Rancangbangun model penyediaan tepung jagung pada rantai pasok industri berbasis jagung
RANCANGBANGUN
MODEL PENYEDIAAN TEPUNG JAGUNG PADA RANTAI
PASOK INDUSTRI BERBASIS JAGUNG
Dorina Hetharia
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2012
(2)
(3)
PERNYATAAN MENGENAI DISERTASI
DAN SUMBER INFORMASI
Dengan ini saya menyatakan bahwa disertasi yang berjudul
RANCANGBANGUN MODEL PENYEDIAAN TEPUNG JAGUNG
PADA RANTAI PASOK INDUSTRI BERBASIS JAGUNG
merupakangagasan dan hasil penelitian saya dengan arahan komisi pembimbing, kecuali yang dengan jelas ditunjukkan rujukannya. Disertasi ini belum pernah diajukan untuk memperoleh gelar pada program sejenis di perguruan tinggi lain. Semua sumber data dan informasi yang digunakan telah dinyatakan secara jelas dan dapat diperiksa kebenarannya. Sumber informasi yang 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.
Bogor, Januari 2012
Dorina Hetharia F361040091
(4)
(5)
ABSTRACT
DORINA HETHARIA
. A
Design of Corn Flour Supply Model in A CornSupply Chain. Supervised by M. SYAMSUL MA’ARIF, YANDRA
ARKEMAN, and TITI CANDRA S.
Corn flour as one of the types of products made from corn is an intermediate product. This product is a product that can be consumed directly, can also be used as raw materials of food industry, raw material of feed industry, and raw material of other industries. Corn flour industry is a part of the corn supply chain. The structure of the corn supply chain consists of the centers of corn, traders or collectors, corn flour industry, and users.In the supply chain, the corn flour industry is quite a role as an industry that provides the raw material for food industry, feed industry and other processed industry continuity. To ensure the continuity of the flow of goods in the supply chain, the industry needs to provide the quantity of cornflour with good quality according to consumer demand. As an industry that provided corn flour, it needed to obtain supplies of dry shelled corn from corn gatherers or corn traders. Provision of quantity and quality supply of corn from the centers of corn and collectors were very influential on the corn flour that produced by the corn flour industry.The quantity and the quality of products according to demand be supplied by the corn flour industry. This research was intended to design model that provided the quantity and the quality of corn flour to meet consumer demand. This model consists the prediction of maize production model, the shelled corn quality classification model, the corn flour quality clustering model, and the prediction of corn flour consumers demand model. Artificial neural networks and statistical forecasting methods were used for the prediction of maize production and the prediction of corn flour demand. Fuzzy inference system was used for the shelled corn quality classification and the corn flour quality clustering. Analysis of the implementation of the model produced some policies to ensure the continuity of the flow of goods in the corn supply chain. Keywords: corn flour industry, artificial neural network, prediction model, fuzzy
(6)
(7)
RINGKASAN
DORINA HETHARIA
.
Rancangbangun Model Penyediaan Tepung JagungPada Rantai Pasok Industri Berbasis Jagung. Dibimbing oleh M. SYAMSUL
MA’ARIF, YANDRA ARKEMAN, dan TITI CANDRA S.
Industri tepung jagung sebagai salah satu agroindustri merupakan bagian dari rantai pasokan berbasis jagung. Industri ini menggunakan bahan baku jagung pipilan yang diproses menjadi tepung jagung (corn flour) melalui proses pengolahan cara kering. Sebagai industri antara yang memproduksi tepung jagung, industri ini akan menyediakan produk yang akan dikonsumsi langsung, dan menyediakan bahan baku bagi industri hilirnya. Jumlah dan mutu tepung jagung yang diproduksi industri ini tergantung dari jumlah dan mutu bahan baku berupa jagung pipilan yang diperoleh dari pengumpul. Sedangkan jumlah dan mutu jagung pipilan tergantung dari produksi jagung di tingkat petani. Dapat dikatakan bahwa penyediaan jumlah dan mutu tepung jagung untuk memenuhi permintaan konsumen tergantung dari produksi jagung. Produktivitas jagung yang rendah di Indonesia mengakibatkan kebutuhan bahan baku bagi industri pengolahan jagung masih belum dapat dipenuhi oleh petani lokal. Hal ini mengakibatkan dibutuhkannya impor jagung sebagai bahan baku industri dari negara produsen jagung lainnya.
Dari berbagai jenis produk yang dapat dihasilkan komoditi jagung ini, tepung jagung merupakan jenis produk yang cukup penting. Hal ini karena tepung jagung merupakan produk antara multiguna yang dapat dijadikan sebagai bahan baku industri pangan, bahan baku pakan, dan sebagai bahan baku industri lainnya. Pengelolaan industri tepung jagung ini tidak terlepas dari rantai pasok agroindustri jagung. Penyediaan jumlah dan mutu pasokan jagung mulai dari petani dan pengumpul sangat berpengaruh terhadap jumlah dan mutu tepung jagung yang diproduksi. Selanjutnya jumlah dan mutu tepung jagung sebagai bahan baku akan berpengaruh pada jumlah dan mutu produk pada industri hilirnya.
Selain jumlah bahan baku, mutu tepung jagung pun harus memenuhi standar yang ditetapkan, agar dapat memuaskan konsumennya. Standar Nasional Indonesia telah menetapkan syarat mutu tepung jagung yang harus dipenuhi oleh produsen tepung jagung yakni SNI 01-3727-1995. Syarat mutu tersebut meliputi 13 kriteria uji secara fisik maupun kimia. Mutu tepung jagung sebagai produk antara dipengaruhi oleh mutu bahan baku dan oleh tahapan-tahapan pada proses sebelumnya. Demikian pula mutu jagung pipilan harus memenuhi standar mutu yang ditetapkan sesuai SNI 01-3920-1995. Karakteristik mutu tepung jagung sebagai bahan baku pada industri hilir sangat diperlukan untuk menjamin mutu produk yang dihasilkan industri tersebut, dimana karakteristik mutu tepung jagung yang dibutuhkan oleh industri hilir berbeda-beda sesuai jenis industri, baik industri pangan, industri pakan, atau industri lainnya.Masalah yang dihadapi oleh industri tepung jagung adalah bagaimana industri ini dapat memenuhi kebutuhan konsumennya yaitu dengan menyediakan produk tepung jagung menurut jumlah yang dibutuhkan dan mutu yang memenuhi standar.
(8)
Penelitian ini bertujuan untuk merancangbangun model penyediaan tepung jagung pada rantai pasok industri berbasis jagung. Penyediaan tepung jagung ditinjau dari jumlah dan mutu tepung jagung. Dari model ini akan diperoleh kebijakan-kebijakan untuk mengatasi permasalahan yang terjadi.
Kesulitan memprediksi produksi jagung pada periode tertentu oleh pedagang pengumpul mengakibatkan tidak dapat diperkirakan berapa banyak jagung yang dapat dipasok dari petani. Hal ini menyebabkan kesulitan dalam mengatur perencanaan tentang jumlah bahan baku yang dapat dipasok kepada industri jagung. Kemungkinan terjadinya kekurangan pasokan sehingga kesempatan untuk memperoleh keuntungan akan hilang, dan industri jagung akan membeli dari pihak lain atau mengimpor bahan baku dari negara luar. Tidak adanya prediksi tersebut juga dapat mengakibatkan kelebihan stock jagung yang apabila disimpan dapat menurunkan mutunya bahkan dapat rusak. Sehingga peramalan untuk memprediksi produksi jagung sangat diperlukan untuk mengatasi permasalahan itu. Kemudahan memperoleh pasokan jagung dari petani belum dirasakan oleh para pedagang pengumpul secara merata sehingga berakibat pada penyediaan produk jagung yang akan dipasarkan. Demikian pula halnya dengan kontinuitas pasokan jagung dari petani belum dapat dipenuhi menjadi permasalahan bagi pedagang pengumpul. Kesulitan memperoleh bahan baku secara kontinu yang memenuhi jumlah dan mutu yang ditentukan merupakan masalah bagi industri tepung jagung, karena akan mempengaruhi kontinuitas produksi. Selain jumlah jagung pipilan yang dapat dipasok dari petani belum dapat diprediksi, mutu jagung pipilan yang diperoleh juga sangat bervariasi. Bervariasinya mutu jagung tersebut akibat penggunaan bibit yang bervariasi, cara penanganan produksi yang belum merata, serta cara penanganan panen dan pasca panen yang tidak merata..
Sebagai produk antara atau intermediate product, mutu tepung jagung ditentukan oleh tahapan-tahapan pada proses sebelumnya, bahan baku, serta budidaya tanaman jagung. Dengan kata lain, mutu tepung jagung ditentukan oleh terjaminnya mutu produk pada tingkat awal yakni pada tingkat petani. Bervariasinya mutu bahan baku berupa jagung pipilan yang telah melalui perjalanan dari petani, pengumpul hingga ke pabrik dapat menurunkan mutunya.
Model penyediaan tepung jagung pada rantai pasokan industri berbasis jagung terdiri atas beberapa sub model. Sub model yang dirancang adalah sub model prediksi produksi jagung, sub model pengelompokan mutu jagung pipilan, sub model pengelompokan mutu tepung jagung, dan sub model prediksi permintaan tepung jagung.
Model prediksi jumlah produksi jagung diperlukan dalam model ini, agar dapat memprediksi jumlah jagung pipilan sebagai bahan baku untuk diolah pada pabrik tepung jagung. Model prediksi produksi jagung yang dirancang menggunakan jaringan syaraf tiruan dan perhitungan secara statistika. Model peramalan yang digunakan untuk memprediksi produksi jagung adalah model kausal. Dari sisi on-farm dapat dikatakan bahwa jumlah produksi jagung tidak sepenuhnya dipengaruhi oleh jumlah produksi pada periode-periode sebelumnya. Produksi jagung dipengaruhi oleh beberapa faktor antara lain penggunaan bibit, pemanfaatan lahan, pemupukan secara tepat, pengendalian hama dan penyakit, pengairan, curah hujan, dan
(9)
penanganan proses panen. Dalam model ini variabel input yang digunakan adalah luas panen (ha) dan curah hujan (mm), sedangkan variabel output adalah jumlah produksi jagung (ton per bulan).
Model pengelompokan mutu jagung pipilan bertujuan untuk mengelompokkan mutu jagung pipilan sebagai bahan baku industri pengolahan jagung. Dalam agroindustri berbasis jagung seperti industri farmasi, pangan, dan pakan, tuntutan konsumen terhadap mutu merupakan hal utama. Selain mutu secara fungsional keamanan pangan juga merupakan hal penting karena menyangkut kesehatan baik manusia maupun hewan. Variabel input dalam model ini adalah kadar air, butir rusak, butir pecah, dan kotoran. Sedangkan variabel output adalah Mutu 1, Mutu 2, dan Mutu 3. Pengelompokan mutu dalam model ini menggunakan fuzzy inference system
dengan model Sugeno.
