan rancangan model prediksi (X1 5 )
Hasil simulasi model prediksi (X1 5 )
Statistik hasil percobaan rancangan model prediksi (X1 6 )
Hasil simulasi model prediksi (X1 6 )
Statistik hasil percobaan ranangan model prediksi (X2 1 )
Hasil simulasi model prediksi (X2 1 )
Statistik hasil percobaan ranangan model prediksi (X2 2 )
Hasil simulasi model prediksi (X2 2 )
Statistik hasil percobaan ranangan model prediksi (X3 1 )
Hasil simulasi model prediksi (X3 1 )
Statistik hasil percobaan ranangan model prediksi (X3 4 )
Hasil simulasi model prediksi (X3 4 )
Statistik hasil percobaan ranangan model prediksi (X4 4 )
Hasil simulasi model prediksi (X4 4 )
Statistik hasil percobaan ranangan model prediksi (X4 5 )
Hasil simulasi model prediksi (X4 5 )
Variabel-variabel utama PMSN aspek “Produksi MS”
Statistik simulasi rancangan model JST-BP PVPMS
Basis data prediksi dan hasil simulasi model JST-BP PVPMS
Variabel-variabel utama PMSN aspek “Impor MS”
Statistik simulasi rancangan model JST-BP PVIMS
Basis data prediksi dan hasil simulasi model JST-BP PVIMS
Variabel-variabel utama PMSN aspek “Konsumsi MS”
Statistik simulasi rancangan model JST-BP PVKMS

65
68
68
69
70
71
72
72
81
89
90
90
91
91
92
92
93
92
94
94
95
95
96
96
97
98
98
99
99
101
101
102
102
103
103
107
107
108
112
112
113

vii

DAFTAR LAMPIRAN

1.
2.
3.

Data Training Model JST-BP PVPMS
Data Training Model JST-BP PVIMS
Data Training Model JST-BP PVKMS
4. Data Training Model JST-BP PVEMS
5. Kuesioner Penilaian Korelasi Antar Dua Variabel
6. Rule Base Fuzzy Inference System
7. Validasi Rule Inferensi FIS Tingkat Pertama
8. Rule Inferensi dan Validasi Rule Inferensi FIS Tingkat Kedua
9. Validasi Rule Inferensi FIS Tingkat Ketiga
10. Posisi Penelitian
11. Kuesioner Validasi Rule Base

156
157
158
159
160
168
169
170
171
172
173

3

2015, yang berarti pertahun rata-rata hanya meningkat 3.67%. Sedangkan
konsumsinya, pada periode yang sama, meningkat sebesar 23.90% dari 50.47 juta
metrik ton pada 2011 menjadi 62.53 juta metrik ton pada 2015, yang berarti ratarata meningkat pertahun sebesar 4.78%. Pada sisi yang lain, share minyak sawit
terhadap minyak nabati dunia juga terus mengalami peningkatan baik dari aspek
produksi maupun konsumsi. Pada 2015, dari total 186.4 juta ton pasokan minyak
dan lemak nabati global, minyak sawit menempati urutan terbesar pertama dari
tujuh kelompok sumber minyak dan lemak nabati, yakni sebesar 32%, kemudian
disusul kedelai (soybean) sebesar 22.4%, bunga canola (rapeseed) 13.1%, bunga
matahari (sunflower) 7.9%, biji kapas (cotton) 2.7%, kacang tanah (groundnut)
2.2%, dan lain- lain sebesar 19.7%. Minyak sawit juga menguasi 55.9% pangsa
pasar minyak dan lemak nabati perdagangan global (USDA 2015).

