Prosiding Seminar Nasional Manajemen Teknologi II

Program Studi MMT-ITS, Surabaya 30 Juli 2005

USULAN MODEL KEPUTUSAN MULTIKRITERIA TERINTEGRASI

UNTUK PEMILIHAN UKM PENERIMA PINJAMAN LUNAK
DI WILAYAH SURABAYA

Muhammad Ansori 1) dan Udisubakti Ciptomulyono 2)

1) Mahasiswa Pascasarjana Teknik Industri – ITS, Kampus ITS Keputih Sukolilo – Surabaya 60111
e-mail: ansori66@yahoo.com
2) Staf Pengajar Jurusan Teknik Industri – ITS, Kampus ITS Keputih Sukolilo – Surabaya 60111
e-mail: Ciptomulyono@Hotmail.com

ABSTRAK
Mempertimbangkan peran penting UKM dalam pembangunan perekenomian
nasional, Pemerintah Propinsi Jawa Timur berupaya membantu menyelesaikan
permasalahan utama yang ada di UKM (problem finansial), yaitu melalui pemberian
pinjaman lunak modal kerja. Namun, karena keterbatasan sumber daya (dana) yang ada
dan alokasi UKM serta kriteria evaluasi pemberian kredit yang banyak, maka
diperlukan suatu model untuk pemilihan UKM yang layak memperoleh pinjaman
tersebut.
Penelitian ini memaparkan suatu usulan penggunaan secara integrasi metode
Analytical Hierarchy Process (AHP) dengan teknik Goal Programming dalam suatu
model keputusan multikriteria untuk memilih UKM yang layak diberi pinjaman lunak di
wilayah Surabaya. Dengan mengintegrasikan kedua metode tersebut keunggulan dan
kelemahan dari masing-masing metode ini akan saling melengkapi. Sehingga suatu
kombinasi yang tepat tersebut akan mampu mengatasi problem keputusan multikriteria
sekaligus problem optimasi.
Dengan menerapkan model keputusan tersebut melalui optimasi tujuh objektif
yang telah ditetapkan oleh Tim Teknis Kredit Modal Kerja Pemerintah Propinsi Jawa
Timur, maka dapat dipilih UKM yang layak memperoleh pinjaman pada tahap V tahun
2005 di wilayah Surabaya. Dari 15 UKM yang mengajukan pinjaman senilai Rp. 2,55
Milyar, dapat dipilih 11 UKM dengan jumlah pinjaman sebesar Rp. 1,85 Milyar, dari
jumlah anggaran yang tersedia sebesar Rp. 2 Milyar.

Kata kunci: AHP, Goal Programming, Keputusan Multikriteria dan UKM.

PENDAHULUAN
Latar Belakang
Mempertimbangkan peran penting UKM dalam pembangunan perekonomian
nasional, Pemerintah antara lain melalui Dinas Perindustrian dan Perdagangan serta
Dinas Koperasi, Pengusaha Kecil dan Menengah Propinsi Jawa Timur telah melakukan
berbagai upaya untuk mengatasi permasalahan tersebut dengan cara, antara lain yaitu
mengembangkan iklim usaha, memberikan bantuan teknik, modal dan prasarana/sarana
penunjang, pemberdayaan SDM, kelembagaan, peningkatan terhadap akses sumberdaya
produktif, pengembangan kewirausahaan serta kegiatan lain-lain (Anonim, 2002-a;
Anonim, 2002-b; Anonim, 2003).
Di antara upaya-upaya pemerintah yang saat ini sedang dalam proses
pelaksanaan adalah pemberian pinjaman lunak untuk modal kerja dari Pemerintah
Propinsi Jawa Timur, dengan bunga rendah sebesar 6% per tahun dan jangka waktu
pengembalian maksimal 2 (dua) tahun. UKM wilayah Jawa Timur mendapatkan alokasi
sebesar Rp. 50 miliar (tahun anggaran 2004) dan Rp. 60 miliar (tahun anggaran 2005).
Dana tersebut berasal dari APBD Propinsi Jawa Timur. Saat ini dana tersebut sedang

