Sistem Pendukung Pengambilan Keputusan Cerdas Spasial Peningkatan Produktivitas Agroindustri Karet Dengan Pendekatan Produktivitas Hijau

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN CERDAS
SPASIAL PENINGKATAN PRODUKTIVITAS AGROINDUSTRI
KARET DENGAN PENDEKATAN PRODUKTIVITAS HIJAU

YULIANA KANEU TENIWUT

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2016

PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Sistem Pendukung
Pengambilan Keputusan Cerdas Spasial Peningkatan Produktivitas Agroindustri
Karet dengan Pendekatan Produktivitas Hijau adalah benar karya saya dengan
arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada
perguruan tinggi mana pun. 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 tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, Februari 2016
Yuliana Kaneu Teniwut
NIM F351124031

RINGKASAN
YULIANA KANEU TENIWUT. Sistem Pendukung Pengambilan Keputusan
Cerdas Spasial Peningkatan Produktivitas Agroindustri Karet dengan Pendekatan
Produktivitas Hijau. Dibimbing oleh MARIMIN dan NASTITI SISWI
INDRASTI.
Indonesia merupakan negara yang memiliki lahan kebun karet terluas di
dunia yaitu 3.446 juta ha, tetapi produktivitas kebun karet Indonesia masih sangat
rendah yaitu sekitar 1.1 ton/ha/tahun dibandingkan dengan Thailand sebagai
negara produksi karet terbesar. PTPV VIII-Kebun Cikumpay merupakan salah
satu perkebunan karet milik negara Indonesia yang terdiri dari afdeling (kebun)
Cikumpay I, Cikumpay II, Gunung Anaga, dan Gunung Hejo. Perkebunan
Cikumpay memiliki luas kebun 3 166.66 hektar dengan 2 963.12 ha dari luas areal
kebun digunakan untuk tanaman pokok. Ketersediaan lahan kebun yang luas
belum diiringi dengan peningkatan produktivitas pada masing-masing afdeling
tersebut karena pemanfaatan lahan pada perkebunan Cikumpay belum optimal

sehingga perlu didukung dengan adanya analisis spasial untuk mengetahui luasan
area dari masing-masing afdeling Cikumpay.
Bahan baku yang berkualitas merupakan faktor kunci dalam peningkatan
produktivitas Cikumpay. Bahan baku karet yang diperoleh dari perkebunan
Cikumpay diolah untuk menghasilkan dua produk utama yakni ribbed smoked
sheet dan crumb rubber. Aktivitas produksi produk ribbed smoked sheet dan
crumb rubber pada pabrik pengolahan yang semakin meningkat mengakibatkan
dampak lingkungan yang ditimbulkan juga akan meningkat. Untuk itu dibutuhkan
suatu pendekatan yang memperhitungkan hubungan antara kegiatan ekonomi dan
aspek dampak lingkungan. Salah satu pendekatan yang dapat digunakan terhadap
permasalahan lingkungan yang ditimbulkan oleh aktivitas industri adalah
pendekatan produktivitas hijau. Produktivitas hijau mempunyai konsep
meningkatkan profit, meningkatkan kualitas hidup, dan menurunkan dampak
terhadap lingkungan.
Sistem pengambilan keputusan di perkebunan Cikumpay masih bersifat
pragmatis. Pengambilan keputusan oleh para pengambil keputusan untuk
produktivitas afdeling dan agroindustri hanya berdasarkan pada aspek ekonomi
serta kualitas bahan baku dan produk tanpa memperhitungkan dampak yang
ditimbulkan terhadap lingkungan. Selain itu, sebagian besar informasi maupun
data dimasukkan, diolah, dan disimpan secara manual sehingga tidak efektif dan

efesien dari segi waktu, biaya, dan kemudahan dalam membantu pengambilan
keputusan secara cepat oleh para pengambil keputusan. Dengan demikian
dibutuhkan suatu sistem pendukung keputusan cerdas untuk membantu proses
pengambilan keputusan oleh para pengambil keputusan di perkebunan Cikumpay
terkait peningkatan produktivitas di afdeling dan agroindustri karet.
Penelitian ini bertujuan mengukur tingkat produktivitas afdeling karet,
mengukur tingkat produktivitas hijau agroindustri karet, memilih alternatif
strategi terbaik peningkatan produktivitas agroindustri karet, dan merancang
prototipe sistem perangkat lunak sistem pendukung keputusan cerdas spasial
untuk peningkatan produktivitas agroindustri karet. Pengukuran tingkat
produktivitas afdeling karet dilakukan dengan logika fuzzy. Pada model ini

terdapat sub model sistem informasi agroindustri karet untuk mengetahui luas area
tanaman menghasilkan yang dapat digunakan sebagai input pada pengukuran
produktivitas afdeling karet dengan logika fuzzy. Pengukuran tingkat produktivitas
agroindustri karet pada produk ribbed smoked sheet dan crumb rubber dilakukan
dengan indeks produktivitas hijau. Pemilihan alternatif terbaik dilakukan dengan
fuzzy analytic network process.
Hasil perhitungan dari model pengukuran tingkat produktivitas afdeling
karet menunjukkan bahwa rata-rata produktivitas afdeling di PTPN VIII-Kebun

Cikumpay masih sangat rendah yakni sebesar 6.25 kg/ha/hari. Hasil perhitungan
dari model pengukuran tingkat produktivitas agroindustri karet produk ribbed
smoked sheet menunjukkan bahwa nilai indeks produktivitas hijau adalah sebesar
0.730, sedangkan untuk produk crumb rubber adalah sebesar 0.126. Hasil tersebut
menunjukkan bahwa tingkat produktivitas lebih rendah dibandingkan dengan
dampak lingkungan yang ditimbulkan dari proses produksi ribbed smoked sheet
dan crumb rubber. Hasil perhitungan dari model pemilihan alternatif terbaik
menunjukkan bahwa alternatif pengendalian karakteristik bahan baku merupakan
alternatif terbaik untuk strategi peningkatan produktivitas agroindustri karet
dengan nilai sebesar 0.43859. Dengan demikian apabila alternatif tersebut
diterapkan pada aktivitas produksi di agroindustri karet maka nilai indeks
produktivitas hijau produk ribbed smoked sheet adalah sebesar 1.340, sedangkan
untuk produk crumb rubber adalah sebesar 0.228. Hasil ini menunjukkan bahwa
nilai indeks produktivitas hijau dengan alternatif terpilih meningkat dari kondisi
awal.
Pengendalian karakteristik bahan baku merupakan hal yang sangat penting
dalam peningkatan produktivitas agroindustri dengan pendekatan produktivitas
hijau karena dengan pengendalian yang baik maka bahan baku yang dihasilkan
memiliki kualitas yang baik dan dengan proses produksi yang optimal akan
menghasilkan produk yang berkualitas dan mengurangi limbah cair yang

dihasilkan selama proses produksi.
Kata kunci: IDSS, fuzzy ANP, karet alam, logika fuzzy, produktivitas hijau

