Sistem Pendukung Keputusan Untuk Pengembangan Agroindustri Pala Di Talaud Menggunakan Analytic Hierarchy Process (Ahp)

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGEMBANGAN
AGROINDUSTRI PALA DI TALAUD MENGGUNAKAN
ANALYTIC HIERARCHY PROCESS (AHP)

RILLYA ARUNDAA

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
Keputusan untuk Pengembangan Agroindustri Pala di Talaud Menggunakan
Analytic Hierarchy Process (AHP) 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, Agustus 2016
Rillya Arundaa
NIM G651130531

RINGKASAN
RILLYA ARUNDAA. Sistem Pendukung Keputusan untuk Pengembangan
Agroindustri Pala di Talaud Menggunakan Analytic Hierarchy Process (AHP).
Dibimbing oleh IRMAN HERMADI dan DANIEL R. O MONINTJA.
Pala merupakan tanaman perkebunan yang banyak dimanfaatkan oleh
masyarakat Kabupaten Kepulauan Talaud dan merupakan salah komoditas
unggulan daerah. Hasil survei BPS Talaud (2015) menyatakan bahwa hasil
produksi buah pala mengalami peningkatan dari tahun ke tahun. Tersedianya
sumber daya yang cukup/memadai mengindikasikan bahwa tanaman pala
berpotensi untuk dikembangkan agroindustrinya. Hal ini didukung oleh potensi
ketersediaan bahan baku, tenaga kerja, proses produksi, maupun peluang pasar.
Pengembangan agroindustri ini mempunyai arti penting untuk memperluas
kesempatan kerja, dan meningkatkan nilai ekonomi, sehingga dapat meningkatkan
pendapatan dan kesejahteraan masyarakat, khususnya di wilayah pedesaan.
Penelitian ini bertujuan untuk merancang perangkat lunak sistem pendukung

keputusan (SPK) berbasis web yang dapat membantu para pengambil keputusan
untuk merencanakan dan mengembangkan agroindustri pala di Talaud. Tujuan
khusus penelitian ini ialah menentukan prioritas produk agroindustri pala,
menentukan prioritas lokasi pengembangan agroindustri pala, menentukan
alternatif pengembangan kelembagaan agroindustri pala, mengukur prakiraan pasar
komoditas pala dan produk agroindustri pala, serta mengukur kelayakan finansial
agroindustri pala terpilih.
Data yang digunakan pada penelitian ini ialah data primer dan sekunder. Data
primer diperoleh dari pakar dan data sekunder diperoleh dari BPS dan dinas
pertanian. Pengumpulan data dilakukan melalui survei dan wawancara
menggunakan kuesioner serta melalui penelusuran pustaka.
Sistem pendukung keputusan pengembangan agroindustri pala yang
dibangun terdiri atas lima model keputusan dan dianalisis menggunakan beberapa
metode. Model penentuan prioritas produk agroindustri menggunakan analytic
hierarchy process (AHP), model penentuan lokasi industri menggunakan loqation
quotient (LQ) dan AHP, model penentuan kelembagaan agroindustri menggunakan
AHP, model prakiraan agroindustri menggunakan regresi linier sederhana, dan
model kelayakan finansial menggunakan kriteria investasi yang terdiri dari net
present value (NPV), benefit cost ratio (B/C ratio), net benefit cost ratio (Net B/C),
internal rate of return (IRR), dan payback period (PP). Perancangan sistem

mengacu pada tahapan penelitian system development life cycle (SDLC),
menggunakan pendekatan pengembangan sistem object oriented (OO), dan bahasa
pemodelan unified modeling language (UML).
Hasil keluaran model menunjukkan, produk agroindustri pala yang potensial
untuk dikembangkan ialah usaha minyak pala (0,441), diikuti oleh anggur pala
(0,247) dan permen pala (0,123), sedangkan prioritas lokasi pengembangan
agroindustri pala di Talaud adalah kecamatan Lirung (0,289), diikuti oleh
kecamatan Melonguane Timur (0,191) dan Kabaruan (0,111). Alternatif
pembentukan kelembagaan agroindustri yang paling tepat ialah menjalin kerja sama
dengan industri hulu sampai hilir (0,478).

Analisis prakiraan pasar komoditi pala terdiri atas analisis hasil produksi,
volume penjualan dan harga jual buah pala. Analisis prakiraan pasar komoditi pala
pada tahun 2015 memberikan hasil pada masing-masing analisis berturut-turut
sebesar 3767,20 ton, 953,67 ton, dan Rp 72.073,33, dengan nilai koefisien
determinasi 0,08, 0,62, dan 0,22. Nilai ini menunjukkan tingkat akurasi sebesar 8%
untuk prakiraan hasil produksi, 62% untuk prakiraan volume penjualan buah pala,
dan 22% untuk prakiraan harga jual buah pala. Analisis prakiraan pasar agroindustri
pala terdiri dari analisis hasil produksi, volume penjualan dan harga jual anggur
pala. Analisis prakiraan pasar anggur pala pada tahun 2015 memberikan hasil pada

masing-masing analisis sebesar 703 botol, 712 botol, dan Rp 26.333, dengan nilai
koefisien determinasi 0,94, 0,93, 0,82. Nilai ini menunjukkan tingkat akurasi
sebesar 94% untuk prakiraan hasil produksi anggur pala, 93% untuk prakiraan
volume penjualan anggur pala, dan 82% untuk prakiraan harga jual anggur pala.
Hasil analisis kelayakan finansial agroindustri pala khususnya usaha
pengolahan minyak pala menunjukkan bahwa pada tingkat kapasitas mesin olah
500kg, dengan frekuensi olah 4 kali penyulingan dalam sebulan, harga bahan baku
Rp 20.000 per kg, dan harga jual sebesar Rp 550.000 per kg adalah layak untuk
dilaksanakan. Keuntungan bersih yang diperoleh sebesar Rp 221.806.000 per tahun
dengan tingkat pengembalian modal mencapai 36%. Selanjutnya, dilakukan
analisis sensitivitas dan hasilnya menunjukkan bahwa jika harga bahan baku
mengalami peningkatan sebesar 10% maupun harga jual mengalami penurunan
sebesar 10%, maka usaha ini masih menguntungkan dan layak dilaksanakan.
Namun apabila harga jual mengalami penurunan sebesar 10% dan harga bahan baku
mengalami peningkatan sebesar 10% secara bersamaan, maka usaha ini tidak layak
dilaksanakan karena manfaat riil yang diperoleh bernilai negatif.
SPK yang dibangun diberi nama De Pala. De Pala dikembangkan berbasis
web sehingga dapat diakses kapan saja dan di mana saja selama terkoneksi dengan
internet. De Pala menyediakan antarmuka bagi aktor sebagai pengguna untuk
berinteraksi dengan fungsi-fungsi yang tersedia pada De Pala. Aktor yang terlibat

