III. METODE KAJIAN
3.1.
Kerangka Pemikiran Kajian
Survei lapangan dilakukan untuk menganalisa kinerja bisnis usaha tahu dan kebutuhan pasar. Hasil analisa kebutuhan pasar menjadi masukan
dalam pengembangan usaha IK tahu, kemudian dilakukan analisa kelayakan pengembangan usaha. Apabila hasilnya layak, maka dilakukan penyusunan
rencana pengembangan usaha yang akan didukung oleh strategi pengembangan usaha yang sesuai agar usaha dapat menguntungkan dan
berkelanjutan.
Gambar 4. Tahapan kajian
Ya Mulai
Survey Lapangan Kinerja Bisnis Usaha Kecil
Tahu Lamping
Analisa Kelayakan Pengembangan Usaha
Layak?
Perumusan Strategi Pengembangan Usaha AHP Proses Pengolahan Produk
Pengolahan limbah Pembiayaan usaha
Strategi Pengembangan Usaha Analisa Kebutuhan
Pasar
Tidak Peningkatan
Kapasitas Usaha Uji Friedman
Karakteristik Produk dan Minat Konsumen
terhadap Produk
Perencanaan Pengembangan Usaha
3.2.
Pengumpulan Data
Data yang digunakan dalam penelitian ini meliputi data primer dan sekunder. Data primer adalah data yang diperoleh langsung dari lapangan.
Data sekunder adalah data yang diperoleh dari sumber bahan bacaan yang mendukung penelitian. Berdasarkan pengertian tersebut, maka data primer
dalam penelitian ini diperoleh dari pengamatan langsung di lokasi baik melalui
wawancara dengan
pendekatan pendapat
pakar dan
angketkuesioner. Sedangkan data sekunder diperoleh dari instasi terkait, laporan-laporan berkala atau tahunan, jurnal dan berbagai literatur yang
berhubungan dengan penelitian. Sumber pokok data sekunder akan diperoleh dari Pemda Kabupaten Kuningan, Provinsi Jawa Barat, dan
KOPTI Kabupaten Kuningan.
3.3.
Pengolahan dan Analisis Data
Teknik pengolahan data yang akan digunakan adalah Uji Beda Freidman dan Analytical Hierarchy Process AHP.
3.4.1. Uji Beda Friedman
Menurut Santoso 2010, Uji Friedman berguna untuk mengetes pasangan sampel data ordinal berasal dari populasi yang sama. Uji ini
umumnya digunakan jika skala pengukuran datanya ordinal dan skala interval maupun rasional yang tidak memenuhi syarat untuk uji t atau
uji F kategoriperlakuan yang diteliti lebih besar dari dua P 2 dan termasuk klasifikasi dua arah ada peubah lainsampingan selain
perlakuan atau berpasangan atau dalam rancangan percobaan lingkungan terkenal dengan nama Rancangan Acak Kelompok RAK.
Rumus uji Friedman adalah :
k i
k n
Ri k
nk F
1 2
1 3
1 12
Dimana : F
: nilai Friedman dari hasil perhitungan Ri : jumlah rank dari kategoriperlakuan ke i
k : banyaknya katagoriperlakuan i=1,2,3,……,k
n : jumlah pasangan atau kelompok
Hipotesisnya: Ho : R1 = R2 = R3 =…………..=Rk
H1 : Ri≠Ri’ untuk suatu pasangan Ri i≠i
Dimana: Ri adalah jumlah rangking ke i
Kriteria penerimaan Ho adalah sebagai berikut : Jika F X
2 0,05:db=k-1,
maka H diterima Jika F X
2 0,05:db=k-1,
maka H ditolak Jika F X
2 0,05:db=k-1,
maka Ho ditolak Jika Ho ditolak berarti ada pasangan rataan rangking yang
berbeda untuk mencari pasangan mana yang berbeda, maka harus melakukan uji lanjutan yaitu uji jumlah rangking dengan rumus
berikut :
6 1
1 1
; 2
k nk
n k
db t
t
H
Disini k adalah banyaknya kategori perlakuan dan n adalah banyaknya pasangan atau kelompok.
Jika
H
t Ri
Ri
pada α=0,05 maka Ho diterima berarti
pasangan rangking perlakuan tersebut berbeda nyata P 0,05 dan jika
H
t Ri
Ri
pada α=0,05 maka Ho ditolak berarti pasangan
rangking perlakuan tersebut berbeda nyata P 0,05 dan jika
H
t Ri
Ri
pada α=0,01 maka Ho ditolak berarti pasangan rangking
perlakuan tersebut berbeda sangat nyata P 0,01. Sugiyono 2010 menyatakan uji Friedman merupakan
perkembangan uji Wilcoxon, dimana uji Wilcoxon digunakan untuk uji dua contoh berpasangan. Dalam hal ini, berasal dari ulangan
pengukuran yang berasal dari satu contoh atau dari pengukuran yang sama dari beberapa contoh yang berpasangan. Sedangkan uji
Friedman umumnya digunakan untuk uji n contoh berhubungan berpasangan. Uji ini pada prinsipnya ingin menguji apakah n contoh
lebih dari dua contoh yang berpasangan satu dengan yang lain
berasal dari populasi yang sama. Persyaratan data dalam uji ini adalah 1 data bertipe nominal atau ordinal, 2 data bertipe interval atau
rasio, namun tidak berdistribusi normal, dan 3 data berjumlah sedikit di bawah 30.