Gambar 1.2 Produksi minyak sawit dunia 2015 (USDA 2015)
Menurut USDA (2015) ekspor minyak sawit nasio nal ke pasar dunia
mencapai 53% sedangkan Malaysia hanya 33% sementara itu Thailand 3%,
Colombia 2% dan Nigeria 1% serta 8% sisanya adalah gabungan dari negeranegara dengan tingkat ekspor yang relatif kecil (Gambar 1.2).
Sejak tahun 2006, Indonesia berhasil menggeser posisi Malaysia sebagai
produsen sekaligus eksportir minyak sawit terbesar di dunia, lebih cepat dari yang
diproyeksikan semula, yaitu tahun 2010. Peran Indonesia sebagai produsen
minyak sawit dunia setelah itu terus meningkat tajam menjadi 44.3% pada 2008,
sejalan dengan pesatnya pertumbuhan produksi yang tumbuh rata-rata 9.1% per
tahun. Sebaliknya peran Malaysia turun secara tajam dari 49.8% pada tahun 2000
menjadi 40.9% pada tahun 2008 (Miranti, 2010). Demikian pula sisi ekspor, pada
2011 industri minyak sawit nasional berhasil membukukan ekspor sebesar 18.45
juta ton atau 63% dari total supply CPO domestik (Purba 2011), yang kemudian
meningkat lagi sebesar 10.41% menjadi 20.37 juta ton pada 2012. Sementara itu
pada periode yang sama, ekspor industri minyak sawit Malaysia hanya sebesar
17.79 juta ton atau meningkat 5.33% dari tahun sebelumnya sebesar 17.59 juta ton
(USDA 2015, diolah). Prestasi sebagai produsen sekaligus eksportir terbesar
dunia bagi industri minyak sawit nasional sungguh menggembirakan. Akan tetapi,
kegembiraan ini ternyata juga menyimpan sebagian keprihatinan. Dibandingkan
dengan industrri sawit Malaysia, setidaknya ada dua alasan yang mendasari
keprihatinan ini. Pertama, produktivitas industri minyak sawit nasional masih
kalah. Kini produktivitas industri minyak sawit Malaysia telah mencapai 5
ton/ha/tahun, sedangkan produktivitas minyak sawit nasional hanya sebesar 3.2
ton/ha/tahun (Musta’idah 2014). Kedua, di dalam negeri, Malaysia mampu
mengolah minyak sawit lebih banyak menjadi produk turunan dari pada
Indonesia. Malaysia kini mampu mengolah hampir 90% dari total produksi
minyak sawit yang dimilikinya, selebihnya sekitar 10% digunakan untuk

4
memenuhi ekspor. Sementara itu, Indonesia justeru menggunakan sekitar 59.38%
untuk memenuhi ekspor, dan sisanya hanya sekitar 41.62% yang mampu diolah di
dalam negeri (Ditjenbun 2015, diolah). Merupakan sebuah perbandingan yang
sangat kontras hingga Industri sawit Malaysia mampu memperoleh jauh lebih
banyak nilai tambah di dalam negerinya di banding industri sawit Indonesia.
Utilisasi ekspor minyak sawit nasional yang begitu tinggi disamping
mereduksi potensi pendapatan nilai tambah di dalam negeri, rentan menghadapi
gangguan. Isu- isu internasional dalam bentuk revisi pajak ekspor (PE) negaranegara eksportir seperti Malaysia, penerapan pajak impor (PI) diskriminatif oleh
negara pengimpor seperti India, maupun isu- isu gencarnya kampanye
penyelamatan lingkungan oleh para aktivis LSM di Amerika Serikat dan Uni
Eropa (seperti Greenpeace, Robin Wood, WWF, Environmental Protection
Agency/EPA), merupakan beberapa contoh faktor- faktor yang dapat memicu
persoalan kerentanan gangguan arus ekspor. Malaysia yang melanggar
kesepakatan dengan Indonesia berencana menerapkan PE hingga 0% secara
bertahap dan telah dimulai sejak Januari 2013. Sementara itu, isu black campaign
yang belum terbukti secara ilmiah (Suswono 2012) dari para LSM Eropa telah
pula menggerus pasar minyak sawit nasional yang sensitif terhadap perubahan
harga terutama pasar India (Bachroeny 2013) maupun pasar Eropa yang telah
berubah menjadi importir terbesar minyak sawit nasional sejak 2008.

Gambar 1.3 Rasio kepemilikan lahan sawit nasional (Ditjenbun 2013)
Gambar 1.3 memperlihatkan bahwa di sisi lain dari total 9,074,621 ha
lahan sawit nasional yang tercatat pada tahun 2012 adalah terdiri dari perkebunan
nasional (PBN) seluas 3,773,526 ha, perkebunan rakyat (PR) seluas 683,227 ha
dan perkebunan besar swasta (PBS) seluas 4,617,868. Ironisnya, PBS swasta yang
menguasai 51% lahan dengan share produksi mencapai 52.93% terhadap produksi
nasional, 50 persennya merupakan perusahaan asing yang dimiliki oleh Malaysia,
Singapura, Amerika Serikat, Belgia, dan Inggris, seperti: Wilmar Group, Cargil,
Sime Derby, dan lain- lain (PTPN VIII 2014). Dominasi kepemilikan asing
disektor industri sawit hulu, sebagai penghasil minyak sawit nasional, membawa
dampak kesulitan tersendiri. Apapun regulasinya, jika investasi industri hilir asing
didalam negeri tidak menarik, maka arus ekspor minyak sawit nasional akan sulit
dicegah.
Pengalaman akan dampak terjadinya krisis ekonomi dunia periode 19971998 yang menekan nilai rupiah hingga ke titik nadir, turut memberikan andil
besar terhadap kisruh pasokan domestik minyak sawit nasional. Keadaan ini
berdampak pada berkurangnya ketersediaan CPO untuk bahan baku industri
minyak goreng domestik dan juga mengakibatkan kenaikan harga riel minyak
goreng domestik yang cukup tinggi terutama pada kurun waktu 1998-2004 (Purba