ISBN : 979-99735-0-3
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

disalurkan kepada UKM-UKM mulai bulan April 2004 melalui PT. Bank JATIM dan
PT. BPR JATIM.
Mengingat keterbatasan sumber daya (dana) yang ada dan alokasi UKM, serta
kriteria evaluasi yang banyak, maka diperlukan suatu model untuk memilih UKM yang
layak memperoleh pinjaman tersebut. Model pemilihan UKM yang digunakan oleh Tim
Teknis saat ini masih terdapat beberapa kelemahan, antara lain kurang efektifnya
kriteria yang digunakan, metode pembobotan yang kurang sistematis, tingkat
pencapaian objektif kurang optimal, serta hasil yang diperoleh tidak dapat dilakukan
analisa sensitivitas bila terjadi perubahan objektif maupun kendala.
Sedangkan, pendekatan untuk alokasi sumber daya dengan menggunakan
metode AHP (Arifin, 1999) masih belum optimal, karena metode tersebut akan
menemui kesulitan bila dipergunakan untuk mendapatkan optimasi atau efisiensi alokasi
sumber daya langka yang maksimum. Karena itu diperlukan dukungan dan
dikombinasikan dengan model optimasi lain, supaya dapat memperbaiki kelemahan
yang ada (Ciptomulyono et.al, 2000).
Integrasi antara metode AHP dengan Goal Programming untuk optimasi alokasi
sumber daya langka pernah dilakukan oleh beberapa peneliti, antara lain yaitu Masum
& Tabucanon (1991), Al-Araimi (1993), Badri (1999), Ciptomulyono (2000) dan
Rahardjo (2002).

Tujuan Penelitian
a. Menentukan kriteria yang akan digunakan untuk memilih UKM.
b. Mengembangkan model keputusan yang mampu digunakan untuk memilih
UKM yang layak mendapatkan pinjaman lunak.
c. Memilih UKM-UKM yang layak mendapatkan pinjaman lunak.

Manfaat Penelitian
a. Memberikan alternatif solusi bagi Tim Pokja dan Tim Teknis dalam
mengevaluasi & memilih UKM yang layak mendapatkan pinjaman lunak.
b. Memberikan informasi tentang UKM yang layak mendapatkan pinjaman lunak
dan yang tidak.
c. Model keputusan yang diperoleh dapat digunakan sebagai model keputusan
untuk memilih UKM yang layak memperoleh pinjaman lunak di wilayah selain
Surabaya.

METODA
Integrasi Metode AHP dan Goal Programming
Meskipun memungkinkan menggunakan AHP langsung untuk evaluasi dan
penetapan pemilihan proyek yang mengandung kriteria kuantitatif dan kualitatif
multidimensi, namun penggunaan sepenuhnya AHP akan menemui kesulitan
(Ciptomulyono et.al, 2000):
 bilamana jumlah seluruh kriteria keputusan yang dipertimbangkan dan yang
dilibatkan oleh pengambil keputusan terlalu besar dan juga informasi/data yang
diinputkan bukan merupakan judgment yang akurat;
 transformasi nilai-nilai kriteria kuantitatif hanya terbatasi oleh 9 skala dari
Saaty. Persoalan ini tidak akan muncul bilamana kriteria dipertimbangkan secara
terpisah;
 bilamana dipergunakan untuk mendapatkan optimasi atau efisiensi alokasi
sumber daya langka yang maksimum. Karena itu diperlukan dukungan dan