3.4.2. Teknik Peramalan
3.4.2.1.
Proyeksi Penjualan
Teknik prakiraan atau peramalan forecasting merupakan titik pangkal dalam perencanaan produksi suatu barang dan jasa. Prakiraan
sangat diperlukan untuk menentukan kapan suatu kejadian akan terjadi atau kapan suatu kebutuhan akan timbul, sehingga dapat diambil
tindakan atau langkah-langkah yang tepat. Hal ini disebabkan adanya selang waktu antara proses produksi barang dan jasa sampai tiba di
tangan konsumenpengguna melalui proses penjualan. Oleh karena prakiraan merupakan suatu usaha dengan menggunakan metode
ilmiah untuk menduga apa yang akan terjadi di masa mendatang, maka
faktor terjadinya
kesalahan-kesalahan error
besar kemungkinannya untuk terjadi. Namun walaupun demikian dengan
menggunakan teknik prakiraan hal-hal yang terjadi di masa mendatang dapat diduga lebih baik.
Pada metode kuantitatif model deret waktu time series pendugaan terhadap masa mendatang dilakukan atas dasar nilai
peubah atau galat error. Metode ini bertujuan untuk mengungkapkan pola deret data masa lalu dan kemudian mengekstrapolasikannya ke
masa mendatang, namun sebab-sebab terjadinya fluktuasi tidak diperhatikan. Himpunan data time series terdiri dari himpunan data
inisialisasi dan himpunan data uji. Metode time series ini dapat dikelompokkan menjadi : 1 Metode Penataan Averaging Methods,
2 Metode Pemulusan Eksponensial Exponential Smoothing Methods
, 3 Metode Dekomposisi dan 4 Metode Box- JenkinsAuto-regressive Integrated Moving Average Model =
ARIMA
Pemulusan digolongkan menjadi Pemulusan dengan metode Nilai Rataan Average Methods dan Pemulusan Eksponensial.
Pemulusan dengan Metode Nilai Rataan terdiri dari : 1 Perataan Sederhana Simple Average, 2 Perataan Bergerak Tunggal Single
Moving Average dan 3 Perataan Bergerak Ganda Double Moving
Average Dari berbagai metode pemulusan tersebut dipilih teknik
prakiraan yang memiliki nilai parameter dengan ukuran efektivitas yang terbaik. Kecermatan hasil prakiraan ditentukan dari selisih antara
hasil prakiraan dan data aktual, kecocokan teknik prakiraan dengan pola data dan nilai parameter prakiraan. Ukuran parameter prakiraan
dikelompokkan menjadi ukuran baku statistika dan ukuran relatif. Ukuran relatif merupakan persentase error atau kesalahan prakiraan.
Ukuran baku statistika dapat ditetapkan : e
i
= X
i
– F
i
dengan e = error galat X = datum aktual
F = prakiraan Beberapa besaran ukuran kecermatan prakiraan yang sering
digunakan adalah : 1. Mean Error ME
2. Standard Deviation of Error SDE
3. Percentage Error PE
4. Mean Absolute Percent Error MAPE
3.4.2.2.
Proyeksi Pertumbuhan Penduduk
Pertumbuhan penduduk di suatu wilayah di pengaruhi oleh besarnya angka fertilitas, mortalitas, migrasi. Rumus untuk
menghitung jumlah pertumbuhan penduduk berdasarkan pertumbuhan geometrik yaitu :
Pt=Po1+r
t
, Di mana: Pt = Jumlah penduduk pada tahun t
Po = Jumlah penduduk pada tahun awal r
= Angka pertumbuhan penduduk t
= Jangka waktu dalam tahun Pertumbuhan geometri adalah pertumbuhan penduduk berskala
atau bertahap dalam selang waktu tertentu.