SUMMARY
YULIANA KANEU TENIWUT. Spatial Intelligent Decision Support System for
Increasing Productivity on Rubber Agroindustry with Green Productivity
Approach. Supervised by MARIMIN and NASTITI SISWI INDRASTI.
Indonesia has largest rubber plantation land in the world was 3,446 million
ha, but the productivity of rubber plantations Indonesia is still very low at around
1.1 tonnes/ha/year compared with Thailand as the country's largest rubber
production. PTPN VIII-Cikumpay is one of the Indonesian state-owned rubber
plantations which are composed of Cikumpay I, Cikumpay II, Gunung Anaga, and
Gunung Hejo. Cikumpay plantation has area 3 166.66 hectares with 2 963.12 ha
of total area of plantation used for staple crops. Availability of agricultural lands
area have not been accompanied by an increase of productivity in each plantation
because productivity in each plantation is still very low as a result of land use on
Cikumpay plantation is not optimal so that needs to be supported by the existence
of spatial analysis to determine the land area of each plantation Cikumpay.
The quality of raw material is a key factor in increasing productivity of
Cikumpay. Raw material of rubber obtained from Cikumpay plantation processed

to produce two main products namely ribbed smoked sheet and crumb rubber.
Activity production of ribbed smoked sheet and crumb rubber at processing plant
which resulted in increasing the environmental impact will also increase. That
requires an approach that takes into account the relationship between economic
activity and environmental impacts aspects that occur through the process of
exploitation, production, and consumption of various types of natural resources
that impact on waste production. One approach that can be used for environmental
problems caused by industrial activity is green productivity approach. Green
productivity have a concept increase profitability, improve quality of life, and
reducing the impact on the environment.
Decision support system at Cikumpay plantation still pragmatic. Decision
making by decision makers for rubber plantation and agroindustry productivity
based only on economic aspects as well as quality of raw materials and products
without considering the impact on environment. In addition, most of the
information and data entered, processed, and stored is manually so as not effective
and efficient in terms of time, cost, and ease for support the decision making by
decision makers. Thus it takes an intelligent decision support system to help
decision making process by decision makers in related Cikumpay plantation
productivity improvements in the rubber plantation and agroindustry.
The objectives of this reasearch were to measure productivity level of

department rubber, measuring green productivity level of agroindustry rubber,
selection best alternative for productivity increasing of rubber agroindustry, and
designing a software system prototype of spatial intelligent decision support
systems for increasing productivity of rubber agroindustry. Rubber plantation
productivity measurement model used to find productivity level of rubber
plantation with fuzzy logic. In this model there is a sub model namely rubber
agroindustry information systems using geographic information system (GIS) to
determine the productive area on the plantation that can be used as inputs to the
measurement of the productivity of the rubber plantation. Green productivity

measurement model was to determined performance productivity of rubber
agroindustry with green productivity index (GPI). The best alternative for
increasing productivity model was determined with fuzzy Analytic Network
Process (fuzzy ANP).
Rubber plantation measurement model showed that the average of
plantation productivity is still very low, was 6.25 kg/ha/day. Green productivity
measurement model showed that green productivity index value of ribbed smoked
sheet was 0.730, while crumb rubber was 0.126. The results showed that level of
productivity is lower than environmental impact of ribbed smoked sheet and
crumb rubber production process. The best strategy for increasing productivity

model showed that alternative of raw material characteristics control is the best
alternative for increasing productivity strategy of rubber agroindustry with value
was 0.43859. Thus, if the alternative is applied to rubber agroindustry production
activities the value of green productivity index ribbed smoked sheet was 0.340,
while crumb rubber was 0.228. These results indicated that value of green
productivity index by selected alternative has increased from the initial conditions.
Control of raw materials characteristics is very important in increasing the
productivity of agroindustry with green productivity approach due to good control
of raw materials produced are of good quality and with optimal production
process will produce a quality product and reducing waste water generated during
production process.
Keywords: IDSS, fuzzy ANP, fuzzy logic, green productivity, natural rubber

© 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 apa pun tanpa izin IPB

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN CERDAS
SPASIAL PENINGKATAN PRODUKTIVITAS AGROINDUSTRI
KARET DENGAN PENDEKATAN PRODUKTIVITAS HIJAU

YULIANA KANEU TENIWUT

Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains
pada
Program Studi Teknologi Industri Pertanian

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2016

Penguji luar komisi pada Ujian Tesis: Dr Eng Taufik Djatna, STP MSi

PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala
karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Judul yang dipilih
dalam penelitian yang dilaksanakan sejak bulan Maret 2015 ini adalah Sistem
Pendukung Pengambilan Keputusan Cerdas Spasial Peningkatan Produktivitas
Agroindustri Karet dengan Pendekatan Produktivitas Hijau.
Penulis banyak memperoleh bantuan dari berbagai pihak dalam
penyelesaian tesis ini, untuk itu penulis menyampaikan rasa hormat, terima kasih,
dan penghargaan yang setinggi-tingginya kepada:
1. Prof Dr Ir Marimin, MSc selaku ketua komisi pembimbing atas segala waktu,
pikiran, perhatian, keikhlasan, dan kesabaran dalam membimbing dan
memberikan arahan, masukan, dan dorongan kepada penulis untuk
menyelesaikan tesis ini.
2. Prof Dr Ir Nastiti Siswi Indrasti selaku anggota komisi pembimbing atas
segala waktu, pikiran, serta perhatian dalam membimbing dan memberikan
arahan, masukan, dan dorongan kepada penulis untuk menyelesaikan tesis ini.
3. Dr Eng Taufik Djatna, STP MSi selaku dosen penguji luar komisi atas segala
arahan dan masukan dalam penyempurnaan tesis ini.

4. PT Perkebunan Nusantara VIII Persero atas ijin yang diberikan untuk
melakukan penelitian di Kebun Cikumpay.
5. Ivan Kusnandar, Edi Kurniawan, Nunung Saefudin, Ade Koswara, Yusep
Syarief Hidayat, dan Arif Rakhman Hakim STP, MSi atas segala bimbingan
dan bantuannya selama penelitian.
6. Dr M Yani, Ir Dadan Wiherman, Asep Muhidin, dan Dr Dadi R Maspanger
atas kesediaannya membantu penulis untuk menjadi pakar dalam penelitian.
7. Kedua orang tua penulis Bapak Kostantinus Teniwut dan Ibu Mathilda
Rahaded SPd, kedua kakak Willem Anselmus Harhong Teniwut, SE MM dan
Johanis Lazar Teniwut SE, adik Thomas Fredik Bules Teniwut SVD serta
seluruh keluarga besar Teniwut dan Rahaded yang selalu memberikan doa
dan dukungan kepada penulis dalam penyelesaian tesis ini.
8. Christian E. Pattipeilohy SPi atas segala doa dan dukungan kepada penulis
dalam penyelesaian tesis ini.
9. Rekan-rekan kuliah TIP dan grup bimbingan ISE yang selalu mendukung dan
berbagi ilmu dan pengetahuan selama kuliah di IPB.
10. Keluarga besar PSM IPB Agria Swara.
11. Semua pihak yang telah memberikan doa, dukungan, dan masukan kepada
penulis dalam penyelesaian tesis ini yang tidak dapat disebutkan satu per satu.
Semoga karya ilmiah ini bermanfaat bagi perkembangan teknologi dan ilmu
pengetahuan.

