PEMILIHAN PRODUK HILIR KARET BERBASIS LATEKS POTENSIAL SERTA

PERUMUSAN STRATEGINYA DENGAN MENGGUNAKAN METODE AHP, FUZZY

AHP DAN LOGIKA FUZZY
Dedy Sugiarto
1
dan Marimin
2
.
1
Mahasiswa Program Doktor Teknologi Industri Pertanian, IPB
2
Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, IPB
Abstrak
Pengembangan industri hilir karet atau barang jadi karet di Indonesia diarahkan untuk
meningkatkan nilai tambah dan diversifikasi ekspor. Saat ini industri barang jadi lateks menyerap
20 % dari konsumsi karet di dalam negeri. Namun, informasi mengenai strategi pengembangan
industri barang jadi lateks belum banyak diungkap. Tujuan utama penelitian ini adalah memilih
barang jadi atau produk lateks yang paling potensial untuk dikembangkan, mengevaluasi
lingkungan eksternal dan internalnya serta memilih strategi pengembangannya berdasarkan
metode Analytic Hierarchy Process (AHP), fuzzy AHP dan logika fuzzy. Teori himpunan fuzzy
dikembangkan untuk menyelesaikan persoalan dimana deskripsi dari aktivitas atau pengamatan
adalah tidak lengkap, samar, bermakna dua dan tidak pasti. Proses pemilihan produk potensial
dan pemilihan strategi melibatkan berbagai input dalam bentuk data linguistik. Data seperti ini
dapat bermakna dua dan tidak pasti.. Berdasarkan penilaian pakar terhadap beberapa kriteria
yang diolah dengan metode AHP dan Fuzzy AHP dapat diketahui bahwa kedua metode tersebut
memberikan hasil yang mirip dimana produk sarung tangan memiliki skor tertinggi untuk dipilih.
Hasil evaluasi lingkungan eksternal yang terkait dengan daya tarik pasar dan lingkungan internal
yang terkait dengan kekuatan bisnis menunjukkan nilai berturut-turut 3,15 dan 3,30 (dalam skala
1-4). Untuk pemilihan strategi, kedua nilai tersebut dimasukkan sebagai input dalam logika fuzzy
menggunakan 9 rule berdasarkan metode SUGENO. Hasilnya menunjukkan bahwa strategi yang
cocok untuk industri sarung tangan adalah strategi 1 (tumbuh dan membangun).
Kata kunci : barang jadi lateks, AHP, fuzzy AHP, matriks internal-eksternal, logika fuzzy
Abstract
The development of down stream rubber goods industry in Indonesia is directed to
increase added value and export diversification. At present, latex goods industry absorbs 20 % of
the total domestic rubber consumption. However, information about latex goods industry
development strategy has not been adequately available.The main objective of this study is to select
the most potential latex product, evaluate its external and internal environment and choose the
strategy based on Analytic Hierarchy Process (AHP), fuzzy AHP dan logika fuzzy. Fuzzy set theory
was developed for solving problems in which descriptions of activities and data are imprecise,
vague, ambiguous, and uncertain. Product and strategy selection involve various inputs in the
form of linguistic data. Such data are ambiguous and uncertain. Based on expert judgement to
some criterias processed using AHP and fuzzy AHP, two methods give similar results in which
rubber glove has the highest score. External evaluation which is related to market attractiveness
and internal evaluation which is related to business strength give score score 3.15 and 3.30 (1 to 4
scale). For strategy selection process, that two values were used as inputs in fuzzy logic using 9
rules based on SUGENO method. The result shows that the appropriate strategy for rubber glove
industry is strategy 1 (grow and build).
Key Words: Latex goods, AHP, fuzzy AHP, fuzzy logic, internal-external matrices.
1. PENDAHULUAN 1.1. Latar Belakang
Berdasarkan data tahun 2003 yang
dipublikasikan oleh IRSG (International
Rubber Study Group) produsen karet alam
terbesar dipegang oleh Thailand dengan
jumlah produksi 2,62 juta ton karet alam,
diikuti oleh Indonesia sebesar 1,79 juta ton
dan Malaysia 0,99 juta ton. Sedangkan
tingkat konsumsi karet alam diantara tiga
negara tersebut berturut-turut adalah Thailand