ISBN : 979-99735-0-3
A-6-2
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

dikombinasikan dengan model optimasi lain, supaya dapat memperbaiki

kelemahan yang ada.
Sedangkan pendekatan Goal Programming yang juga telah diaplikasikan secara
lebih luas dibandingkan pendekatan lain untuk penyelesaian problem multiobjektif
(Romero, 1990 & Tarmiz, 1998 dalam Ciptomulyono et.al, 2000), memiliki keunggulan
di antaranya:
 Lebih sedikit mengandung aspek subyektifitas dibanding metode multikriteria
yang lain seperti metode ELECTRE atau metode Utility Theory;
 Dibanding metode lain yang didasarkan pada prinsip-prinsip Linear
Programming, Goal Programming memberikan pendekatan dan prosedur yang
efektif dalam pemberian pembobotan.
Namun, selain mempunyai kelebihan, beberapa kelemahan yang perlu
dipertimbangkan dalam aplikasi metode ini untuk penyelesaian problem multiobjektif,
yaitu:
 Tidak ada metode sistematis dan kesepakatan bagaimana cara memberi bobot
prioritas, penetapan nilai aspirasi dari goal dan cara normalisasi variable deviasi;
 Tidak mampu mengatasi problem pemilihan keputusan bilamana berhadapan
dengan kriteria kualitatif;
 Membutuhkan dukungan teknis atau metodologis lain sehingga dapat menutupi
kelemahan dan memperbaiki kualitas model. Dalam penelitian ini diusulkan
memakai pendekatan AHP.
Kedua metode ini (AHP dan Goal Programming) memiliki keterbatasan
bilamana dipakai secara terpisah untuk problem alokasi resources dalam suatu
keputusan. Karena itu, dengan mengintegrasikan kedua metode tersebut keunggulan dan
kelemahan dari masing-masing metode ini akan saling melengkapi.
Suatu kombinasi yang tepat karenanya akan mampu mengatasi problem
keputusan yang mengandung kriteria kuantitatif dan kualitatif. Dalam aplikasinya,
beberapa peneliti terdahulu yang menggunakan pendekatan ini, di antaranya adalah
Masum & Tabucanon (1991) menerapkan untuk memilih suatu industri dalam rangka
alokasi investasi, juga Al-Araimi (1993) untuk memilih proyek manufaktur, serta
Ciptomulyono (2000) untuk evaluasi dan pemilihan proyek tenaga listrik pemerintah.
Sedangkan Badri (1999) untuk alokasi lokasi fasilitas, dan Rahardjo (2002) untuk
alokasi anggaran di perguruan tinggi.

PENGEMBANGAN MODEL OPTIMASI

Untuk mengembangkan model Goal Programming dibutuhkan bobot prioritas
untuk objektif yang akan dioptimalkan secara bersama. Untuk itu, dalam pemodelan ini
akan diintegrasikan bobot yang diperoleh dari metode AHP ke dalam persamaan model
matematis Goal Programming.
Berdasarkan sasaran program serta misi dan tujuan Pemerintah terhadap UKM
(Anonim, 2002-a), terdapat beberapa objektif dari alternatif yang ingin dioptimalkan
dalam pemilihan ini, sebagaimana tertera pada tabel 3.1.
Tabel 3.1. Tujuan dari Sasaran
No. Objektif/Sasaran Tujuan
1 Nilai penjualan Maksimum
2 Pangsa pasar Maksimum
3 Komponen local Maksimum
4 Kapasitas produksi Maksimum
5 Periode perputaran modal Minimum
6 Laba perusahaan Maksimum
7 Capital Labor Ratio (CLR) Minimum