Bogor, Februari 2016

Yuliana Kaneu Teniwut

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

1 PENDAHULUAN
Latar Belakang
Tujuan
Ruang Lingkup

1
1
3
4

2 TINJAUAN PUSTAKA
Tanaman Karet (Hevea brasiliensis)
Produktivitas Hijau (Green Productivity)
Indeks Produktivitas Hijau (Green Productivity Index)
Sistem Informasi Geografis (Geographical Information System)
Sistem Pendukung Keputusan Cerdas
Logika Fuzzy
Fungsi Keanggotaan
Aturan Fuzzy If-Then
Metode Takagi-Sugeno
Defuzzifikasi
Fuzzy Analytic Network Process (Fuzzy ANP)
Penelitian Terdahulu

4
4
4
5
6
7
8
8
9
9
9
10
10

3 METODE
Kerangka Pemikiran
Tata Laksana
Data, Sumber Data, Lokasi Penelitian, dan Waktu Penelitian
Metode Pengumpulan Data
Metode Pengolahan Data
Pengukuran Produktivitas Afdeling Karet
Pengukuran Produktivitas Hijau
Pemilihan Alternatif Peningkatan Produktivitas
Tahapan Pengembangan Sistem

11
11
12
12
13
14
14
19
22
25

4 ANALISA SITUASIONAL AGROINDUSTRI KARET DAN
PERANCANGAN SISTEM
Analisa Situasional Agroindustri Karet Studi Kasus di PTPN VIII-Kebun
Cikumpay
Perancangan Sistem
Konfigurasi Sistem
Pengguna Sistem
Diagram Aliran Data

25
25
29
29
30
30

5 KINERJA PRODUKTIVITAS AGROINDUSTRI KARET
31
Kinerja Produktivitas Afdeling PTPN VIII-Kebun Cikumpay
31
Kinerja Produktivitas Hijau di PTPN VIII-Kebun Cikumpay
32
Tujuh Sumber Pembangkit Limbah di PTPN VIII-Kebun Cikumpay
32
Perhitungan Indikator Lingkungan
33
Perhitungan Indikator Ekonomi
33
Perhitungan Indeks Produktivitas Hijau
34
Peningkatan Produktivitas Hijau di PTPN VIII-Kebun Cikumpay dengan
Skenario Perbaikan
34
Alternatif Strategi Peningkatan Produktivitas Agroindustri Karet
34
Peningkatan Produktivitas Agroindustri Karet
35
Indeks Produktivitas Hijau Alternatif Terpilih
37
Perhitungan Indeks Produktivitas Hijau Berdasarkan Skenario Perbaikan39
6 IMPLEMENTASI SISTEM
43
Program Utama SIDSSAgroRubber
43
Model Pengukuran Produktivitas Afdeling Karet
44
Model Pengukuran Produktivitas Hijau
47
Model Pemilihan Alternatif Peningkatan Produktivitas
49
Validasi dan Verifikasi
49
Uji Validitas Model Pengukuran Produktivitas Afdeling Karet
50
Uji Validitas Model Pengukuran Produktivitas Hijau Agroindustri Karet 50
Uji Validitas Model Pemilihan Alternatif Peningkatan Produktivitas
50
Implikasi Manajerial
50
7 SIMPULAN DAN SARAN
Simpulan
Saran

51
51
52

DAFTAR PUSTAKA

52

LAMPIRAN

59

RIWAYAT HIDUP

78

DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Data, sifat data, sumber data, cara pengumpulan data, dan model
sistem
Aturan fuzzy untuk prediksi produktivitas afdeling karet
Bobot indikator dalam ESI 2005
Penurunan bobot indikator ESI terhadap empat variabel
lingkungan GPI
Definisi dan fungsi keanggotaan bilangan fuzzy
Perhitungan produktivitas afdeling per hari
Hasil analisis tujuh sumber pembangkit limbah proses produksi
ribbed smoked sheet
Hasil analisis tujuh sumber pembangkit limbah proses produksi
crumb rubber
Hasil pembobotan alternatif peningkatan produktivitas hijau
dengan fuzzy ANP
Hasil analisis tujuh sumber pembangkit limbah proses produksi
ribbed smoked sheet berdasarkan alternatif terpilih
Hasil analisis tujuh sumber pembangkit limbah proses produksi
crumb rubber berdasarkan alternatif terpilih
Skenario alternatif strategi peningkatan produktivitas
Nilai GPI kondisi awal, GPI alternatif, dan GPI rasio produk
ribbed smoked sheet
Nilai GPI kondisi awal, GPI alternatif, dan GPI rasio produk
crumb rubber

15
19
21
21
24
32
36
36
37
38
38
39
41
42

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Pohon industri berbasis karet (Badan Penelitian dan
Pengembangan Pertanian, Departemen Pertanian 2005)
Metodologi pengembangan GPI (Gandhi et al. 2006)
Alur penyelesaian masalah dengan metode fuzzy (Marimin et al.
2013b)
Kurva segitiga
Kerangka pemikiran
Tahapan penelitian
Tahapan pembuatan sistem informasi agroindustri karet
Tahapan pengukuran produktivitas afdeling karet dengan logika
fuzzy
Fungsi keanggotaan parameter luas area TM
Fungsi keanggotaan parameter jumlah produksi lateks
Fungsi keanggotaan parameter jumlah produksi lump
Tahapan pengukuran produktivitas hijau
Tahapan pemilihan alternatif terbaik peningkatan produktivitas
Model ANP peningkatan produktivitas agroindustri karet
Fungsi keanggotaan bilangan fuzzy triangular

5
6
8
8
12
13
16
16
17
17
18
20
22
23
24

16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

Siklus hidup pengembangan sistem (Turban 2005)
Proses produksi ribbed smoked sheet
Proses produksi crumb rubber
Konfigurasi sistem
Diagram aliran data level 0
Diagram aliran data level 1
Struktur model ANP peningkatan produktivitas dengan
SuperDecision
Diagram perbandingan GPI berdasarkan skenario perbaikan
produk ribbed smoked sheet
Diagram perbandingan GPI berdasarkan skenario perbaikan
produk crumb rubber
Tampilan halaman menu utama sistem
Tampilan halaman menu pengantar sistem
Tampilan halaman menu pengukuran produktivitas afdeling karet
Tampilan halaman utama menu sub model sistem informasi
geografis
Tampilan halaman menu hasil sistem informasi agroindustri karet
Tampilan halaman menu perhitungan produktivitas afdeling karet
Tampilan halaman hasil perhitungan produktivitas afdeling karet
Tampilan halaman menu pengukuran produktivitas hijau ribbed
smoked sheet
Tampilan halaman hasil perhitungan produktivitas hijau ribbed
smoked sheet
Tampilan halaman menu pengukuran produktivitas hijau crumb
rubber
Tampilan halaman hasil perhitungan produktivitas hijau crumb
rubber
Tampilan halaman menu pemilihan alternatif terbaik