5

2011). Pada satu sisi, ketika berbagai aspek perekonomian menunjukkan kondisi
memburuk (peningkatan inflasi tak wajar, peningkatan pengangguran, penurunan
tingkat pendapatan, timbulnya kerusuhan di berbagai tempat, dan lain- lain)
mengakibatkan operasi industri di dalam negeri mengalami banyak kesulitan,
akan tetapi pada sisi yang lain justeru memberikan peluang besar bagi industri
berbasis sumberdaya alam untuk memperluas pangsa pasarnya melalui ekspor.
Hal ini menimbulkan dorongan aksi ekspor minyak sawit nasional secara besarbesaran oleh para eksportir untuk meraih keuntungan. Hal ini kemudian
menurunkan volume pasokan secara drastis hingga akhirnya industri pengolahan
di dalam negeri kesulitan pasokan (shortage), seperti industri minyak goreng yang
menghasilkan salah satu bahan pokok. Efek domino yang ditimbulkan selanjutnya
adalah melambungnya harga minyak sawit hingga lebih dari 300% dalam tempo
kurang dari 3 bulan (Salya 2006). Tentu saja jika aksi ekspor masif ini dapat
dicegah, maka kecukupan pasokan minyak sawit bagi industri pengolah di dalam
negeri tidak terganggu akibat dampak krisis ekonomi tersebut.
GAPKI (2014) melaporkan bahwa ekspor minyak sawit nasional tertekan
sepanjang Januari 2014, hal ini karena disamping terjadi peningkatan produksi
pada akhir tahun lalu, juga karena terjadi stok minyak nabati yang melimpah di
beberapa negara produsennya, seperti Malaysia, Brazil, Paraguay dan Canada.
Brazil dan Paraguay mencatat kenaikan panen kedelai, yang meningkat sesuai
harapan menyusul berakhirnya masa kekeringan di kedua negara tersebut.
Menurut laporan FAO, stok rapeseed di Canada juga melimpah karena ekspor
yang melambat diikuti oleh stok biji bunga matahari di region Laut Hitam yang
juga tercatat melimpah. Stok minyak nabati yang melimpah di dunia berdampak
pada penurunan ekspor minyak sawit dan turunannya asal Indonesia. Menurut
GAPKI (2014), total ekspor minyak sawit dan turunannya pada Januari 2014
tercatat hanya mencapai 1.57 juta ton yang berarti turun sebesar 454.6 ribu ton
atau 22.5% dari bulan sebelumnya yang mencapai 2.02 juta ton. Lebih lanjut dari
sisi harga, harga rata-rata pada Januari 2014 juga tertekan dan mengalami
penurunan sekitar 5% menjadi US$ 865 per metrik ton dari sebelumnya US$
909.6 per metrik ton pada Desember lalu. Hal ini menggambarkan bahwa betapa
ada persoalan potensi oversupply, jika tidak dilakukan langkah- langkah cerdas
yang mendorong hilirisasi minyak sawit nasional. Akan tetapi mendorong
hilirisasi tidaklah bisa sekonyong-konyong melainkan memerlukan perhitungan
dan persiapan secara cermat, hal ini menyangkut keberlanjutannya dimasa
mendatang.
Minyak sawit, yang kaya akan nutrien sehingga menghasilkan variasi
produk tururnan penting yang luas bagi kebutuhan rutin masyarakat, operasi
industrinya menjadi penopang pendapatan devisa negara dan perekonomian
rakyat, dan tingkat produktivitas maupun efisiensinya yang tinggi dalam industri,
telah menempatkannya sebagai komoditi minyak nabati yang strategis baik di
tingkat dunia maupun nasional. Pada tingkat dunia, tumbuhnya peran minyak
sawit dalam mensubstitusi minyak nabati lain yang lebih rentan terhadap
gangguan iklim maupun minyak fosil yang cadangannya terus menipis, dibarengi
dengan meningkatkannya permintaan akibat pertumbuhan penduduk dunia,
menunjukan bahwa minyak sawit kedepan akan semakin strategis. Demikian pula
di dalam negeri, arah kebijakan industri minyak sawit yang menuju hilirisasi
untuk meningkatkan nilai tambah dan memperkuat struktur industri dalam