dalam sistem adalah petugas, pakar dan pengguna (tamu). Petugas memiliki hak
akses untuk semua proses pengelolaan data, pakar diberi hak akses untuk
melakukan penilaian, dan pengguna memiliki hak akses untuk melihat report
masing-masing model keputusan yang tersedia dalam De Pala, memasukkan
komentar dan mengirim pesan. Fungsi-fungsi De Pala yang melibatkan pengelolaan
data selalu melakukan validasi apabila ada aktor yang mengaksesnya. Basis data
De Pala terdiri atas 14 tabel, di mana untuk pemodelan keputusan melibatkan 7
tabel, yaitu tabel (1) jenis model, (2) model, (3) faktor, (4) aktor, (5) tujuan, (6)
alternatif, dan (7) nilai.
Hasil penelitian menunjukkan bahwa adanya sistem pendukung keputusan
yang dibangun ini, tingkat manajerial (pengambil keputusan) dapat menentukan
strategi pengembangan agroindustri pala dengan lebih mudah dan cepat. Penelitian
lanjut dapat melengkapi, menambahkan atau mengembangkan model-model
keputusan yang ada maupun mempertimbangkan parameter-parameter yang lain.
Kata kunci: agroindustri, analytic hierarchy process, pala, object-oriented, SDLC

SUMMARY
RILLYA ARUNDAA. Decision Support System for Nutmeg (Pala) Agro-Industry
Development in Talaud Using Analytic Hierarchy Process (AHP). Supervised by
IRMAN HERMADI and DANIEL R. O MONINTJA.

Nutmeg (Pala) is a plantation crop which cultivated by people of Talaud
Islands, and it is one of the leading commodity in Talaud region. Talaud BPS survey
(2015) states that the production of nutmeg was increased year-over-year. The
availability of sufficient resources indicates that the nutmeg crop agroindustry is
potential to be developed. This is supported by the availability of raw materials,
labor, production processes, as well as market opportunities. Agro-industry
development is significantly important because it can expand employment and
increase economic value, so it can increase the income and welfare of the people
especially in rural areas.
The aim of this research was to build and design a web based decision support
system (DSS) that can help decision makers regarding the planning and
development of nutmeg agro-industries in Talaud. The specific objectives of this
study were to determine the priority of nutmeg agro product, the priority area of
nutmeg agro-industry, the alternative institutional development of nutmeg agroindustry, and to measure nutmeg market forecasts, and agro product, as well as the
financial feasibility of selected nutmeg agro-industry.
The data used in this study are primary and secondary data. Primary data were
obtained from experts, and secondary data obtained from BPS, and department of
agriculture. Data were collected through surveys and interviews using questionnaire,
and through library searches.
Decision support system of nutmeg agro-industry development consists of

five models of decision and analyzed using several methods. Prioritization model
of agro-products using analytic hierarchy process (AHP), determination model of
industrial location using location quotient (LQ) and AHP, pricing model of
institutional agro-industrial using AHP, the forecasting model of agro-industrial
using simple linear regression, and model of financial feasibility of using
investment criteria that comprise of net present value (NPV), benefit cost ratio (B /
C ratio), the net benefit cost ratio (net B / C), internal rate of return (IRR) and
payback period (PP). System designing refers to the research stages of system
development life cycle (SDLC), using the approach of system development object
oriented (OO), and language modeling of unified modeling language (UML).
The result of model output shows that nutmeg agro-product which potential
to be developed is nutmeg oil (0.441), followed by wine nutmeg (0.247) and sweets
nutmeg (0.123). While the area priority of nutmeg agro-industry development in
Talaud is sub district Lirung (0.289), followed by East Melonguane (0.191), and
Kabaruan (0.111). The Nast suitable institutional establishment alternative of agroindustry is collaborate with upstream and downstream industries (0,478).
Analysis of nutmeg commodity market forecasts consist of analysis of
production, sales volumes and selling prices nutmeg. Analysis of nutmeg
commodity market forecasts in 2015 were 3767.20 tons, 953.67 tons, and IDR
72.073.33, with a coefficient of determination of 0.08, 0.62, and 0.22, respectively.
This value shows the accuracy rate of 8% on production forecasts, 62% of nutmeg

sales volume forecast, and 22% on the nutmeg selling price forecasts. Analysis of
market forecasts agro industrial nutmeg consists of analysis of production, sales
volumes and selling prices of wine nutmeg. Analysis of the nutmeg wine market
forecasts in 2015 giving the results of these analyses were 703 bottles, 712 bottles,
and IDR 26.333, with coefficient of determination of 0.94, 0.93, 0.82, respectively.
This value shows the accuracy rate of 94% for the nutmeg wine production forecast,
93% of nutmeg wine sales volume forecast, and 82% for nutmeg wine selling price
forecasts.
The results of nutmeg agro-industry financial analysis especially nutmeg oil
processing shows that the level of machine capacity for 500 kg, with a frequency if
four times the distillery in a month, raw material price of IDR 20.000 per kg, and
the selling price of IDR 550.000 per kg is feasible. The net gain obtained is IDR
221.806 million per year with an annual turnover of 36%. Furthermore, the
sensitivity analysis and the result shows that if the price of raw materials increased
by 10% and selling price decreased by 10%, then this business is still profitable and
feasible. However, if the selling price decreased by 10% and the price of raw
materials increased by 10% at the same time, then this business is not feasible
because the real benefit obtained is negative.
The DSS was named De Pala. De Pala was designed web-based so it can be

accessed anytime and anywhere since connected to the Internet. De Pala provides
an interface for the actor as an user to interact with the functions available on De
Pala. Actors involved in the system are officers, experts and users (guests). Officers
have access to all the data management process, experts are given access rights to
conduct the assessment, and the user has permissions to view the report each
decision models available in De Pala, post a comment and send messages. De Pala
functions involving data management always perform validation when there are
actors who access it. De Pala database consists of 14 tables, where for modeling
decision involving seven tables, namely (1) the type of the model, (2) models, (3)
factors, (4) the actor, (5) objectives, (6) the alternative and (7) the value.
The results show that decision support system can help managerial level
(decision makers) to determine the development strategy of nutmeg agro-industry
more easily and quickly. Further research can supplement, add or develop decision
models that exist as well as considering other parameters.
Keywords: agroindustry, analytic hierarchy process, nutmeg, object-oriented,
SDLC

© 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 KEPUTUSAN UNTUK PENGEMBANGAN
AGROINDUSTRI PALA DI TALAUD MENGGUNAKAN
ANALYTIC HIERARCHY PROCESS (AHP)

RILLYA ARUNDAA

Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Komputer
pada
Program Studi Ilmu Komputer

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR

BOGOR
2016

Penguji Luar Komisi pada Ujian Tesis:

Dr Agus Buono, MSi MKom

PRAKATA
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, yang
telah memberi hikmat dan pengetahuan kepada penulis sehingga penulisan tesis ini
dapat terselesaikan. Berbagai hambatan penulis temui dalam penulisan tesis ini,
namun berkat bantuan, bimbingan, dan petunjuk dari berbagai pihak, maka
akhirnya tesis ini dapat diselesaikan dengan baik. Untuk itu pada kesempatan ini
penulis menyampaikan ucapan terima kasih kepada:
1.
Bapak Irman Hermadi, SKom MS PhD dan bapak Prof Dr Ir Daniel R.O
Monintja selaku pembimbing yang telah memberikan koreksi dan masukan
dalam penyusunan dan perbaikan penyusunan tesis ini bahkan terus
memotivasi penulis untuk tetap berkarya dan selalu mengembangkan diri.
2.
Prof Dr Ir Herry Suhardiyanto, MSc selaku Rektor Institut Pertanian Bogor.
3.
Pimpinan Sekolah Pascasarjana, Pimpinan Fakultas Matematika dan Ilmu
Pengetahuan Alam, Pimpinan, staf pengajar, staf administrasi Departemen
Ilmu Komputer IPB yang telah tulus ikhlas memberikan ilmu, pengalaman,
dan pelayanan dengan penuh tanggung jawab dan pengabdian selama penulis
menempuh studi.
4.
Bapak Dr Agus Buono, MSi MKom, selaku Penguji Luar Komisi.
5.
Pakar dan Narasumber yang sudah membantu penulis dalam mengumpulkan
data penelitian.
6.
Wisard W. Kalengkongan, yang telah membantu penulis dalam penyelesaian
program dan juga diskusi-diskusi yang dilakukan dikala senggang.
7.
Teman se-Lab dan se-Bimbingan (Pak Pungki, Mas Mustakim, Mas Tengku,
Firman, Pak Yakin, Rusdee, Mas Pang, Mas Vidi)
8.
Teman-teman Fahmeda (Adriana, Arista, Netty, Arini, Ekawati, Ka Restu, Ka
Mia, Dini, Kiki, Tini) dan PA Oikumene Bogor yang telah berbagi
kebersamaan serta menjadi teman diskusi dan sharing yang luar biasa.
9.
Nina dan Ikbal yang telah membantu penulis dalam pengumpulan data
sewaktu penulis melaksanakan penelitian di Talaud.
10. Teman-teman seperjuangan (Mner Hoxy, Mner Bill, Mner Artus) yang telah
menyumbangkan pemikiran-pemikirannya kepada penulis dan terus
memotivasi penulis dalam menyelesaikan penyusunan tesis.
11. Papa dan Mama yang selalu ada untuk membantu penulis dalam doa maupun
materi serta dengan sabar dan tekun terus memotivasi penulis untuk tetap
berusaha menghasilkan karya terbaik. Semoga Tuhan menganugerahkan
hikmat, kesehatan dan kesejahteraan yang tidak terbatas.
12. Keluarga besar Arundaa-Pandagitan, rekan-rekan mahasiswa dan semua
pihak yang tak sempat penulis sebut satu persatu yang telah memotivasi
penulis untuk terus belajar dan berusaha menjadi lebih baik.
Semoga karya ilmiah ini dapat memberikan manfaat dan sumbangan
pemikiran bagi kepentingan pembelajaran dan dapat memberikan manfaat kepada
siapa saja yang membaca tulisan ini. Akhir kata penulis ucapkan banyak terima
kasih.
Bogor, Agustus 2016
Rillya Arundaa

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vii

1 PENDAHULUAN
Latar Belakang
Perumusan Masalah
Tujuan Penelitian
Manfaat Penelitian
Ruang Lingkup Penelitian
Penelitian Terdahulu

1
1
3
3
3
3
4

2 TINJAUAN PUSTAKA
Tanaman Pala
Agroindustri
Sistem Pendukung Keputusan

7
7
7
7

3 METODE
Lingkungan Pengembangan Sistem
Perencanaan
Analisis
Perancangan
Implementasi
Lokasi dan Waktu Penelitian

13
13
14
14
17
17
17

4 HASIL DAN PEMBAHASAN
Perencanaan
Analisis
Perancangan
Implementasi

18
18
20
38
40

5 SIMPULAN DAN SARAN
Simpulan
Saran

43
43
43

DAFTAR PUSTAKA

45

LAMPIRAN

49

DAFTAR ISTILAH

124

RIWAYAT HIDUP

126

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

Nilai random indeks (RI)
Sebaran dan produksi tanaman pala di Talaud tahun 2008-2014
Hasil agregat faktor model penentuan produk agroindustri
Koefisien LQ lokasi industri pala di Talaud
Hasil agregat faktor model penentuan lokasi agroindustri
Hasil agregat faktor model penentuan kelembagaan agroindustri
Perkembangan hasil produksi, volume penjualan, dan harga jual buah
pala tahun 2009-2014
Perkembangan hasil produksi, volume penjualan dan harga jual anggur
pala tahun 2009-2014
Perkembangan harga jual minyak pala nasional tahun 2009-2014
Koefisien indikator kelayakan investasi usaha agroindustri minyak pala
pada kondisi normal
Analisis sensitivitas minyak pala terhadap penurunan harga jual dan
peningkatan harga bahan baku
Analisis kebutuhan pelaku pengembangan agroindustri pala
Deskripsi use case De Pala

9
18
21
23
24
25
26
28
31
31
32
34
36

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Tahapan penelitian
Diagram alir penentuan prioritas produk agroindustri
Diagram alir penentuan prioritas lokasi industri
Diagram alir penentuan kelembagaan agroindustri
Diagram alir perhitungan kelayakan investasi agroindustri pala.
Pohon industri buah pala
Struktur hierarki dan bobot prioritas penentuan produk agroindustri
pala
Struktur hierarki dan bobot prioritas penentuan lokasi industri
Struktur hierarki dan bobot prioritas kelembagaan agroindustri pala
Prakiraan hasil produksi buah pala di Kabupaten Kepulauan Talaud
tahun 2009-2014
Prakiraan volume penjualan buah pala di Kabupaten Kepulauan Talaud
tahun 2009-2014
Prakiraan harga jual buah pala di Kabupaten Kepulauan Talaud tahun
2009-2014
Prakiraan hasil produksi anggur pala di Kabupaten Kepulauan Talaud
tahun 2009-2014
Prakiraan volume penjualan anggur pala di Kabupaten Kepulauan
Talaud tahun 2009-2014
Prakiraan harga jual anggur pala di Kabupaten Kepulauan Talaud tahun
2009-2014
Prakiraan harga jual anggur pala di Kabupaten Kepulauan Talaud tahun
2009-2014
Kolaborasi pengembang SPK agroindustri pala

13
15
15
15
16
19
22
24
25
27
27
28
29
29
30
30
33

18
19
20
21
22
23
24
25
26
27
28
29

Skema calon pengguna De Pala
Domain model class diagram De Pala
Diagram use case De Pala
Diagram aktivitas De Pala
Arsitektur sistem De Pala
Entity relationship diagram De Pala
Rancangan halaman utama De Pala
Peta website De Pala
Halaman utama De Pala
Tampilan halaman user untuk perhitungan Model 3
Halaman utama admin
Tampilan kuesioner di halaman pakar