Model pengelompokan mutu tepung jagung bertujuan untuk mengelompokkan mutu tepung jagung sebagai hasil produksi industri tepung jagung. Permintaan industri farmasi, industri pangan, dan industri pakan sebagai industri pengguna tepung jagung tidak hanya berdasarkan jumlah yang dibutuhkan namun mutu juga merupakan hal yang penting. Tuntutan standar mutu yang ketat adalah industri farmasi, selanjutnya pangan dan pakan. Kandungan aflatoksin diharapkan tidak ada pada industri farmasi, demikian pula industri pangan dan industri pakan memiliki standar tertentu. Berdasarkan hal ini, maka mutu tepung jagung akan dikelompokkan atas 3 kelompok yakni Grade 1, Grade 2 dan Grade 3. Mutu tepung jagung Grade 1 diperuntukkan bagi industri farmasi, Grade 2 untuk industri pangan, dan Grade 3 untuk industri pakan. Pengelompokan ini dilakukan berdasarkan kriteria uji sebagai karakteristik pembeda tepung jagung. Pengelompokan mutu tepung jagung dalam model ini menggunakan fuzzy inference system dengan model Sugeno.
Agar dapat menyediakan jumlah tepung jagung yang harus diproduksi oleh industri tepung jagung, maka diperlukan prediksi permintaan tepung jagung. Hal ini diperlukan agar tidak terjadi produksi yang tidak memenuhi permintaan atau produksi yang berlebihan. Data yang digunakan dalam model prediksi ini adalah data time series. Alat analisis dalam model prediksi permintaan tepung jagung adalah jaringan syaraf tiruan dan metode peramalan statistikal.
Hasil dari model prediksi produksi jagung menunjukkan bahwa penggunaan jaringan syaraf tiruan lebih akurat dari pada metode peramalan menggunakan model regresi. Hasil ini mengkonfirmasi beberapa penelitian antara lain: penelitian oleh Nam dan Schaefer (1995), Setyawati (2003), Zhang et al. (2004), Erdinç dan Satman (2005), Bhuvanes et al. (2007), Azadeh et al. (2008), Ferreira et al. (2011). Penelitian-penelitian tersebut menyimpulkan bahwa jaringan syaraf tiruan memberikan hasil yang lebih akurat.
Saran untuk penelitian selanjutnya adalah model ini dapat dikembangkan dan dapat dilengkapi dengan sistem pendukung keputusan yang dapat membantu pengambil keputusan melakukan antisipasi dalam masalah penyediaan tepung jagung untuk memenuhi permintaan industri pengguna tepung jagung. Model ini dapat disempurnakan dengan mengintegrasikan semua komponen dalam rantai pasok dalam suatu analisis rantai pasok industri berbasis jagung secara menyeluruh.
(10)
(11)
©
Hak cipta milik Institut Pertanian Bogor, tahun 2012
Hak Cipta dilindungi Undang-Undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber.
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah.
b. Pengutipan tidak merugikan kepentingan yang wajar
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB.
(12)
(13)
RANCANGBANGUN
MODEL PENYEDIAAN TEPUNG JAGUNG PADA RANTAI
PASOK INDUSTRI BERBASIS JAGUNG
DORINA HETHARIA
Disertasi
Sebagai salah satu syarat untuk memperoleh gelar Doktor pada Program Studi Teknologi Industri Pertanian
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2012
(14)
Ujian Tertutup : 27 Januari 2012
Penguji Luar Komisi : 1. Dr. Ir. Sutrisno, M.Agr.
2. Dr. Eng. Taufik Djatna, STP, MSi Ujian Terbuka : 30 Januari 2012
Penguji Luar Komisi : 1. Prof.Dr. Ir. Dadan Umar Daihani, DEA 2. Dr. Ir. Liesbetini Hartoto, MS
(15)
Judul Disertasi : Rancangbangun Model Penyediaan Tepung Jagung Pada Rantai Pasok Industri Berbasis Jagung
Nama : Dorina Hetharia
NIM : F361040091
Disetujui, Komisi Pembimbing
Prof. Dr. Ir. M. Syamsul Ma’arif, M.Eng K e t u a
Dr. Ir. Yandra Arkeman,M Eng Dr. Ir. Titi Candra Sunarti, MSi Anggota Anggota
Diketahui,
Ketua Program Studi Dekan Sekolah Pascasarjana Teknologi Industri Pertanian Institut Pertanian Bogor
Dr. Ir. Machfud, MS Dr. Ir.Dahrul Syah, M.Sc.Agr
(16)
(17)
PRAKATA
Puji syukur bagi Tuhan Yang Maha Kuasa yang atas perkenan-Nya telah memberikan kekuatan, dan mengijinkan penulis menyelesaikan disertasi berjudul Rancangbangun Model Penyediaan Tepung Jagung Pada Rantai Pasok Industri Berbasis Jagung. Disertasi ini merupakan hasil penelitian yang dilakukan penulis yang seyogyanya dapat membantu industri tepung jagung untuk mengatasi permasalahan yang dihadapi.
Ucapan terima kasih dan penghargaan penulis sampaikan kepada:
1. Bapak Prof. Dr. Ir. M. Syamsul Ma’arif, M.Eng sebagai ketua Komisi Pembimbing, bapak Dr. Ir. Yandra Arkeman, M.Eng dan ibu Dr. Ir. Titi Chandra, M.Si sebagai anggota Komisi Pembimbing yang telah memberikan bimbingan, arahan, saran, dan motivasi sehingga penulis dapat menyelesaikan disertasi ini. 2. Rektor Universitas Trisakti yang telah memberikan kesempatan dan ijin tugas
belajar kepada penulis.
3. Pimpinan Sekolah Pascasarjana, Pimpinan Fakultas Teknologi Pertanian, Pimpinan, staf pengajar, staf administrasi Teknologi Industri Pertanian Institut Pertanian Bogor yang dengan tulus dan ikhlas memberikan ilmu, pengalaman, dan pelayanan dengan penuh tanggungjawab dan pengabdian selama penulis menempuh studi.
4. Pimpinan, Staf pengajar dan staf administrasi Jurusan Teknik Industri Trisakti atas dukungan, pengertian, dan motivasi selama penulis menempuh studi di Sekolah Pascasarjana Institut Pertanian Bogor.
5. Keluarga atas semua pengorbanan, dukungan, pengertian, motivasi, dan do’a yang diberikan selama penulis menempuh studi.
6. Berbagai pihak yang tidak disebutkan satu persatu atas dukungan dan kontribusinya sehingga penulis dapat menyelesaikan studi.
Akhir kata, penulis berharap semoga disertasi ini bermanfaat bagi semua pihak yang memerlukan.
Bogor, Januari 2012
(18)
(19)
RIWAYAT HIDUP
Penulis dilahirkan di Ambon pada tanggal 26 Januari 1952 dari pasangan Cornelis Fransiscus Benjamin Hetharia dan Maria Lewakabessy sebagai putri ketiga dari tiga bersaudara. Penulis memperoleh gelar Sarjana Muda pada tahun 1975 dan gelar Sarjana pada tahun 1981 dari Jurusan Bangunan Kapal - Fakultas Teknik Perkapalan, Universitas Pattimura Ambon. Gelar Magister diperoleh dari program Pasca Sarjana Teknik dan Manajemen Industri, Institut Teknologi Bandung pada tahun 1985. Tahun 2004 penulis melanjutkan pendidikan S-3 pada Program Studi Teknologi Industri Pertanian, Sekolah Pasca Sarjana Institut Pertanian Bogor. Penulis pernah bekerja pada PT Dok dan Perkapalan ‘Waiame’- Ambon pada tahun 1975 – 1978. Tahun 1980 – 1986 penulis bekerja pada Fakultas Teknik Perkapalan, Universitas Pattimura Ambon. Sejak tahun 1989 hingga sekarang penulis bekerja sebagai staf pengajar pada Jurusan Teknik Industri - Fakultas Teknologi Industri, Universitas Trisakti Jakarta. Karya ilmiah yang telah dipublikasikan penulis pada jurnal ilmiah, berjudul Prediksi Produksi Jagung dalam Model Penyediaan Tepung Jagung pada Rantai Pasok Jagung, dan Pengelompokan Mutu Jagung Pipilan pada Model Penyediaan Tepung Jagung. Penulis menikah dengan Frederick Titalepta (almarhum) dan memiliki tiga orang anak yaitu Emprilon Yantino Ebenhard (33 tahun), Stephannie Imanuella (27 tahun), dan Franco Roberto Theodore (24 tahun).
(20)
i
DAFTAR ISI
Halaman
DAFTAR ISI i
DAFTAR TABEL iii
DAFTAR GAMBAR v
DAFTAR LAMPIRAN vii
1 PENDAHULUAN
1.1 Latar Belakang ... 1
1.2 Tujuan Penelitian ... 7
1.3 Ruang Lingkup Penelitian ... 8
1.4 Manfaat Penelitian ... 8
2 TINJAUAN PUSTAKA 2.1 Jagung ... 9
2.2 Tepung Jagung ... 12
2.3 Mutu ... 14
2.3.1 Mutu Jagung Pipilan ... 15
2.3.2 Mutu Tepung Jagung ... 16
2.4 Manajemen Rantai Pasok ... 18
2.5 Jaringan Syaraf Tiruan ... 19
2.5.1 Arsitektur Jaringan ... 20
2.5.2 Algoritma Backpropagasi Umpan Balik ... 22
2.6 Proses Hirarki Analitik ... 24
2.7 Logika Fuzzy ... 27
2.8 Sistem Inferensi Fuzzy ... 28
2.8.1Pembentukan Himpunan Fuzzy ... 29
2.8.2 Aplikasi Fungsi Implikasi ... 32
2.8.3 Defuzzifikasi ... 32
2.9 Peramalan ... 32
2.10 Penelitian Terdahulu ... 39
3 METODE PENELITIAN 3.1 Kerangka Pemikiran ... 41
3.2 Tahapan Penelitian ... 43
3.3 Pengumpulan dan Pengolahan Data ... 46
(21)
ii
4 ANALISIS SISTEM
4.1 Kondisi Rantai Pasok Jagung ... 47
4.2 Analisis Kebutuhan ... 48
4.3 Identifikasi Permasalahan ... 50
4.4 Identifikasi Sistem ... 53
5 PERANCANGAN MODEL 5.1 Model Prediksi Produksi Jagung ... 55
5.2 Model Pengelompokan Mutu Jagung Pipilan ... 60
5.3 Model Pengelompokan Mutu Tepung jagung ... 69
5.4 Model Prediksi Permintaan Tepung Jagung... 80
5.4.1 Peramalan Permintaan dengan Metode Time Series ... 82
5.4.2 Peramalan Permintaan dengan Jaringan Syaraf Tiruan ... 83
5.5 Verifikasi dan Validasi Model ... 86
6 IMPLEMENTASI MODEL 6.1 Prediksi Produksi jagung ... 89
6.2 Pengelompokan Mutu Jagung Pipilan ... 91
6.3 Pengelompokan Mutu Tepung Jagung ... 95
6.4 Prediksi Permintaan Tepung Jagung ... 97
6.5 Keterbatasan Model ... 98
6.6 Implikasi Teoritis ... 99
6.7 Implikasi Manajerial ... 100
6.8 Analisis Penggunaan Model dan Kebijakan ... 100
7 SIMPULAN DAN SARAN 7.1 Simpulan ... 103
7.2 Saran ...,,,... 104
DAFTAR PUSTAKA ... 105
(22)
iii
DAFTAR TABEL
Halaman
1 Produksi, luas panen, dan produktivitas jagung di Indonesia .... 3 2 Produktivitas jagung di beberapa negara produsen jagung
dunia ... 4 3 Volume ekspor jagung ke negara luar tahun 2006 ... 5 4 Volume impor jagung dari negara luar tahun 2006 ... 6 5 Komposisi analisis proksimat bagian biji jagung ... 12 6 Parameter jagung pipilan menurut SNI 01-3920-1995 ... 16 7 Syarat mutu tepung jagung menurut SNI 01–3727–1995 ... 17 8 Skala pemberian nilai dalam AHP ... 26 9 Data luas panen, curah hujan, produksi jagung Jawa Tengah
tahun 2010 ... 59 10 Semesta pembicaraan, himpunan fuzzy, domain mutu jagung
pipilan ... 67 11 Representasi kurva variabel mutu jagung pipilan ... 68 12 Penentuan tingkat kepentingan kriteria uji ... 71 13 Matriks perbandingan berpasangan kriteria uji pada industri
farmasi ... 73 14 Matriks perbandingan berpasangan kriteria uji pada industri
pangan ... 73 15 Matriks perbandingan berpasangan kriteria uji pada industri
pakan ... 74 16 Semesta pembicaraan, himpunan fuzzy, domain mutu tepung
jagung ...