282 ribu ton, Indonesia 156 ribu ton, dan
Malaysia 421 ribu ton. Lebih dari 70 %
konsumsi domestik untuk ban. Nilai karet
alam dari harga ban rendah, terlebih lagi
dalam harga mobil. Penggunaan karet alam di
luar sektor ban perlu ditingkatkan (Suharto H,
1993).
Di antara barang jadi karet, barang jadi
lateks merupakan produk yang kandungan
karetnya paling tinggi. Barang jadi lateks
terdiri atas sarung tangan karet, kondom,
kateter, perekat dan lain sebagainya. Saat ini
industri barang jadi lateks menyerap 20 %
dari konsumsi karet di dalam negeri. Namun,
informasi mengenai strategi pengembangan
industri barang jadi lateks belum banyak
diungkap.
1.2. Tujuan
Tujuan dari penelitian ini adalah :
1. Memilih produk agroindustri
potensial berbasis lateks menggunakan
metode AHP konvensional dan Fuzzy
AHP
2. Mengevaluasi lingkungan
eksternal dan internalnya
3. Memilih strategi
pengembangan menggunakan logika fuzzy
berdasarkan matriks internal-eksternal..
1.3. Ruang Lingkup
Penelitian ini hanya membahas
pemilihan produk hilir karet berbasis lateks
yang potensial untuk dikembangkan di
Indonesia dengan menggunakan metode AHP
dan fuzzy AHP, evaluasi lingkungan eksternal
dan internal menggunakan matriks External
Factor Evaluation (EFE) dan Internal Factor
Evaluation (IFE) serta pemilihan strategi
menggunakan pendekatan logika fuzzy.
2. TINJAUAN PUSTAKA
2.1 Analytic Hierarchy Process (AHP)
AHP dikembangkan oleh Dr. Thomas
L. Saaty untuk mengorganisasikan informasi
dan judgement dalam memilih alternatif yang
paling disukai. Prinsip kerja AHP adalah
penyederhanaan suatu persoalan kompleks
yang tidak terstruktur, stratejik dan dinamik
menjadi bagian-bagiannya serta menata dalam
suatu hierarki (Marimin, 2004).
AHP memungkinkan pengguna untuk
memberikan nilai bobot relatif dari suatu
kriteria majemuk atau alternatif secara intuitif
yaitu dengan melakukan perbandingan
berpasangan (pairwise comparisaon). Skala
AHP disajikan dalam Tabel 1.
Tabel 1. Skala AHP
Tingkat
Kepentingan
Keterangan
1
Kriteria/Alternatif A sama penting
dengan kriteria/alternatif B
3 A sedikit lebih penting dari B
5 A jelas lebih penting dari B
7 A sangat jelas lebih penting dari B
9 A mutlak lebih penting dari B
2,4,6,8
Apabila ragu-ragu antara dua nilai
yang berdekatan
Sumber : Marimin (2004)
Langkah-langkah dalam metode AHP
konvensional meliputi (Suryadi & Ramdhani,
2002):
1. Mendefinisikan masalah dan menentukan
solusi yang diinginkan.
2. Membuat struktur hirarki yang diawali
dengan tujuan umum, dilanjutkan dengan
subtujuan-subtujuan, criteria dan
kemungkinan alternatif-alternatif pada
tingkatan kriteria yang paling bawah.
3. Membuat matriks perbandingan
berpasangan yang menggambarkan
kontribusi relatif atau pengaruh setiap
elemen terhadap masing-masing tujuan
atau kriteria yang setingkat diatasnya.
Perbandingan dilakukan berdasarkan
judgement dari pengambil keputusan
dengan menilai tingkat kepentingan suatu
elemen dibandingkan elemen lainnya.
4. Melakukan perbandingan berpasangan
sehingga diperoleh judgement seluruhnya
sebanyak n x [(n-1)/2] buah, dengan n
adalah banyaknya elemen yang
dibandingkan.
5. Menghitung nilai eigen dan menguji
konsistensinya, jika tidak konsisten maka
pengambilan data diulangi.
6. Mengulangi langkah 3, 4 dan 5 untuk
seluruh tingkat hirarki.
7. Menghitung vektor eigen dari setiap
matriks perbandingan berpasangan. Nilai
vektor eigen merupakan bobot setiap
elemen. Langkah ini untuk mensintesis
judgement dalam penentuan prioritas
elemen-elemen pada tingkat hirarki
terendah sampai pencapaian tujuan.
8. Memeriksa konsistensi hirarki. Jika
nilainya lebih dari 10 persen maka
penilaian data judgement harus diperbaiki.
Consistency Index (CI) mengukur
seberapa besar tingkat kekonsistenan
seseorang dalam memberikan penilaian
terhadap suatu elemen di dalam masalah.Kita
dapat mengukur Consistency Index (CI)
dengan menggunakan rumus :
1
max