ISBN : 979-99735-0-3
A-6-3
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

Formulasi Model Goal Programming

Dalam menyusun formulasi model Goal Programming ini terdapat beberapa hal
yang harus ditetapkan, yaitu variabel keputusan, susunan prioritas, kendala sasaran dan
fungsi tujuan. Berikut akan diuraikan penjelasannya.
a. Variabel keputusan
Xi = variabel keputusan untuk memilih UKM ke-i
 i = 1, 2, 3, …, n
 0 < Xi < 1
b. Susunan prioritas
Kendala sistem:
Prioritas 1 : Mencegah berulangnya pemilihan pada UKM yang sama.
Xi + nj – pj = 1 (untuk i = j = 1, 2, …, 15);
Prioritas 2 : Mencegah agar total jumlah pinjaman yang diberikan tidak
melebihi total anggaran dana yang tersedia ( Rp. 2 Milyar );
Untuk prioritas 3 sampai dengan 9 akan ditentukan berdasarkan ranking yang
diperoleh dari AHP. Prioritas yang ada sekarang masih bersifat sementara.
Prioritas 3 : Maksimumkan nilai penjualan tahunan ( NP );
Prioritas 4 : Maksimumkan pangsa pasar ( PP );
Prioritas 5 : Maksimumkan komponen lokal ( KL );
Prioritas 6 : Maksimumkan kapasitas produksi ( KP );
Prioritas 7 : Minimumkan periode perputaran modal ( PM );
Prioritas 8 : Maksimumkan laba perusahaan ( L );
Prioritas 9 : Minimumkan capital labor ratio ( CLR );
c. Kendala sasaran
Prio- Tujuan
ritas Objektif Fungsi Objektif Sasaran
Mencegah pe- X 1 + n1 – p1 = 1 15
Min  w 1 ( p j )

1 milihan pada … … … … … … ..
j 1
UKM yg sama X 15 + n 15 – p 15 = 1
Mencegah jum- 15
2 lah pinjaman > 
i 1
D i X i  n16  p16 = Rp. 2 M Min w 2 ( p 16 )
jumlah anggaran
15

 NP i X i  n17  p 17 = NP
3 Maksimumkan 
Min w 3 ( n 17 )
Nilai Penjualan i  1
15


4 Maksimumkan
PP i X i  n 18  p 18 = PP Min w 4 ( n 18 )
Pangsa Pasar i 1

ISBN : 979-99735-0-3
A-6-4
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

c. Lanjutan
Prio- Tujuan
ritas Objektif Fungsi Objektif Sasaran
15


5 Maksimumkan  n 19  p 19 
KL i X i = KL Min w 5 ( n 19 )
Komp. Lokal i 1
15


6 Maksimumkan
KP i X i  n 20  p 20 = KP Min w 6 ( n 20 )
Kap. Produksi i 1
15
7 Minimumkan
Per. P. Modal
i 1
PM i X i  n 21  p 21 = PM Min w 7 ( p 21 )
15


8 Maksimumkan 
Li X i  n 22  p 22 =L Min w 8 ( n 22 )
Perhit. Laba i 1
15

 CLR
9 Minimumkan
i X i  n 23  p 23 = CLR Min w 9 ( p 23 )
CLR i 1

d. Fungsi tujuan
15
Minimize Z = w1 ( p j ) + w2 ( p16 ) + w3 (n17 ) + w4 (n18 ) + w5 (n19 ) +
j 1

w (n20 ) + w7 ( p 21 ) + w8 (n22 ) + w9 ( p 23 )


6

PENERAPAN DAN ANALISA MODEL UNTUK PEMILIHAN UKM

Model yang sudah terbentuk ini selanjutnya diterapkan untuk memilih UKM
yang mengajukan pinjaman lunak di wilayah Surabaya sebagaiman tertera pada tabel
4.1. Sebagaimana terlihat pada tabel tersebut, jumlah UKM yang mengajukan pinjaman
lunak sebanyak 15 UKM dengan nilai total pengajuan sebesar Rp. 2,55 Milyar.
Tabel 4.1. Daftar UKM yang Mengajukan Pinjaman Lunak Tahap V
UKM ke Bidang Usaha Jumlah yang Diajukan
1 Perdagangan Sembako Rp. 100.000.000,-
2 Perdagangan Umum (A) Rp. 200.000.000,-
3 Perusahaan Sarung Tangan Rp. 200.000.000,-
4 Perdagangan Bahan Bangunan (A) Rp. 200.000.000,-
5 Perdagangan Bahan Bangunan (B) Rp. 200.000.000,-
6 Perdagangan Pakaian (A) Rp. 150.000.000,-
7 Perdagangan Umum (B) Rp. 200.000.000,-
8 Perusahaan Sepatu Kulit Rp. 50.000.000,-
9 Catering (A) Rp. 200.000.000,-
10 Catering (B) Rp. 50.000.000,-
11 Perdagangan Pakaian (B) Rp. 200.000.000,-
12 Bengkel Mobil Rp. 200.000.000,-
13 Percetakan (A) Rp. 200.000.000,-
14 Percetakan (B) Rp. 200.000.000,-
15 Housewares & Stainless Steel Rp. 200.000.000,-
JUMLAH Rp. 2.550.000.000,-