33
35
35
37
38
39
39
40
40
41
41
42

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

Peta daerah penelitian
Parameter model keputusan
Kuesioner penelitian
Pemeringkatan elemen-elemen pada setiap level hierarki
Visualisasi perbandingan hasil produksi perkebunan
Perhitungan regresi untuk prakiraan pasar
Struktur biaya usaha agroindustri “minyak pala” untuk input kelayakan
finansial
Daftar responden pakar
Deskripsi use case
Skenario use case
Struktur tabel basis data De Pala
Perancangan antarmuka
Halaman implementasi
Hasil pengujian blackbox testing pada De Pala

49
50
53
72
77
78
81
91
92
94
114
116
119
122

1 PENDAHULUAN
Latar Belakang
Tanaman pala merupakan tanaman buah berupa pohon tinggi asli Indonesia,
karena tanaman ini berasal dari Banda dan Maluku. Sebagian besar pala dipasok
dari wilayah timur Indonesia, terutama Maluku, Sangihe dan Talaud yang diekspor
dalam bentuk rempah-rempah karena petani di sana cenderung untuk memanen pala
yang sudah tua di pohon. Tanaman pala dikenal dengan tanaman rempah yang
memiliki nilai ekonomis. Hasil tanaman pala yang biasa dimanfaatkan adalah buah
pala. Buah pala terdiri dari daging buah (77,8 persen), fuli (4 persen), tempurung
(5,1 persen) dan biji (13,1 persen). Bagian buah yang bernilai ekonomi cukup tinggi
adalah biji pala dan fuli (mace) yang dapat dijadikan minyak pala. Daging buah
pala dimanfaatkan untuk diolah menjadi manisan pala, asinan pala, dodol pala, selai
pala dan sirup pala (Nurdjannah 2014).
Hasil survei BPS Talaud tahun 2014, pala merupakan salah satu komoditas
unggulan Kabupaten Kepulauan Talaud dan merupakan tanaman yang banyak
diusahakan oleh rakyat di Talaud dari tahun ke tahun. Produksi terbesar dari
tanaman pala adalah dari usaha perkebunan rakyat. Tahun 2014 produksi pala
rakyat 3.445,65 ton pada luas lahan 5.324,80 ha. Komposisi tanaman pala rakyat
terdiri dari: 1) tanaman belum menghasilkan (TBM) sebanyak 182.319, 2) tanaman
menghasilkan (TM) sebanyak 298.434, 3) tanaman tidak menghasilkan (TTM)
sebanyak 51.727 (BPS Talaud 2015). Hal ini didukung oleh kebijakan pemerintah
yang banyak diarahkan pada kegiatan usaha tani melalui penanaman dan
peremajaan pala, penyediaan bibit untuk budidaya dan penyediaan pupuk untuk
pengendalian hama dan penyakit. Hasil survei juga memperlihatkan terjadinya
peningkatan hasil produksi pala dari tahun ke tahun.
Ketersediaan hasil produksi yang melimpah, tidak diimbangi oleh kebijakan
pemerintah pada kegiatan pengolahan pascapanen dan pemasaran. Pengusahaan
hasil panen pala oleh petani umumnya dilakukan secara tradisional, yaitu dengan
mengeringkan biji pala di bawah sinar matahari dan dijual dalam bentuk biji kering.
Proses penjualannyapun belum mengikuti standar packaging yang baik.
Penanganan yang tidak optimal tersebut mengakibatkan rendahnya produktivitas
pala yang dihasilkan dan mengakibatkan rendahnya nilai jual. Pengolahan buah
pala tradisional yang hanya mengambil bagian biji pala ini, berdampak pada
banyaknya limbah daging pala yang hanya dibuang oleh petani. Masalah tersebut
disebabkan oleh belum adanya industri pengolahan pala sehingga turunan buah pala
seperti daging buah belum diolah dan dimanfaatkan dengan baik. Masalah ini
ditambah oleh ketidakpastian harga di tingkat pedagang dan pasar, yang disebabkan
oleh monopoli pasar dari investor pala di pusat. Keadaan tersebut merugikan petani,
sehingga biaya usaha tani menjadi tinggi sedangkan harga jual kurang bersaing dan
berakibat pada rendahnya nilai tambah yang diterima oleh petani pala. Selain itu,
lemahnya penguasaan jaringan informasi tentang pasar sasaran menyebabkan
kesulitan dalam mencari dan menemukan peluang pasar.
Ketersediaan sumber daya yang cukup (BPS Talaud 2015) dan permintaan
pasar yang tinggi (DITJENBUN 2013) memberi indikasi bahwa tanaman pala
memiliki potensi untuk menciptakan nilai tambah bagi setiap pelaku yang terlibat.

2
Potensi yang dimaksud yaitu dengan mengembangkan agroindustri pala.
Pengembangan agroindustri pala ini diharapkan mampu direspons secara optimal
oleh investor, pelaku usaha maupun oleh pemerintah sebagai pihak-pihak yang
berkepentingan dalam agroindustri ini, sehingga dapat meningkatkan pendapatan
dan menanggulangi permasalahan dalam pemberdayaan ekonomi masyarakat.
Pengembangan agroindustri pala dipandang dapat memberikan alternatif
strategi yang dapat dipakai untuk meningkatkan nilai tambah dan daya saing
industri ini. Berdasarkan kenyataan tersebut, perlu dilakukan penelitian guna
merumuskan langkah strategi pengembangan agroindustri berbasis pala guna
mendapatkan nilai tambah yang dapat dinikmati langsung oleh petani. Strategi
pengembangan yang dimaksud adalah merancang sebuah sistem pendukung
keputusan (SPK). Keputusan yang benar dan tepat guna menjamin kemajuan dan
keberlangsungan usaha agroindustri ini (Syam et al. 2006).
Banyaknya kriteria dan alternatif dalam pengambilan keputusan
menyebabkan para pengambil keputusan mengalami kesulitan untuk memecahkan
masalah (Eriyatno 2012) sehingga dibutuhkanlah sebuah alat bantu analisis yang
dapat membantu dalam proses pengambilan keputusan (Tafreshi et al. 2015). Salah
satu alat analisis tersebut berupa multi-criteria decision making (MCDM) yang
memungkinkan pengambilan keputusan untuk masalah yang bersifat kompleks
(Abdullah dan Adawiyah 2014, Stirn dan Grošelj 2010). Salah satu dari metode
MCDM yang banyak digunakan adalah analytic hierarchy process (AHP) (Agarwal
et al. 2011, Aguarón et al. 2014). AHP memiliki banyak kelebihan dalam proses
pengambilan keputusan karena cukup efektif dalam menyederhanakan dan
mempercepat proses pengambilan keputusan dengan menguraikan keputusan
kompleks menjadi bagian-bagian keputusan yang lebih kecil (Dalalah et al. 2010,
Kabir dan Hasin 2011). Keunggulan lain AHP yaitu dapat digambarkan secara
grafis, sehingga mudah dipahami oleh semua pihak (pengguna) yang terlibat dalam
proses pengambilan keputusan (Marimin et al. 2013).
Pengembangan industri berbasis pala melibatkan berbagai pihak yang terkait
seperti investor, lembaga keuangan, pemerintah, konsumen, pelaku industri,
penyedia bahan baku dan lembaga penelitian. Pihak-pihak tersebut membutuhkan
informasi yang beragam serta dapat disajikan dalam bentuk lengkap dan cepat.
Penggunaan perangkat lunak (software) dapat memberikan kemudahan dalam
pengambilan keputusan secara cepat, tepat, efektif dan efisien sehingga akan
menghemat waktu dan biaya (Nyamsuren et al. 2015).
Penelitian yang akan dilakukan adalah membangun aplikasi SPK yang akan
membantu para pengambil keputusan mengenai perencanaan dan pengembangan
agroindustri berbasis pala serta mampu mengakomodasi semua informasi yang
berkaitan dengan komoditi pala dan olahannya yang dibutuhkan pengguna. Hasil
akhir penelitian ini adalah Sistem Pendukung Keputusan Pengembangan
Agroindustri Pala berbasis web yang dapat menentukan prioritas pengembangan
agroindustri pala di Kabupaten Kepulauan Talaud, Sulawesi Utara.