78 17 Representasi kurva variabel mutu tepung jagung ... 79 18 Perunutan variabel input pada model prediksi produksi jagung 86
(23)
(24)
v
DAFTAR GAMBAR
Halaman
1 Konfigurasi industri tepung jagung pada rantai pasok industri
berbasis jagung ... 2 2 Pohon industri jagung ... 10 3 Penampang membujur butir jagung ... 11 4 Proses pembuatan tepung jagung ... 13 5 Neraca masa tepung jagung ... 14 6 Jaringan layar tunggal ... 21 7 Jaringan layar jamak ... 21 8 Arsitektur jaringan pada backpropagation ... 22 9 Representasi linear naik ... 30 10 Representasi linear turun ... 30 11 Representasi kurva segitiga ... 31 12 Representasi kurva trapesium ... 31 13 Pola data peramalan ... 33 14 Taksonomi model peramalan ... 34 15 Tracking signal dalam peramalan ... 39 16 Keterkaitan model pada rantai pasok industri berbasis jagung 41 17 Kerangka pemikiran penelitian ... 43 18 Tahapan penelitian ... 46 19 Diagram input-output sistem analisis penyediaan tepung
jagung ... 54 20 Model konseptual prediksi produksi jagung ... 57 21 Struktur jaringan syaraf tiruan model prediksi produksi
jagung ... 57 22 Tahapan proses prediksi produksi jagung dengan jaringan
syaraf tiruan ... 58 23 Hasil simulasi pada jaringan syaraf tiruan ... 60 24 Model konseptual pengelompokan mutu jagung pipilan ... 63 25 Tahapan pemeriksaan awal mutu jagung pipilan ... 64 26 Model konseptual pengelompokan mutu jagung pipilan
dengan FIS... 65 27 Model pengelompokan mutu jagung pipilan ... 65 28 Agregasi mutu jagung pipilan ... 66
29 Tahapan perancangan model pengelompokan tepung jagung 69
30 Diagram alir penentuan bobot kriteria uji mutu tepung jagung 72 31 Model konseptual pengelompokan mutu tepung jagung ... 74 32 Tahapan pemeriksaan awal mutu tepung jagung ... 75 33 Model konseptual pengelompokan mutu tepung jagung
dengan FIS ... 76 34 Model pengelompokan mutu tepung jagung ... 77 35 Agregasi mutu tepung jagung ... 77
(25)
vi
36 Model konseptual prediksi permintaan tepung jagung ... 80 37 Tahapan peramalan permintaan tepung jagung ... 81 38 Plot data permintaan tepung jagung ... 83 39 Tahapan prediksi permintaan tepung jagung dengan JST ... 84 40 Struktur jaringan syaraf tiruan prediksi permintaan tepung
jagung ... 85 41 Himpunan fuzzy variabel butir rusak jagung pipilan ... 93 42 Tampilan If-then rules mutu jagung pipilan pada MATLAB
R2010a ... 94 43 Keluaran mutu jagung pipilan kelompok Mutu 2 ... 94 44 Himpunan fuzzy variabel aflatoksin pada tepung jagung ... 95 45 Tampilan If-then rules mutu tepung jagung pada MATLAB
R2010a ... 96 46 Keluaran mutu tepung jagung kelompok Grade 3 ... 96
(26)
vii
DAFTAR LAMPIRAN
Halaman
1 Prediksi Produksi Jagung Jawa Barat dengan Jaringan Syaraf Tiruan ...
95
2 Hasil program peramalan dengan JST pada MATLAB ... 108
3 Langkah-langkah penggunaan MINITAB 14 peramalan data
kausal ...
109 4 Peramalan Produksi Jagung dengan MINITAB 14 ... 110 5 Aturan (If – then – rules) mutu jagung pipilan ... 112
6 Representasi Model Sugeno pada MATLAB R2010a ... 118
7 Panduan konsultasi pakan untuk penentuan tingkat
kepentingan karakteristik uji mutu tepung jagung ...
124 8 Pengisian matriks perbandingan berpasangan karakteristik uji
mutu tepung jagung berdasarkan industri pengolahan jagung
125 9 Aturan (If – then – rules) Mutu Tepung Jagung ... 126 10 Fuzzy Inference System Pengelompokan Mutu Tepung Jagung 132
11 Langkah-langkah penggunaan MINITAB 14 untuk peramalan
dengan data Timeseries ...
137
12 Peramalan Permintaan Tepung Jagung dengan MINITAB 14 141
13 Peramalan permintaan tepung jagung dengan Double Moving Average
148
14 Hasil menjalankan program dengan MATLAB R2010a untuk
meramalkan permintaan tepung jagung
(27)
1
1
PENDAHULUAN
1.1 Latar Belakang
Rantai pasok (supply chain) merupakan jaringan perusahaan-perusahaan yang secara bersama-sama bekerja untuk menciptakan dan menghantarkan suatu produk ke tangan pemakai akhir (Pujawan, 2005). Perusahaan-perusahaan tersebut merupakan mata rantai dalam rantai pasok, mencakup pemasok, pabrik, distributor, ritel, dan perusahaan-perusahaan pendukung. Hubungan antar mata rantai yang ada didalam rantai pasok dapat dilihat sebagai elemen-elemen yang saling mendukung, saling memberikan kontribusi bagi kepuasan konsumen akhir. Perlu adanya koordinasi dan kolaborasi antar perusahaan pada rantai pasok karena perusahaan-perusahaan tersebut pada intinya ingin memuaskan konsumen akhir yang sama. Perusahaan-perusahaan dalam rantai pasok harus bekerjasama untuk membuat produk yang murah, mengirimkannya tepat waktu, dan dengan mutu yang memenuhi syarat.
Manajemen Rantai Pasok (Supply Chain Management) diperlukan untuk merencanakan dan mengelola kegiatan-kegiatan dalam rantai pasok tersebut, agar tujuan untuk memuaskan konsumen dapat tercapai. Dalam pengelolaan rantai pasok terdapat tantangan-tantangan yakni kompleksitas struktur rantai pasok dan adanya ketidak-pastian. Kompleksitas manajemen rantai pasok terjadi karena melibatkan banyak pihak di dalam maupun di luar perusahaan yang memiliki kepentingan yang berbeda-beda. Ketidak-pastian yang pertama adalah ketidak-pastian permintaan, biasanya dari arah distributor atau ritel atau konsumen akhir. Ketidak-pastian kedua adalah dari arah pemasok, berupa lead time pengiriman bahan baku yang tidak pasti, ketidak-pastian harga, demikian pula jumlah dan mutu bahan baku.
Rantai pasok agroindustri memiliki kekhususan dibandingkan dengan rantai pasok industri manufaktur. Berbeda dengan industri manufaktur, bahan baku dalam rantai pasok agroindustri merupakan hasil pertanian yang dipengaruhi oleh musim, kondisi alam, benih, hama, dan merupakan produk yang tidak tahan lama atau mudah rusak. Hal tersebut akan mempengaruhi ketidak-pastian jumlah dan mutu bahan baku atau produk yang dihasilkan dalam rantai pasok tersebut. Faktor
(28)
2
ketidak-pastian ini akan mempengaruhi kontinuitas aliran barang dan keberlangsungan kegiatan-kegiatan dalam rantai pasok.
Industri tepung jagung sebagai salah satu agroindustri merupakan bagian dari rantai pasok industri berbasis jagung. Industri ini menggunakan bahan baku jagung pipilan yang akan diproses menjadi tepung jagung (corn flour) melalui proses pengolahan cara kering. Sebagai industri antara yang memproduksi tepung jagung, industri ini akan menyediakan produk yang akan dikonsumsi langsung, dan menyediakan bahan baku bagi industri hilirnya.
Struktur rantai pasok industri berbasis jagung dimanadi dalamnya terdapat industri tepung jagung, adalah sentra jagung, pengumpul, industri tepung jagung, dan industri pengguna tepung jagung. Dalam rantai pasok industri berbasis jagung, sentra jagung merupakan mata rantai yang menyediakan jagung yang diproduksi oleh petani. Produk jagung ini akan dipipil menjadi jagung pipilan dan akan dikumpulkan oleh pengumpul atau pedagang sebagai mata rantai berikutnya. Selanjutnya jagung pipilan tersebut akan dipasok sebagai bahan baku ke mata rantai selanjutnya yaitu industri tepung jagung. Mata rantai setelah industri tepung jagung adalah industri pengguna tepung jagung yang akan memperoleh pasokan bahan baku dari industri tepung jagung. Model konfigurasi industri tepung jagung dalam rantai pasok berbasis jagung dapat dilihat pada Gambar 1.
Industri tepung jagung Industri tepung jagung Sentra jagung 1 Sentra jagung 1 Sentra jagung ke-k Sentra jagung ke-k Sentra jagung 3 Sentra jagung 3 Sentra jagung 2 Sentra jagung 2 Pengumpul Pengumpul Pengumpul Pengumpul Pengumpul Pengumpul Pengumpul Pengumpul Industri pengguna tepung jagung Industri pengguna tepung jagung
Gambar 1 Konfigurasi industri tepung jagung pada rantai pasok industri berbasis jagung.
Jumlah dan mutu tepung jagung yang diproduksi industri ini tergantung dari jumlah dan mutu bahan baku berupa jagung pipilan yang diperoleh dari
(29)
3
pengumpul. Sedangkan jumlah dan mutu jagung pipilan tergantung dari produksi jagung di tingkat petani. Dapat dikatakan bahwa penyediaan jumlah dan mutu tepung jagung untuk memenuhi permintaan konsumen tergantung dari produksi jagung.
Produksi jagung di Indonesia semakin tahun semakin meningkat. Hal ini dapat dilihat dari data produksi, luas panen, dan produktivitas jagung sejak tahun 2000 sampai dengan 2009 seperti ditunjukkan pada Tabel 1. Namun peningkatan produksi jagung di Indonesia belum diikuti dengan penanganan pasca panen yang baik. Informasi tentang kegiatan dan penanganan pasca panen kepada petani masih sangat kurang sehingga petani belum dapat merasakan nilai tambah dengan meningkatnya mutu biji jagung. Demikian pula penerapan teknologi produksi jagung di tingkat petani masih belum optimal.