25
28
29
30
31
31
35
41
42
43
44
44
45
45
46
46
47
47
48
48
49

DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8

Analisis kebutuhan pelaku utama sistem pendukung keputusan
cerdas
Perhitungan produktivitas afdeling karet
Rincian biaya produksi ribbed smoked sheet dan crumb rubber
kondisi saat ini
Rincian biaya produksi ribbed smoked sheet dan crumb rubber
berdasarkan alternatif terpilih
Rincian biaya produksi ribbed smoked sheet dan crumb rubber
berdasarkan skenario 1
Rincian analisa tujuh sumber pembangkit limbah ribbed smoked
sheet dan crumb rubber berdasarkan skenario 1
Rincian biaya produksi ribbed smoked sheet dan crumb rubber
berdasarkan skenario 3
Rincian analisa tujuh sumber pembangkit limbah ribbed smoked
sheet dan crumb rubber berdasarkan skenario 3

56
57
59
62
65
68
69
72

9

Kebutuhan perangkat keras, perangkat lunak, serta petunjuk
instalasi dan pengoperasian program SIDSSAgroRubber
10 Hasil supermatriks tidak tertimbang, supermatriks tertimbang,
dan hasil supermatriks limit

73
74

1

1 PENDAHULUAN
Latar Belakang
Tanaman karet merupakan salah satu komoditas yang sangat penting di
Indonesia, baik dalam konteks ekonomi masyarakat maupun sumber devisa non
migas bagi Indonesia (Damanik 2012). Indonesia merupakan negara yang
memiliki lahan kebun karet terluas di dunia yaitu 3.446 juta ha, tetapi
produktivitas kebun karet Indonesia masih sangat rendah yaitu sekitar 1.1
ton/ha/tahun dibandingkan dengan Thailand sebagai negara produksi karet
terbesar (IRSG 2012). Thailand menjadi negara penghasil karet alam terbesar
dengan produksi karet tahun 2012 sebesar 31.2%, sementara Indonesia di
peringkat kedua dengan produksi karet periode yang sama sebesar 26.8%
kemudian disusul oleh Malaysia dengan produksi 8.4% pada periode yang sama
(Mandiri 2013). Konsumsi karet alam global selama tahun 2013 mencapai 11.6
juta ton dengan laju pertumbuhan yang terus meningkat setiap tahunnya dari tahun
2009. Laju pertumbuhan konsumsi karet alam pada tahun 2013 mencapai 14.8%
(Mandiri 2013).
Industri karet alam Indonesia memiliki tiga sumber bahan baku penghasil
karet alam, yakni dari petani atau perkebunan rakyat, perusahaan milik
pemerintah, dan perkebunan swasta skala besar (perkebunan) dengan
produktivitas yang rendah pada sisi hulu (upstream) dan hilir (downstream)
(Marimin et al. 2014). Sebagian besar bahan baku karet alam Indonesia dihasilkan
oleh perkebunan rakyat (sekitar 80% dari total produksi nasional). Perusahaan
swasta dan pemerintah masing-masing menghasilkan produksi sekitar 10% dari
total produksi nasional. Disamping itu, peran perkebunan rakyat di negara-negara
lain lebih besar daripada Indonesia (Kementerian Koordinator Bidang
Perekonomian 2011).
Produktivitas sering diartikan sebagai rasio antara luaran (output) dengan
masukan (input) (Nasution 2006). Produktivitas menjadi bagian yang sangat
penting di dalam aktivitas suatu industri karena merupakan ukuran keberhasilan
suatu industri dalam melakukan kegiatannya mengkonversi bahan baku menjadi
produk yang siap dipasarkan. Produktivitas juga merupakan salah satu indikator
keberlanjutan suatu industri di masa yang akan datang. Industri dengan
produktivitas yang tinggi akan mampu bertahan pada era persaingan industri saat
ini. Sebaliknya, industri dengan produktivitasnya yang rendah dapat menyebabkan
perjalanannya kandas dikarenakan tidak mampu bersaing dengan industri-industri
lain yang serupa (Darmawan et al. 2012). Produktivitas perkebunan karet yang
rendah di Indonesia disebabkan oleh kualitas bibit yang rendah, pemanfaatan
lahan perkebunan yang tidak optimal, dan pemeliharaan tanaman yang buruk
(Kementerian Koordinator Bidang Perekonomian Indonesia 2011) sehingga
sangat berpengaruh terhadap tingkat produktivitas agroindustri karet di Indonesia.
Apabila permasalahan tersebut dapat diatasi dan dikelola dengan baik maka
Indonesia memiliki potensi untuk menjadi produsen karet utama di dunia dengan
produktivitas yang meningkat secara terus menerus.
Agroindustri karet merupakan salah satu industri yang erat hubungannya
dengan masalah lingkungan, semakin meningkatnya produksi karet maka semakin