3
Perumusan Masalah
Berdasarkan latar belakang di atas maka dapat dirumuskan permasalahan
yang akan diselesaikan dalam penelitian ini adalah bagaimana merancang sistem
pendukung keputusan pengembangan agroindustri pala di Talaud.

Tujuan Penelitian
Tujuan utama penelitian ini adalah mendapatkan rancangan perangkat lunak
sistem pendukung keputusan untuk pengembangan agroindustri pala di Talaud.
Secara khusus, terdapat lima tujuan dalam penelitian ini yaitu:
1. Menerapkan metode AHP dalam penentuan prioritas produk agroindustri pala
dan alternatif pengembangan kelembagaan agroindustri pala.
2. Menerapkan metode location quotient (LQ) dan AHP dalam penentuan
prioritas lokasi pengembangan agroindustri pala.
3. Menerapkan metode regresi linier dalam pengukuran prakiraan pasar
komoditas pala dan produk agroindustri pala.
4. Menerapkan kriteria-kriteria finansial dalam analisis kelayakan investasi
agroindustri pala terpilih.
5. Membangun prototipe sistem pendukung keputusan berbasis web.

Manfaat Penelitian
Dengan dilakukannya penelitian ini diharapkan dapat memberikan manfaat
sebagai berikut:
1. Memberikan informasi prioritas keputusan kepada pemerintah sebagai bahan
pemikiran dalam merumuskan strategi agroindustri pala ke depan.
2. Sebagai bahan pertimbangan dalam pengambilan keputusan investasi bagi para
investor, petani pala dan lembaga keuangan.
3. Sebagai bahan referensi untuk pengkajian dan pengembangan industri berbasis
bahan baku lokal (pedesaan) lainnya di berbagai daerah.

Ruang Lingkup Penelitian
Untuk membatasi lingkup penelitian dengan tujuan supaya tidak terlalu luas
cakupannya dan pembahasan berfokus pada tujuan yang telah ditetapkan, maka
penelitian ini dibatasi pada:
1. Daerah penelitian adalah Kabupaten Kepulauan Talaud (Lampiran 1),
khususnya di pulau Karakelang, Salibabu dan Kabaruan.
2. Fokus penelitian akan dilakukan terhadap:
1) Penentuan prioritas lokasi industri
2) Penentuan prioritas produk agroindustri
3) Penentuan kelembagaan agroindustri
4) Prakiraan pasar komoditi pala dan produk agroindustri pala
5) Analisis kelayakan finansial agroindustri

4
Penelitian Terdahulu
Konsep sistem pendukung keputusan telah banyak digunakan diberbagai
bidang. Salah satunya adalah bidang pertanian. Agrahari dan Tripathi (2012),
mengembangkan kerangka pemikiran teoritis (theoritical framework)
pengembangan SPK untuk manajemen pertanian. Penelitian untuk bidang kajian
yang sama dilakukan Singh et al. (2008) dengan mengembangkan model SPK
berbasis internet untuk manajemen pertanian (farm management). Che’ya et al.
(2009) meneliti tentang sistem pendukung keputusan dalam kaitannya dengan
pertanian presisi (precision farming) yang didukung dengan geographic
information system (GIS) dan diperuntukkan bagi petani untuk mendapatkan
informasi tentang budi daya tanaman padi sehingga membantu menganalisis dan
mendapatkan gambaran tentang strategi terbaik untuk musim tanam berikutnya.
Manfaat dari penelitian ini adalah dengan SPK tersebut memungkinkan pertukaran
informasi antar petani terutama pada produksi padi, seperti rekomendasi pupuk, dan
menyediakan akses yang sama terhadap informasi berbasis web dari pengguna akhir
kepada pembuat kebijakan untuk meningkatkan produktivitas dan efisiensi
produksi padi melalui pertanian presisi. Penelitian dengan basis yang sama yaitu
SPK untuk pertanian presisi juga dilakukan oleh Cui et al. (2014), dengan
mengembangkan SPK dan information communication technology (ICT) dengan
menggunakan teknologi wireless sensor network (WSN) yang ditujukan untuk
daerah pedesaan. ICT membantu petani mendapatkan informasi tentang
pengelolaan pascapanen dan SPK membantu petani mengambil keputusan yang
benar sesuai informasi yang tersedia. Beberapa peneliti mengembangkan SPK
berbasis web, Suroso dan Ramadhan (2012) mengembangkan SPK berbasis web
untuk pengembangan agribisnis Kelapa Sawit. Flores et al. (2010),
mengembangkan SPK dinamis untuk manajemen sistem pengairan di perkebunan
jeruk. SPK ini mengintegrasikan tiga komponen seperti basis data dinamisrelasional, model administrator dan antarmuka.
Bidang lain yang juga banyak menerapkan SPK adalah manajemen rantai
pasok. Marimin et al. (2010), membangun sebuah framework Intelligent Decision
Support System (IDSS) untuk manajemen rantai pasok agribisnis dan agroindustri
yang terdiri atas 4 komponen utama: 1) database, 2) intelligent system model, 3)
supporting algorithms, dan 4) media access. Javanmardi et al. (2011),
menggunakan SPK sebagai alat bantu proses penyeleksian supplier dalam konteks
outsourcing untuk menilai dan menentukan supplier terbaik dan potensial melalui
proses pereduksian dengan principal component analysis (PCA) dan selanjutnya
dilakukan perangkingan dengan technique for others reference by similarity to ideal
solution (TOPSIS). Proses pengambilan keputusan sering diperhadapkan pada
banyak kriteria. Penelitian untuk pengambilan keputusan multi-kriteria dilakukan
oleh Yazdani (2014), untuk manajemen pemilihan supplier untuk organisasi
industri yaitu industri manufaktur mobil (automobile manufacturing). Penelitian
difokuskan pada penentuan pemasok yang tepat menggunakan fuzzy MCDM
selanjutnya dilakukan proses perangkingan menggunakan AHP dan diakhiri dengan
TOPSIS.
Keputusan yang diambil bisa berkaitan dengan kehidupan banyak orang dan
kepentingan publik atau organisasi. Seperti yang dilakukan oleh Modarres et al.
(2010), menggunakan SPK untuk membantu penjadwalan kursus singkat di pusat