Tabel 1 Produksi, luas panen, dan produktivitas jagung di Indonesia
Tahun Produksi Luas Panen Produktivitas
(Ton) (Ha) (Ku/Ha)
2000 9,676,899.00 3,500,318.00 27.65
2001 9,347,192.00 3,285,866.00 28.45
2002 9,585,277.00 3,109,448.00 30.83
2003 10,886,442.00 3,358,511.00 32.41
2004 11,225,243.00 3,356,914.00 33.44
2005 12,523,894.00 3,625,987.00 33.44
2006 11,609,463.00 3,345,805.00 34.70
2007 13,287,527.00 3,630,324.00 36.60
2008 16,323,922.00 4,003,313.00 40.78
2009 16,478,239.00 4,009,179.00 41.10
Sumber : Departemen Pertanian (2010)
Bila dibandingkan dengan negara produsen jagung lainnya di dunia, produksi jagung di Indonesia masih jauh tertinggal. Tabel 2 menunjukkan bahwa produktivitas usaha tani jagung di Indonesia baru mencapai setengah dibandingkan dengan Argentina dan MEE, bahkan hampir mencapai sepertiga bila dibandingkan dengan Amerika Serikat. Tabel 2 juga menunjukkan bahwa rerata
(30)
4
produktivitas jagung Indonesia sebesar 3,21 ton/ha masih dibawah rerata produktivitas jagung dunia yaitu 4,53 ton/ha.
Produktivitas jagung yang rendah di Indonesia mengakibatkan kebutuhan bahan baku bagi industri pengolahan jagung masih belum dapat dipenuhi oleh petani lokal. Hal ini mengakibatkan dibutuhkannya impor jagung sebagai bahan baku industri dari negara produsen jagung lainnya. Tabel 3 dan Tabel 4 menunjukkan bahwa volume ekpor jagung oleh Indonesia ke negara luar pada tahun 2006 sebanyak 29164,424 ton dengan nilai $ 4,674,364.00, sedangkan volume impor jagung pada tahun yang sama mencapai 2327947,861 ton dengan nilai $353,847,975.00.
Tabel 2 Produktivitas jagung di beberapa negara produsen jagung dunia
Tahun
Produktivitas (ton/ha)
Dunia USA Argentina MEE Indonesia
1998 4,42 8,44 6,08 5,63 2,65
1999 4,38 8,4 5,37 6,28 2,66
2000 4,27 859 5,43 5,09 2,77
2001 4,42 8,67 5,45 6,16 2,85
2002 4,37 8,16 6,52 6,24 3,09
2003 4,47 8,92 6,48 5,03 3,25
2004 4,59 9 6,5 6,04 3,34
2005 4,65 9,12 6,71 6,12 3,45
2006 4,65 8,97 6,3 5,88 3,47
2007 4,76 9,31 6,66 6,2 3,66
2008 4,82 9,66 7,56 6,48 4,08
Rerata 4,53 8,84 6,28 5,92 3,21
Sumber: USDA (2008)
Dari berbagai jenis produk yang dapat dihasilkan komoditi jagung ini, tepung jagung merupakan jenis produk yang cukup penting. Hal ini karena tepung jagung merupakan produk antara multiguna yang dapat dijadikan sebagai bahan baku industri pangan, bahan baku pakan, dan sebagai bahan baku industri lainnya.
(31)
5
Pengelolaan industri tepung jagung ini tidak terlepas dari rantai pasok industri berbasis jagung. Penyediaan jumlah dan mutu pasokan jagung mulai dari petani dan pengumpul sangat berpengaruh terhadap jumlah dan mutu tepung jagung yang diproduksi. Selanjutnya jumlah dan mutu tepung jagung sebagai bahan baku akan berpengaruh pada jumlah dan mutu produk pada industri hilirnya. Jumlah dan mutu bahan baku jagung yang tiba di industri, dipengaruhi pula oleh transportasi bahan baku tersebut dari tempat asal ke tempat tujuannya. Waktu transportasi akan mempengaruhi mutu bahan baku karena bahan baku tersebut merupakan produk yang tidak tahan lama.
Tabel 3 Volume ekspor jagung ke negara luar tahun 2006
Negara
Jumlah
Volume (Kg) Nilai (US$)
Japan 5,843,305.00 1,523,732.00
Hong Kong 152,344.00 22,621.00
Korea, Republic Of 540,144.00 43,048.00
Taiwan, Province Of China 25,779.00 39,334.00
Thailand 1,341.00 2,690.00
Singapore 325,000.00 99,445.00
Philippines 17,624,066.00 2,158,606.00
Malaysia 4,129,642.00 480,197.00
Viet Nam 9,035.00 8,116.00
India 500,000.00 277,500.00
Pakistan 250.00 2,592.00
Saudi Arabia 2,240.00 2,690.00
South Africa 5,042.00 7,596.00
American Samoa 2,206.00 2,269.00
Tonga 3,930.00 3,878.00
France 100.00 50.00
Total 29,164,424.00 4,674,364.00
(32)
6
Data ekspor impor jagung menunjukkan bahwa Indonesia masih mengimpor jagung untuk memenuhi kebutuhan dalam negeri. Hal ini mengindikasikan bahwa kemungkinan terdapat kekurangan jumlah jagung pipilan sebagai bahan baku industri tepung jagung.
Tabel 4 Volume impor jagung dari negara luar tahun 2006
Sumber: BPS (2011), diolah Negara
Jumlah
Volume (Kg) Nilai (US$)
Japan 100,959.00 193,953.00
Hong Kong 45.00 39.00
Korea, Republic Of 13,077,367.00 3,890,391.00
Taiwan, Province Of China 180,569.00 54,409.00
China 30,935,756.00 8,570,924.00
Thailand 41,681,113.00 8,219,919.00
Singapore 817,264.00 365,620.00
Philippines 1,126.00 7,040.00
Malaysia 2,029,704.00 609,803.00
Myanmar (form Burma) 19,362,402.00 3,015,870.00
India 20,186,598.00 3,462,683.00
South Africa 20,000.00 6,000.00
Australia 644.00 1,287.00
United States 1,605,024,200.00 238,823,965.00
Argentina 591,706,985.00 85,704,495.00
United Kingdom 225.00 3,226.00
Netherlands 79,019.00 37,087.00
France 501,777.00 163,727.00
Germany, Fed. Rep. Of 682,525.00 244,097.00
Italy 1,515,583.00 438,680.00
Spain 44,000.00 34,760.00
(33)
7
Selain jumlah bahan baku, mutu tepung jagung pun harus memenuhi standar yang ditetapkan, agar dapat memuaskan konsumennya dan dapat bersaing. Mutu produk merupakan hal yang diutamakan dalam industri. Dalam agroindustri terutama yang memproduksi pangan atau bahan baku indutri pangan, mutu produk sangat erat kaitannya dengan keamanan pangan. Standar Nasional Indonesia telah menetapkan syarat mutu tepung jagung yang harus dipenuhi oleh produsen tepung jagung yakni SNI 01-3727-1995. Syarat mutu tersebut meliputi kriteria-kriteria uji secara fisik maupun kimia. Mutu tepung jagung sebagai produk antara dipengaruhi oleh mutu bahan baku dan oleh tahapan-tahapan pada proses sebelumnya. Demikian pula mutu jagung pipilan sebagai bahan baku tepung jagung harus memenuhi standar mutu yang ditetapkan sesuai SNI 01-3920-1995.
Mutu jagung pipilan yang memenuhi standar akan menjamin mutu tepung jagung yang diproduksi. Karakteristik mutu tepung jagung sebagai bahan baku pada industri hilir sangat diperlukan untuk menjamin mutu produk yang dihasilkan industri tersebut, dimana karakteristik mutu tepung jagung yang dibutuhkan oleh industri hilir berbeda-beda sesuai jenis industri, baik industri pangan, atau industri lainnya.
Masalah yang dihadapi oleh industri tepung jagung adalah bagaimana industri ini dapat memenuhi kebutuhan konsumennya yaitu dengan menyediakan produk tepung jagung menurut jumlah yang dibutuhkan dan mutu yang memenuhi syarat. Jumlah dan mutu produk yang disediakan industri ini diperlukan untuk memenuhi kebutuhan industri pangan, industri farmasi, dan industri lainnya. Dengan demikian diharapkan keberlangsungan kegiatan dan kontinuitas aliran barang sepanjang rantai pasok dapat berjalan dengan baik.
1.2 Tujuan Penelitian
Tujuan penelitian adalah dihasilkannya model penyediaan tepung jagung pada rantai pasok industri berbasis jagung, ditinjau dari jumlah maupun mutu tepung jagung. Dari model ini diharapkan akan diperoleh kebijakan-kebijakan untuk mengatasi permasalahan yang terjadi berkenaan dengan jumlah dan mutu bahan baku dan produk tepung jagung.
(34)
8
1.3 Ruang Lingkup Penelitian
Rancangbangun model meliputi beberapa model yaitu: 1) Model prediksi produksi jagung, dimana pada model ini akan diramalkan berapa jumlah produksi yang dihasilkan oleh sentra jagung; 2) Model pengelompokan mutu jagung pipilan, yang akan menghasilkan kelompok mutu berdasarkan persyaratan mutu yang ditetapkan; 3) Model pengelompokan mutu tepung jagung dan 4) Model prediksi permintaan tepung jagung, dimana akan diramalkan permintaan tepung jagung oleh industri pengguna tepung jagung.
1.4 Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah sebagai berikut,
1. Rancangbangun model penyediaan tepung jagung pada rantai pasok industri berbasis jagung ini dapat digunakan sebagai bahan analisis ketersediaan jumlah dan mutu tepung jagung yang dibutuhkan.
2. Sebagai bahan rujukan bagi penelitian tentang pengembangan model pada rantai pasok industri berbasis jagung dalam cakupan yang lain.
(35)
9
2 TINJAUAN PUSTAKA
2.1 Jagung
Tanaman jagung (Zea mays L.) merupakan tanaman yang berasal dari Amerika dan merupakan salah satu tanaman pangan biji-bijian. Fakta arkeologi mengindikasikan bahwa tanaman ini tumbuh di Tehuacan Mexico sekitar 5000 tahun sebelum masehi (Johnson 2000). Dari tempat ini tanaman tersebut menyebar ke Canada dan Selatan Argentina. Sejak Christopher Columbus dalam perjalanannya menemukan ‘dunia baru’ pada tahun 1492 makanan orang Amerika asli ini disebut ‘mahyz’. Jagung kemudian dikenal sebagai maize dalam terjemahan bahasa Spanyol. Maize tidak sepopuler corn sebagai sebutan oleh orang Amerika dengan terminologi British. Mengikuti perjalanan Columbus, jagung kemudian ditanam di Spanyol dan dengan cepat menyebar ke Eropa, Afrika dan Asia. Jagung kini banyak tumbuh di negara-negara beriklim panas termasuk Indonesia.
Tanaman jagung merupakan varietas unggul yang memiliki sifat: berproduksi tinggi, berumur pendek, tahan serangan penyakit. Jagung merupakan tanaman semusim (annual). Satu siklus hidupnya diselesaikan dalam 80-150 hari. Tanaman jagung merupakan tanaman pangan dunia yang terpenting yang bermanfaat bagi kehidupan manusia dan hewan. Selain gandum dan padi, jagung merupakan sumber karbohidrat utama di Amerika Tengah dan Selatan, jagung juga menjadi alternatif sumber pangan di Amerika Serikat.