n
n
CI

Keterangan :
max : Nilai maksimum dari nilai eigen
matriks yang bersangkutan
n : Jumlah elemen yang dibandingkan
Consistency Ratio (CR) menunjukkan
penerimaan tingkat kekonsistenan seseorang
terhadap penilaian-penilaian yang dia berikan
terhadap suatu masalah berdasarkan angka
random consistency yang telah
ditabelkan.Adapun rumus dari Consistency
Ratio(CR) adalah sebagai berikut :
RC
CI
CR
Keterangan :
CI : consistency index
RC : random consistency
Nilai CR harus berada di antara 10 % atau
kurang untuk dapat diterima.
2.2. Penyajian Fuzzy dari Perbandingan
Berpasangan
Pada AHP konvensional, skala yang
digunakan adalah skala 1 9 yang
menunjukkan penilaian equally, moderatly,
strongly, very strongly, atau extremly
preferred. Kwong (2002) memperkenalkan
triangular fuzzy number yang digunakan untuk
menyajikan perbandingan berpasangan bagi
karakteristik pelanggan untuk menangkap
ketidakjelasan adalah
9
~
1
~

. Fuzzy number
akan dituliskan dengan tanda diatas angka
yang ada.
Sebuah triangular fuzzy number
A
~

dinyatakan dengan triplet sebagai (al, am, au)
dimana membership function
) ( ~ x
A

didefinisikan sebagai berikut:
) ( ~ x
A

'

<
u m
m u
u
m l
l m
l
l
a x a
a a
x a
a x a
a a
a x
a x 0

Menggunakan interval kepercayaan dalam
menentukan koefisien tingkat kepercayaan

,
triangular fuzzy number memiliki karakteristik
sebagai berikut:
], 1 , 0 [
] ) ( , } [( ] , [
~
u m u l l m u l
a a a a a a a a A + +

Aritmatik dari triangular fuzzy number
tergantung pada interval kepercayaan dari

.
Beberapa operasi dasar dari triangular fuzzy
number
A
~
dan
B
~
direpresentasikan dengan
interval kepercayaan sebagai berikut:
] , [
~ ~
) (

u u l l
b a b a B A + + +
] , [
~ ~
) (

l u u l
b a b a B A
] , [
~ ~
) (

u u l l
x b a b a B A
] / , / [
~ ~
) (

l u u l
b a b a B A
Untuk memperoleh ketidaktepatan
dari penilaian kualitatif yang diberikan , lima
triangular fuzzy number digambarkan
hubungannya dengan membership function
pada Gambar 1.
Gambar 1. Fungsi Keanggotaan dalam Fuzzy
AHP
Prosedur perhitungan dari fuzzy AHP
dapat dirangkum sebagai berikut :
Langkah 1 : membandingkan nilai.
Digunakan triangular fuzzy number (
9
~
, 7
~
, 5
~
, 3
~
, 1
~
) untuk mengindikasikan
kekuatan relatif antar elemen pada satu
tingkat.
Langkah 2 : membangun matriks
perbandingan fuzzy dengan menggunakan
triangular fuzzy number yang dapat dilihat
sebagai berikut :
1
1
1
1
1
1
1
1
]
1

1
~ ~ ~ ~
~
1
~ ~ ~
~ ~
...
~
1
~
~ ~
...
~ ~
1
~
) 1 ( 3 2 1
) 1 ( 3 ) 1 ( 2 ) 1 ( ) 1 (
2 ) 1 ( 2 23 21
1 ) 1 ( 1 13 12
n n n n n
n n n n n
n n
n n
a a a a
a a a a
a a a a
a a a a
A

dimana :

'

j i or
j i
a
ij
, 9
~
, 7
~
, 5
~
, 3
~
1
~
9
~
, 7
~
, 5
~
, 3
~
, 1
~
, 1
~
1 1 1 1 1
Langkah 3 : mencari nilai eigen fuzzy
x x A
~
~
~
~


dengan menggunakan perkalian,
penambahan fuzzy, maka persamaan dapat
dijadikan:
i n in i
x x a x a
~
~
)
~ ~
( ... )
~ ~
(
1 1


dimana 1 i n, ),
~
,....,
~
(
~
],
~
[
~
1 n ij
x x x a A
ij
a
~
dan
i
x
~
adalah fuzzy number.
] , [ ], , [ ], , [

u l iu il i iju ijl ij
x x x a a a
Sehingga untuk mendapatkan batas atas dan
batas bawah dari penelitian ini, digunakan
rumus:
[ ], 2 3 , 1 1
~

1
]
1

+
+




2 1
1
,
2 5
1
3
~
], 2 5 , 2 1 [ 3
~
1
1
]
1

+
+




2 3
1
,
2 7
1
5
~
], 2 7 , 2 3 [ 5
~
1
1
]
1

+
+




2 5
1
,
2 9
1
7
~
], 2 9 , 2 5 [ 7
~
1
1
]
1

+
+

2 7
1
,
9
1
9
~
], 9 , 2 7 [ 9
~
1


Tingkat kepuasan penilaian matrik
A
~

diperkirakan dengan menggunakan indek
optimisme m. Semakin besar nilai m
mengindikasikan semakin tinggi tingkat
optimisme. Indek optimisme merupakan
kombinasi linier (Lee, 1999) yang
didefinisikan sebagai :
] 1 , 0 [ , ) 1 (
~
+

ijl iju ij
a a a

Pada penelitian ini, digunakan nilai
derajat kepastian (

) = 0.5 dan derajat

optimisme (

) = 0.5. Hal ini dilakukan untuk

mengantisipasi adanya penilaian yang terlalu
berlebihan atau sebaliknya penilaian yang
underestimate. Selama

tetap, maka matriks

yang diperoleh setelah penetapan indek
optimisme dengan tujuan memperkirakan
tingkat kepuasan adalah:
1
1
1
1
1
]
1