5
pelatihan Institut Manajemen Industri. Selanjutnya, SPK juga digunakan untuk
pemilihan model terbaik proses pengembangan sistem untuk menyajikan model
tertentu dari Software Development Life Cycle (SDLC) sebagai satu set
kemungkinan alternatif. (Holodnik-Janczura dan Golinska 2010). Özceylan (2010),
mengembangkan SPK di bidang transportasi, dengan adanya pertimbangan multikriteria, seperti biaya, kualitas, waktu pengiriman, keamanan, aksesibilitas dan
kriteria lainnya saat memilih mode terbaik merupakan suatu kondisi yang sulit dan
kompleks dalam mengambil suatu keputusan. Penelitian serupa di bidang
transportasi juga dilakukan oleh Yayla dan Karacasu (2011), menilai sistem
pengoperasian angkutan bis umum dengan variabel berupa opini publik dan
pendapat para ahli terhadap privatisasi jalur bus perkotaan.
Metode analisis yang digunakan pada penelitian ini adalah AHP. Beberapa
penelitian yang menggunakan AHP diantaranya, (Budi 2013) menggunakan AHP
untuk penentuan prioritas pengembangan agro-holtikultur di Madiun, Jawa Timur.
Hasil perangkingan dengan AHP memperlihatkan 3 faktor utama pengembangan
adalah permintaan pasar, peraturan pemerintah dan manajemen sistem produksi.
Dengan tujuan utama adalah meningkatkan nilai tambah dan persaingan,
kesejahteraan, dan pendapatan daerah. Sedangkan untuk prioritas komoditas
hortikultura yang potensial adalah mangga, pisang, alpukat, buah nangka, manggis
dan jeruk. Selanjutnya, Al-Oqla dan Omar (2012), menggunakan AHP untuk
pemilihan antena ponsel GSM. Proses seleksi antena adalah masalah pengambilan
keputusan multi-kriteria dengan tujuan yang saling bertentangan dan beragam.
AHP juga diterapkan dalam perusahaan manufaktur farmasi (Asamoah et al. 2012),
untuk pemilihan pemilihan supplier bahan baku artemether-lumefantrine untuk
obat anti-malaria. Kriteria yang digunakan adalah kualitas, harga,
keandalan/kapasitas. Thirumaran et al. (2011), melakukan penelitian dalam hal
Web Service dengan menggunakan AHP untuk menganalisis parameter-parameter
Quality of Service (QoS) dan memilih layanan terbaik bagi permintaan pengguna.
Young, et.al. (2010), menggunakan AHP dalam pemilihan manajemen terbaik
(BMP=Best Management Practice) dan biaya pemeliharaan jangka panjang bagi
insinyur yang melibatkan banyak kriteria terlebih dalam situasi darurat. Adriyendi
dan Melia (2016), menggunakan AHP dalam pemilihan guru berprestasi. Penelitian
lainnya menggunakan metode AHP untuk pengukuran kompleksitas dari sektor
bisnis dan bisnis software (Jakupovic, et al. 2010).
Objek pada penelitian ini adalah agroindustri pala. Beberapa penelitian
terdahulu yang meneliti tentang agroindustri pala diantaranya, Nugraha (2003)
melakukan penelitian untuk studi pengembangan agroindustri minyak pala di
Kabupaten Bogor. Penelitian ini menggunakan metode AHP untuk penentuan
prioritas. Oryzanti (2003) melakukan penelitian dengan membuat perangkat lunak
MYRISTICAN’S 1.01 untuk membantu pengambilan keputusan kelayakan
investasi agroindustri minyak pala di Bogor. Penelitian ini menggunakan metode
analisis kelayakan finansial umumnya seperti NPV, IRR, B/C Ratio, BEP dan PBP.
Model SPK yang dikembangkan terdiri atas 3 model: (1) model kelayakan usaha
tani, (2) model kebutuhan bahan baku, dan (3) model kelayakan agroindustri.
Haridian (2002) melakukan penelitian dengan membuat perangkat lunak
PALADSS’02.1.01 untuk membantu pengambilan keputusan dalam perencanaan
dan pengembangan agroindustri pala dengan studi kasus Kabupaten Bogor.
Penelitian ini menggunakan Metode Perbandingan Eksponensial untuk menentukan

6
prioritas alternatif dan analisis kelayakan finansial umumnya seperti NPV, IRR,
B/C Ratio, BEP dan PBP. Selain itu dilengkapi dengan analisis sensitivitas untuk
melihat apa yang akan terjadi dengan hasil analisis proyek jika terjadi perubahan
dalam dasar-dasar perhitungan biaya atau pendapatan. Model SPK yang
dikembangkan terdiri atas 6 model: (1) model pemilihan lokasi penanaman pala,
model prakiraan jumlah produksi buah pala, (2) model prakiraan populasi penduduk,
(3) model prakiraan pasar komoditi pala meliputi analisis prakiraan jumlah
produksi buah pala, analisis prakiraan harga jual buah pala di tingkat petani, (4)
model prakiraan pasar agroindustri manisan pala meliputi analisis prakiraan jumlah
produksi agroindustri manisan pala dan analisis prakiraan harga jual produk
manisan pala, (5) model kelayakan finansial usaha tani tanaman pala, dan (6) model
kelayakan finansial agroindustri manisan pala.
Penelitian yang akan dilakukan merupakan pengembangan dari penelitian
yang dilakukan Haridian (2002) dengan beberapa perubahan. Dalam penelitian ini
yang menjadi objek penelitian adalah daerah Kabupaten Kepulauan Talaud. Objek
penelitian yang berbeda, tentu berbeda pula analisisnya. Selanjutnya dalam
penelitian ini akan dilakukan pengurangan dan penambahan beberapa model SPK
disesuaikan dengan situasi, keadaan, kondisi dan kebutuhan di daerah tempat
penelitian. Metode analisis akan dilakukan penggabungan beberapa metode seperti
LQ dan AHP, serta Regresi Linier untuk analisis prakiraan. Jika pada penelitian
sebelumnya dibangun sistem yang berbasis desktop/stand alone, maka sistem ini
akan dibangun berbasis web (online).