ISBN : 979-99735-0-3
A-6-5
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

Adapun pencapaian terhadap objektif yang telah ditetapkan oleh Tim Teknis dari
masing-masing UKM tersebut sebagaimana tertera pada tabel 4.2.
Tabel 4.2. Data Penilaian UKM terhadap Pencapaian Objektif
Alter- Objektif/Sasaran
natif Pangsa Nilai Komp. Per. P. Laba Kap. CLR
UKM Pasar Penj./Th Lokal Modal Perush. Prod/Op (Rp.Jt/
ke (%) ( Rp Jt ) (%) ( Bln ) (%) (%) orang)
1 25 100 100 3 15 80 25
2 20 2.000 50 1 15 100 33
3 20 500 100 3 10 80 3
4 20 720 90 2 20 90 50
5 15 360 90 2 25 80 67
6 20 600 35 1 20 100 38
7 5 3.500 100 4 50 100 40
8 50 160 90 3 40 100 10
9 20 300 100 1 25 100 17
10 25 70 100 1 30 80 8
11 10 500 100 5 20 60 22
12 20 450 20 2 30 90 10
13 80 500 100 2 20 100 13
14 5 100 100 4 20 100 10
15 6 3.000 60 2 50 70 3
Jumlah 341 12.860 1.235 36 390 1.330 349
Berdasarkan metode AHP diperoleh bobot prioritas yang berasal dari Tim
Teknis sebagaimana tertera pada tabel 4.3.
Tabel 4.3. Susunan Prioritas Objektif
Normalisasi
Prioritas Objektif/Sasaran Bobot AHP
Bobot AHP
1 Peningkatan Pangsa Pasar 0,127 0,306
2 Nilai Penjualan per Tahun 0,090 0,217
3 Komponen Lokal 0,069 0,166
4 Periode Perputaran Modal 0,068 0,164
5 Laba Perusahaan 0,037 0,089
6 Kapasitas Produksi/Operasi 0,020 0,048
7 Capital Labor Ratio 0,004 0,010
Jumlah 0,415 1,000
Hasil normalisasi bobot AHP, selanjutnya dimasukkan ke dalam formulasi
matematis model Goal Programming. Dengan bantuan software LINDO formulasi
tersebut diselesaikan dan hasil yang diperoleh adalah sebagaimana pada tabel 4.4.

ISBN : 979-99735-0-3
A-6-6
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

Tabel 4.4. Output Penyelesaian Model Goal Programming (dari LINDO)

UKM Variabel
Bidang Usaha Nilai
Ke Keputusan
1 Perdagangan Sembako X1 0,0000
2 Perdagangan Umum (A) X2 1,0000
3 Perusahaan Sarung Tangan X3 1,0000
4 Perdagangan Bahan Bangunan (A) X4 1,0000
5 Perdagangan Bahan Bangunan (B) X5 0,0000
6 Perdagangan Pakaian (A) X6 1,0000
7 Perdagangan Umum (B) X7 1,0000
8 Perusahaan Sepatu Kulit X8 1,0000
9 Catering (A) X9 0,0000
10 Catering (B) X10 1,0000
11 Perdagangan Pakaian (B) X11 1,0000
12 Bengkel Mobil X12 1,0000
13 Percetakan (A) X13 1,0000
14 Percetakan (B) X14 0,0000
15 Housewares & Stainless Steel X15 1,0000