6
perekonomian nasional, juga semakin menguatkan keyakinan bahwa di dalam
negeripun minyak sawit kedepan akan semakin strategis. Akan tetapi masih
terbatasnya penyerapan utilisasi domestik yang mendorong orientasi utilisasi
ekspor minyak sawit nasional demikian mendominasi, menjadikannya persoalan
PMSN tersendiri. Ketidakpastian operasi industri substitusinya di dunia akibat
pengaruh perubahan iklim turut mempengaruhi kapasitas pasokan ekspor minyak
sawit nasional. Apalagi dengan adanya penguasaan asing atas PBS dalam negeri
yang sangat besar, maka akan menambah kerumitan dalam mengelola kuantitas
pasokan minyak sawit nasional. Pengalaman juga menunjukan, bahwa pernah
terjadi shotage dan bahkan kini tengah dirasakan munculnya feno mena oversupply
ditandai dengan melimpahnya pasokan minyak nabati di beberapa negara
produsennya. Dengan demikian betapa pentingnya menyediakan instrumen sistem
peringatan dini pasokan minyak sawit nasional (PMSN). Adapun penelitianpenelitian terkait minyak sawit dan pengambilan keputusan yang pernah
dilakukan adalah SPK untuk Perencanaan Industri Pengolah Batang Kelapa Sawit
(Dwiastri 2011), analisis peramalan ekspor dan produksi CPO (Ramadhan 2011),
Rekayasa model sistem deteksi dini perniagaan minyak goreng kelapa sawit
(Salya 2006). Namun, penelitian tentang sistem peringatan dini pasokan minyak
sawit nasional belum pernah dilakukan.
Pemodelan sistem peringatan dini cerdas pasokan minyak sawit nasional
(SPD-C PMSN) diusulkan sebagai instrumen penentuan kebijakan pengendalian
PMSN. SPD-C PMSN dimodelkan melalui pendekatan sistem, menggunakan
metode adaptif teknik-teknik statistik dan kecerdasan komputasi serta melibatkan
pakar. Elaborasi ini diharapkan menghasilkan sinergi terhadap keterbatasan yang
ada pada masing- masing teknik. Pendekatan sistem dipilih karena berorientasi
pada tujuan, bersifat holistik dan menekankan efektivitas (Eriyatno 2003 dan
Marimin 2005). Sementara itu, teknik-teknik statistik konvensional, efektif untuk
mengarahkan proses identifikasi elemen-elemen sistem. Sedangkan pendekatan
pakar dan teknik-teknik kecerdasan akan memberikan reasoning melalui
experience, exercise, dan expertise-nya yang lebih mendalam terhadap munculnya
faktor- faktor ketidakpastian. SPD-C PMSN didedikasi untuk menggambarkan
pergerakan nilai- nilai pasokan pada periode historis dan eksisting, menghasilkan
nilai- nilai prediksi simulasi model, membangun kerangka threshold adaptif
melalui peta pergerakan nilai- nilai pasokan ketiga periode tersebut sebagai sarana
mendapatkan nilai-nilai input pendeteksian kondisi prediksi, menghasilkan
informasi klasifikasi kondisi status kondisi pasokan, dan menghasilkan informasi
hasil penelusuran klasifikasi status pasokan, serta notifikasi peringatan dan
rekomendasinya.
Tujuan Penelitian

Tujuan dari penelitian ini adalah menghasilkan model S istem Peringatan
Dini Cerdas Pasokan Minyak Ssawit Nasional (SPD-C PMSN) yang
mengintegrasikan model penentuan variabel dominan, model prediksi dan deteksi,
dan model klasifikasi status pasokan minyak sawit nasional.