1
1
1
~
2 1
2 21
1 12

n n
n
n
a a
a a
a a
A
Setelah diperoleh matrik diatas, maka
dilakukan peritungan untuk mencari
nilai eigen maksimum dan nilai eigen
vektor.
2.3. Matriks External Factor Evaluation
(EFE)
Matriks EFE digunakan untuk
mengevaluasi faktor-faktor eksternal. Data
eksternal dapat diperoleh dari lingkungan di
luar perusahaan seperti analisis pasar,
kompetitor, komunitas, pemasok, pemerintah,
dan /atau kelompok kepentingan tertentu serta
data eksternal relevan lainnya. Hal ini penting
karena faktor eksternal berpengaruh secara
langsung terhadap perusahaan.
Tahapan pembuatan matrik EFE menurut
David (2003) adalah :
1. Buatlah daftar critical success factor
(faktor-faktor utama yang mempunyai
dampak penting pada kesuksesan atau
kegagalan usaha) untuk aspek eksternal
yang mencakup perihal opportunities
(peluang) dan threats (ancaman) bagi
perusahaan.
2. Tentukan bobot (weight) dari critical
success factor tadi dengan skala 0 (tidak
penting) sampai dengan 1 (terpenting).
Jumlah seluruh bobot harus sebesar 1.0.
nilai bobot dicari dan dihitung
berdasarkan rata-rata industrinya.
3. Tentukan rating setiap critical success
factor dengan nilai 1 (respon jelek) , 2
(respon rata-rata), 3 (respon di atas rata-
rata), 4 (respon luar biasa). Baik peluang
maupun ancaman dapat memperoleh nilai
1,2,3 atau 4.
4. Kalikan nilai bobot dengan nilai
rating-nya untuk mendapatkan skor semua
critical success factors.
5. Jumlahkan semua skor untuk
mendapatkan skor total.

2.4. Matriks Internal Factor Evaluation
(IFE)
Data internal dapat diperoleh dari
analisis lingkungan internal perusahaan yang
masuk ke dalam lingkungan fungsional
perusahaan, seperti aspek manajemen,
keuangan, SDM, pemasaran, sistem informasi
dan produksi/operasi. Setelah mengidentifikasi
faktor-faktor internal perusahaan, kemudian
dapat disusun kedalam matriks IFE (Internal
Factor Evaluation) dengan menentukan
kekuatan (strength) dan kelemahan (weakness)
perusahaan.
Tahapan pembuatan Matriks IFE menurut
David (2003) adalah :
1. Buatlah daftar critical success factor
untuk aspek internal strength (kekuatan)
dan weakness (kelemahan).
2. Tentukan bobot (weight) dari critical
success factor tadi dengan skala 0 (tidak
penting) sampai dengan 1 (terpenting).
Jumlah seluruh bobot harus sebesar 1.0.
nilai bobot dicari dan dihitung
berdasarkan rata-rata industrinya.
3. Tentukan rating setiap critical success
factor dengan nilai 1 (kelemahan besar) , 2
(kelemahan kecil), 3 (kekuatan kecil), 4
(kekuatan besar). Peringkat 4 atau 3 hanya
untuk kekuatan, sedangkan 1 atau 2 hanya
untuk kelemahan.
4. Kalikan nilai bobot dengan nilai
rating-nya untuk mendapatkan skor semua
critical success factors.
5. Jumlahkan semua skor untuk
mendapatkan skor total.

2.5. Matriks Internal-Eksternal (IE)
Matriks Internal-Eksternal ini
dikembangkan dari model General Electric
(GE Model). Parameter yang digunakan
meliputi parameter kekuatan internal
perusahaan dan pengaruh eksternal yang
dihadapi. Tujuan penggunaan model ini adalah
untuk memperoleh strategi bisnis yang lebih
detail.
Matriks Internal-Ekstenal (IE)
memposisikan perusahaan dalam matriks yang
terdiri atas 9 sel. Matriks IE terdiri atas 2
dimensi, yaitu skor total dari Matriks IFE pada
sumbu X dan skor total dari Matriks EFE pada
sumbu Y.
Matriks IE memiliki tiga tampilan
strategi yang berbeda, yaitu :
Pertama
Untuk divisi-divisi yang berada pada sel I,
II, atau IV dapat digambarkan sebagai
Grow dan Build . Strategi-strategi
yang cocok bagi divisi-divisi yang berada
pada sel-sel ini adalah Strategi Intensif
(market penetration, market development,
dan product development) atau Strategi
Terintegrasi (backward integration,
forward integration, dan horizontal
integration).
Kedua
Untuk divisi-divisi yang berada pada sel
II, V, atau VII paling baik dikendalikan
dengan strategi-strategi Hold dan
Maintain. Strategi-strategi umum
dipakai yaitu strategi market penetration
dan product development.
Ketiga
Untuk divisi-divisi yang berada pada sel
VI, VIII, atau IX dapat menggunakan
strategi Harvest atau Divesture
I I I I I I
I V V V I
V I I V I I I I X
S k o r T o t a l I F E
S
k
o
r