Hasil penyelesaian formulasi tersebut adalah berupa nilai Xi = 1, yang

menunjukkan bahwa UKM ke-i disetujui pengajuan kreditnya, sedangkan Xi = 0
menunjukkan bahwa UKM ke-i ditolak pengajuannya. Berdasarkan hal tersebut, maka
sebagaimana tertera pada tabel 4.4, bahwa UKM yang disetujui pengajuan kreditnya
adalah UKM ke-2, 3, 4, 6, 7, 8, 10, 11, 12, 13 dan 15 (11 UKM). Sedangkan UKM
yang ditolak berjumlah 4 UKM, yaitu UKM ke-1, 5, 9 dan 14.
Sehingga dengan demikian dapat disusun daftar UKM yang terpilih dan nilai
kreditnya. Total jumlah kredit yang disalurkan pada tahap ini adalah Rp. 1,85 Milyar (di
bawah anggaran dana yang tersedia, yaitu sebesar Rp. 2 Milyar, lihat tabel 4.5).
Tabel 4.5. Daftar UKM yang Terpilih (Tahap V)
UKM
Bidang Usaha Jumlah Pinjaman
ke
2 Perdagangan Umum (A) Rp. 200.000.000,-
3 Perusahaan Sarung Tangan Rp. 200.000.000,-
4 Perdagangan Bahan Bangunan (A) Rp. 200.000.000,-
6 Perdagangan Pakaian (A) Rp. 150.000.000,-
7 Perdagangan Umum (B) Rp. 200.000.000,-
8 Perusahaan Sepatu Kulit Rp. 50.000.000,-
10 Catering (B) Rp. 50.000.000,-
11 Perdagangan Pakaian (B) Rp. 200.000.000,-
12 Bengkel Mobil Rp. 200.000.000,-
13 Percetakan (A) Rp. 200.000.000,-
15 Housewares & Stainless Steel Rp. 200.000.000,-
JUMLAH Rp. 1.850.000.000,-

Analisa Sensitivitas
Analisa sensitivitas diperlukan untuk dapat memberikan evaluasi terhadap
stabilitas solusi yang diperoleh dari model. Analisa ini dilakukan dengan cara

ISBN : 979-99735-0-3
A-6-7
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

memberikan variasi perubahan kendala dan bobot prioritas objektif terhadap perubahan
hasil dari model.
Hasil solusi dari model yang dikembangkan ini sangat dipengaruhi oleh
penetapan kendala, goal, objektif serta pemberian bobot prioritas objektif pada model.
Oleh karena itu, dalam penelitian ini akan dilakukan berbagai variasi perubahan kendala
(jumlah anggaran) dan bobot prioritas objektif yang dipertimbangkan.

Perubahan Jumlah Anggaran

Untuk mengetahui seberapa stabil hasil solusi tersebut atas variasi perubahan
kendala (jumlah anggaran), maka di sini akan dilakukan variasi perubahan jumlah
anggaran sebagaimana tertera pada tabel 4.6.
Tabel 4.6. Perubahan Jumlah Anggaran
Perubahan Menjadi
-15% Rp. 1.700.000.000,-
-10% Rp. 1.800.000.000,-
-5% Rp. 1.900.000.000,-
+5% Rp. 2.100.000.000,-
+10% Rp. 2.200.000.000,-
Hasil solusi dari formulasi model terhadap variasi perubahan jumlah anggaran
dengan bantuan piranti lunak LINDO, dapat dilihat pada tabel 4.7.