2 TINJAUAN PUSTAKA
Tanaman Pala
Pala (Myristica fragrans Houtt) merupakan tanaman asli Indonesia yang
berasal dari Kepulauan Banda dan Maluku. Daerah penghasil pala di Indonesia
yaitu Kepulauan Maluku, Sulawesi Utara, Sumatera Barat, Nanggroe Aceh
Darusalam, Jawa Barat dan Papua. Buah pala terdiri atas daging buah (77,8%), fuli
(4 %), tempurung (5,1%) dan biji (13,1%) dan dikenal sebagai rempah yang
memiliki nilai ekonomi tinggi dan multi guna karena setiap bagian tanaman dapat
dimanfaatkan untuk bahan berbagai industri. Biji dan fuli merupakan produk utama
dari tanaman pala, yang sebagian besar untuk diekspor dan berfungsi sebagai
rempah, baik untuk keperluan sehari-hari maupun untuk industri makanan dan
minuman. Daging buah yang muda banyak digunakan untuk makanan ringan dan
minuman seperti manisan, permen, sirup dan jus pala. Minyak pala yang diperoleh
dari penyulingan biji pala muda, selain untuk ekspor juga merupakan bahan baku
industri obat-obatan, pembuatan sabun, parfum dan kosmetik di dalam negeri.
Produk lain yang berasal dari biji pala yaitu mentega pala yaitu trimiristin yang
dapat digunakan sebagai minyak makan dan industri kosmetik (DEPTAN 2012).

Agroindustri
Studi agroindustri menekankan pada food processing management dalam
suatu perusahaan produk olahan yang bahan baku utamanya adalah produk
pertanian. Dengan kata lain, agroindustri merupakan suatu kegiatan industri yang
memproses bahan-bahan baku pertanian menjadi bentuk lain yang lebih menarik
dan memberikan nilai tambah serta dapat meningkatkan daya saing produk
pertanian (Pengembangan... 2014).
Komoditi pertanian umumnya dihasilkan dalam bentuk bahan mentah dan
mudah rusak, sehingga perlu langsung dikonsumsi atau diolah lanjut. Pengolahan
dalam agroindustri merupakan tahapan proses transformasi dan pengawetan
melalui perubahan fisik atau kimiawi, penyimpanan, pengepakan, dan distribusi
terhadap produk yang dihasilkan. Pengolahan dapat berupa pengolahan sederhana
seperti pembersihan, pemilihan (grading), pengepakan. Dapat pula berupa
pengolahan yang lebih canggih seperti penggilingan (milling), penepungan
(powdering), ekstraksi dan penyulingan (extraction), penggorengan (roasting),
pemintalan (spinning), pengalengan (canning) dan proses pabrikasi lainnya.
Timisela et al. (2012), menambahkan bahwa pengolahan adalah suatu operasi atau
rentetan operasi terhadap suatu bahan mentah untuk dirubah bentuknya dan atau
komposisinya. Pelaku agroindustri pengolahan hasil pertanian berada diantara
petani yang memproduksi dengan konsumen atau pengguna hasil agroindustri.

Sistem Pendukung Keputusan
Sistem pendukung keputusan adalah sistem informasi berbasis komputer
yang menyediakan informasi interaktif sebagai bentuk dukungan kepada manajer

8
dan bisnis profesional dalam proses pengambilan keputusan (O’Brien dan Marakas
2010). Keputusan dapat diambil dari alternatif-alternatif keputusan yang ada.
Alternatif keputusan tersebut dapat dilakukan berdasarkan informasi yang sudah
diolah dan disajikan dengan dukungan sistem pendukung keputusan (Marimin et al.
2013). Metode atau alat analisis yang akan digunakan dalam perancangan model
agroindustri pala di Talaud adalah sebagai berikut:
Proses Hirarki Analitik (AHP)
Proses hierarki analitik merupakan suatu analisa yang dipakai dalam
pengambilan keputusan untuk memahami kondisi suatu sistem dan membantu
melakukan prediksi dalam pengambilan keputusan (Marimin dan Gunawan 2004).
AHP merupakan sebuah pendekatan multi kriteria pengambilan keputusan yang
diatur dalam struktur hierarki (Saaty 1990), dapat juga dikatakan penyederhanaan
suatu persoalan kompleks (Young et al. 2010) yang tidak terstruktur, strategik, dan
dinamik menjadi sebuah bagian-bagian dan tertata dalam sebuah hierarki (Marimin
dan Maghfiroh 2010). Tingkat kepentingan setiap variabel diberi nilai numerik,
secara subjektif tentang arti penting variabel tersebut dan secara relatif
dibandingkan dengan variabel yang lain. Dari berbagai pertimbangan kemudian
dilakukan sintesis untuk menetapkan variabel yang memiliki prioritas tinggi dan
berperan untuk mempengaruhi hasil pada sistem tersebut.
Sebagaimana langkah yang dijelaskan oleh Saaty (1990), metode AHP dapat
digunakan untuk membantu pengambilan keputusan dengan cara sebagai berikut:
1)
Menentukan tujuan, kriteria, dan alternatif keputusan
2)
Membuat “pohon hierarki” untuk berbagai kriteria dan alternatif keputusan.
3)
Membentuk sebuah matriks perbadingan berpasangan (pairwise comparison).
4)
Membuat peringkat prioritas dari matriks berpasangan dengan menentukan
nilai eigen. Cara menghitung prioritas menggunakan manipulasi matriks:
(1) Mengubah matriks menjadi bilangan desimal
(2) Mengkuadratkan matriks tersebut (iterasi 1)
(3) Menjumlahkan nilai setiap baris dari matriks hasil penguadratan dan
kemudian dinormalisasi dengan cara membagi jumlah baris dengan
total baris hingga diperoleh nilai eigen
(4) Mengkuadratkan kembali matriks hasil langkah sebelumnya (iterasi 2)
(5) Melakukan langkah 3 hingga diperoleh nilai eigen yang baru.
(6) Kemudian, bandingkan nilai eigen yang pertama dan kedua. Jika
diantaran keduanya, tidak ada perubahan nilai atau hanya sedikit
mengalami perubahan, maka nilai eigen yang pertama sudah benar.
Akan tetapi jika sebaliknya, maka nilai eigen yang pertama masih salah
dan lakukan kembali langkah 2 sampai 6, hingga nilai eigen tidak
berubah atau hanya sedikit berubah. Jika nilai eigen sudah tidak berbeda
sampai 4 desimal, maka iterasi berhenti (syarat terpenuhi).
5)
Membuat peringkat alternatif dari matriks berpasangan masing-masing
alternatif dengan menetukan nilai eigen setiap alternatif. Cara yang digunakan
sama ketika membuat peringkat prioritas diatas.
6)
Jika pakar yang memberi penilaian lebih dari satu, maka hasil penilaian pakar
harus digabungkan dengan persamaan:

9
�

�� = √∏ ��

(1)

�=1

7)

Keterangan:
�� = rata-rata geometrik (gabungan nilai pakar)
m = jumlah pakar
�� = penilaian pakar ke=i
� = perkalian
Selanjutnya, menghitung nilai consistency ratio (CR). Syarat: penilaian
perbandingan dikatakan konsisten jika CR tidak lebih dari 0,10 (CR < 0,10).
Cara menghitung nilai CR:
(1) Hitung nilai weighted sum vector (WSV) dengan cara mengalikan
matriks perbadingan berpasangan (yang desimal) dengan nilai eigen
yang diperoleh pada iterasi terakhir.
(2) Hitung consistency vector (CV) dengan cara membagi nilai WSV
dengan nilai eigen
CV = WSV/nilai eigen
(3) Hitung nilai rata-rata dari CV (π)
(4) Hitung nilai consistency index (CI). Nilai CI dapat dihitung dengan
menggunakan persamaan:
�−
(2)
�=
−1
Keterangan:
π = nilai rata-rata dari CV
n = jumlah parameter/elemen pada setiap level hierarki
(5) Nilai CR dapat dihitung menggunakan persamaan:
�
(3)
�=
��
RI = nilai random indeks seperti ditunjukkan pada Tabel 1.