2
meningkat dampak terhadap lingkungan. Peningkatan produktivitas agroindustri
karet dapat ditingkatkan dengan cara mereduksi limbah yang ditimbulkan dari
proses produksi karet (Darmawan et al. 2012). Perbaikan kegiatan produksi
melalui pemanfaatan yang lebih baik dari sumber daya mampu untuk mengurangi
dampak terhadap lingkungan, karena kinerja suatu perusahaan tidak lagi dapat
dievaluasi berdasarkan parameter ekonomi saja, karena saat ini kinerja perusahaan
juga harus terintegrasi dengan kinerja lingkungan (Saxena et al. 2003).
Isu dampak lingkungan yang terus meningkat dari proses kegiatan industri,
membutuhkan suatu penanganan yang khusus untuk mengatasi permasalahan
lingkungan yang ditimbulkan akibat aktivitas proses di industri tersebut. Menurut
Marimin et al. (2013a) pendekatan yang digunakan harus turut memperhitungkan
hubungan antara kegiatan ekonomi dan aspek dampak lingkungan yang terjadi
melalui proses kegiatan eksploitasi, produksi, dan konsumsi berbagai jenis sumber
daya alam yang berdampak pada dihasilkannya limbah. Salah satu pendekatan
yang dapat digunakan terhadap permasalahan lingkungan yang ditimbulkan oleh
aktivitas industri adalah pendekatan produktivitas hijau. APO (2006) menyatakan
bahwa produktivitas hijau berfokus pada lingkungan melalui penurunan tingkat
penggunaan sumber daya lingkungan untuk mengurangi dampak negatif terhadap
lingkungan. Produktivitas hijau juga berfokus pada pengurangan secara ekonomis
bahan, energi, dan biaya yang digunakan untuk membuat produk dan jasa,
sehingga mengurangi langsung biaya yang pada akhirnya berdampak pada
profitabilitas.
PTPV VIII-Kebun Cikumpay merupakan salah satu perkebunan karet milik
negara Indonesia yang terdiri dari afdeling (kebun) Cikumpay I, Cikumpay II,
Gunung Anaga, dan Gunung Hejo. Perkebunan ini memiliki luas kebun 3 166.66
hektar dengan 2 963.12 ha dari luas areal kebun digunakan untuk tanaman pokok.
Ketersediaan lahan kebun yang luas belum diiringi dengan peningkatan
produktivitas pada masing-masing afdeling tersebut karena produktivitas pada
masing-masing afdeling masih sangat rendah akibat dari pemanfaatan lahan pada
perkebunan Cikumpay yang belum optimal. Pemanfaatan lahan yang belum
optimal perlu didukung dengan adanya analisis spasial melalui pembuatan sistem
informasi geografis untuk mengetahui luasan area dari masing-masing afdeling
Cikumpay sehingga lahan masing-masing afdeling dapat digunakan secara
optimal. Sistem informasi geografis (SIG) merupakan sistem perangkat keras dan
lunak berbasis komputer, yang digunakan untuk pengumpulan, penyimpanan,
analisis, dan penyebaran informasi tentang area di permukaan bumi (ESRI 1995;
Chrisman 1997). Selain itu, bahan baku yang berkualitas merupakan salah satu
faktor kunci dalam peningkatan produktivitas Cikumpay sehingga pemeliharaan
tanaman yang baik, penggunaan klon yang unggul, dan teknik penyadapan yang
baik sangat berpengaruh terhadap kualitas bahan baku karet. Bahan baku karet
yang diperoleh dari masing-masing afdeling Cikumpay diolah untuk
menghasilkan dua produk utama yakni ribbed smoked sheet dan crumb rubber.
Aktivitas produksi produk ribbed smoked sheet dan crumb rubber pada pabrik
pengolahan yang semakin meningkat mengakibatkan dampak lingkungan yang
ditimbulkan juga akan meningkat.
Pengambilan keputusan di perkebunan Cikumpay melibatkan empat pelaku
utama yakni administratur, kepala tanaman, kepala teknologi, dan kepala T.U.K.
Sistem pengambilan keputusan di perkebunan Cikumpay masih bersifat pragmatis

3
karena keputusan yang diambil oleh para pengambil keputusan terkait
produktivitas di afdeling dan agroindustri karet hanya bersifat untuk jangka
pendek tanpa memperhitungkan kebelanjutannya. Pengambilan keputusan oleh
para pengambil keputusan untuk produktivitas afdeling dan agroindustri hanya
berdasarkan pada aspek ekonomi serta kualitas bahan baku dan produk tanpa
memperhitungkan dampak yang ditimbulkan terhadap lingkungan. Selain itu,
sebagian besar informasi maupun data dimasukkan, diolah, dan disimpan secara
manual sehingga tidak efektif dan efesien dari segi waktu, biaya, dan kemudahan
dalam membantu pengambilan keputusan secara cepat oleh para pegambil
keputusan. Dengan demikian dibutuhkan suatu sistem pendukung keputusan
cerdas untuk membantu proses pengambilan keputusan oleh para pengambil
keputusan di perkebunan Cikumpay terkait peningkatan produktivitas di afdeling
karet dan agroindustri karet.
Sistem pendukung keputusan cerdas (Intelligent Decision Support System)
yang selanjutnya disingkat IDSS merupakan sistem berbasis komputer yang
interaktif menggunakan data, model, dan pengetahuan kepakaran untuk
mendukung keputusan-keputusan dalam organisasi untuk menyelesaikan masalah
yang kompleks dengan menggabungkan teknik kecerdasan buatan (artificial
intelligence) antara lain fuzzy systems, neural networks, machine learning, dan
genetic algorithms yang mempunyai tujuan untuk membantu pengguna dalam
mengakses, menampilkan, memahami, serta mengolah data secara lebih cepat dan
mudah untuk membantunya dalam mengambil keputusan (Dhar dan Stein 1997).
Sistem pendukung keputusan yang sudah ada dan dikembangkan sering kurang
optimal dalam kemudahan penggunaan dan belum berbasis teknik-tenik intelijensi
buatan. Dengan demikian pada penelitian ini akan diterapkan teknik-teknik
intelijensi buatan untuk mengintegrasikan hubungan antara peningkatan
produktivitas, minimasi dampak lingkungan, dan sistem cerdas dengan kondisi
spasial perkebunan karet melalui perancangan perangkat lunak sistem pendukung
keputusan cerdas spasial dengan pengukuran produktivitas afdeling dan
agroindustri karet serta peningkatan produktivitas agroindustri karet sehingga
dapat membantu para pengambil keputusan dalam proses pengambilan keputusan
dengan waktu yang lebih cepat, hemat biaya, dan lebih praktis.

Tujuan
Tujuan utama dari penelitian ini adalah merancang sistem pendukung
keputusan cerdas spasial untuk peningkatan produktivitas agroindustri karet
dengan pendekatan produktivitas hijau. Tujuan khusus penelitian ini antara lain:
1. Mengukur tingkat produktivitas afdeling karet;
2. Mengukur tingkat produktivitas hijau agroindustri karet;
3. Memilih alternatif terbaik untuk strategi peningkatan produktivitas
agroindustri karet;
4. Merancang prototipe sistem perangkat lunak sistem pendukung keputusan
cerdas spasial untuk peningkatan produktivitas agroindustri karet.

4
Ruang Lingkup
Ruang lingkup penelitian pada sistem penunjang keputusan cerdas spasial
peningkatan produktivitas agroindustri karet dengan pendekatan produktivitas
hijau adalah sebagai berikut:
1. Agroindustri yang dijadikan sebagai objek pada penelitian ini adalah
agroindustri berbahan baku karet alam di Indonesia dengan studi kasus pada
PT. Perkebunan Nusantara VIII-Kebun Cikumpay dengan produk ribbed
smoked sheet dan crumb rubber;
2. Sistem informasi spasial agroindustri karet menggunakan Sistem Informasi
Geografis (SIG);
3. Analisa elemen-elemen yang berpengaruh terhadap peningkatan produktivitas
agroindustri karet melalui melalui pengukuran tingkat produktivitas afdeling
karet dan produktivitas hijau agroindustri karet yakni pada proses produksi
ribbed smoked sheet dan crumb rubber, serta pemilihan alternatif terbaik
untuk strategi peningkatan produktivitas agroindustri karet.