Tabel 4.7. Pengaruh Perubahan Jumlah Anggaran Terhadap UKM Terpilih

UKM ke-i yang Terpilih pada Perubahan Jumlah Anggaran
-15% -10% -5% +5% +10%
2 2 2 2 1 11
3 3 3 3 2 12
4 4 4 4 3 13
6 6 6 5 4 15
7 7 7 6 5
8 8 8 7 6
10 10 10 8 7
11 11 11 10 8
13 13 12 11 10
15 15 13 12
15 13
15
10 UKM 10 UKM 11 UKM 12 UKM 13 UKM

Sebagaimana terlihat pada tabel tersebut, pengaruh perubahan jumlah anggaran

mengakibatkan perubahan jumlah UKM yang terpilih. Dari semula jumlah UKM yang
terpilih adalah 11 UKM, berubah menjadi 10 UKM (penurunan 15% dan 10%) dan
pada penurunan 5% jumlah yang terpilih seperti semula (11 UKM). Pada kenaikan
sebesar 5%, jumlahnya bertambah menjadi 12 UKM, sedangkan pada kenaikan sebesar
10%, jumlah UKM yang terpilih bertambah menjadi 13 UKM.

Perubahan Bobot Prioritas Objektif

Setelah dilakukan perubahan dalam rentang –10% sampai dengan +10% pada
bobot prioritas objektif peningkatan pangsa pasar, nilai penjualan, komponen lokal dan
periode perputaran modal, kemudian dimasukkan ke dalam model keputusan tersebut.

ISBN : 979-99735-0-3
A-6-8
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

Maka dengan bantuan piranti lunak LINDO, akan dapat diketahui hasil solusi tersebut
sebagaimana tertera pada tabel 4.8.
Tabel 4.8. UKM Terpilih pada Perubahan Bobot Prioritas Objektif
P. Pangsa Pasar Nilai Penjualan
-10% -5% +5% +10% -10% -5% +5% +10%
2 2 2 2 1 1 2 2
3 3 3 3 2 2 3 3
4 4 4 4 3 3 4 4
6 6 6 6 4 4 6 6
7 7 7 7 6 6 7 7
8 8 8 8 7 7 8 8
10 10 10 10 8 8 10 10
11 11 11 11 10 10 11 11
12 12 12 12 11 11 12 12
13 13 13 13 12 12 13 13
15 15 15 15 13 13 15 15
15 15
11 11 11 11 12 12 11 11
UKM UKM UKM UKM UKM UKM UKM UKM

Tabel 4.8. Lanjutan

Komponen Lokal Periode Perputaran Modal
-10% -5% +5% +10% -10% -5% +5% +10%
2 2 2 1 2 2 2 2
3 3 3 2 3 3 3 3
4 4 4 3 4 4 4 4
6 6 6 4 6 6 6 6
7 7 7 6 7 7 7 7
8 8 8 7 8 8 8 8
10 10 10 8 10 10 10 10
11 11 11 10 11 11 11 11
12 12 12 11 12 12 12 12
13 13 13 12 13 13 13 13
15 15 15 13 15 15 15 15
15
11 11 11 12 11 11 11 11
UKM UKM UKM UKM UKM UKM UKM UKM
Menunjuk pada tabel 4.8, dapat diketahui bahwa hasil solusi model relatif stabil
pada rentang perubahan bobot prioritas –10% sampai dengan +10%. Meskipun terjadi
penambahan jumlah UKM yang terpilih dari 11 UKM menjadi 12 UKM pada
perubahan bobot prioritas objektif Nilai Penjualan sebesar –10% dan –5% serta pada
Komponen Lokal sebesar +10%, akan tetapi tidak merubah hasil solusi semula.
Sehingga dapat dikatakan bahwa hasil solusi tersebut relatif stabil untuk digunakan
dalam pemilihan UKM.

KESIMPULAN DAN SARAN

Kesimpulan
1. Urutan kriteria yang paling menentukan dalam memilih UKM yang layak
menerima pinjaman lunak adalah pemasaran dan produksi, selanjutnya diikuti
finansial, pengalaman dan SDM.