Sebagai sumber karbohidrat, jagung merupakan tanaman pangan yang cukup penting selain gandum dan padi. Komoditi ini merupakan sumber pangan yang dapat menggantikan beras sebagai bahan makanan pokok di Indonesia. Beberapa daerah di Indonesia seperti Madura dan Nusa Tenggara menggunakan jagung sebagai pangan pokok bagi penduduknya.
Selain sebagai bahan makanan pokok, jagung juga merupakan bahan baku industri pangan, industri pakan dan industri olahan lainnya. Banyak sekali manfaat tanaman jagung yang bernilai ekonomis antara lain, daunnya sebagai pakan dan kompos, kulit buah jagung sebagai bahan pakan, kompos dan industri
(36)
10
rokok, jagung muda sebagai sayuran, jagung pipilan sebagai bahan baku pembuatan tepung jagung, pati jagung, bahan industri pangan, bahan baku minyak jagung, etanol, dextrin, dan bahan baku industri lainnya. Di Indonesia biji jagung pipilan sebagai produk utama dari tanaman jagung, 50% digunakan sebagai bahan baku baku utama industri pakan, selebihnya digunakan sebagai bahan baku industri lain dan dikonsumsi langsung.
(37)
11
Di Indonesia, daerah-daerah penghasil utama tanaman jagung adalah Jawa Tengah, Jawa Timur, Madura, D.I. Yogyakarta, Nusa Tenggara Timur, Sulawesi Utara, Sulawesi Selatan, dan Maluku. Budidaya tanaman jagung sangat intensif dilakukan di dareah Jawa Timur dan Madura karena kondisi tanah dan iklimnya sangat mendukung bagi pertumbuhannya. Penduduk beberapa daerah di Indonesia seperti di Madura dan Nusa Tenggara juga menggunakan jagung sebagai pangan pokok.
Meskipun terjadi peningkatan produktivitas jagung dari tahun ke tahun seperti yang ditunjukkan pada Tabel 1, namun kebutuhan jagung di dalam negeri belum dapat dipenuhi. Hal ini ditunjukkan dengan jumlah volume impor jagung yang melebihi ekspornya keluar negeri. Data ini belum didukung data kebutuhan bahan baku bagi industri pengolahan jagung baik pengolahan jagung untuk makanan, maupun industri lainnya. Hal ini juga mengindikasikan bahwa pengelolaan penanaman jagung belum optimal dan belum terintegrasi dengan kebutuhan bahan baku bagi industri pengolahan jagung.
Semua bagian dari hasil panen jagung dapat digunakan untuk berbagai industri. Diantara industri-industri tersebut, yang menarik untuk dikaji lebih lanjut dalam penelitian ini adalah industri tepung jagung, dimana dalam proses pengolahan tepung jagung. Sebagai industri hilirnya adalah industri pangan, pakan, dan industri pengolahan jagung lainnya.
Sebagai sumber pati jagung, pada Gambar 3 diperlihatkan penampang butir jagung yang menunjukkan kandungan pati (starch) yang cukup banyak dibandingkan dengan komponen biji jagung lainnya.
(38)
12
Tabel 5 menunjukkan komposisi analisis proksimat biji jagung pada
pericrap, endosperm dan germ. Biji jagung kaya akan karbohidrat. Sebagian besar berada pada endospermium. Kandungan karbohidrat dapat mencapai 80% dari seluruh bahan kering biji. Karbohidrat dalam bentuk pati umumnya berupa campuran amilosa dan amilopektin. Pada jagung ketan, sebagian besar atau seluruh patinya merupakan amilopektin. Perbedaan ini tidak banyak berpengaruh pada kandungan gizi, tetapi lebih berarti dalam pengolahan sebagai bahan pangan. Jagung manis tidak mampu memproduksi pati sehingga bijinya terasa lebih manis ketika masih muda.
Tabel 5 Komposisi analisis proksimat bagian biji jagung
Nutrisi Pericarp (%) Endosperm (%) Germ (%)
Protein 3.70 8.00 18.40
Ether extract 1.00 0.80 33.20
Serat kasar 86.70 2.70 8.80
Abu 0.80 0.30 10.50
Pati 7.30 87.60 8.30
Gula 0.34 0.62 10.80
Sumber : FAO Corporate Document Repository (1992)
Proses pengolahan jagung diklasifikasikan atas dua cara yaitu proses pengolahan cara basah (corn wet milling process) dan proses pengolahan cara kering (corn dry milling process). Kedua proses pengolahan ini bertujuan untuk memisahkan biji jagung ke dalam komponen-komponennya. Tujuan dari proses pengolahan cara kering adalah memisahkan biji jagung secara fisik ke dalam bagian-bagian anatomis yaitu endosperm, bran dan germ. Sedangkan tujuan proses pengolahan cara basah adalah memisahkan biji jagung ke dalam unsur-unsur kimianya seperti pati jagung (starch), protein, fiber dan minyak (Johnson 2000).
2.2 Tepung Jagung
Saat ini kebutuhan bahan baku industri pangan sangat tergantung dari tepung terigu yang masih diimpor. Salah satu pengganti tepung terigu yang berbahan baku lokal adalah tepung jagung. Tepung jagung adalah butiran-butiran
(39)
13
halus yang berasal dari jagung kering yang digiling. Tujuan pengolahan jagung menjadi tepung adalah agar memudahkan membuat aneka ragam makanan dengan bahan dasar jagung.
Tepung jagung adalah produk setengah jadi dari biji jagung kering pipilan yang dihaluskan dengan cara penggilingan kemudian diayak. Proses penggilingan biji jagung ke dalam bentuk tepung adalah proses pemisahan kulit, lembaga, endosperma, dan pangkal biji. Penggilingan cara kering dan pemasakan dengan alkali merupakan teknik penggilingan untuk mereduksi ukuran jagung. Pada penggilingan cara kering, tidak dilakukan proses perendaman yang lama melainkan dilakukan pembasahan agar endosperma jagung melunak sebelum penggilingan. Pengolahan jagung dengan alkali adalah proses penambahan Ca(OH)2 sebanyak 1% yang dilakukan pada proses perebusan, kemudian dikeringkan, dan digiling untuk mendapatkan tepung jagung (Riyani, 2007). Tepung jagung lebih tahan lama, mudah dicampur dengan bahan lain, mengandung zat gisi, lebih praktis dan mudah digunakan umtuk proses pengolahan lanjutan. Bahan dan alat pembuat tepung jagung adalah: 1) jagung bertongkol atau jagung pipilan; 2) alat atau mesin pemipil jagung; 3) mesin penggiling; 4) ayakan; 5) plastik pengemas. Adapun proses pembuatan tepung jagung ditunjukkan pada Gambar 4.
Jagung pipilan
Jagung pipilan
Pembersihan dan pengeringan (dijemur;1-2 jam; suhu 50°C)
Pembersihan dan pengeringan (dijemur;1-2 jam; suhu 50°C)
Pengayakan bertingkat untuk tepung halus
Pengayakan bertingkat untuk tepung halus
Tepung dikeringkan
Tepung dikeringkan
Penepungan dengan ayakan 50 mesh
Penepungan dengan ayakan 50 mesh
Keringkan sampai kadar air 15-18%
Keringkan sampai kadar air 15-18%
Penggilingan
Penggilingan
Gambar 4 Proses pembuatan tepung jagung (Badan Penelitian dan Pengembangan Pertanian, Balai Pengkajian Teknologi Pertanian Jawa Tengah, 2006).
(40)
14
Neraca masa tepung jagung berdasarkan informasi dari Unit Pengolahan jagung Terpadu Kabupaten Bojonegoro (Irawan, 2009) ditunjukkan pada Gambar 5.
Jagung pipilan 15000 kg
Jagung pipilan 15000 kg Penggilingan IPenggilingan I
Pemisahan kulit dan lembaga Pemisahan kulit dan lembaga
Penggilingan II dan pengayakan Penggilingan II dan pengayakan
Tepung jagung 12400,15 kg Tepung jagung 12400,15 kg
Loss 30 kg (0,2%) Loss 30 kg (0,2%)
Ampok: - Kulit ari 865 kg - Lembaga 1680 kg Ampok:
- Kulit ari 865 kg - Lembaga 1680 kg
Loss 24,85 kg (0,2%) Loss 24,85 kg (0,2%) Grits 14970 kg
Grits 14970 kg
Grits 12425 kg Grits 12425 kg Basis 15000 kg jagung pipilan Basis 15000 kg jagung pipilan
Gambar 5 Neraca masa tepung jagung (Suryawijaya, 2009). 2.3 Mutu
Mutu (quality) merupakan isu dominan yang penting di industri, baik industri yang menghasilkan produk maupun jasa. Hal ini disebabkan karena mutu produk yang merupakan pemenuhan harapan konsumen atau melebihi harapan konsumen, berdampak kepada peningkatan profit bagi perusahaan (Krajewsky, 2002). Dengan demikian dapat dikatakan bahwa mutu produk merupakan hal penting bagi perusahaan yang secara langsung atau tidak langsung merupakan alat persaingan antar perusahaan. Adam EE (1992) menyatakan bahwa mutu adalah derajat dimana spesifikasi desain (design spesification) suatu produk atau jasa (service) memenuhi fungsi dan kegunaannya, dan derajat dimana produk atau jasa dapat memenuhi spesifikasi desainnya. Menurut Krajewski (2002), dari sisi pelanggan (customer), mutu dapat didefinisikan sebagai kemampuan perusahaan untuk memenuhi atau melampaui harapan pelanggan. Definisi singkat dari mutu adalah ‘customer satisfaction and loyalty’ dan definisi singkat lainnya adalah
(41)
15
‘fitness for use’ (Gryna 2001). Kepuasan pelanggan (customer satisfaction) saat ini merupakan hal penting untuk diperhatikan, karena hal ini secara tidak langsung menunjukkan mutu suatu produk atau jasa yang dihasilkan oleh perusahaan atau industri. Render (1997) menyatakan bahwa peningkatan mutu merupakan salah satu faktor yang mempengaruhi peningkatan profit.
Agroindustri tidak terlepas dari isu mutu, karena industri-industri berbasiskan hasil pertanian sebagai bahan baku inipun merupakan industri yang menghasilkan barang konsumsi. Pada umumnya agroindustri sebagaimana industri-industri lainnya bertujuan untuk memperoleh profit yang maksimal. Hal ini dapat tercapai bila peningkatan faktor-faktor yang mempengaruhinya dapat dilakukan secara optimal. Mutu produk agro berkaitan juga dengan keamanan pangan, karena produk tersebut biasanya merupakan barang konsumsi yang dapat dikonsumsi langsung oleh konsumennya.
2.3.1 Mutu Jagung Pipilan
Jagung pipilan merupakan hasil produksi jagung melalui proses pasca panen jagung. Jagung pipilan adalah produk yang digunakan sebagai bahan baku bagi industri pengolahan jagung. Sebagai bahan baku industri pengolahan jagung, mutu jagung pipilan harus memenuhi syarat mutu yang ditetapkan. Mutu jagung pipilan di Indonesia ditentukan oleh Standar Nasional Indonesia yaitu SNI 01-3920-1995. Standar Nasional Indonesia menetapkan standar mutu jagung pipilan sebagai berikut:
– Jagung kuning adalah jagung yang terdiri dari sekurang-kurangnya 90% berwarna
– kuning dan sebanyak-banyaknya 10% jagung berwarna lain.
– Biji jagung merah dianggap sebagai jagung kuning, asal warna merah tidak diakibatkan oleh penyakit dan hanya menutupi kurang dari 50% permukaan biji seluruhnya.