7

Manfaat Penelitian

Penelitian ini akan memberikan manfaat kepada berbagai pihak baik secara
langsung maupun tidak langsung. Adapun beberapa manfaat yang dapat diuraikan
antara lain :
1.
Bermanfaat bagi perkembangan ilmu pengetahuan, khususnya
dibidang manajemen persediaan pasokan minyak sawit dalam bentuk
sumbangan kebaruan yang akan mengkonfirmasi, memodifikasi serta
melengkapi teori-teori yang telah ada.
2.
Seluruh stakeholder industri minyak sawit nasional, utamanya
pemerintah sebagai pengambil kebijakan dalam bentuk dukungan
instrumentasi pengambilan kebijakan yang terkait dengan pasokan
minyak sawit nasional, masyarakat industri minyak sawit nasional
dalam bentuk dorongan stabilitas pasokan minyak sawit nasional yang
akan berdampak stabilitas harga maupun kepastian operasi industri.

Ruang Lingkup Penelitian

Ruang lingkup penelitian pemodelan SPD-C PMSN, mencakup tentang
studi:
1.

2.
3.
4.
5.

6.
7.

Menentukan faktor-faktor atau variabel- variabel dominan PMSN, yang
diawali dengan studi pustaka, kemudian dilanjutkan dengan pengujian
statistik korelasi pearson dan penilaian kelompok pakar yang
diagregasi menggunakan teknik multi-expert multi-criteria decision
making non-numerical (MEMCDM Non-Numerical).
Pengumpulan data historikal dari kandidat-kandidat untuk digunakan
dalam dalam pengujian statistik korelasi pearson.
Membuat instrumentasi penilaian kandidat-kandidat variabel dan
mengagregasi hasil penilaian kelompok pakar.
Mengembangkan dan mensimulasikan model prediksi PMSN
Mengembangkan dan mensimulasikan model kerangka ambang batas
PMSN dan memetakan nilai- nilai data periode historis, eksisting, dan
prediksi kedalam model tersebut, untuk mendapatkan nilai-nilai input
inferensi berupa frekuensi dan tren PMSN
Mengembangkan dan mensimulasikan model inferensi untuk
menentukan kesimpulan kondisi PMSN
Mengembangkan dan mensimulasikan model penelusuran dan
penentuan alternatif rekomendasi solusi kebijakan atas hasil simulasi
model inferensi.

8

2

TINJAUAN PUSTAKA

Industri Kelapa Sawit

Secara umum pengolahan TBS menjadi CPO melalui 4 tahap pemrosesan,
yaitu pemisahan brondol (buah kelapa sawit) dari janjangnya, proses pencacahan
dan pelumatan daging kelapa sawit, pengepresan, dan pemurnian minyak.
Sedangkan pengolahan kelapa sawit menjadi PKO melalui proses pemisahan
brondol dengan janjang, pencacahan dan pelumatan daging, pengepresan,
pemisahan serabut dengan inti dan pemisahan cangkang dengan inti (Alouisci,
2011). Merujuk pada proses diatas, maka pengolahan TBS menjadi CPO dan PKO
dapat digambarkan seperti dalam diagram Gambar 2.1.

Gambar 2.1 Diagram proses pengolahan TBS menjadi CPO dan PKO
Proses pengolahan TBS menjadi CPO dan PKO sebagaimana ditunjukkan
dalam Gambar 2.1 memperlihatkan bahwa proses pengolahan tersebut melalui
tiga tahapan besar yaitu sebagai berikut:
1.
Pemisahan Brondol dari Janjangnya
Proses pemisahan brondol dari janjangnya diawali dengan penimbangan
(weight bridge) dan dilanjutkan perebusan (sterilisasi) dan penebahan (stripping).
a.
Penimbangan dengan Weight Bridge.
Buah kelapa sawit yang berasal dari tandan buah segar (TBS) setelah
tiba di pabrik kemudian di pindahkan ke lori–lori dan selanjutnya ditimbang
di weight bride untuk mengetahui berat tandan buah segar yang di terima.

9

b.

2.

Perebusan (Sterilization).
Tahap sterilisasi dilakukan dengan memberikan steam/uap pada
tandan dalam suatu alat sterilizer berupa autoclave besar. TBS dimasukkan
ke dalam lori–lori rebusan yang terbuat dari plat baja berlubang–lubang dan
dikirim ke sterilizer yang merupakan bejana perebusan dengan mengalirkan
uap air bertekanan antara 2,5-3,0 kg/cm2, dengan adanya lubang–lubang
pada badan lori, uap masuk dan dapat merebus buah secara merata. Proses
perebusan ini untuk membunuh enzim–enzim yang akan menurunkan
kualitas minyak dan juga memudahkan buah terlepas dari tandan. Perebusan
umumnya berlangsung 80–90 menit dengan uap 280-290 kg/ton TBS.
Sterilisasi bertujuan untuk merusak enzim lipotilik agar mencegah
perkembanga