T
o
t
a
l

E
F
E
T i n g g i
S e d a n g
R e n d a h
K u a t R a t a - r a t a
L e m a h
Gambar 2. Bagan Matriks IE
Shuliang Li (2001,2002) memperkenalkan
representasi fuzzy terhadap matriks GE seperti
disajikan dalam gambar berikut ini.
P r o t e c t p o s i t i o n
i n v e s t t o g r o w a t m a x i m u m
d i g e s t i b l e r a t e , c o n c e n t r a t e
e f f o r t o n m a i n t a i n i n g s t r e n g h t
I n v e s t t o b u i l d
c h a l l e n g e f o r l e a d e r s h i p ; b u i l d
s e l e c t i v e l y o n s t r e n g h s ;
r e i n f o r c e v u l n e r a b l e a r e a s
B u i l d s e l e c t i v e l y
s p e c i a l i s e a r o u n d l i m i t e d
s t r e n g h t s ; s e e k w a y s t o
o v e r c o m e w e a k n e s s ; w t h d r a w
i f i n d i c a t i o n o f s u s t a i n a b l e
g r o w t h a r e l a c k i n g
S e l e c t i v e l y b u i l d
i n v e s t h e a v i l y i n m o s t a t t r a c t i v e
s e g m e n t s ; b u i l d u p a b i l i t y t o
c o u n t e r c o m p e t i t i o n ;
e m p h a s i s e p r o f i t a b i l i t y b y
r a i s i n g p r o d u c t i v i t y
S e l e c t i v i t y / m a n a g e f o r
e a r n i n g s
P r o t e c t e x i x t i n g p r o g r a m m e ;
c o n c e n t r a t e i n v e s t m e n t s i n
s e g m e n t s w h e r e p r o f i t a b i l i t y i s
g o o d a n d r i s k i s r e l a t i v e l y l o w
L i m i t e d e x p a n s i o n o r
h a r v e s t
L o o k f o r w a y s t o e x p a n d
w i t h o u t h i g h r i s k ; o t h e r w i s e ,
m i n i m i z e i n v e s t m e n t a n d
r a t i o n a l i s e o p e r a t i o n s
P r o t e c t a n d r e f o c u s
m a n a g e f o r c u r r e n t e a r n i n g s ;
c o n c e n t r a t e o n a t t r a c t i v e
s e g m e n t s d e f e n d s t r e n g h t s
M a n a g e f o r e a r n i n g s
P r o t e c t p o s i t i o n i n m o s t
p r o f i t a b l e s e g m e n t s ; u p g r a d e
p r o d u c t l i n e ; m i n i m i s e
i n v e s t m e n t
D i v e s t
S e l l a t t i m e t h a t w i l l m a x i m i s e
c a s h v a l u e c u t f i x e d c o s t a n d
a v o i d i n v e s t m e n t m e a n w h i l e
H i g h
M e d i u m
L o w
S t r o n g
M e d i u m W e a k
3 . 3 6 . 7 1 0 . 0
Gambar 3. Representasi Fuzzy dari
matriks GE (General Electric)
3. METODOLOGI
3.1. Kerangka Pemikiran
Pengembangan agroindustri hilir karet
berbasis lateks diawali dengan memilih
produk mana yang perlu diprioritaskan dan
potensial untuk dikembangkan. Setelah itu
dilanjutkan dengan evaluasi lingkungan
industrinya guna perumusan strateginya.
Untuk lebih jelasnya kerangka pemikiran
penelitian ini dituangkan dalam gambar
berikut:
Gambar 4. Kerangka Pemikiran Penelitian
3.2. Tata Laksana
Pakar yang bertindak sebagai responden
ahli untuk memberikan penilaian dalam
perbandingan berpasangan sebanyak 1 orang
yang berasal dari peneliti di Balai Penelitian
Teknologi Karet Bogor.
Dalam rangka menentukan produk
agroindustri hilir karet yang paling potensial
untuk dikembangkan, dikembangkan kriteria-
kriteria sebagai berikut :
1. Potensi pasar. Kriteria ini
menggambarkan prospek akan
kebutuhan/permintaan pasar baik di dalam
negeri maupun luar negeri (ekspor).
Produk dikatakan potensial untuk
dikembangkan jika mempunyai potensi
pasar yang tinggi.
2. Dampak terhadap lingkungan. Kriteria
ini menggambarkan dampaknya terhadap
kerusakan lingkungan. Produk yang
potensial adalah yang tidak merusak atau
mencemari lingkungan.
3. Kondisi teknis dan teknologis. Kriteria
ini menggambarkan suatu keadaan yang
memenuhi syarat teknis produksi dan
kondisi teknologi yang mendukung.
Produk yang potensial adalah yang secara
teknis produksi dapat dilaksanakan dan
teknologi yang ada mendukung.
4. Kondisi bahan baku. Kriteria ini
menggambarkan apakah produk tersebut
memerlukan suatu kondisi (grade) tertentu
dari produk hulunya. Produk yang dinilai
potensial adalah produk yang tidak
memerlukan grade tertentu, karena akan
memudahkan dalam pengadaan bahan
baku.
5. Nilai Tambah produk. Kriteria ini
menggambarkan sebesar besar nilai
tambah dari produk hulunya setelah
menjadi produk hilir. Produk yang
potensial adalah yang memiliki nilai
tambah tinggi.
6. Daya serap tenaga kerja. Kriteria ini
menggambarkan apakah agorindustri yang
akan dikembangkan memerlukan
sedikit/banyak tenaga kerja. Produk yang
potensial bila menyerap banyak tenaga
kerja.
Sebagai alternatif produk agroindustri hilir
karet berbasis lateks adalah sebagai berikut :
1. Sarung Tangan Medis
2. Perekat
3. Karet Busa
4. Benang Karet
5. Cat / Pelapis
Adapun skala yang digunakan dalam
pemberian nilai adalah :
Tabel 2. Label Linguistik untuk Skala AHP
Label Keterangan
E Sama penting (equally)
W
Sedikit lebih penting
(moderatly)
S Jelas lebih penting (strongly)
VS
Sangat jelas lebih penting
(very strongly)
A
Mutlak lebih penting
(extremly preferred)
Parameter TFN untuk Mutlak
Penting/ Absolute Importance (7, 9, 9), Sangat
Jelas Lebih Penting/Very Strong Importance
(5, 7, 9), Jelas Lebih Penting/Strong
Importance (3, 5, 7), Sedikit Lebih
Penting/Weak Importance (1, 3, 5), dan Sama
Penting/Equal Importance (1, 1, 3).
Batas atas dan batas bawah untuk tiap
nilai dari matrik dicari dengan menggunakan
Analisis Lingkungan Eksternal
Analisis Lingkungan Internal
Pemilihan produk agorindustri hilir
karet berbasis lateks potensial
Matriks IE,
Fuzzy Logic Penentuan Strategi
Matode AHP,
Fuzzy AHP
Matriks EFE
Matriks IFE
rumus seperti pada rumus (10). Dengan
menggunakan