– Bebas hama penyakit
– Bebas bau busuk, asam, atau bau asing lainnya
– Bebas dari bahan kimia seperti insektisida dan fungisida – Memiliki suhu normal
(42)
16
– Kandungan Aflatoxin untuk Manusia Maks. 5 ppb dan untuk hewan Maks. 50 ppb.
Adapun parameter mutu jagung pipilan menurut SNI 01-3920-1995 dapat dilihat pada Tabel 6.
Tabel 6 Parameter jagung pipilan menurut SNI 01-3920-1995
Jenis Uji Satuan Persyaratan Umum
Mutu 1 Mutu 2 Mutu 3
Kadar air (%) Maksimum 14 Maksimum 14 Maksimum 15
Butir rusak (%) Maksimum 2 Maksimum 4 Maksimum 6
Butir warna lain
(%) Maksimum 1 Maksimum 3 Maksimum 7
Butir pecah (%) Maksimum 1 Maksimum 2 Maksimum 3
Kotoran (%) Maksimum 1 Maksimum 1 Maksimum 2
2.3.2 Mutu Tepung Jagung
Tepung jagung sebagai produk antara adalah produk yang digunakan sebagai bahan baku industri. Industri-industri yang menggunakan bahan baku tepung jagung antara lain industri pangan, industri farmasi, dan industri pakan. Sebagai produk antara, tepung jagung harus memenuhi permintaan industri konsumennya secara kuantitas maupun secara kualitas. Penyediaan produk yang memenuhi mutu yang diinginkan industri pengguna tepung jagung, adalah hal yang penting untuk menjaga kesinambungan produksi, sekaligus kelangsungan hidup perusahaannya. Standar mutu tepung jagung ditetapkan oleh negara-negara penghasil tepung jagung, salah satunya Indonesia.
Mutu tepung jagung di Indonesia ditetapkan oleh Standar Nasional Indonesia menurut SNI 01 – 3727 – 1995. Standar ini meliputi definisi, syarat mutu, cara pengambilan contoh, cara uji, syarat penandaan dan cara pengemasan tepung jagung.
Definisi tepung jagung menurut SNI adalah tepung yang diperoleh dengan cara menggiling biji jagung (Zea maysL.) yang baik dan bersih. Sedangkan syarat mutu tepung jagung yang ditetapkan menurut SNI dapat dilihat pada Tabel 7. Standar mutu untuk tepung jagung yang digunakan pada kajian selanjutnya adalah standar menurut Standar Nasional Indonesia.
(43)
17
Tabel 7 Syarat mutu tepung jagung menurut SNI 01–3727–1995
No. Kriteria uji Satuan Persyaratan
1. Keadaan:
1.1 Bau - Normal
1.2 Rasa - Normal
1.3 Warna - Normal
2. Benda-benda asing - Tidak boleh
ada
3. Serangga dalam bentuk stadia dan
potongan-potongan
- Tidak boleh
ada
4. Jenis pati lain selain pati jagung - Tidak boleh
ada
5. Kehalusan:
5.1 Lolos ayakan 80 mesh % Min. 70
5.2 Lolos ayakan 60 mesh % Min. 99
6. Air % b/b Maks. 10
7. Abu % b/b Maks. 1,5
8. Silikat % b/b Maks. 0,1
9. Serat kasar % b/b Maks. 1,5
10. Derajat asam ml.N.NaOH
/100 g
Maks. 4,0
11. Cemaran logam:
11.1 Timbal (Pb) mg/kg Maks. 1,0
11.2 Tembaga (Cu) mg/kg Maks. 10,0
11.3 Seng (Zn) mg/kg Maks. 40,0
11.4 Raksa (Hg) mg/kg Maks. 0,05
12. Cemaran Arsen (As) mg/kg Maks. 0,5
13. Cemaran mikroba:
13.1 Angka lempeng total Koloni/g Maks. 106
13.2 E. coli APM/g Maks. 10
(44)
18
2.4 Manajemen Rantai Pasok
Istilah manajemen rantai pasok (supply chain management) pertama kali dikemukakan oleh Oliver & Weber (Pujawan 2005). Jaringan fisik dari rantai pasok (supply chain) adalah perusahaan-perusahaan yang terlibat dalam memasok bahan baku, memproduksi barang, maupun mengirimkannya ke pemakai akhir. Sedangkan manajemen rantai pasok adalah metode, alat, atau pendekatan pengelolaannya. Penekanan dalam manajemen rantai pasok adalah pendekatan atau metode yang terintegrasi dengan dasar semangat kolaborasi antar perusahaan-perusahaan terkait. Dalam manajemen rantai pasok, interaksi antara pembeli dan pemasok pada setiap mata rantai mulai dari manufaktur ke pemasok, distributor ke manufaktur, retailer ke distributor, dan konsumen akhir ke retailer, memberikan pengaruh yang penting pada kegiatan dalam rantai pasok. Dengan hubungan yang baik, akan dihasilkan pula pelayanan yang baik bagi konsumen akhir, dan bersamaan dengan itu terjadi penambahan keuntungan bagi perusahaan-perusahaan dalam rantai pasok tersebut.
Wisner (2005) menuliskan bahwa di antara tahun 1950 dan 1960 perusahaan-perusahaan manufaktur melakukan teknik-teknik untuk produksi masal dengan tujuan reduksi biaya dan meningkatkan produktivitas, dimana relatif hanya sedikit memperhatikan patrnership dengan pemasok, meningkatkan desain proses dan meningkatkan mutu produk. Dari tahun 1960 sampai 1970, sistem
material requirements planning (MRP) dan sistem material resource planning
(MRP II) dikembangkan. Pada tahun 1980-an mulai dikembangkan manajemen rantai pasok dan berlanjut terus hingga kini.
Perlunya koordinasi dan kolaborasi antar perusahaan pada rantai pasok karena perusahaan-perusahaan yang berada pada suatu rantai pasok pada intinya ingin memuaskan konsumen akhir yang sama. Perusahaan-perusahaan tersebut harus bekerjasama untuk membuat produk yang murah, mengirimkannya tepat waktu, dan dengan mutu yang bagus. Dalam pengelolaan rantai pasok terdapat tantangan-tantangan yakni kompleksitas struktur rantai pasok dan terdapatnya ketidak-pastian. Kompleksitas manajemen rantai pasok terjadi karena melibatkan banyak pihak di dalam maupun di luar perusahaan, pihak-pihak tersebut biasanya memiliki kepentingan yang berbeda-beda, sehingga tidak jarang terdapat konflik
(45)
19
antara satu dengan yang lainnya. Ketidak-pastian yang pertama adalah ketidak-pastian permintaan, biasanya dari arah distributor atau retailer atau konsumen akhir. Ketidak-pastian kedua adalah dari arah supplier, berupa lead time
pengiriman bahan baku yang tidak pasti, ketidak-pastian harga, demikian pula jumlah dan mutu bahan baku. Ketidak-pastian lainnya adalah dari dalam manufaktur seperti kerusakan mesin, tidak hadirnya tenaga kerja, mutu produk yang tidak pasti. Tantangan-tantangan yang terjadi dalam rantai pasok seperti yang diuraikan tersebut perlu diminimalisir agar kegiatan-kegiatan sepanjang rantai pasok dalam berlangsung dengan baik untuk dapat memenuhi kebutuhan dan keinginan konsumen akhir yaitu kepuasan konsumen.
2.5 Jaringan syaraf tiruan
Jaringan syaraf tiruan (Artificial Neural Network) merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba mensimulasikan proses pembelajaran pada otak manusia tersebut (Siang 2009). Dinyatakan pula oleh Fausett (1994) bahwa jaringan syaraf tiruan adalah pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan syaraf tiruan memiliki kelebihan yaitu dapat mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya. Sehingga dengan menggunakan jaringan syaraf tiruan dapat dikenali pola data berdasarkan data input di masa lalu yang dapat mempermudah dalam melakukan peramalan.
Jaringan syaraf tiruan berkembang secara pesat pada beberapa tahun terakhir, dan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Tahun 1943 McCulloch dan Pitts memperkenalkan jaringan syaraf tiruan, dimana saat itu disimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasi. McCulloch dan Pitts mengusulkan pembobotan jaringan diatur dengan fungsi logika sederhana. Fungsi aktivasi yang dipakai dalam jaringan ini adalah fungsi treshlod.
(46)
20
Pengembangan model jaringan perceptron dilakukan oleh Rosenblatt pada tahun 1958, dengan memperkenalkan metode pelatihan untuk mengoptimalkan hasil iterasinya. Pada tahun 1960 Widrow dan Holf memperkenalkan aturan pelatihan jaringan yang merupakan pengembangan perceptron. Aturan ini dikenal sebagai aturan delta atau disebut juga kuadrat rata-rata terkecil. Aturan ini akan mengubah bobot perceptron bila keluaran yang diperoleh tidak sesuai dengan target yang ingin dicapai. Jaringan syaraf tiruan yang digunakan oleh para peneliti tersebut menggunakan jaringan dengan layer tunggal (single layer). Pada tahun 1986 Rumelhart mengembangkan perceptron menjadi backpropagation, yang memungkinkan jaringan menggunakan beberapa layer. Jaringan syaraf tiruan ini juga dikembangkan oleh Kohonen pada 1972 dan Hopfield pada tahun 1982. Sejak tahun 1990 aplikasi model-model jaringan syaraf tiruan banyak digunakan untuk menyelesaikan masalah-masalah di dunia nyata.
Beberapa aplikasi jaringan syaraf tiruan antara lain pengenalan pola (Pattern Recognition), Signal Processing, dan Forecasting atau peramalan (Siang, 2009). Pada pengenalan pola data, jaringan syaraf tiruan dapat digunakan untuk mengenali pola seperti huruf, angka, tanda tangan, yang sudah sedikit berubah. Sama halnya dengan otak manusia yang masih mengenali orang yang sudah lama tak bertemu. Berdasarkan kemampuan jaringan syaraf tiruan untuk mengingat dan melakukan generalisasi dari apa yang sudah ada sebelumnya, maka jaringan syaraf tiruan juga dapat digunakan untuk meramalkan atau melakukan prakiraan tentang apa yang terjadi di masa datang berdasarkan pola data masa lalu. Selain itu jaringan syaraf tiruan juga digunakan di bidang kontrol, bidang kedokteran dan bidang lainnya.
Selain kelebihan-kelebihannya yang dapat diaplikasikan dalam berbagai bidang, jaringan syaraf tiruan juga memiliki keterbatasan. Keterbatasannya adalah hasil yang diperoleh tidak akurat, dan hanya bekerja berdasarkan pola yang terbentuk pada inputnya.
2.5.1 Arsitektur Jaringan
Beberapa arsitektur jaringan pada jaringan syaraf tiruan adalah jaringan layar tunggal (single layer) dan jaringan layar jamak (multi layer network). Pada awal pengenalannya arsitektur jaringan yang digunakan adalah jaringan layar
(47)
21
tunggal. Pada perkembangan selanjutnya analisis permasalahan dengan jaringan syaraf tiruan menggunakan jaringan layar jamak.