Tabel 1 Nilai random indeks (RI)
n

RI
1
2
3
4
5

n
0,00
0,00
0,58
0,90
1,12

RI
6
7
8
9
10

n
1,24
1,32
1,41
1,45
1,49

RI
11
12
13
14
15

1,51
1,48
1,56
1,57
1,59

Location Quotient (LQ)
Teknik location quotient (LQ) merupakan salah satu pendekatan yang umum
digunakan untuk mengetahui potensi aktivitas ekonomi yang merupakan indikasi
sektor basis dan bukan basis (Rustiadi et al. 2007). Teknik ini merupakan
perbandingan relatif antara kemampuan sektor yang sama pada daerah yang lebih
luas dalam suatu wilayah. Dalam prakteknya penggunaan teknik LQ meluas tidak
terbatas pada bahasan ekonomi saja akan tetapi juga dimanfaatkan untuk

10
menentukan sebaran komoditas atau melakukan identifikasi wilayah berdasarkan
potensinya.
Dasar ukuran dalam pemakaian LQ harus disesuaikan dengan tujuan serta
ketersediaan dan sumber data. Jika jumlah hasil produksi dipakai untuk
mengidentifikasi sebaran suatu agroindustri di suatu wilayah, maka formula LQ
adalah sebagai berikut:
Xij / ∑ Xij
LQ=
(4)
X j / ∑ Xj
Keterangan:
LQ
= Koefisien location quotient
Xij
= Jumlah hasil produksi perkebunan ke-i di wilayah ke-j
Xj
= Jumlah hasil produksi perkebunan di wilayah ke-j
∑Xij = Total hasil produksi perkebunan ke-i di semua wilayah
∑Xj = Total hasil produksi perkebunan di semua wilayah
Apabila koefisien LQ nilainya lebih besar dari 1 (satu) berarti bahwa
agroindustri tersebut merupakan sektor basis suatu wilayah yang memiliki
keunggulan komparatif dibanding dengan wilayah lain. Nilai koefisien yang lebih
kecil dari satu menyatakan sebaliknya di mana agroindustri tersebut bukan
merupakan sektor unggulan dari wilayah yang bersangkutan.
Regresi Linier
Regresi atau peramalan adalah suatu proses memperkirakan secara sistematis
tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan
informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil.
Regresi dapat juga diartikan sebagai usaha memperkirakan perubahan (Draper dan
Smith 1992). Kegunaan regresi dalam penelitian salah satunya adalah untuk
meramalkan atau memprediksi variabel terikat (Y) apabila variabel bebas (X)
diketahui.
Persamaan regresi dirumuskan:
(5)
Ŷ = a + bX + ε
Keterangan:
Ŷ
= Dependent variabel / variabel tidak bebas / variabel dipengaruhi oleh
variabel lain
X
= Independent variabel / variabel bebas / variabel yang dipengaruhi
oleh variabel b
a
= Intercept (konstanta), nilai y taksiran pada saat x = 0
b
= Koefisien regresi, menunjukkan besarnya perubahan unit akibat
adanya perubahan tiap satu unit x
ɛ
= Error / tingkat kesalahan
Kriteria Investasi
Analisis kelayakan finansial merupakan aspek yang penting dan harus
dipertimbangkan dalam perencanaan investasi usaha bisnis apapun. Gittinger
(1991) menjelaskan bahwa, penilaian terhadap kelayakan investasi umumnya
dilakukan dengan mempertimbangkan beberapa kriteria, diantaranya, net present
value (NPV), B/C ratio, net B/C, internal rate return (IRR), dan payback period
(PP).

11
1.

Net Present Value (NPV)
NPV merupakan nilai sekarang dari suatu usaha dikurangi dengan biaya
sekarang dari suatu usaha pada tahun tertentu. Seleksi formal terhadap NPV untuk
mengukur nilai suatu usaha bila NPV usaha bernilai positif bila didiskonto pada
Social Opportunity Cost of Capital. Dimana bila nilai NPV nol (positif) maka
industri tersebut diprioritaskan pelaksanaannya (tanda “GO”). Apabila besarnya
NPV sama dengan nol berarti industri tersebut mengembalikan persis sebesar
Social Opportunity Cost of Capital. Apabila besarnya NPV nol (negatif) maka
sebaiknya usaha ditolak dan sekaligus mengindikasikan ada jenis penggunaan lain
yang lebih menguntungkan bagi sumber-sumber yang diperlukan usaha.
NPV menghitung nilai sekarang dari aliran kas yaitu merupakan selisih
antara Present Value (PV) manfaat dan PV biaya. Nilai bersih sekarang akan
menggambarkan keuntungan dan layak dilaksanakan jika mempunyai nilai positif.
Apabila NPV sama dengan nol, maka usaha tersebut tidak untung dan tidak rugi
(marjinal), sehingga terserah kepada penilaian pengambilan keputusan
dilaksanakan atau tidak. Apabila NPV kurang dari nol, maka usaha tersebut
merugikan sehingga lebih baik tidak dilaksanakan. Rumus kriteria investasi ini
adalah sebagai berikut:
−
��� = ∑
(6)
1+� �
�=1

Keterangan:
Bt = manfaat yang diperoleh sehubungan dengan suatu usaha atau proyek pada
time series (tahun, bulan, dan sebagainya) ke-t (Rp),
Ct = biaya yang dikeluarkan sehubungan dengan proyek pada time series ke-t
tidak dilihat apakah biaya tersebut dianggap bersifat modal (pembelian
perlatan, tanah, konstruksi dan sebagainya) (Rp),
i
= merupakan tingkat suku bunga yang relevan,
t
= Periode (1,2,3,…,n).
Kriteria keputusan investasi berdasarkan NPV yaitu:
1) NPV = 0, artinya usaha tersebut mampu memberikan tingkat pengembalian
sebesar modal sosial opportunities cost faktor produksi normal. Dengan kata
lain, usaha tersebut tidak untung maupun rugi.
2) NPV > 0, artinya suatu usaha dinyatakan menguntungkan dan dapat
dilaksanakan.
3) NPV < 0, artinya usaha tersebut tidak menghasilkan nilai biaya yang
dipergunakan, atau dengan kata lain usaha tersebut merugikan dan sebaiknya
tidak dilaksanakan.
2.

Benefit Cost Ratio (B/C Ratio)
B/C ratio dipakai secara eksklusif untuk mengukur manfaat sosial dalam
analisis ekonomi dan jarang dipakai untuk analisis investasi private. B/C Ratio
merupakan tingkat besarnya tambahan manfaat setiap penambah