= 0.5 maka diperoleh :

1
~
= [1,2]=1,5

3
~
= [2,4]=3
1
3
~

= [1/4,1/2]=0,375

5
~
= [4,6]=5
1
5
~

= [1/6,1/4]=0,2083

7
~
= [6,8]=7
1
7
~

= [1/8,1/6]=0,1458

9
~
= [8,10]=9
1
9
~

= [1/10,1/8]=0,1125
Setelah didapatkan produk yang
potensial, penelitian dilanjutkan dengan
penilaian faktor eksternal dan internal dengan
menggunakan matriks EFE dan IFE dan
kemudian dilanjutkan dengan penggunaan
logika fuzzy untuk pemilihan strategi.
Pemilihan strategi berdasarkan matriks IE.
4. HASIL DAN PEMBAHASAN
4.1. Pemilihan produk lateks potensial
Perhitungan AHP konvensional
dilakukan secara manual dan juga dengan
bantuan paket program Criterium Decision
Plus. Perhitungan Fuzzy AHP dengan bantuan
Excel.
Perbandingan hasil bobot dari kriteria
dan alternatif dapat dilihat pada tabel 3.
Terlihat pada tabel tersebut bahwa bobot yang
dihasilkan dari kedua metode tidak
memberikan hasil yang berbeda jauh. Kriteria
dengan bobot tertinggi adalah potensi pasar
diikuti dengan dampak lingkungan dan
seterusnya. Sedangkan produk hilir karet
berbasis lateks yang paling potensial untuk
dikembangkan adalah produk sarung tangan
karet.
Dapat terlihat pula pada tabel 4 bahwa
nilai rasio konsistensi dengan menggunakan
fuzzy ahp cenderung lebih besar dari metode
AHP biasa. Dari sudut pandang ini metode
AHP biasa atau konvensional bisa jadi lebih
unggul dari metode fuzzy AHP.
Tetapi bila dilihat dari penggunaan skala
linguistik pada fuzzy AHP yang lebih
menyesuaikan diri dengan realitas tentu dapat
kita katakan lebih baik. Dalam artian bahwa
misalnya penilaian seseorang sedikit lebih
penting tentunya tidak sama antar beberapa
penilai sehingga kurang tepat bila hanya
dikonversi kepada satu angka tunggal atau
angka 3 saja.
Tabel 3. Perbandingan Bobot Metode AHP
Konvensional dengan Fuzzy AHP
Kriteria/
Alternatif
Bobot dari
metode AHP
Bobot dari
Fuzzy AHP
Kriteria :
Potensi Pasar
Dampak Lingk
K.Teknis /Tek
Nilai Tambah
Bahan Baku
Daya Serap
Alternatif :
Sarung Tangan
Perekat
Busa
Cat/Pelapis
Benang Karet
0,421
0,253
0,152
0,089
0,054
0,032
0,300
0,252
0,188
0,146
0,114
0,405
0,250
0,158
0,094
0,058
0,034
0,291
0,246
0,189
0,152
0,121
Tabel 4. Perbandingan Nilai Consistency Ratio
(CR) Metode AHP Konvensional dengan
Fuzzy AHP
Perbandingan Nilai CR dari
Metode AHP
Bobot dari
Fuzzy AHP
Antar Kriteria
Antar
Alternatif thd.
Kriteria :
Potensi Pasar
Dampak Lingk
K.Teknis /Tek
Nilai Tambah
Bahan Baku
Daya Serap
0,06
0,07
0,04
0,09
0,09
0,03
0,07
0,09
1
0,09
0,09
0,12
0,11
0,06
0,10
Metode fuzzy AHP mengkonversi
penilaian linguistik tersebut ke dalam suatu
selang dan saling tumpang tindih. Karena
batas antara sedikit lebih penting dengan
jelas lebih penting juga tidak tegas atau ada