2 TINJAUAN PUSTAKA
Tanaman Karet (Hevea brasiliensis)
Tanaman karet (Hevea brasiliensis) merupakan salah satu sumber utama
penghasil karet alam (cis 1,4-poliisoprena) yang telah lama dikembangkan untuk
pemenuhan kebutuhan industri dunia. Sesuai dengan nama latin yang
disandangnya tanaman karet berasal dari Brazil (Tim Penulis PS 2007). Sebagian
besar areal perkebunan karet Indonesia terletak di Sumatera (70%), Kalimantan
(24%), dan Jawa (4%) dengan curah hujan 1500-4000 mm/tahun dengan rata-rata
bulan kering 0-4 bulan pertahun dan terletak pada elevasi dibawah 500 m diatas
permukaan laut.
Tanaman karet merupakan tanaman tahunan yang mampu memberikan
manfaat dalam pelestarian lingkungan, terutama dalam hal penyerapan CO 2 dan
penghasil O2. Bahkan ke depan, tanaman karet merupakan sumber kayu yang
potensial yang dapat mensubstitusi kebutuhan kayu hutan alam yang dari tahun ke
tahun ketersediaannya semakin menurun. Tanaman karet di Indonesia telah
dibudidayakan dalam pola perkebunan sejak zaman pemerintahan kolonial
Belanda. Hingga sekarang pertanaman karet masih dikelola dalam pola
perkebunan yang terdiri atas perkebunan rakyat, perkebunan besar negara, dan
perkebunan besar swasta. Ditunjang oleh faktor kondisi tanah dan iklim yang
sesuai tanaman karet di Indonesia dapat tumbuh subur sehingga produksinya terus
meningkat. Pemanfaatan produk tanaman karet disajikan dalam Gambar 1.

Produktivitas Hijau (Green Productivity)
Produktivitas hijau atau green productivity (GP) adalah strategi untuk
meningkatkan produktivitas dan mengurangi dampak terhadap lingkungan.
Faktor-faktor dari aplikasi produktivitas terdiri atas alat pada manajemen

5
lingkungan, teknik, dan teknologi untuk mengurangi dampak yang mempengaruhi
lingkungan yang diakibatkan dari aktivitas perusahaan atau organisasi dalam
melakukan produksi dan pelayanan. Produktivitas hijau mempunyai konsep
meningkatan keuntungan, meningkatkan mutu hidup dan mengurangi dampak
lingkungan (APO 2006).

Lateks, sheet,
bokar

Pipet, slang, stetoskop,
dan lain-lain

Perlengkapan
kendaraan

Ban kendaraan, pedal
sepeda dan motor, ban of
the road, karet kaca
mobil, dan lain-lain

Alat olahraga

Bola sepak, volley,
basket, pakaian selam,
dan lain-lain

Perlengkapan
pakaian

Sepatu dan sandal karet,
dan lain-lain

Perlengkapan
teknik industri

Air house, oil seal,
rubber bushing, dan lainlain

Perlengkapan
anak dan bayi

Balon karet, dot susu,
perlak, mainan anak, dan
lain-lain

Perlengkapan
rumah tangga

Karpet, perlengkapan lain

Barang lain

Kondom, pelampung, dan
laIn-lain

Crumb rubber

Pohon karet

Kayu

Alat kesehatan
dan
laboratorium

Arang, kayu
gergajian, pulp

Furniture

Gambar 1 Pohon industri berbasis karet (Badan Penelitian dan Pengembangan
Pertanian, Departemen Pertanian 2005)
Strategi produktivitas didalamnya termasuk ekonomi dan kualitas
lingkungan dan pengembangan sosial ekonomi merupakan kunci dari definisi
produktivitas hijau. Pendekatan ini melakukan kegiatan perbaikan proses produksi
produksi melalui pemanfaatan yang lebih baik dari energi, material, air, pelarut,
dan lain-lain yang mampu untuk mengurangi dampak terhadap lingkungan.
Produktivitas hijau mengandung pemahaman bahwa lingkungan yang sehat dan
faktor ekonomi kompetitif adalah saling berpengaruh (APO 2006).
Produktivitas hijau mempunyai tujuan untuk menghasilkan capaian
lingkungan dengan mengurangi penggunaan sumber daya dan energi material. GP
mendorong pelaksanaan “smart growth” dengan memanfaatkan kecerdikan
kreatif dan kolektif dari setiap orang. Konsep ini jauh dari sikap yang bersifat
mandat, mengatur ataupun litigasi, namun mendorong orang agar bertindak secara
bertanggung jawab dan mengambil kendali dari tindakan mereka untuk
meningkatkan kualitas hidup mereka sendiri dan mendapatkan keuntungan (APO
2006).

Indeks Produktivitas Hijau (Green Productivity Index)
Indeks Produktivitas Hijau (GPI) digunakan untuk mengisi kesenjangan
panjang yang ada dalam evaluasi kinerja lingkungan dan juga menawarkan

6
langkah kecil ke arah pendekatan yang lebih kuat dan kuantitatif untuk
pengambilan keputusan lingkungan. Indeks Produktivitas Hijau (GPI)
didefinisikan sebagai rasio sistem produktivitas terhadap dampak lingkungannya
(Hur et al. 2004). Selain itu, produktivitas didefinisikan sebagai rasio
perbandingan antara harga jual produk terhadap biaya produksi.
Pengindeksan adalah suatu kerangka kerja pengukuran yang sistematis
untuk menentukan apa yang harus diukur dan bagaimana cara dilakukannya suatu
pengukuran. GPI ditujukan untuk memperkirakan dan membandingkan kinerja
dari GP produk atau proses sebelum dan sesudah dilakukannya CI (Continuous
Improvement). GPI merupakan profil penggabungan dari dua indikator yang
berasal dari lima variabel yang mendasari (SP, PC, SWG, GWG dan WC).
Metodologi pengembangan GPI terdiri atas tiga langkah yang saling terkait.
Metodologi GPI secara umum ditunjukan pada Gambar 2.
Biaya produksi
Indikator ekonomi
Harga penjualan
Keterkaitan nilai

GPI

Limbah gas
Pemakaian air

Indikator lingkungan

Limbah padat

Gambar 2 Metodologi pengembangan GPI (Gandhi et al. 2006)

Sistem Informasi Geografis (Geographical Information System)
Sistem informasi geografis (SIG) merupakan sistem perangkat keras dan
lunak berbasis komputer, yang digunakan untuk pengumpulan, penyimpanan,
analisis, dan penyebaran informasi tentang area di permukaan bumi (ESRI 1995;
Chrisman 1997). Pada dasarnya SIG merupakan gabungan dari tiga unsur pokok:
sistem, informasi, dan geografis. Dengan penggabungan ketiga unsur pokok
tersebut, SIG akan memberikan “informasi geografis” (Prahasta 2001). Informasi
geografis mengandung pengertian informasi mengenai tempat-tempat yang
terletak di permukaan bumi, pengetahuan mengenai posisi dimana suatu objek
terletak di permukaan bumi, dan informasi mengenai keterangan-keterangan
(atribut) yang terdapat dipermukaan bumi yang posisinya diberikan atau diketahui
(Chrisman 1997; Prahasta 2001). Sistem informasi geografis memerlukan data
masukan agar dapat berfungsi dan memberikan informasi hasil analisisnya
(Blaschke 2001).
Menurut Prahasta (2001), terdapat tiga komponen yang dapat diperoleh dari
informasi kenampakan geografis yaitu posisi geografis, atribut, dan hubungan
keruangan. Kekuatan utama dari SIG terletak pada kemampuannya memadukan
berbagai jenis data, baik data spasial (yang berkaitan dengan
keruangan/posisi/lokasi) maupun data tekstual/atribut (non-geografis), menjadi
suatu informasi yang dapat membantu memecahkan masalah secara terorganisasi