3.4.3. AHP
Metode ini dimaksudkan untuk dapat mengorganisasikan informasi dan berbagai keputusan secara rasional judgement agar
dapat memlih alternatif yang paling disukai Saaty, 1990. Metode ini dimaksudkan untuk membantu memecahkan masalah kualitatif yang
kompleks dengan memakai perhitungan kuantitatif, melalui proses pengekspresian masalah yang dimaksud dalam kerangka berpikir
terorganisir, sehingga
memungkinkan dilakukannya
proses pengambilan keputusan secara efektif. Metode ini memiliki
keunggulan tertentu, karena mampu membantu menyederhanakan persoalan kompleks menjadi persoalan terstruktur, sehingga
mendorong dipercepatnya proses pengambilan keputusan terkait. Prinsip kerja AHP adalah menyederhanakan suatu persoalan
kompleks dan tidak terstruktur, serta bersifat strategik dan dinamis melalui upaya penataan rangkaian peubahnya dalam suatu hirarki.
Pengolahan data dengan metode AHP dapat dilakukan dengan aplikasi perangkat lunak CDP V3.04 dan Expert Choice 2000.
Keunggulan lain dari AHP, diantaranya menjelaskan proses pengambilan keputusan secara grafik, sehingga mudah dipahami oleh
semua pihak yang terlibat dalam proses bersangkutan. Dengan
memakai metoda AHP, proses keputusan yang bersifat kompleks dapat diuraikan menjadi sejumlah keputusan lebih kecil terbatas,
sehingga dapat ditangani dengan lebih mudah. Selain itu, dalam aplikasinya, metode ini juga menguji konsistensi berbagai penilaian,
khususnya apabila terjadi penyimpangan penilaian yang terlalu jauh dari nilai konsistensi yang sempurna Marimin, 2004.
Tabel 5. Keuntungan penggunaan metode AHP
No Prinsip
Penjelasan
1 Kesatuan
AHP memberikan satu model tunggal yang mudah dimengerti, dan luwes untuk aneka ragam persoalan yang tidak terstruktur.
2 Kompleksitas
AHP memadukan ancangan deduktif dan ancangan berdasar sistem dalam memecahkan persoalan kompleks.
3 Saling
Ketergantungan AHP mencerminkan kecenderungan alami, dari pemikiran untuk
memilah-milah unsur dalam satu sistem, pada berbagai tingkat yang berlainan dan pengelompokkan unsur-unsur yang serupa
dalam setiap tingkat.
4 Pengukuran
AHP menghasilkan satu skala untuk mengukur hal-hal dan terwujudnya suatu metode untuk menetapkan prioritas.
5 Konsistensi
AHP melacak konsistensi logis dari berbagai pertimbangan yang dipakai untuk menetapkan berbagai prioritas
6 Sintesis
AHP menuntun ke suatu taksiran menyeluruh tentang kebaikan setiap alternatif.
7 Tawar
Menawar AHP mempertimbangkan prioritas-prioritas relatif dari berbagai
faktor sistem dan memungkinkan organisasi dapat memilih alternatif terbaik berdasarkan tujuan-tujuannya.
8 Pemilihan
Konsesus AHP tidak memaksakan konsesus tetapi mensintesiskan suatu
hasil yang representatif dari berbagai penilaian berbeda. 9
Pengulangan Proses
AHP memungkinkan organisasi memperhalus definisinya atas satu persoalan dan memperbaiki berbagai pertimbangan serta
pengertian melalui berbagai pengulangan.
Marimin 2004 menyatakan beberapa langkah yang dilakukan dalam metode AHP adalah :
1. Penyusunan Hirarki, untuk menguraikan persoalan menjadi
unsur-unsur, dalam wujud kriteria dan alternatif, yang disusun dalam bentuk hirarki.
2. Penyusunan kriteria, untuk membuat keputusan yang dilengkapi
dengan 1 uraian subkriteria dan 2 bentuk alternatif yang terkait
masing-masing kriteria tersebut untuk dipilih sebagai keputusan tercantum pada tingkatan paling bawah.
3. Penilaian Kriteria dan Alternatif, untuk melihat pengaruh
strategik terhadap pencapaian sasaran, yang dinilai melalui perbandingan berpasangan. Nilai dan definisi pendapat kualitatif
berdasarkan skala perbandingan Saaty 1990 adalah seperti termuat pada Tabel 6.
Tabel 6. Penilaian kriteria berdasarkan skala perbandingan Saaty.
Nilai Keterangan
1 A sama penting dengan B
3 A sedikit lebih penting dari B
5 A jelas lebih penting dari B
7 A sangat jelas lebih penting dari B
9 Mutlak lebih penting dari B
2,4,6,8 Apabila ragu-ragu antara dua nilai berdekatan
4. Penentuan Prioritas
, menggunakan
teknik perbandingan
berpasangan pairwise comparisons untuk setiap kriteria dan alternatif. Nilai-nilai perbandingan relatif tersebut diolah dengan
menggunakan manipulasi matriks atau melalui penyelesaian persamaan matematik untuk menentukan peringkat relatif dari
seluruh alternatif yang ada. Selanjutnya dilakukan perhitungan untuk melihat konsistensi penilaian dengan menggunakan cara
perhitungan CR Consistency Ratio.
IV. HASIL DAN PEMBAHASAN