grey area.
Data penilaian pakar menggunakan
metode AHP biasa serta data setelah
dikonversi dengan metode fuzzy AHP dapat
dilihat pada tabel 5 dan tabel 6.
Tabel 5. Data Penilaian Pakar terhadap Kriteria menggunakan Metode AHP Konvensional
Kriteria PP DL DS NT BB KT
PP 1,00 3,00 7,00 5,00 7,00 3,00
DL 0,33 1,00 7,00 3,00 5,00 3,00
DS 0,14 0,14 1,00 0,33 0,33 0,20
NT 0,20 0,33 3,00 1,00 3,00 0,33
BB 0,14 0,20 3,00 0,33 1,00 0,33
KT 0,33 0,33 5,00 3,00 3,00 1,00
Tabel 6. Data Penilaian Pakar terhadap Kriteria menggunakan Fuzzy AHP setelah diubah ke
bentuk crisp
Kriteria PP DL DS NT BB KT
PP 1 3 7 5 7 3
DL 0,375 1 7 3 5 3
DS 0,1458 0,1458 1 0,375 0,375 0,2
NT 0,2083 0,375 3 1 3 0,375
BB 0,1458 0,2083 3 0,375 1 0,375
KT 0,375 0,375 5 3 3 1
Tabel 7. Hasil Perhitungan dengan Metode Fuzzy AHP
Alternatif
Kriteria Bobot ST P B BK C
PP 0,405377 0,527334 0,163962 0,063999 0,043221 0,201484
DL 0,250424 0,094041 0,31451 0,31451 0,182897 0,094041
DS 0,034292 0,047166 0,203048 0,455498 0,110288 0,184
NT 0,093646 0,446938 0,261416 0,06805 0,0422 0,181396
BB 0,058199 0,056955 0,118728 0,327547 0,366101 0,130671
KT 0,158062 0,046057 0,392841 0,276614 0,179287 0,105201
0,291385 0,245674 0,189482 0,120702 0,152757
Gambar 5. Hasil Perhitungan Menggunakan Metode AHP Konvensional menggunakan CD
Plus
4.2. Evaluasi lingkungan eksternal dan
internal
1 ~3 ~1 ~
Pada tabel berikut disajikan faktor-faktir
eksternal dan internal berikut bobot dan
nilainya terhadap industri sarung tangan karet
berdasarkan penilaian pakar.
Tabel 8. Faktor, Bobot dan Rating Nilai
Faktor Internal dan Eksternal
4.3.Pemilihan strategi menggunakan
logika fuzzy berdasarkan matriks
internal-eksternal.
Pemilihan strategi berdasarkan matriks IE
menggunakan pendekatan Fuzzy Sugeno
dengan bantuan program Matlab. Jumlah
variabel input sebanyak 2 dan jumlah
variabel ouput 1.
Variabel output memiliki nilai 1
(tumbuh dan membangun), 2 (pertahankan
dan pelihara) serta 3 (panen atau divestasi).
Variabel input (EFE dan IFE) memiliki nilai
dari 1 s/d 4.
Gambar 6. Sistem Inferensi Fuzzy
SUGENO dengan 2 variabel input dan satu
variabel output
Skor nilai EFE dan IFE direpresentasikan
dengan bilangan fuzzy triangular fuzzy
number (TFN) seperti dapat dilihat pada
gambar 7 dan 8.
Gambar 7. Representasi Skor Nilai EFE
menggunakan TFN
Faktor Eksternal Bobot Rating Skor
Peluang Permintaan
meningkat
seiring
banyaknya
masalah infeksi
sehingga perlu
sarung tangan
pelindung 0,450 4 1,80
Diversifikasi
ekspor 0,250 3 0,75
Ancaman Kompetitor
sarung tangan
sintetis yang non
allergenic 0,200 2 0,40

Pesaing dari
Negara lain 0,100 2 0,20
Total 1,000 3,15
Faktor Internal Bobot Rating Skor
Kekuatan Bahan baku
melimpah 0,400 4 1,60