ISBN : 979-99735-0-3
A-6-9
Prosiding Seminar Nasional Manajemen Teknologi II
Program Studi MMT-ITS, Surabaya 30 Juli 2005

2. Dengan menerapkan metode optimasi dari Goal Programming ini tingkat

pencapaian objektif dari masing-masing UKM terpilih dapat dioptimalkan.
3. Hasil optimasi objektif, yang telah mempertimbangkan keterbatasan anggaran,
dengan integrasi kedua model keputusan tersebut dapat dipilih kesebelas UKM
di Surabaya yang layak memperoleh pinjaman lunak, yaitu UKM ke-2, 3, 4, 6,
7, 8, 10, 11, 12, 13 dan 15.
4. Empat UKM yang ditolak (UKM ke-1, 5, 9, dan 14) merupakan UKM yang
kurang mencapai kondisi optimal dalam model yang dikembangkan ini.

Saran-saran
1. Waktu antara pengajuan kredit dengan waktu realisasi kredit diusahakan
seminimal mungkin agar pengajuan kebutuhan finansial tersebut segera
mendapatkan kepastian.
2. Selain dana, UKM masih juga memerlukan banyak bantuan teknis maupun
manajemen, baik yang terpilih maupun yang ditolak.
3. Dalam program pemberian pinjaman lunak kepada UKM, sebaiknya dalam
pemilihannya dipisahkan antara usaha kecil dan usaha menengah. Karena
karakteristik kedua jenis usaha tersebut berbeda.

DAFTAR PUSTAKA
Al-Araimi, Saeed Ali Al-Fannah (1993), An Integrated Multi-Criteria Decision Model
for manufacturing project selection in a Developing Country, PhD dissertation,
The University of Missouri – Rolla.
Anonim (2002-a), Kebijakan dan Strategi Umum Pengembangan Industri Kecil
Menengah (Buku I), Rencana Induk Pengembangan Industri Kecil Menengah
2002 – 2004, Departemen Perindustrian dan Perdagangan RI.
Anonim (2002-b), Rapat Kerja Daerah Dinas/Kantor Koperasi, Pengusaha Kecil dan
Menengah Propinsi dan Kabupaten/Kota se Jawa Timur, 29 – 30 Maret, Dinas
Koperasi, Pengusaha Kecil dan Menengah Propinsi Jawa Timur.
Anonim (2003), Program Pengembangan Industri Kecil Menengah (Buku II), Rencana
Induk Pengembangan Industri Kecil Menengah 2002 – 2004, Departemen
Perindustrian dan Perdagangan RI.
Arifin, M. Bustanul (1999), Perencanaan Kebijaksanaan Pengalokasian Bantuan dari
Pemerintah untuk Mengembangkan Industri Kecil Potensial di Kotamadya
Surabaya, Tugas Akhir Sarjana, T. Industri – ITS, Surabaya.
Badri, Masood A. (1999), Combining the analytic hierarchy process and goal
programming for global facility location-allocation problem, International
Journal Production Economics, 62, pp. 237-248.
Ciptomulyono, Udisubakti, Bustanul A.N., Rr. Marina I., Annif K. & Aprilitasari
(2000), Pengembangan Model Optimasi Keputusan Multikriteria-MCDM (Multi
Criteria Decision Making) untuk Evaluasi dan Pemilihan Proyek, Laporan Hasil
Penelitian, Jurusan Teknik Industri-ITS, Surabaya.
Masum, Rashid M. & Mario T. Tabucanon (1991), An integrated multi-criteria
approach for selecting priority industries for investment promotion, revised
version, Industrial Engineering and Management Division, Asian Institute of
Technology, Bangkok, Thailand.
Rahardjo, Jani (2002), Alokasi Anggaran dengan Pendekatan Analytical Hierarchy
Process dan Goal Programming, Proceeding Seminar Nasional Teknik Industri
& Manajemen Produksi (Surabaya), 6-7 Agustus 2002, hal. 153-158.

ISBN : 979-99735-0-3
A-6-10