Dalam jaringan layar tunggal (single layer network), input neuron dihubungkan langsung dengan neuron outputnya. Semua unit input (X1, X2, ..., Xn) dihubungkan dengan semua unit output (Y1, Y2, ..., Ym). Nilai Wji menunjukkan bobot hubungan antara unit input ke-i dengan unit output ke-j. Bobot-bobot yang saling independen akan dimodifikasi untuk meningkatkan keakuratan hasil selama proses pelatihan. Bentuk jaringannya dapat dilihat pada Gambar 6. X1 Ym Yj Y1 Xn Xi w11 wj1 wm1 w1i wji wmi w1n wmn wjn
Gambar 6 Jaringan layar tunggal (Siang 2009).
Dalam jaringan layar jamak (multi layer network) terdapat unit-unit neuron lain yang disebut layar tersembunyi (hidden layer) dimana unit-unit neuron ini tidak saling berhubungan satu sama lainnya sama seperti neuron-neuron pada layar input dan neuron-neuron pada layar output.
X1 Ym Yj Y1 Xn Xi Zp Z1 v11 vp1 v1i vpi v1n vpn w11 wj1 wm1 w1p wjp wmp
Gambar 7 Jaringan layar jamak.
Pada jaringan layar jamak terdapat sebanyak n unit neuron input (X1, X2, ..., Xn), sebuah layar tersembunyi dengan sebanyak p unit neuron (Z1, ..., Zp) dan
(48)
22
sebanyak m unit neuron output (Y1, Y2, ..., Ym). Bentuk arsitektur jaringan layar jamak ditunjukkan pada Gambar 7.
Keterbatasan jaringan syaraf tiruan layar tunggal diatasi dengan menambah satu atau beberapa layar tersembunyi di antara layar input dan layar output. Penambahan beberapa layar tersembunyi dapat memberikan manfaat dalam penyelesaian beberapa persoalan, namun memerlukan waktu yang lama untuk proses pelatihan. Pada umumnya dilakukan dengan satu layar tersembunyi. Gambar 8 menunjukkan arsitektur backpropagation. Vji merupakan bobot hubungan unit neuron input Xi ke unit layar tersembunyi Zj. Wkj merupakan obot dari unit layar tersembunyi Zj ke unit output Yk. Wk0 merupakan bobot dari neuron bias di layar tersembunyi ke unit neuron output Zk.
X1 Ym Yk Y1 Xn Xi Zj Z1 v11 vp1 v1i vpi v1n vpn w11 wk1 wm1 w1j wkj wmj 1 1 Zp vjn vji vj1 v10 vp0 vj0 wmp wkp w1p wk0 wm0 w10
Gambar 8 Arsitektur jaringan pada backpropagation.
2.5.2 Algoritma Backpropagasi Umpan Balik
Pelatihan propagasi umpan balik (Feed Forward Back Propagation) berbasis jaringan syaraf tiruan meliputi 3 fase (Siang 2009).
Fase pertama adalah fase maju. Pola masukan dihitung maju mulai dari layar masukan hingga layar keluaran menggunakan fungsi aktivasi yang ditentukan. Selama propagasi maju, sinyal masukan (= xi ) dipropagasikan ke
layer tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari setiap unit layar tersembunyi (=zj ) tersebut selanjutnya dipropagasikan maju lagi
(49)
23
ke layer tersembunyi di atasnya menggunakan fungsi aktivasi yang ditentukan. Demikian seterusnya hingga menghasilkan keluaran jaringan (=yk).
Berikutnya, keluaran jaringan (= yk ) dibandingkan dengan target yang harus
dicapai (=tk ).Selisih dari tk terhadap yk yaitu (tk− yk ) adalah kesalahan yang t
terjadi. Jika kesalahan ini lebih kecil dari batas toleransi yang ditentukan, maka iterasi dihentikan. Namun bila kesalahan masih lebih besar dari batas toleransinya, maka bobot setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan yang terjadi.
Fase kedua adalah fase mundur. Selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari garis yang berhubungan langsung dengan unit-unit di layar keluaran. Berdasarkan kesalahan tk− yk, dihitung faktor δk ( k = 1,2,..., m ) yang dipakai untuk mendistribusikan kesalahan di unit k y ke semua unit tersembunyi yang terhubung langsung dengan yk.δk juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran. Dengan cara yang sama, dihitung faktor δj ( j = 1,2,…, p ) di setiap unit di layar tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi di layar di bawahnya. Demikian seterusnya hingga semua faktor δ di unit tersembunyi yang berhubungan langsung dengan unit masukan dihitung.
Fase ketiga adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi. Setelah semua faktor δ dihitung, bobot semua garis dimodifikasi bersamaan. Perubahan bobot suatu garis didasarkan atas faktor δ neuron di layar atasnya. Sebagai contoh, perubahan bobot garis yang menuju ke layar keluaran didasarkan atas δk yang ada di unit keluaran.
Ketiga fase terebut diulang-ulang terus hingga kondisi penghentian dipenuhi. Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
Bidang peramalan (forecasting) merupakan salah satu bidang dimana jaringan syaraf tiruan dapat diaplikasikan. Backpropagation dapat digunakan dalam melakukan peramalan seperti prediksi permintaan suatu produk di masa
(50)
24
mendatang, prediksi nilai penjualan dan lain sebagainya. Peramalan ini didasarkan pada data yang diperoleh pada masa lalu.
Dalam memecahkan masalah peramalan, variabel yang diperhatikan adalah variabel yang mempengaruhi output peramalan yang akan dicapai. Terdapat dua model dalam peramalan yaitu model peramalan berdasarkan runtun waktu (time series) dan model kausal.
Pada model peramalan time series, sejumlah data x1, x2, ..., xn akan digunakan untuk memperkirakan nilai xn+1. Dengan backpropagation, sebagian data dipakai sebagai pelatihan untuk mencapai bobot yang optimal. Periode ditentukan secara intuitif tergantung variabel yang akan diprediksi. Banyaknya data dalam satu periode digunakan sebagai banyaknya input dalam backpropagation. Sebagai contoh, apabila diambil periode bulanan selama setahun, maka data yang digunakan sebagai target adalah data bulan pertama setelah periode berakhir.
Pada model peramalan kausal, unit-unit neuron input merupakan variabel-variabel yang mempengaruhi neuron output. Neuron output y merupakan variabel-variabel yang diramalkan dan dipengaruhi oleh variabel-variabel input.
Pada backpropagation ini belum ada teori yang secara pasti dapat digunakan dalam penentuan jumlah layar. Pada awalnya dicoba dengan jaringan kecil lebih dahulu, jika terdapat kesalahan maka jaringan diperbesar dengan menambahkan neuron pada layar tersembunyi, atau dapat menambah layar tersembunyi.
2.6 Proses Hirarki Analitik
Menurut Saaty (1993), Proses Hirarki Analitik (Analytical Hierarchy Process) adalah suatu model yang memberikan kesempatan untuk membangun gagasan dan mendefinisikan persoalan dengan cara membuat asumsi dan pemecahan yang diinginkan. Dengan menggunakan Analytical Hierarchy Process (AHP), suatu persoalan yang akan dipecahkan dalam suatu kerangka berfikir yang terorganisir sehingga memungkinkan dapat diekspresikan untuk mengambil keputusan yang efektif atas persoalan tersebut dan persoalan yang kompleks
(51)
25
dapat disederhanakan dan dipercepat proses pengambilan keputusannya (Marimin 2004).
AHP memiliki banyak keunggulan dalam menjelaskan proses pengambilan keputusan, karena dapat digambarkan secara grafis, sehingga mudah dipahami oleh semua pihak yang terlibat dalam pengambilan keputusan. Dengan AHP, proses keputusan yang kompleks dapat diuraikan menjadi keputusan-keputusan yang Iebih kecil yang dapat ditangani dengan lebih mudah. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih, sampai pada sub kriteria yang paling dalam, Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan, dan memperhitungkan daya tahan atau ketahanan keluaran analisis sensitivitas pengambilan keputusan. Selain itu, AHP juga menguji konsistensi penilaian, bila terjadi penyimpangan yang terlalu jauh dari nilai konsistensi sempurna, maka hal ini menunjukkan bahwa penilaian perlu diperbaiki, atau hierarki harus distruktur ulang. AHP juga mempunyai kemampuan untuk memecahkan masalah yang multi-objektif dan multi-kriteria yang berdasar pada perbandingan preferensi dari setiap elemen dalam hirarki. Dengan demikian AHP merupakan suatu model pengambilan keputusan yang komprehensif.
Namun selain kelebihan-kelebihan di atas, AHP juga memiliki kekurangan. Salah satu kekurangan yang paling sering disorot adalah fenomena perubahan ranking (rank reversal). Di sisi lain, situasi pengambilan keputusan seringkali dihadapkan pada kondisi di mana pengambil keputusan adalah satu kelompok yang terdiri atas beberapa individu. Dalam konteks pengambilan keputusan kelompok terdapat dua cara untuk menggabungkan pendapat dalam AHP. Pertama adalah secara deterministik dan kedua adalah secara statistika atau stokastika. Penggabungan secara deterministik ini sesuai jika jumlah pengambil keputusan yang terlibat tidak banyak dan mereka berinteraksi dalam frekuensi yang cukup sering sehingga keputusan konsensus sangat mungkin dicapai. Cara menggabungkan pendapat secara deterministik adalah dengan cara mengambil nilai rata-rata geometris (Saaty, 1988). Di pihak lain, jika jumlah pengambil keputusan banyak atau sangat banyak (umumnya di atas tiga puluh) dan tersebar
(52)
26
secara geografis sehingga pengambil keputusan sulit untuk saling berinteraksi satu dengan lain, maka pendekatan stokastika adalah pendekatan yang paling sesuai.
Adapun cara kerja dari AHP adalah dengan membagi permasalahan kompleks yang tidak terstruktur, strategik dan dinamik kedalam sub bagian-sub bagian yang lebih sederhana untuk kemudian diatur menjadi sebuah hirarki. Kemudian tingkat kepentingan setiap variabel diberi nilai numerik secara subyektif tentang anti panting suatu variabel tersebut secara relatif dibandingkan dengan variabel yang lain. Berdasarkan pertimbangan tersebut kemudian dilakukan sintesa untuk menetapkan variabel yang memiliki prioritas tertinggi dan berperan untuk mempengaruhi hasil pada sistem.
Menurut Marimin (2004) prinsip kerja AHP pada dasarnya terdiri dari (1) Penyusunan Hierarki.Persoalan yang akan diselesaikan diuraikan menjadi unsur-unsurnya, yaitu kriteria dan alternatif, kemudian disusun menjadi struktur hierarki. Struktur hierarki dalam AHP terdiri dari goal atau tujuan, kriteria dan alternatif. Goal berada pada tingkat yang paling atas disusul kriteria di bawahnya dan selanjutnya adalah alternatif. (2) Penilaian Kriteria dan alternatif. Kriteria dan alternatif dinilai melalui perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat. Matriks yang terdiri dan penilaian terhadap tingkat kepentingan secara relatif terbentuk dari skala yang digunakan untuk memberikan penilaian yang dimaksud. Adapun skala yang digunakan dalam pemberian nilai adalah :
Tabel 8 Skala pemberian nilai dalam AHP
Nilai Keterangan
1 Sama penting (equal)
3 Sedikit lebih penting (moderate)
5 Jelas lebih penting (strong)
7 Sangat jelas lebih penting (very strong)
9 Mutlak lebih penting (extreme)
2,4,6,8 Apabila ragu-ragu antara dua nilai yang berdekatan 1/(1-9) Kebalikan dari nilai tingkat kepentingan dari skala 1-9
Sumber : Saaty (1993)
Penentuan Prioritas.Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan (pairwise comparisons). Nilai-nilai perbandingan
(53)
27
relatif kemudian diolah untuk menentukan peringkat relatif dari seluruh alternatif. Baik kriteria kualitatif, maupun kriteria kuantitatif, dapat dibandingkan sesuai dengan judgment yang telah ditentukan untuk menghasilkan bobot dan prioritas. Bobot atau prioritas dihitung dengan manipulasi matriks atau melalui penyelesaian persamaan matematik.(4) Konsistensi Logis. Semua elemen dikelompokkan secara logis dan diperingkatkan secara konsisten sesuai dengan suatu kriteria yang logis.