Tenaga Kerja
Murah 0,250 4 1,00
Kelemahan Pasar dikuasai
terutama
Malaysia 0,200 2 0,40

Ketergantungan
terhadap
Teknologi Luar 0,150 2 0,30
Total 1,000 3,30
Gambar 8. Representasi Skor Nilai IFE
menggunakan TFN
Gambar 9. Rule Pemilihan Strategi
Penyusunan rule seperti dapat dilihat
pada gambar 9 dikembangkan dari matriks
Internal-Eksternal (modifikasi dari 9 sel
matriks GE).
Gambar 10. Rule Viewer
Berdasarkan hasil dari matriks EFE
dan IFE, nilai atau skor yang didapatkan
dimasukkan ke dalam fuzzy inference system
(FIS) yang telah dibuat. Hasilnya adalah
pilihan strategi untuk industri sarung tangan
karet adalah strategi 1 (tumbuh dan
membangun)
5. KESIMPULAN
DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil dan pembahasan
dalam penelitian ini dapat disimpulkan
beberapa hal, sebagai berikut:
1. Produk hilir karet berbasis
lateks yang potensial untuk
dikembangkan adalah sarung tangan
(medis maupun rumah tangga) yang
kemudian diikuti oleh perekat dan karet
busa.
2. Hasil perhitungan dari fuzzy AHP dan
metode AHP konvensional menunjukkan
hasil yang tidak jauh berbeda.
3. Pendekatan logika Fuzzy dapat
digunakan untuk memilih strategi yang
didasarkan pada matriks Eksternal dan
Internal dan didapatkan strategi tumbuh
dan membangun untuk industri sarung
tangan karet.
5.2. Saran
Beberapa saran yang dapat dilakukan
dalam penelitian ini antara lain:
1. Dari sisi metodologi dapat
diperbandingkan lebih luas dengan
berbagai metode pengambilan keputusan
multi kriteria lainnya serta
pengembangannya.
2. Logika fuzzy dapat diperluas kepada
strategi fungsionalnya seperti pemasaran
dan lan sebagainya.
DAFTAR PUSTAKA
Agustriani Dini, 2005, Pengukuran
Tingkatan Learning Orgaization serta
Hubungannnya dengan Gaya
Kepemimpinan dan Kinerja pada PT.
Abacus K.I, Tugas Akhir, Jurusan Teknik
Industri Universitas Trisakti, Jakarta.
Alfa Ary Achyar, Endang Gumbira Said,
2003, Peningkatan Kinerja Industri
Kecil dan Menengah Barang Jadi Karet
melalui Pendekatan Klaster Industri.
Makalah.
David Fred R, 2003, Manajemen Strategis
Konsep-konsep, Edisi ke-9, Terjemahan,
Prentice Hall
Hartono Andreas N, Model Sistem
Manajemen Ahli Pengembangan
Agroindustri Hortikultura di Kabupaten
Cianjur, Skripsi, Program Studi
Teknologi Industri Pertanian IPB, Bogor
Honggokusumo Suharto, 1993,
Perkembangan Industri Barang Jadi
Karet di Indonesia, Balai Penelitian
Teknologi Karet, Bogor
Kusumadewi Sri, Hari Purnomo, 2004,
Aplikasi Logika Fuzzy untuk
Pendukung Keputusan. Graha Ilmu.
Yogyakarta
Kusumadewi Sri, 2004, Toolbox Matlab
untuk Logika Fuzzy. Graha Ilmu.
Yogyakarta
Kwong C.K., H. Bai, 2002, A Fuzzy AHP
approach to determination of importance
weights of customer requirements in
quality function deployment, Journal of
Intelligent Manufacturing, 13, 367-377,
Kluwer Academic Publishers,
Netherlands.
Li Shuliang, Barry J Davies, 2001, Golstra
A hiybrid system for developing global
strategy and associated internet strategy,
Industrial Management + Data System,
pg. 132
Li Shuliang, et. Al, 2002, Integrating group
Delphi, fuzzy logic and expert systems
for marketing strategy development : the
hybridisation and its effectiveness,
Marketing Intelligence and Planning, 20,
pg. 273-284.
Marimin, 2005, Teori dan Aplikasi Sistem
Pakar dalam Teknologi Manajerial, IPB
Press, Bogor.
Marimin, 2004, Teknik dan Aplikasi
Pengambilan Keputusan Kriteria
Majemuk, PT. Grasindo, Jakarta.
Nancy C, D. Suwardin, M. Supriadi, 2001,
Kajian Mengenai Pemasaran Lateks :
Profil Petani, Industri Lateks Pekat dan
Industri Barang Jadi Lateks, Jurnal
Penelitian Karet, Bogor.
Shen X.X., K.C. Tan, M Xie, 2001, The
implementation of quality function
deployment based on linguistic data,
Journal of Intelligent Manufacturing, 12,
65-75, Kluwer Academic Publishers,
Netherlands.