7
dalam kaitan keruangan (posisi/lokasi). Adanya SIG memungkinkan beberapa
keperluan yang kompleks dapat dilakukan menjadi lebih mudah dan cepat,
dibandingkan jika dilakukan dengan cara konvensional.
Ada tiga tugas utama yang diharapkan dapat dilakukan oleh SIG yaitu
(ESRI 1995; Prahasta 2001):
1. Penyimpanan, manajemen dan integrasi data spasial dalam jumlah besar;
2. Analisis yang berhubungan secara spesifik dengan komponen data geografis;
3. Mengorganisasikan dan mengatur data dalam jumlah besar, sehingga
informasi tersebut dapat digunakan pemakainya.
Kemampuan SIG dapat ditunjukkan dalam lima bentuk kemampuan analisis
spasial sebagai berikut (ESRI 1995; Prahasta 2001):
1. Menyajikan apa yang terdapat pada suatu wilayah dalam beragam cara,
dilengkapi dengan referensi geografis seperti garis lintang dan bujur.
2. Menyajikan letak suatu aktivitas dalam wilayah sebagai hasil analisis ruang,
misalnya lokasi yang memenuhi kriteria yang diinginkan.
3. Menyajikan perubahan ruang secara temporal atau kecenderungan (trend).
4. Menyajikan hasil analisis spasial yang lebih rumit, seperti dampak spasial
suatu kegiatan tertentu.
5. Menyajikan hasil analisis spasial yang lebih rumit lagi, yaitu berupa
pemodelan yang dapat memadukan informasi spasial dan informasi lainnya
termasuk sosial budaya dan hukum.
Dengan kemampuan yang tinggi, maka sebagai alat SIG sangat bermanfaat
dalam perencanaan tata ruang wilayah. Informasi yang didapatkan dari
pendekatan sistem dan pemodelan akan dapat diintegrasikan dengan SIG. Peranan
SIG adalah sebagai alat analisis spasial bagi informasi yang dihasilkan dari
pemodelan yang dibangun (Blaschke 2001; Shui-sen et al. 2005; Martin dan HallArber 2008).
SIG terdiri atas perangkat lunak (software), data, pengguna, dan organisasi
fungsi. Dalam arti sempit, SIG dianggap sebagai sebuah sistem perangkat lunak
yang terdiri atas modul-modul input, penyimpanan (storage), analisis, tampilan
(display), dan output dari data spasial (de By 2000).

Sistem Pendukung Keputusan Cerdas
Sistem pendukung keputusan cerdas atau intelligent decision support system
(IDSS) merupakan sistem berbasis komputer yang interaktif menggunakan data,
model, dan pengetahuan kepakaran untuk mendukung keputusan-keputusan dalam
organisasi untuk menyelesaikan masalah yang komplek dengan menggabungkan
teknik artificial intelligent (Dhar dan Stein 1997).
Pengukuran suatu sistem penunjang keputusan cerdas berdasarkan tingkat
kecerdasannya yaitu tingkat kerapatan kecerdasan (intelligence density). Tingkat
kerapatan kecerdasan merupakan perbandingan antara tingkat kepuasan yang
dihasilkan dalam proses pengambilan keputusan dengan jumlah waktu analisis
yang dihabiskan seorang pembuat keputusan. Oleh sebab itu, sistem penunjang
keputusan cerdas yang baik adalah sistem yang mampu mengasilkan keluaran
yang dapat membantu pengambil keputusan menentukan keputusan dengan cepat

8
tanpa mengurangi kualitas keputusan, atau dapat meningkatkan kualitas keputusan
dalam rentang waktu yang sama (Dhar dan Stein 1997).

Logika Fuzzy
Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik.
Sistem ini mempunya kemampuan untuk mengembangkan sistem intelijen dalam
lingkungan yang tidak pasti dan tidak tepat. Sistem ini menduga suatu fungsi
dengan logika fuzzy. Logika fuzzy merupakan bagian dari logika boolean yang
digunakan untuk menangani konsep derajat kebenaran yaitu nilai kebenaran antara
benar dan salah. Logika fuzzy sering menggunakan informasi linguistik dan
verbal. (Marimin et al. 2013b). Dalam logika fuzzy terdapat beberapa proses
seperti ditunjukkan pada Gambar 3.
Permasalahan nyata
Representasi natural
Fuzzifikasi
Komputasi secara fuzzy
Defuzzifikasi
Solusi

Gambar 3 Alur penyelesaian masalah dengan metode fuzzy (Marimin et al. 2013b)
Fungsi Keanggotaan
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titiktitik masukan data ke dalam nilai keanggotaannya (Kusumadewi 2002). Pada
sistem fuzzy, terdapat beberapa fungsi keanggotaan yang dapat digunakan untuk
pemberian nilai keanggotaan pada suatu elemen dalam himpunan fuzzy. Fungsi
keanggotaan yang digunakan pada penelitian ini adalah kurva segitiga. Kurva
segitiga pada dasarnya merupakan gabungan antara dua garis (linear) serta
ditandai oleh adanya tiga parameter {a, b, c} yang akan menentukan koordinat x
dari tiga sudut. Representasi kurva segitiga disajikan pada Gambar 4.

Gambar 4 Kurva segitiga

9
Fungsi keanggotaan untuk kurva segitiga direpresentasikan seperti pada
Persamaan 1.
0

a atau
-a
b-a

a

1

-b

b
b

(1)

b

Nilai a menyatakan batas bawah dari range nilai, b menyatakan nilai puncak pada
kurva segitiga sekaligus titik tengah dari a dan c, sedangkan c menyatakan nilai
batas atas dari range nilai. Variabel x menyatakan elemen yang akan dicari nilai
keanggotaannya.
Aturan Fuzzy If-Then
Fungsi keanggotaan inferensi merupakan proses penarikan suatu kesimpulan
berdasarkan data dan aturan tertentu (Siler dan Buckley 2005). Fuzzy Inference
System memiliki 3 komponen penting, yaitu basis pengetahuan (aturan fuzzy),
database (fungsi keanggotaan), dan mekanisme pengambilan kesimpulan.
Metode Takagi-Sugeno
Metode Takagi-Sugeno diperkenalkan oleh Takagi-Sugeno Kang pada tahun
1985. Metode Takagi-Sugeno merupakan metode yang sering digunakan dalam
pengembangan model fuzzy. Pada penelitian ini digunakan model fuzzy TakagiSugeno orde nol. Model Takagi-Sugeno orde nol mendefinisikan aturan fuzzy
sebagai:
IF (x1 is A1) (x2 is A2) (x3 is A3) ... (xn is An) THEN z = k
Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah suatu konstanta
(tegas) sebagai konsekuen. Untuk mendapatkan output pada model Takagi-Sugeno
diperlukan 4 tahapan, yaitu pembentukan himpunan fuzzy, aplikasi fungsi
implikasi (aturan), komposisi aturan, dan penegasan (defuzzifikasi). Keunggulan
utama metode Takagi-Sugeno adalah kemampuannya dalam memecahkan
pendekatan loop tertutup yang diajukan oleh metode Mamdani yang bersifat statis,
sedangkan pada metode Takagi-Sugeno konsekuen kaidah merupakan fungsi
matematika yang lebih dapat dikendalikan (Marimin et al. 2013b).
Defuzzifikasi
Defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output
yang bernilai tunggal (crisp). Pada tahap ini nilai crisp diperoleh dengan
menggunakan centre average defuzzyfier (Wang 1997) seperti Persamaan 2.
n
i 1 i i
n
i 1 i

(2)

Untuk mendapatkan nilai defuzzifikasi (Z) dibutuhkan nilai domain (z) dengan
menggunakan fungsi MIN sebagai fungsi implikasinya.