2.7 Logika Fuzzy
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Konsep logika fuzzy pertama sekali diperkenalkan oleh Professor Lotfi A.Zadeh dari Universitas California, pada bulan Juni 1965. Logika fuzzy merupakan generalisasi dari logika klasik yang hanya memiliki dua nilai keanggotaan antara 0 dan 1. Kusumadewi dan Hari (2004) menyatakan bahwa pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA [x], memiliki 2 kemungkinan, yaitu :
1. 1 ( Satu), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan
2. 0 (Nol), yang berarti bahwa suatu item tidak menjadi anggota suatu himpunan
Kusumadewi dan Hari (2004) menyebutkan bahwa dalam memahami sistem fuzzy, yaitu :
a. Variabel fuzzy
Variabel yang dibahas dalam suatu sistem fuzzy. Contoh: umur, temperatur, dan sebagainya.
b. Himpunan fuzzy
Suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
Pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Terdapat dua atribut dalam himpunan fuzzy, yaitu linguistik dan numeris. Linguistik merupakan penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. Numeris yaitu suatu angka yang menunjukkan ukuran dari suatu variabel.
(54)
28
c. Semesta pembicaraan
Keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif.
d. Domain
Keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Domain merupakan himpunan bilangan real yang senantiasa naik secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif.
2.8 Sistem inferensi fuzzy
Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dan penalaran fuzzy. Menurut Septiani dan Marimin (2005) Fuzzy Inference System juga dikenal sebagai fuzzy rule based system, fuzzy model, fuzzyassosiative memory, fuzzy controller (ketika digunakan pada proses kontrol).
Dalam membangun sebuah sistem fuzzy dikenal beberapa metode penalaran, antara lain (Wahyu dan Afriyanti 2009) : metode Tsukamoto, metode Mamdani dan metode Sugeno. Masing-masing metode berbeda untuk perhitungan maupun respon keluarannya.
Metode sugeno merupakan metode inferensi fuzzy untuk aturan yang direpresentasikan dalam bentuk IF – THEN, dimana output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear (Kusumadewi 2002). Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Model Sugeno menggunakan fungsi keanggotaan Singleton yaitu fungsi keanggotaan yang memiliki derajat keanggotaan 1 pada suatu nilai crisp
tunggal dan 0 pada nilai crisp yang lain.
Ada 2 model fuzzy dengan metode Sugeno ( yaitu sebagai berikut: 1) Model Fuzzy Sugeno Orde-Nol, dan 2) Model Fuzzy Sugeno Orde-Satu. Secara umum bentuk model fuzzy Sugeno Orde Nol adalah:
(55)
29
IF (x1 is A1) o (x2 is A2) o (x3 is A3) o… o (xN is AN) THEN z=k dengan Ai adalah himpunan fuzzy ke-I sebagai antesenden, dan k adalah suatu konstanta (tegas) sebagai konsekuen.
Adapun bentuk model fuzzy Sugeno Orde-Satu adalah :
IF (x1 is A1) o… o (xN is AN) THEN z = p1*x1+… + pN*xN+q
dengan Ai adalah himpunan fuzzy ke-i sebagai antesenden, dan pi adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen.
Tahapan-tahapan dalam metode Sugeno yaitu 1) Pembentukan himpunan
Fuzzy, 2) Aplikasi fungsi implikasi, dan 3) Defuzzifikasi ( Defuzzification ). Masing-masing tahapan dapat dijelaskan secara singkat sebagai berikut : 2.8.1 Pembentukan himpunan fuzzy
Pada tahapan ini variabel input (crisp) dari sistem fuzzy ditransfer ke dalam himpunan fuzzy untuk dapat digunakan dalam perhitungan nilai kebenaran dari premis pada setiap aturan dalam basis pengetahuan. Dengan demikian tahap ini mengambil nilai-nilai crisp dan menentukan derajat di mana nilai-nilai tersebut menjadi anggota dari setiap himpunan fuzzy yang sesuai.
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai 1. Fungsi keanggotaan μ memetakan elemen x dari himpunan semesta X, ke sebuah bilangan μ[x], yang menentukan derajat keanggotaan dari elemen dalam himpunan fuzzy A.
A = {(x, μ[x] ) | x X}
Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Kusumadewi dan Hari (2004) menyebutkan bahwa terdapat beberapa fungsi yang dapat digunakan, yaitu :1) Representasi linier, 2) Representasi kurva segitiga, 3) Representasi kurva trapesium, 4) Representasi kurva bentuk bahu, 5) Representasi kurva-S, 6) Representasi kurva bentuk lonceng.
(56)
30
Representasi linier
Fungsi keanggotaan: Linear naik
0; x ≤ a
μ[x] = (x – a)/(b – a); a ≤ x ≤ b
1; x ≥ b
0 1
a domain b
μ(x)
Gambar 9 Representasi linear naik. • Fungsi keanggotaan: Linear turun
μ[x] = (b - x)/(b – a); a ≤ x ≤ b
0; x ≥ b
0 1
μ(x)
a domain b
(57)
31
Representasi kurva segitiga Fungsi keanggotaan:
0; x ≤ a atau x ≥ c
μ[x] = (x – a)/(b – a); a ≤ x ≤ b (c – x)/ (c – b) b ≤ x ≤ c
0 1
μ(x)
a b c
Gambar 11 Representasi kurva segitiga.
Representasi kurva trapesium Fungsi keanggotaan:
0; x ≤ a atau x ≥ d
μ[x] = (x – a)/(b – a); a ≤ x ≤ b
1; b ≤ x ≤ c
(d – x)/ (d – c) x ≥ d
0 1
μ(x)
a b c d
(1)
16.Running program 16
Jumlah neuron pada hidden layer 12 Fungsi aktivasi : logsig
Fungsi pembelajaran : traincgb
Goal : 0,0001 ; Epoch : 1000 ; Learning rate : 0,5
Jumlah iterasi : training : 40; testing : 12 ; forecasting : 1 MSE : 0,0000553
Hasil peramalan: bulan 1 : 330,93 ton bulan 2 : 331,33 ton bulan 3 : 330,90 ton bulan 4 : 330,83 ton
(2)
183
17.Running program 17
Jumlah neuron pada hidden layer 12 Fungsi aktivasi : logsig
Fungsi pembelajaran : traincgb
Goal : 0,0001 ; Epoch : 1000 ; Learning rate : 0,5
Jumlah iterasi : training : 64; testing : 29 ; forecasting : 1 MSE : 0,0000114
Hasil peramalan: bulan 1 : 330,77 ton bulan 2 : 331,01 ton bulan 3 : 330,75 ton bulan 4 : 330,87 ton
(3)
18.Running program 18
Jumlah neuron pada hidden layer 12 Fungsi aktivasi : logsig
Fungsi pembelajaran : traincgb
Goal : 0,0001 ; Epoch : 1000 ; Learning rate : 0,5
Jumlah iterasi : training : 51; testing : 25 ; forecasting : 1 MSE : 0,00000195
Hasil peramalan: bulan 1 : 330,75 ton bulan 2 : 330,75 ton bulan 3 : 330,75 ton bulan 4 : 330,87 ton
(4)
(5)
Transfer function: logsig ; Training function: traincgb ; Goal : 0,0001 ; Epoch : 1000 Run ke- Learning rate Hidden layer Iterasi
Mean Square Error
Forecast (ton/bulan)
Training Testing Forecasting 1 2 3 4
1 0,1 10 77 2 2 6,17x 10^-23 115546 115546 115546 115546
2 0,1 10 136 3 3 0,0000981 116634 115680 115560 115562
3 0,1 10 419 1 1 0,00000246 115720 115546 115546 115546
4 0,1 8 69 1 4 0,0000517 115951 115935 115882 115999
5 0,1 8 163 1 4 3,4x10^-9 115552 115549 115546 115546
6 0,1 8 173 1 5 0,000002 115644 115647 115594 115597
7 0,1 12 92 1 4 0,00002 115859 115874 115686 115689
8 0,1 12 231 1 2 0,000000859 115648 115562 115549 115549
9 0,1 12 12 1 1 0,0000988 116514 115857 115890 115791
10 0,5 10 88 1 1 0,0000273 115818 116045 115622 115619
11 0,5 10 100 1 2 0,0000687 115546 115546 115546 115546
12 0,5 10 77 1 2 6,17 x10^-23 115546 115546 115546 115546
13 0,5 8 66 1 1 0,0000485 115573 116313 115598 115600
14 0,5 8 56 1 3 0,0000993 116441 116121 115765 115737
15 0,5 8 43 1 2 0,0000242 116064 115715 115562 115561
16 0,5 12 59 1 1 0,0000531 116261 115917 115585 115577
17 0,5 12 37 1 2 0,00005 116283 115780 115637 115634
(6)
Lampiran 15 Hasil menjalankan program prediksi permintaan tepung jagung dengan JST pada MATLAB R2010a Transfer function: logsig ; Training function: traincgb ; Goal : 0,0001 ; Epoch : 1000 Run
ke- Learning rate Hidden layer
Iterasi
Mean Square Error
Forecast (ton/bulan)
Training Testing Forecasting 1 2 3 4
1 0,1 10 42 23 1 0,0000286 330,94 330,8 331,04 331,04
2 0,1 10 51 16 4 8,21x10^-12 330,75 330,75 330,75 330,75
3 0,1 10 55 14 1 0,0000496 331,35 330,76 330,77 330,76
4 0,1 8 42 28 3 0,0000889 330,89 330,77 331,54 330,78
5 0,1 8 66 20 1 6,86 x 10^-9 330,75 330,76 330,75 330,75
6 0,1 8 54 20 1 8,13 x 10^-8 330,77 330,75 330,75 330,75
7 0,1 12 42 23 1 0,0000286 330,94 330,8 331,04 331,04
8 0,1 12 54 22 2 5,58 x 10^-36 330,75 330,75 330,75 330,75
9 0,1 12 42 28 3 0,0000889 330,89 330,77 331,54 330,78
10 0,5 10 38 21 2 1,03 x 10^-13 330,75 330,75 330,75 330,75
11 0,5 10 4 20 3 0,00000464 330,76 330,76 330,93 330,75
12 0,5 10 48 14 1 0,0000966 330,75 331,18 330,83 331,46
13 0,5 8 40 24 1 0,0000292 330,88 331,02 330,95 331,04
14 0,5 8 29 22 5 0,00000363 330,76 330,8 330,76 330,9
15 0,5 8 61 30 2 2,89 x 10^-83 330,75 331,75 330,75 330,75
16 0,5 12 40 12 1 0,0000553 330,93 331,33 330,9 330,83
17 0,5 12 64 29 1 0,0000114 330,77 331,01 330,75 330,87