10
Fuzzy Analytic Network Process (Fuzzy ANP)
ANP adalah pengembangan dari metode AHP yang telah mampu
mengakomodasi adanya saling keterkaitan dalam bentuk interaksi dan umpan
balik dari elemen elemen dalam cluster (inner dependence) atau antar cluster
(outer dependence) (Saaty 1996). Analytic network process (ANP) pertama kali
dibawa oleh Saaty pada tahun 1996 (Saaty 1996). ANP tidak hanya dapat
memecahkan masalah AHP, tetapi juga bisa menangani hubungan saling
ketergantungan dalam pengambilan keputusan model multikriteria. Dengan
faktor-faktor yang saling mempengaruhi satu dengan lainnya dan bergantung pada
satu sama lain dalam lapisan jaringan, tingkatan yang penting dapat menggunakan
perbandingan langsung atau perbandingan tidak langsung.
Fungsi keanggotaan yang umum digunakan dalam fuzzy adalah triangular
dan trapeziodal karena kemudahan dalam pemodelan dan interpretasi. Bilangan
fuzzy triangular
, digunakan untuk mewakili perbandingan berpasangan
secara subjektif pada proses pemilihan yang meragukan. Sebuah bilangan fuzzy
merupakan sebuah himpunan fuzzy khusus
dengan nilai
diambil dari bilangan riil
dan
merupakan sebuah
pemetaan kontinu dari ke interval
.

Penelitian Terdahulu
Beberapa penelitian terdahulu menjadi acuan dalam penilitian ini,
diantaranya Putra (2012) melakukan penelitian pada budidaya karet alam dan
wiguna (2012) pada pengolahan karet alam. Penelitian-penelitian tersebut meneliti
peningkatan produktivitas proses dalam agroindustri karet alam dengan
menggunakan pendekatan produktivitas hijau pada suatu perusahaan. Pada
penelitian ini pengukuran produktivitas proses budidaya dan pengolahan karet
alam dilakukan dengan menggunakan analisis pemetaan aliran material hijau
(current state green VSM), untuk mengidentifikasi tujuh sumber pembangkit
limbah (seven green wastes) pada masing-masing proses budidaya dan
pengolahan karet alam. Hasil analisis ini selanjutnya dijadikan dasar dalam
perhitungan indeks produktivitas hijau (GPI), yang merupakan perbandingan
antara pencapaian indikator ekonomi dengan dampak lingkungan yang
ditimbulkan dari kegiatan budidaya karet alam. Tahap peningkatan produktivitas
dilakukan dengan menggunakan model analytical hirarchy process (AHP) yang
dikombinasikan dengan beberapa skenario alternatif strategi peningkatan
produktivitas proses budidaya karet alam. Keseluruhan kombinasi alternatif
strategi perbaikan ini dibandingkan berdasarkan tingkat pencapaian indeks
produktivitas hijau dimasa mendatang (future GPI), dan kemudian diterapkan
dalam peta aliran material hijau (future state).
Selanjutnya penelitian dilakukan oleh Rahmanto (2013) yang melakukan
penelitian tentang peningkatan produktivitas bahan olahan karet pada perkebunan
karet rakyat dengan pendekatan produktivitas hijau dan Widhiarti (2014) yang
melakukan penelitian tentang peningkatan produktivitas proses produksi ban
motor dengan pendekatan produktivitas hijau.

11
Penelitian tentang peningkatan produktivitas dengan pendekatan
produktivitas hijau kembali dilakukan oleh Hendra (2014) menggunakan fuzzy
ruled based, fuzzy AHP, dan fuzzy ANP untuk memilih strategi, skenario, dan
kebijakan dalam penentuan keputusan untuk pengembangan agroindustri karet
alam. Penelitian ini bertujuan mendapatkan alternatif terbaik untuk meningkatkan
produktivitas.
Liu et al. (2010) melakukan pengembangan SIG berdasarkan sistem
pendukung keputusan untuk eco-lingkungan dan sumber daya alam dari Asia
Timur yang bertujuan menganalisis proses spasial sementara sumber daya alam,
mengatur sumber daya dan lingkungan ilmiah, serta menyediakan prediksi
pendukung keputusan. Zhang et al. (2013) melakukan penelitian tentang sistem
pendukung keputusan untuk posisi seismometer dasar laut berdasarkan SIG yang
terdiri atas platform SIG, modul aplikasi, dan grafis antarmuka pengguna.
Zorluer et al. (2010) melakukan penelitian menggunakan fuzzy ruled-based
yang bertujuan menentukan redispersibilitas tanah terhadap kemungkinan erosi
tanah. Penelitian ini menggunakan logika fuzzy menggabungkan penilaian dari
beberapa hasil pengujian redispersibilitas tanah. Ramdhani et al. (2012)
melakukan penelitian menggunakan fuzzy inference system (FIS) untuk
menentukan banyaknya asisten laboratorium yang diterima. Penelitian ini, logika
fuzzy ddengan metode sugeno digunakan untuk menghitung jumlah asisten
laboratorium yang ideal dengan kriteria seperti jumlah asisten sebelumnya, jumlah
asisten yang keluar, dan jumlah praktikan.
Razmi et al. (2009) menggunakan pendekatan fuzzy ANP untuk evaluasi
supplier yang potensial. Penelitian ini bertujuan memilih supplier berdasarkan
faktor harga, kualitas, waktu selesai dan status ekonomi yang saling
ketergantungan. Chen dan Yang (2011) menggunakan pendekatan fuzzy ANP
untuk evaluasi risiko kekeringan pada daerah agrikultur. Penelitian ini
mengemukakan tentang indeks evaluasi bencana kekeringan, indikator network
layer yang saling mempengaruhi dan saling ketergantungan sehingga digunakan
pendekatan fuzzy ANP yang bertujuan membantu dalam mengambil langkahlangkah efektif dalam pencegahan bencana dan mitigasi.

3 METODE
Kerangka Pemikiran
Sistem pendukung keputusan cerdas spasial untuk peningkatan produktivitas
agroindustri karet dibuat melalui pendekatan sistem yang dimulai dengan
pengumpulan data terkait aliran proses produksi mulai dari pengadaan bahan baku
sampai dengan produksi dan data ekonomi. Setelah itu dilakukan identifikasi
sistem mel